Software de detección de defectos y análisis de causa raíz mediante IA para líneas de fabricación de baterías y semiconductores.
Que los fabricantes colocarán agentes de IA autónomos directamente en los equipos de producción —manteniendo los datos fuera de la nube— para reducir el análisis de causa raíz de defectos de días a minutos.
Gaurav Jha y Harveen Kaur, ambos doctores en química que trabajaron en fabricantes de chips y de baterías, fundaron la empresa de San Francisco a partir de las costosas y lentas investigaciones de defectos que habían vivido en primera persona.
En una llamada previa a Disrupt, el cofundador Gaurav Jha afirma que los agentes funcionan en GPU autónomas montadas en equipos de producción a modo de sensores, detectan fallos del tamaño de un orificio de alfiler y agrupan los datos para que los ingenieros puedan consultar a un chatbot las causas en minutos.
Los ingenieros de las plantas de chips y baterías pasan días o más diagnosticando fallos antes de reanudar la producción, y cada defecto puede costar millones.
Los defectos del tamaño de un orificio de alfiler, como los arañazos, escapan a la inspección convencional, lo que deja el análisis de causa raíz en manos de un trabajo manual lento.
La negativa de los clientes a trasladar datos propietarios a la IA en la nube obligó a adoptar esta arquitectura: GPU en el dispositivo, modelos de código abierto y claves de cifrado en poder del cliente.
En la IA industrial el obstáculo no es la calidad del modelo sino la custodia de los datos: el hardware autónomo y las claves de cifrado en poder del cliente son el precio de entrada allí donde los datos de proceso son la joya de la corona.
A 13 de octubre de 2026, Niobia se presenta en TechCrunch Disrupt 2026 como finalista de Battlefield; no se han divulgado nombres de clientes, cifras de ingresos ni rondas de financiación, y el foco a corto plazo son los tres procesos especializados además de hacer la tecnología más autónoma.
CONSULTA LAS PRUEBAS
Las fuentes
- Niobia takes the guesswork out of some of tech's most expensive mistakes TechCrunch · techcrunch.com ·