Startup Hyper recauda 6,3 millones para automatizar llamadas no urgentes al 911

La empresa de IA vocal, fundada por Ben Sanders, busca aliviar la saturación de líneas de emergencia. La ronda de financiación fue liderada por Eniac Ventures y anunciada este 21 de julio. Hyper ya opera en varios centros de llamadas estadounidenses.

«Una solución para las llamadas que no son vida o muerte»

El CEO Ben Sanders explicó que Hyper gestiona consultas no críticas como denuncias por ruido o mascotas perdidas, liberando a operadores humanos para emergencias reales. «Si el sistema detecta una posible urgencia, deriva la llamada inmediatamente», aseguró. La startup se lanzó oficialmente este lunes tras un año en desarrollo.

El origen: una noticia y un sueño infantil

Sanders, ex candidato a cargo federal y experto en tecnología gubernamental, se inspiró al leer sobre «la demora en atender llamadas al 911» en su ciudad natal. De niño soñaba con ser policía: «Llevaba pantalones con franjas amarillas cosidas todo un año», recordó.

Capital fresco para salvar vidas indirectamente

La ronda de 6,3 millones de dólares —completada en menos de dos meses— incluyó a Ripple Ventures y K5 Global. Los fondos se destinarán a expansión nacional, contratación de ingenieros y mejora de integración con sistemas actuales. Sanders calificó el proceso como «frenético y maníaco».

Ventaja competitiva: datos reales

A diferencia de competidores como Aurelian, Hyper entrena sus modelos con grabaciones reales de llamadas al 911 y soporta más idiomas. «Ya trabajamos con múltiples centros, un gran desafío operativo en seguridad pública», destacó el CEO.

De niño con uniforme casero a innovador en emergencias

Sanders combinó su fascinación infantil por el servicio público con experiencia previa en voces de IA para restaurantes. La saturación de líneas de emergencia —donde el 70% de llamadas no son críticas— motivó el proyecto. «Los operadores son héroes anónimos con trabajos inhumanos», afirmó.

Menos ruido, más rapidez en emergencias reales

Hyper podría reducir la carga laboral en centros de llamadas —actualmente con escasez de personal— y agilizar respuestas a emergencias graves. Su éxito dependerá de la adopción por más gobiernos locales y la precisión de sus filtros automatizados.