Growth
·
13 MIN
2 jul 2026
Cómo Crecería Coval
Hola! Soy Fran, bienvenido a "Cómo Crecería X", un proyecto creado para ayudarte a identificar oportunidades de crecimiento para tu empresa mediante el análisis de distintos casos prácticos.
Cada mes elijo una empresa de tecnología, ya sea B2B o B2C, y escribo un análisis en el que exploro cómo la haría crecer desde una perspectiva de producto, ciclo de vida del cliente, IA y go-to-market.
Empezamos.
Hoy analizamos a Coval
Resumen
TL;DR
Sobre la empresa: modelo de negocio, propuesta de valor y posicionamiento en el mercado.
La Tesis Central de Crecimiento
Cómo Crecería Yo Coval
Movimiento 1 | Producto: de medir a corregir, cerrar el loop de calidad del agente.
Movimiento 2 | Activación: rediseñar el onboarding self-serve para que el usuario descubra antes su primer "fallo del agente" — y cómo corregirlo.
Otros insights
Disclaimer: Toda la información e insights presentados en este análisis se basan exclusivamente en fuentes externas y datos de acceso público, sin contar con conocimiento interno de la empresa.
TL;DR
Coval ha construido una posición muy interesante en la evaluación de agentes de voz: de YC S24 a una Serie A de 28M$ liderada por Norwest en menos de dos años, con clientes como Perplexity, ServiceNow, Chime o Zoom.
El problema es que su moat original (su motor de simulación de conversaciones) se está comoditizando, y la presión llega por tres frentes. Primero, competidores voice-native como Cekura, Hamming, Roark, Bluejay o Cyara compiten directamente en su mismo terreno. Segundo, las plataformas de observabilidad LLM genérica (LangSmith, Langfuse, Braintrust) se acercan desde la capa adyacente. Y tercero, el frente más peligroso, las plataformas donde se construyen los agentes (Vapi, Retell, ElevenLabs, LiveKit) están integrando evaluación nativa. En este contexto, "simular y monitorizar el comportamiento del agente" ya no es suficiente.
Mi tesis: el movimiento más interesante es pasar de la simulación y la observabilidad a la optimización. Hoy Coval diagnostica: te muestra en qué escenarios y con qué arquetipos de usuario falla tu agente. Pero la corrección sigue siendo trabajo tuyo. El salto natural es cerrar ese loop y actuar directamente sobre las causas (system prompt, knowledge base, configuración, etc.). Quien cierre el ciclo diagnóstico → acción se vuelve mucho más relevante en el mercado.
Dos movimientos para llegar ahí:
Movimiento 1 | Producto: convertir cada fallo en producción en un test de regresión automático y en acciones específicas para mejorar el comportamiento del agente. Pasar de medir a corregir.
Movimiento 2 | Activación: rediseñar el onboarding self-serve para llegar cuanto antes al primer test que revela un fallo en el comportamiento del agente — y cómo corregirlo.
Sobre la empresa
Coval es una plataforma de simulación, evaluación y observabilidad para agentes de IA de voz (y chat). Su propuesta de valor: hacer que los agentes de voz sean completamente fiables en producción.
La fundadora y CEO, Brooke Hopkins, lideró la infraestructura de evaluación en Waymo. Su apuesta es clara: toda empresa tendrá un agente de voz, igual que hoy tiene web y app móvil, y casi ninguna dispone aún de la infraestructura para desplegarlo con confianza.
Esa apuesta se apoya en un dato muy relevante: el 95% de los agentes de voz funcionan en una demo, pero solo el 62% sobrevive a su primera semana en producción. ¿La diferencia? Acentos, interrupciones, escenarios no previstos y ruido de fondo: todo lo que una demo nunca muestra. Y el mercado acompaña: más de 7.000M$ entraron en voice AI solo en el Q1 de 2026, y se espera que la categoría supere los 20.000M$ en 2031.
Para resolver ese gap entre demo y producción, Coval se articula en torno a un "Continuous Quality Loop": un ciclo que cubre todas las etapas de evaluación del agente, desde la primera simulación hasta la monitorización en producción, a través de tres piezas principales:
Simulate: simula el comportamiento de cientos de conversaciones antes del lanzamiento del agente (acentos, personas, interrupciones, ruido de fondo, casos límite, etc.), evaluando cada conversación contra las métricas definidas. Esta funcionalidad permite entender bajo qué circunstancias, y por qué, una conversación falla.
