Sus agentes de IA empresariales deberían recordar automáticamente qué modelo es el adecuado para cada tarea. Mindstone construyó la capacidad con Rebel.

Las plataformas de orquestación de agentes de IA están surgiendo como malas hierbas en estos días, pero Rebel, la startup de transformación de IA con sede en Londres Mindstone, podría estar entre las más prometedoras que he encontrado. Esto se debe a que el sistema, que se lanzó oficialmente esta semana, es un sistema operativo de IA local primero y agente, distribuido bajo una licencia de "Fair Source", que permite a equipos de menos de 100 usuarios adoptarlo y personalizarlo libremente según sus necesidades, mientras que las organizaciones con más usuarios necesitarán pagar por una licencia empresarial. Las características destacadas son su simplicidad y amplia personalización para adaptarse a cualquier equipo, sin importar cuán únicos o específicos sean los flujos de trabajo, todo basado en el formato de archivo estándar de código abierto markdown y, como resultado, una capa de memoria organizacional que garantiza que los agentes utilicen de manera fiable los modelos de IA preferidos de la empresa para cada tarea o incluso subtareas, cambiando dinámicamente entre modelos locales y en la nube de manera predecible y visible para ahorrar costos y mantener la privacidad y seguridad de los datos según sea necesario. "La memoria compartida es lo más empoderador que podrías hacer con una IA para trabajadores del conocimiento", dijo Greg Detre, director de tecnología (CTO) de Mindstone, en una reciente videollamada con VentureBeat. "Obtienes esta sensación de ser un superorganismo como empresa que simplemente se vuelve más inteligente." Rebel está disponible ahora para macOS en máquinas Intel y Apple Silicon, así como para Windows, con soporte para Linux en desarrollo. Mindstone ha recaudado 5 millones de dólares de inversores privados, incluidos Pearson Ventures, Moonfire Ventures y Zanichelli Venture. Una arquitectura distintiva, local primero, basada en archivos markdown Lo que hace que Rebel sea distintivo es su arquitectura local primero. En lugar del enfoque encontrado en frameworks de agentes orientados a desarrolladores como LangGraph, CrewAI y AutoGPT, que requieren que los equipos conecten bases de datos, infraestructura en la nube y lógica de gestión de estado, la memoria e instrucciones centrales del agente de Rebel residen en archivos de texto markdown (.md): la forma más simple, fácil y popular de guiar a los agentes de IA, que ha sido ampliamente adoptada por desarrolladores de IA y usuarios avanzados en todo el mundo. Mindstone afirma que Rebel almacena su estado, indicaciones, instrucciones de tarea y jerarquía de memoria en estos archivos, permitiendo a los usuarios y empresas inspeccionarlos, moverlos o modificarlos fácilmente según sea necesario. Un archivo de configuración principal, agents.md, actúa como la capa de instrucciones centrales del agente y límite de ejecución. Esa elección arquitectónica tiene que ver en parte con el costo. Mindstone argumenta que los formatos de oficina comunes como documentos de Word y PDFs a menudo llevan sobrecargas de formato y metadatos que consumen contexto de tokens de modelo y aumentan los costos de API. Markdown mantiene la información más cerca del texto bruto, permitiendo que más del contexto de la ventana del modelo se dedique a la tarea real en lugar de a la estructura del documento. La empresa también posiciona este enfoque como una cobertura contra el bloqueo del proveedor. Si las instrucciones del agente, automatizaciones y memoria de una empresa se almacenan localmente como archivos de texto, no quedan atrapadas en la interfaz o base de datos de un proveedor SaaS. Eso importa más a medida que las empresas comienzan a dar a los sistemas de IA acceso más amplio a correos electrónicos, calendarios, documentos y flujos de trabajo internos. Rebel también permite a los usuarios crear flujos de trabajo de IA repetibles. "Habilidades" son procedimientos de múltiples pasos que un agente puede reutilizar. "Operadores" ajustan cómo se comporta el agente para una tarea determinada, como revisar una presentación desde la perspectiva de un inversor o evaluar el trabajo a través de una lente de seguridad. "Automatizaciones" pueden ejecutar tareas programadas en segundo plano, como escanear mensajes o archivos, encontrar actualizaciones relevantes, redactar respuestas o preparar trabajo antes de que un empleado abra la aplicación. Selección automática del mejor modelo de IA preferido por la empresa para cada tarea (y subtarea) Otra característica importante es la orquestación de múltiples modelos. Rebel puede dividir una tarea en partes y dirigir diferentes pasos a diferentes modelos, incluyendo la división entre los modelos locales y en la nube dependiendo de la sensibilidad de la información o guiados por políticas empresariales. Un modelo más potente puede manejar la planificación o el razonamiento complejo; un modelo más barato puede manejar trabajo rutinario; un modelo local puede manejar pasos sensibles o verificaciones de aprobación. Esto es importante para las empresas que quieren flexibilidad o buscan controlar costos: no cada tarea necesita ser enviada al mismo modelo en la nube costoso, y algunos flujos de trabajo empresariales prohíben que datos corporativos sensibles salgan de la infraestructura local. "Quiero