Mientras la carrera global por la inteligencia artificial se concentra en modelos cada vez más grandes y hardware costoso, un pequeño equipo en Nairobi ha decidido tomar el camino contrario. En 2019, Mutembei Kariuki asistía a una conferencia sobre el futuro de la IA en la Universidad de Tokio cuando notó algo que lo inquietó: nadie mencionaba a África.
De vuelta en Kenia, la distancia entre esa conversación y la realidad cotidiana era difícil de ignorar. Barberías, salones de belleza y restaurantes de pescado seguían registrando sus ventas en papel o en recibos de SMS. La conexión a internet era lenta y desigual, y la mayoría de la gente accedía a la red desde teléfonos básicos con poca memoria.
¿Puede la inteligencia artificial ser útil cuando la conexión falla, los dispositivos son limitados y los datos están desordenados?
El punto de partida: una ausencia africana en la conversación sobre IA
Mutembei Kariuki ya intuía en 2019 que algo no encajaba. En aquella conferencia en la Universidad de Tokio, los expertos hablaban del futuro de la inteligencia artificial como si el mundo entero fuese a subirse al mismo tren. Pero nadie mencionaba África. Ni una sola vez.
De vuelta en Kenia, Kariuki identificó los obstáculos concretos que explicaban esa omisión. El acceso a internet era lento y desigual. Los recursos de computación para entrenar modelos escaseaban. Faltaban datos estructurados y de calidad. Y la mayoría de la gente se conectaba desde móviles básicos, con poca memoria y funciones limitadas.
Junto a Jude Mwenda y Stephanie Njerenga, Kariuki fundó Fastagger con una premisa clara: construir IA para esas condiciones reales, no para las de Silicon Valley. No se trataba de adaptar productos pensados para mercados ricos, sino de diseñar desde cero para la realidad keniana.
Auni: un asistente de negocio que funciona sin conexión
El primer gran producto de Fastagger se llama Auni. Es un asistente de inteligencia de negocio que se lanzó en 2024 y recibió un impulso decisivo al integrarse en la aplicación empresarial de M-Pesa, el mayor servicio de dinero móvil de Kenia. Unas 6.000 pequeñas empresas se han registrado desde entonces.
Entre sus usuarios hay peluquerías, restaurantes y pequeños fabricantes. Auni les ayuda a analizar sus datos de transacciones y les ofrece recomendaciones de marketing.
Técnicamente, el sistema adapta un modelo de OCR de código abierto para leer los PDF de baja calidad que generan las apps de dinero móvil. Esos documentos tienen formatos poco habituales y a veces contienen sellos o errores. Las tareas clave, como organizar los datos extraídos en tablas, se procesan en el propio dispositivo. Las consultas más complejas solo requieren conexión.
Peter Chege, dueño de una peluquería en Nairobi, usaba papel para registrar todas sus ventas. Con Auni, identifica sus horas punta y a sus clientes fieles. Si un cliente habitual deja de aparecer, puede enviarle un mensaje personalizado para animarlo a volver.
Diseñar desde la vida real del pequeño comerciante
Antes de desarrollar Auni, los fundadores dedicaron días enteros a observar a dueños de negocios mientras trabajaban y atendían a sus clientes. No asumieron nada: fueron a mirar.
El hallazgo clave fue sencillo pero profundo. Los propietarios no tienen tiempo ni recursos para pensar más allá del día a día. «Están de pie todo el día cortando pelo», explica Kariuki sobre los dueños de salones. La IA debe adaptarse a esa dinámica, no al revés.
En un restaurante de pescado de Nairobi, identificar a los clientes leales para ofrecerles descuentos implicaba revisar los recibos de SMS uno a uno. Era una tarea tan tediosa que el marketing de fidelización resultaba impracticable. Con Auni, el restaurante identifica automáticamente a sus mejores clientes y les ofrece descuentos.
Para Chege, el beneficio más tangible fue un gráfico sencillo. Le mostró que las mañanas eran sus horas más tranquilas. Así pudo hacer recados entonces o mantener menos barberos en la tienda hasta la una de la tarde.
Más allá de Auni: agentes para guardias de seguridad y otras soluciones locales
Fastagger también desarrolló una herramienta de gestión de personal para empresas de seguridad kenianas. Los guardias trabajan a menudo en zonas remotas, sin internet fiable y con móviles básicos. El agente de IA se comunica con ellos por SMS, sigue sus rutas, detecta anomalías y genera alertas para los equipos de operaciones.
La startup forma parte de una tendencia más amplia. Hay apps para escuelas rurales sin internet en Chile, chatbots de triaje médico en India y modelos de traducción para lenguas africanas que funcionan en teléfonos básicos.
Daniel Björkegren, economista de la Universidad de Columbia, señala que la prevalencia de teléfonos básicos en África subsahariana abre la puerta a modalidades de uso de IA distintas a las de los ordenadores portátiles. «La historia de la tecnología sugiere que esto no va a ser gente ejecutando Claude Code en su portátil», afirma.
El riesgo de una IA de dos velocidades
Björkegren ve un gran potencial en los sistemas diseñados para poblaciones que Silicon Valley ha ignorado. Pero advierte de un peligro concreto: que se consolide una bifurcación entre modelos pequeños para economías emergentes y modelos cada vez más grandes y potentes para regiones ricas.
«Me preocupa que eso pueda llevar a una bifurcación», dice. Su llamamiento es claro: mantener un abanico amplio de opciones y garantizar el acceso antes de decidir qué funciona.
Fastagger sigue siendo una startup pequeña. Ha recibido apoyo de los programas de aceleración de Google, Microsoft y Nvidia, pero solo tiene tres empleados: los fundadores originales. Ahora trabajan en añadir agentes a Auni que automaticen acciones de marketing para los dueños de negocios. La apuesta es que la IA local, modesta y pegada al terreno pueda crecer sin perder su esencia.