Cuando el edificio donde creció enfrentó la demolición, el fundador de Safe Sign Technologies aprendió una lección de perseverancia que más tarde moldearía su manera de construir una empresa de IA: una que Thomson Reuters adquirió antes de que generara un solo dólar en ingresos.

Rollins House, una antigua fábrica Art Deco deteriorada en el sureste de Londres, era el hogar de su madre y el lugar donde él se crió. Cuando un desarrollador inmobiliario buscó quedarse con el terreno para construir departamentos, la familia enfrentó una batalla legal que no podía costear. De adolescente, aprendió por su cuenta derecho urbanístico entre exámenes escolares, revisó archivos que nadie había tocado y armó un expediente de precedentes legales. Ante un panel del consejo municipal y frente a un bufete con experiencia, presentó el caso y ganó. El episodio le dejó la convicción de que la investigación meticulosa y la disposición a enfrentar probabilidades adversas podían inclinar la balanza.

Una década después, esa misma mentalidad volvió a ponerse a prueba en negociaciones con Thomson Reuters, el grupo global de información y tecnología cuyos servicios legales, fiscales y contables lo convierten en una de las mayores compañías de información profesional del mundo, y que buscaba adquirir su startup de investigación en IA, Safe Sign Technologies.

El camino hasta ese punto fue difícil. Mientras se formaba como abogado en Allen & Overy, desarrollaba Safe Sign en paralelo: se levantaba a las 4:30 a.m. para trabajar en la empresa antes de jornadas completas de capacitación legal, y luego retomaba el trabajo de la startup por las noches. Allen & Overy, señala, fue notablemente tolerante, aunque el ritmo era insostenible.

En numerosas ocasiones, Safe Sign se quedaba prácticamente sin dinero de la noche a la mañana y necesitaba financiamiento fresco para la mañana siguiente. El plan inicial de la empresa —un producto legal para consumidores— no logró atraer inversionistas. Tras repetidos rechazos de patrocinadores locales, voló a New York con £200 a su nombre. Al final, casi todo el capital de la empresa provino de inversionistas norteamericanos, no del UK. Observó una diferencia cultural de enfoque: los inversionistas estadounidenses solían preguntar "¿cómo puedo ayudar?", mientras que los británicos preguntaban "¿cómo fracasará esto?".

Tras recaudar lo suficiente para seguir operando, Safe Sign abandonó por completo la búsqueda de ingresos y redirigió sus esfuerzos a construir un modelo de IA propietario. La decisión implicó invertirlo todo en un pequeño equipo reclutado de Cambridge, MIT y Harvard, y decirles repetidamente a los inversionistas que los ingresos significativos eran una perspectiva lejana. La mayoría perdió interés.

La investigación de la empresa se centró en seguridad, robustez y confiabilidad, atributos que tienen un peso particular en las aplicaciones legales, donde un sistema de IA que inventa citas jurisprudenciales o interpreta mal el lenguaje de una ley puede causar daño profesional directo. Al producir un modelo con desempeño diferenciado con un presupuesto mínimo, Safe Sign apuntó a la brecha entre los modelos de lenguaje de propósito general y el umbral de confiabilidad que exige la práctica legal. Cuando Safe Sign compartió sólidos resultados internos, el brazo de capital de riesgo de Thomson Reuters respondió en cuestión de minutos.

Veinte meses después de su fundación, Safe Sign se convirtió en la primera adquisición preingresos de Thomson Reuters en los 174 años de historia de la compañía, y figuró entre las operaciones europeas más relevantes de 2024. Thomson Reuters, que ha estado invirtiendo fuertemente en IA en sus plataformas legales y fiscales, vio en Safe Sign un equipo de investigación y una arquitectura de modelo que podían fortalecer su posición mientras los proveedores establecidos de tecnología legal compiten por integrar IA generativa en los flujos de trabajo profesionales. El monto de la adquisición cambió vidas para una empresa que nunca había registrado ingresos.

El fundador señala que este resultado contradice gran parte de la sabiduría convencional de la industria de startups, que enfatiza métricas visibles como el crecimiento de los ingresos, el capital recaudado y la visibilidad del fundador. A su juicio, los compradores institucionales recompensan la profundidad del trabajo: una sustancia que solo se hace evidente bajo un escrutinio cercano.

Ahora activo como inversionista, describe su principal responsabilidad como distinguir entre estilo y valor genuino. Identifica un error recurrente del mercado —el mismo que cometieron los primeros inversionistas británicos con Safe Sign—: evaluar a las startups por sus presentaciones, en lugar de por su defensibilidad central.

Aunque el mercado ha mejorado en valorar la ciencia, sostiene que esto aplica principalmente a áreas de alto perfil: grandes modelos, laboratorios conocidos y científicos prominentes. La mayor oportunidad, afirma, está en la capa inferior: tecnologías que resuelven problemas difíciles para los propios laboratorios de IA de frontera.

Señala varias áreas en las que persisten desafíos importantes con poco capital. Una es la infraestructura para evaluar las capacidades de los sistemas de IA: toda afirmación de que un modelo aprueba un examen o supera a un profesional depende de que alguien haya construido esa evaluación, y diseñar pruebas que no puedan ser manipuladas está entre los problemas más difíciles del campo. Otra es la memoria: los sistemas de IA actuales comienzan cada conversación desde cero, mientras que la experiencia humana se construye sobre conocimiento acumulado. La solución suele descartarse como una base de datos añadida a un chatbot, pero el aprendizaje continuo sigue siendo un problema de machine learning fundamentalmente no resuelto. Una tercera área es lo que denomina "habilitación de neolabs": herramientas especializadas que los primeros laboratorios de IA para la ciencia necesitan, pero no pueden construir por sí mismos, y que requieren la misma profundidad de dominio que la ciencia a la que apoyan.

Estas categorías —herramientas, almacenamiento y servicios— suelen ser descartadas por el mercado como infraestructura rutinaria. Él sostiene que representan algunos de los problemas más difíciles del campo, cada uno obstaculizando silenciosamente a los laboratorios de frontera, y que casi nada del capital que inunda la IA se dirige hacia ellas.

El fundador vuelve a trazar la comparación con Rollins House: el expediente no leído, el caso que todos daban por perdido, el valor que existe mucho antes de que alguien lo examine de cerca. Su madre todavía vive en el edificio, que se mantiene casi como siempre: poco llamativo a primera vista, pero con un valor mucho mayor del que sugieren las apariencias.

Las opiniones expresadas en los artículos de comentario de Fortune.com son exclusivamente las de sus autores y no reflejan necesariamente las opiniones y creencias de Fortune.

Esta historia se publicó originalmente en Fortune.com.