poder decir, 'Ayúdame con esto', y sabe qué es personal, qué es sensible y qué se puede compartir con toda la empresa", explicó Detre. Esa configuración independiente de modelos da a las empresas más control sobre costos y seguridad. El trabajo pesado en datos puede ejecutarse en modelos de menor costo como Llama o DeepSeek. El razonamiento de nivel superior puede reservarse para modelos más caros. El trabajo sensible puede enrutarse a través de un modelo local que se ejecuta en la máquina del usuario, manteniendo esa información en el dispositivo. Este enfoque también da a los equipos empresariales una manera de mezclar la inferencia en la nube y local sin tratar la elección como de todo o nada. Al alejarse de interfaces en la nube centralizadas y monolíticas hacia una arquitectura impulsada por archivos locales, Mindstone está introduciendo un modelo de cómo los tomadores de decisiones técnicas empresariales orquestan flujos de trabajo autónomos sin renunciar a la soberanía de datos o la previsibilidad. Cómo funciona en la práctica El CTO de Mindstone, Greg Detre, diseñó el sistema de memoria de Rebel para evitar un problema común en la IA empresarial: volcar grandes cantidades de información de la empresa en una base de datos y esperar que la búsqueda recupere el contexto correcto más tarde. En cambio, Rebel utiliza una estructura de memoria en capas. Cuando ocurre una interacción, el sistema estima cuán probable es que esa información sea útil nuevamente. La información con un alto valor esperado se escribe en un archivo local readme.md vinculado a un espacio de proyecto específico. La información con un valor esperado moderado se convierte en un enlace de referencia de registros históricos más profundos. El material de menor prioridad se almacena en un directorio de memoria indexado, donde permanece disponible pero inactivo hasta que una tarea relevante lo recupere. Un tablero de ROI para compradores empresariales Para organizaciones más grandes, Mindstone Pro agrega un Impact Dashboard diseñado para mostrar dónde Rebel está ahorrando tiempo y dinero en las unidades de negocio. Mindstone dice que el tablero utiliza un LLM separado y cerrado para evaluar la telemetría y calcular el impacto comercial. La empresa afirma que el sistema está calibrado de manera conservadora, utilizando el extremo inferior de las ganancias de rendimiento estimadas para evitar reclamos inflados de productividad. Esa característica aborda un problema práctico para los compradores de IA empresarial: probar el valor sin sobrevigilar a los empleados. Mindstone dice que el tablero está aislado de los espacios de trabajo individuales, permitiendo a los líderes de TI y negocios evaluar la adopción y el retorno de inversión sin leer la actividad privada de los agentes de los empleados. La licencia Fair Source tiene como objetivo reducir el riesgo de la plataforma Mindstone está liberando Rebel bajo una licencia Fair Source, un modelo que pretende situarse entre el SaaS completamente cerrado y el código abierto permisivo. Bajo la licencia, el código de Rebel es visible, auditable, modificable y desplegable. Las personas y organizaciones con hasta 100 usuarios concurrentes pueden ejecutarlo de forma gratuita. Una vez que una organización supera ese umbral, necesita una licencia comercial de Mindstone Pro. La licencia también incluye una cláusula de sunset de dos años. Veinticuatro meses después de que se lance una versión determinada, esa versión se convierte automáticamente en la licencia open-source MIT. Para los compradores empresariales, el argumento práctico es que Rebel reduce el riesgo de quedar atrapado. Si cada automatización, archivo de memoria e instrucción de agente se almacena localmente en markdown, una empresa puede mover sus datos y flujos de trabajo a otro lugar si es necesario. El producto puede ser comercial, pero el trabajo subyacente está diseñado para seguir siendo inspeccionable y portátil. Preguntas de seguridad centradas en aprobaciones locales y memoria compartida El debut de Rebel en la plataforma de intercambio de productos tecnológicos de acceso abierto Product Hunt esta semana suscitó preguntas técnicas sobre cómo debería manejar un agente local primero permisos, verificaciones de seguridad y memoria compartida. Un desarrollador, Nikita Pokryschko, preguntó si las verificaciones de aprobación para acciones sensibles podrían ejecutarse completamente en un modelo local, o si la lógica de bloqueo aún requería una llamada a la nube. Detre respondió explicando la separación de Rebel entre planificación, ejecución y lógica de seguridad en segundo plano. Wöhle agregó que las empresas pueden configurar a Rebel para confiar completamente en un modelo local para las decisiones de bloqueo. Esa distinción es importante para los equipos de seguridad corporativa. Los agentes autónomos a menudo necesitan amplios permisos para leer archivos, redactar correos electrónicos o interactuar con sistemas internos. Si la capa final de aprobación depende de un modelo externo en la nube, algunas empresas pueden verlo como un riesgo de cumplimiento. Mindstone sostiene que Rebel puede mantener esas fronteras de aprobación local. Una segunda discusión se centró en cómo Rebel decide qué memoria se puede compartir. El desarrollador de productos Clement Morel preguntó si la capacidad de compartir se determina por el contenido, la configuración del