Arrakis emerge de la clandestinidad con 38 millones de dólares para llevar la IA a fábricas y cadenas de suministro.

      TL;DRArrakis recaudó $38 millones liderados por Blossom Capital y Accel para construir un sistema operativo de IA para sectores industriales como la aeroespacial y la logística. Arrakis, una startup de Londres y París que está construyendo lo que llama un sistema operativo de IA para empresas industriales, ha salido de la clandestinidad con $38 millones en financiamiento total y una tesis de que los mayores retornos de la inteligencia artificial provendrán de fábricas y cadenas de suministro, no de software de oficina. La compañía recaudó $30 millones en una ronda de Serie A liderada por Blossom Capital, además de una ronda semilla de siete millones y medio de dólares liderada por Accel que cerró en marzo. La Serie A valora a Arrakis en $140 millones post-money, según Fortune, que fue la primera en informar sobre la ronda. El CEO Rafael Quintanilla, un ex vicepresidente de Accel, cofundó Arrakis en enero de 2026 con Haroun Beltaifa y Romain Fouilland, ambos ex de Palantir, y Mikhail Galkov, anteriormente de Delivery Hero. El linaje de Palantir del equipo fundador es deliberado; Quintanilla ha dicho que la empresa ve a Palantir como un jugador legado listo para ser interrumpido. Arrakis se posiciona como una alternativa más rápida y flexible a los contratos gubernamentales y empresariales arraigados de Palantir, así como a las firmas de consultoría tradicionales que cobran por personal en lugar de por resultados. La startup despliega lo que describe como ingenieros de IA desplegados hacia adelante que se integran directamente en los sitios de los clientes en sectores como aeroespacial, energía, logística y manufactura. En lugar de encerrar a los clientes en un único proveedor de modelos, Arrakis adopta un enfoque agnóstico al modelo, comenzando con modelos comerciales de OpenAI y Anthropic antes de trasladar cargas de trabajo a alternativas de código abierto de proveedores como Mistral, que recientemente adquirió a la firma de IA industrial Emmi para fortalecer su propia propuesta a los fabricantes. La compañía afirma que esta flexibilidad ofrece una mejora de dos a cuatro veces en la calidad de salida mientras reduce los costos de tokens en aproximadamente un 70 por ciento. Arrakis dice que ya tiene cinco clientes que pagan, incluidos empresas que cotizan en la NYSE, y que un cliente redujo los tiempos de ciclo de adquisición en un 90 por ciento utilizando su plataforma. La compañía vincula aproximadamente la mitad de sus tarifas a objetivos de rendimiento, una estructura inusual en el software empresarial que Quintanilla ha enmarcado como prueba de que el sistema ofrece resultados medibles. La startup dice que ha encontrado su mejor tracción con empresas controladas por familias, que tienden a tomar decisiones de compra más rápidas que las corporaciones que cotizan en bolsa con procesos de aprobación en capas. La lista de inversores ángeles señala credibilidad tanto en círculos de IA como industriales. El CEO de Datadog, Olivier Pomel, el jefe de productos comerciales de OpenAI, Olivier Godement, y Junaid Hussein, fundador de Cambridge Aerospace, todos participaron en la ronda. El respaldo adicional provino de GFC, MainObject y Rerail. Arrakis entra en un mercado abarrotado pero de rápido crecimiento para la IA industrial. PhysicsX recaudó $300 millones a casi dos mil quinientos millones de dólares en valoración en junio para simulación de ingeniería impulsada por IA, mientras que Prometheus, respaldado por Jeff Bezos, está persiguiendo una tesis similar en la industria pesada. La diferencia, argumenta Quintanilla, es la velocidad; Arrakis puede desplegarse en semanas en lugar de los meses o años que requieren los proveedores heredados. La compañía planea triplicar su plantilla de aproximadamente 15 empleados y abrir oficinas en Nueva York y Oriente Medio, utilizando el capital fresco para expandir su presencia en mercados donde la transformación industrial es una prioridad gubernamental. Si Arrakis puede escalar ese modelo desplegado hacia adelante sin aumentar los costos será la prueba central de si su enfoque funciona más allá de sus primeros clientes.