Observe: monitoriza la calidad del agente en producción, genera un score de cada llamada según las métricas definidas e identifica de forma temprana regresiones del agente.
Human Review: permite a revisores humanos incluir su feedback para reentrenar al evaluador y mejorar sus métricas de performance.
La tracción avala el planteamiento: Coval nació en YC S24 y acaba de anunciar una Serie A de 28M$ liderada por Norwest (con Base10, Twilio Ventures, YC, MaC y Swift Ventures), elevando el total levantado a 31M$. Entre sus clientes: Perplexity, ServiceNow, Chime, StubHub, Zoom, Hippocratic AI, Toast, GEICO o Upstart.
Modelo de negocio y go-to-market
Coval opera con un GTM híbrido: product-led self-serve para developers y sales-led para enterprise. El self-serve incluye un trial de 7 días con tarjeta y todas las funcionalidades disponibles: creación de tests (personas, casos, métricas y ejecución), además de integración vía CLI, API y MCP.
Pricing
El modelo de precios se articula por uso, con dos métricas principales: minutos de simulación y llamadas monitorizadas.
Starter: 100$/mes. Incluye 100 min de simulación + 1.000 llamadas monitorizadas. 50 métricas personalizadas y modelos de voz básicos. Incluye API, CLI, MCP y skills.
Growth: 500$/mes. Incluye 1.000 min de simulación + 10.000 llamadas monitorizadas. 250 métricas personalizadas y modelos de voz avanzados.
Enterprise: custom (desde ~4.500$/mes). Incluye minutos de simulación y llamadas monitorizadas a medida, BAA/DPA y VPC.
Los overages se facturan por uso: Starter (simulación 0,40 $/min, monitorización 0,10 $/min), Growth (simulación 0,25 $/min, monitorización 0,05 $/min) y Enterprise a negociar. Un detalle poco habitual: el compliance (SOC 2 Type II, HIPAA, GDPR) viene incluido en todos los planes, no solo en Enterprise.
¿Qué diferencia a Coval de otras plataformas de evaluación de agentes?
Estas son las 5 cosas que Coval hace de forma brillante, y que puedes copiar para construir tu propia capa de evaluación.
1.Ciclo completo de evaluación del agente
Su propuesta de valor es cubrir todo el ciclo de calidad del agente: simulación de conversaciones antes de lanzar, monitorización en producción y feedback humano para afinar las evaluaciones. La integración de estas tres funcionalidades es lo que diferencia entre testear el comportamiento del agente antes de lanzarlo y garantizar la monitorización continua de su calidad.
2. Simulación de escenarios realistas para evaluar el agente de voz
Para crear una simulación en Coval necesitas cuatro piezas:
Agente (voz o texto): el sistema que quieres evaluar.
Persona: el arquetipo de usuario simulado (con su tono emocional, acento, velocidad, volumen, ruido de fondo e interrupciones) más un prompt donde defines su comportamiento (ver imagen abajo). Permite testear cómo responde el agente ante distintos tipos de cliente.
Test set: el conjunto de situaciones o escenarios en los que quieres evaluar el comportamiento del agente (edge cases, reglas de escalado, etc.); por ejemplo, "pedir un reembolso" o "reprogramar una cita".
Métrica: el conjunto de métricas que determina si el agente hizo lo correcto, si pasa o falla en cada conversación. A partir del transcript analiza también dimensiones como la latencia o el sentimiento. Incluye métricas predefinidas (ver imagen adjunta) y permite construir métricas personalizadas.
Con estas cuatro piezas, Coval ejecuta una simulación y puntúa cada conversación contra tus métricas. Esto permite identificar mejoras de performance y, además, detectar regresiones: tras un cambio en el agente, basta con re-ejecutar el mismo test set, y personas, para confirmar que todo sigue funcionando correctamente.
3. Anotación de feedback humano al proceso de evaluación continua
Una de las grandes dificultades del sector es la fiabilidad de las evaluaciones automáticas. Coval la aborda permitiendo redirigir los principales fallos del agente a revisores humanos, cuyo feedback y anotaciones se utilizan para reentrenar el motor de evaluación. Así, tanto el simulador como el monitor de producción se vuelven más precisos con cada revisión.