usuario o el comportamiento aprendido, y qué ocurre si el sistema se equivoca. Detre dijo que Rebel utiliza el "README" local del “jefe de personal” del usuario y espacios definidos para separar información privada, de equipo y de toda la empresa. Cuando el agente encuentra un contexto ambiguo, el sistema se detiene y solicita la aprobación del usuario antes de continuar. Ese énfasis en la visibilidad es parte del argumento más amplio de Mindstone contra los sistemas de agentes opacos. Como dijo el CEO Joshua Wöhle en una publicación en su cuenta de LinkedIn: "Si un agente va a estar dentro de su espacio de trabajo, recordar su contexto y pedir permiso antes de cambiar el mundo, debería poder ver cómo funciona. No porque todos lean el código, sino porque alguien puede". Mindstone señala la implementación en clientes como prueba temprana Mindstone afirma que Rebel ya se ha desplegado en la fuerza laboral de 250 personas del cliente Epignosis, cubriendo los equipos de ventas, ingeniería, producto, finanzas y éxito del cliente. "Toda la organización está operando en Rebel hoy", dijo Wöhle a VentureBeat. Durante un despliegue de 12 semanas, Mindstone afirma que Epignosis recuperó la capacidad equivalente a ocho roles a tiempo completo. La empresa dice que la adopción se extendió de manera orgánica después de que los empleados vieron a colegas automatizar trabajos que consumían mucho tiempo, un patrón que los empleados supuestamente llamaron el "efecto papas". El caso de Epignosis es central al argumento de Mindstone de que la IA empresarial no debe considerarse como un conjunto de herramientas personales aisladas. El diseño de memoria compartida de Rebel está destinado a permitir que los flujos de trabajo se muevan entre equipos y mejoren a medida que más empleados los usan. "La frontera entre aprender y hacer se está desvaneciendo, y eso cambia todo sobre cómo escalas", dijo el CEO de Epignosis, Dimitris Tsingos, en una declaración proporcionada a VentureBeat por Mindstone. Antecedentes sobre Mindstone Mindstone Learning Limited, con sede en Londres, se lanzó en 2020 bajo la dirección del CEO Joshua Wöhle, anteriormente cofundador de la firma de seguridad digital para niños SuperAwesome. Originalmente posicionada en el mercado de tecnología educativa para consumidores, la empresa construyó una herramienta de curación digital comparable a un "Spotify para aprender" que utilizaba metodologías de aprendizaje compuestas. Sin embargo, tras la comercialización generalizada de plataformas de inteligencia artificial generativa entre 2022 y 2024, Mindstone se trasladó a la habilitación empresarial de negocio a negocio. Los líderes identificaron una barrera crítica de "última milla": mientras que las herramientas de IA prometían ganancias sustanciales en productividad, la formación corporativa tradicional no lograba equipar a la fuerza laboral para integrar prácticamente esas herramientas en las operaciones diarias. Hoy, Mindstone funciona como un ecosistema integral de software empresarial y capacitación diseñado para maximizar el retorno sobre la inversión corporativa para las licencias de IA existentes. La arquitectura del producto aborda sistemáticamente diferentes niveles organizacionales a través de aplicaciones de software altamente contextualizadas y "en tiempo real" en lugar de presentaciones abstractas en diapositivas. Financiera y estratégicamente, Mindstone aprovecha una estrategia de capitalización híbrida que entrelaza capital de riesgo institucional de entidades como Moonfire Ventures y Pearson Ventures con crowdfunding de acciones basado en la comunidad en plataformas como Seedrs y Crowdcube. Mindstone ha penetrado con éxito en el mercado empresarial, asegurando contratos comerciales con grandes corporaciones, incluidas The Home Depot, Hyatt Hotels Corporation, Pearson y Ernst & Young. En última instancia, Mindstone se posiciona como el antídoto crucial para la inercia corporativa, asegurando que las organizaciones establezcan la competencia interna necesaria para llevar a cabo transformaciones exitosas en IA. La apuesta de Mindstone: la IA empresarial necesita memoria compartida, no más asientos Rebel llega en un momento en que las empresas están tratando de pasar de la experimentación con IA a las operaciones de IA. La primera ola de adopción empresarial se centró en el acceso: dar a los empleados chatbots, copilotos y suscripciones a modelos. Mindstone apuesta a que la próxima ola se centrará en la coordinación. Eso significa memoria compartida, flujos de trabajo reutilizables, control local, enrutamiento flexible de modelos e impacto comercial medible. También significa dar a las empresas una forma de inspeccionar los sistemas en los que se les pide que confíen. El desafío de la empresa ahora es la ejecución. El software local primero puede ser más difícil de gestionar que el SaaS en la nube. La memoria compartida plantea preguntas de gobernanza. El enrutamiento de múltiples modelos añade complejidad. Y las empresas aún necesitarán pruebas de que los flujos de trabajo agénticos pueden entregar aumentos de productividad confiables sin generar dolores de cabeza de seguridad o cumplimiento. Pero Mindstone está haciendo un argumento claro: comprar asientos de IA no es lo mismo que construir infraestructura de IA. Rebel es su intento de convertir experimentos dispersos de empleados en una capa operativa para el trabajo.