Cuando los fundadores de Eventual, Sammy Sidhu y Jay Chia, trabajaban como ingenieros de software en el desarrollo de vehículos autónomos en Lyft, se toparon con un problema de infraestructura de datos que solo se agravaba con el auge de la IA.
Los coches autónomos generan montones de datos no estructurados: desde escaneos 3D y fotos hasta mensajes de texto y audio. No existía una herramienta en Lyft capaz de procesar todos esos formatos simultáneamente y en un solo lugar. Esto obligaba a los ingenieros a juntar soluciones de código abierto en un proceso lleno de fallos de fiabilidad.
“Teníamos a doctorados brillantes, gente talentosa en toda la industria, dedicando el 80% de su tiempo a infraestructura en vez de construir su aplicación principal”, explicó Sidhu, CEO de Eventual, en una entrevista reciente con TechCrunch. “Y la mayoría de esos problemas giraban en torno a la infraestructura de datos”.
Sidhu y Chia ayudaron a crear una herramienta interna de procesamiento multimodal para Lyft. Al buscar otros empleos, Sidhu notó que los entrevistadores preguntaban constantemente si podía replicar esa solución en sus empresas. Así nació la idea de Eventual.
Eventual desarrolló DAFT, un motor de procesamiento de datos en Python de código abierto, diseñado para manejar rápidamente múltiples formatos—texto, audio, vídeo y más. Sidhu afirma que su meta es hacer para los datos no estructurados lo que se logró con los conjuntos tabulares en el pasado.
La empresa se fundó a principios de 2022, casi un año antes del lanzamiento de ChatGPT y de que muchos reconocieran esta brecha en infraestructura. Lanzaron la primera versión de DAFT ese mismo año y ahora preparan un producto empresarial para el tercer trimestre.
“Tras ChatGPT, vimos un boom de aplicaciones de IA con múltiples modalidades”, dijo Sidhu. “Todos empezaron a integrar imágenes, documentos y vídeos. Ahí fue cuando el uso de DAFT se disparó”.
Aunque DAFT surgió del sector del transporte autónomo, otras industrias como la robótica, retail y salud también procesan datos multimodales. Entre sus clientes figuran Amazon, Cloudkitchens y Together AI.
Eventual recaudó dos rondas de financiación en ocho meses: una semilla de $7.5M liderada por CRV y una Serie A de $20M con Felicis, M12 (Microsoft) y Citi. Estos fondos impulsarán su código abierto y un producto comercial para desarrollar aplicaciones de IA.
Astasia Myers, socia de Felicis, descubrió Eventual al investigar infraestructuras para modelos multimodales. Destacó su enfoque pionero y la experiencia de sus fundadores en resolver este problema de primera mano. Además, señaló que DAFT aborda una necesidad creciente.
Según MarketsandMarkets, la IA multimodal crecerá a una CAGR del 35% entre 2023-2028. Myers añadió: “El volumen de datos se multiplicó por 1,000 en 20 años—el 90% se generó en los últimos dos. Y la mayoría no está estructurado. DAFT encaja en esta megatendencia de IA generativa alrededor de texto, imagen, vídeo y voz. Se necesita un motor nativo multimodal”.
“`
*(Typos/errors: “aplicaciones” → “aplicaciones” / “CAGR del 35%” → link mal formado)*