4. Observabilidad de las conversaciones en producción
Coval no se queda en la simulación pre-lanzamiento: también evalúa lo que ocurre en producción, a través de dos funcionalidades complementarias, Conversaciones y Traces.
Las Conversaciones son llamadas reales que conectas a Coval para puntuarlas con las mismas métricas que usas en tus tests. Así mides cómo se comporta el agente de verdad, no solo en una simulación.
Las Traces, por su parte, registran lo que el agente hizo durante la llamada, no solo lo que dijo: tool-calls, invocaciones al LLM, retrieval y otros pasos internos, cada uno como un span con su timing y atributos. Esto permite evaluar el comportamiento invisible en el transcript: si se llamaron las tools correctas y en el orden correcto, de dónde viene la latencia y en qué punto exacto fallan las conversaciones.
5. Comparativa de proveedores (Vendor Bakeoffs) y arquitectura agent-native
Coval permite evaluar a varios proveedores de agentes de voz bajo las mismas condiciones y escenarios. El principal problema de las demos comerciales es que cada proveedor muestra su mejor caso de uso, con su propio guión y en un entorno controlado donde todo funciona perfecto. En producción, sin embargo, un agente tiene que manejar arquetipos de usuario muy distintos, escenarios específicos, llamadas con ruido de fondo, acentos y reglas de escalado.
Con Coval defines una vez las condiciones de evaluación y ejecutas cientos de tests contra cada proveedor, obteniendo las mismas métricas de performance para todos. Es agnóstico al proveedor por diseño, lo que lo convierte en una capa de evaluación objetiva muy valiosa a la hora de elegir.
Y todo ello es agent-native: API, CLI y MCP server, de modo que el testing puede ser invocado por agentes, no solo por humanos.
Algunos aspectos interesantes de su estrategia de distribución
1. Programa de partners como canal B2B2B
En lugar de depender solo de la venta directa, Coval ha formalizado un programa de partners que convierte a otras plataformas en su canal de distribución: Platform Partners (plataformas de voice AI donde Coval se embebe de forma nativa), CCaaS Partners (contact centers que integran Coval como capa de validación), AI Infrastructure Partners (que empaquetan Coval en su stack) y Systems Integrators. El programa incluye márgenes recurrentes, co-selling y activos co-branded, y ya cuenta con acuerdos con Retell, Pipecat, Cisco o el programa ISV de Zoom.
Recurso: https://www.coval.ai/partners
2. Recurso gratuito para auditar agentes de voz
Han diseñado una auditoría gratuita que evalúa el comportamiento del agente a través de más de 30 simulaciones en diferentes escenarios, y envían un reporte que identifica en qué situaciones el agente tiene peor performance y cómo corregirlo.
Me gusta mucho este tipo de estrategias por dos motivos: uno, ayuda al equipo de ventas a tener conversaciones de valor con potenciales leads; y dos, permite que el lead experimente el valor de la plataforma lo antes posible.
Recurso : https://www.coval.ai/voice-agent-audit
3. Benchmarks públicos
Coval publica benchmarks abiertos que analizan accuracy, latencia y performance de los principales modelos Text-to-Speech y Speech-to-Text. Más allá del SEO, es un recurso que facilita comparar el rendimiento de los principales modelos del mercado.
Recurso: https://benchmarks.coval.ai/overview
4. Trust Center
Esto es interesante —nunca lo había visto planteado así—: han publicado un centro de confianza público con su postura de seguridad y compliance, clave para vender a enterprise.
Recurso: https://trust.oneleet.com/coval
La Tesis Central de Crecimiento
El moat original de Coval (el mejor motor de simulación de voz) ya no es suficiente. Como adelantaba en el TL;DR, la presión llega por tres frentes.
El primero son los competidores voice-native: Cekura, Hamming, Roark o Bluejay compiten en lo mismo, y "simular miles de conversaciones antes del lanzamiento" ha dejado de ser un diferenciador para convertirse en el mínimo indispensable de la categoría.
El segundo está en una capa adyacente: la observabilidad de LLMs genérica, con LangSmith, Langfuse (adquirida por ClickHouse en 2026) o Braintrust. No son rivales voice-native, pero comoditizan la evaluación genérica (LLM-as-judge, datasets, anotación humana). Si un equipo ve su agente como "un LLM con tools", puede evaluar la capa de texto ahí y prescindir de una herramienta aparte. Lo que esa capa no puede replicar es la simulación voice-native, y ahí es exactamente donde vive la defensibilidad de Coval.
Pero la amenaza más seria es la tercera: las plataformas donde se construyen los agentes (Vapi, Retell, ElevenLabs, Bland, LiveKit) están integrando evaluación nativa. Si el testing se convierte en una pestaña dentro de la herramienta donde ya construyes el agente, la pregunta del comprador es inmediata: ¿por qué pagar por Coval?
De ahí mi tesis: el movimiento más interesante no es añadir más tipos de simulación, sino desplazar a Coval de herramienta de evaluación, monitorización y observabilidad a herramienta de optimización. No solo identificar en qué escenarios falla el agente y cómo arreglarlo, sino activar directamente esas correcciones.
Cómo Crecería Yo Coval
Con nuestros clientes, abordamos el crecimiento de sus compañías, identificando oportunidades, a través de tres dimensiones clave:
Adquisición
Monetización
Retención
En el caso de Coval, las principales oportunidades de crecimiento se concentran en dos ejes: la evolución de su propuesta de valor como producto y la activación de nuevos usuarios.
¿Cómo puede Coval dejar de solo medir la calidad del agente y pasar a corregir sus errores — cerrando el loop?
¿Cómo puede Coval reducir el time-to-value en su onboarding self-serve?
Movimiento 1 | Producto: de medir a corregir, cerrar el loop de calidad del agente
Coval es una solución excelente para evaluar cómo se comporta el agente ante distintos escenarios, arquetipos de usuario o acentos. Pero, a día de hoy, sigue siendo fundamentalmente infraestructura de medición: detecta el problema, no lo corrige. La herramienta identifica en qué situaciones falla el agente, y a partir de ahí es el equipo quien tiene que implementar las mejoras. Sobre los escenarios detectados, apenas hay accionabilidad (ver imagen adjunta).
La oportunidad es pasar de la monitorización a la acción: cerrar el círculo entre detectar y corregir. Tres componentes lo harían posible:
Regresión automática. Cada fallo detectado en producción (Observe) se convierte automáticamente en un test de regresión dentro de la suite de Simulate, de modo que ese fallo concreto no vuelva a colarse en un despliegue futuro.
Recomendaciones accionables. Junto al "qué falla", el "cómo arreglarlo": qué instrucción del prompt, qué tool-call o qué fuente de conocimiento hay que ajustar para corregir el comportamiento.
Auto-fix vía MCP/CLI e integraciones nativas. Que un coding agent aplique la corrección directamente donde se construye el agente —igual que Sentry Seer delega el arreglo en Claude Code, Cursor o Copilot— y que las integraciones con las plataformas de creación de agentes permitan accionar los errores detectados sin salir del flujo de trabajo. Esta es la diferencia entre un producto que dice "aquí hay un error y aquí tienes recomendaciones para corregirlo" y un loop que ejecuta la corrección y avisa en el canal cuando el build está en verde.
Movimiento 2 | Activación: rediseñar el onboarding self-serve para que el usuario descubra antes su primer fallo del agente — y cómo corregirlo
El primer momento de valor en Coval no es completar el setup ni conectar el agente de voz. Es el primer test que falla y revela un problema que el usuario no sabía que tenía. Todo el onboarding debería estar orientado a llegar ahí lo antes posible.
En el self-serve actual (plan Starter, trial con tarjeta), experimentar el valor de la plataforma exige conectar el agente, definir escenarios, crear personas y decidir qué métricas son relevantes. Todo eso ocurre antes del primer resultado útil, y cada paso es una oportunidad de abandono. Su web menciona una métrica de menos de 15 minutos hasta la primera simulación vía CLI, señal de que el time-to-value ya es una prioridad para ellos. Pero ejecutar una simulación no es entregar valor; generar insights de mejora del comportamiento del agente, sí.
Análisis del onboarding actual
El flujo asistido arranca conectando tu agente —de voz (inbound o outbound) o de texto— o usando un agente demo. Con el agente demo, el onboarding ofrece dos caminos: subir conversaciones existentes o describir un test. Probé ambas opciones (ver capturas abajo), pero ninguna me permitió experimentar el valor de la solución.
Paso 1 del onboarding.
Paso 2 del onboarding.
Paso 3 del onboarding.
Las acciones principales que el usuario debe completar durante el onboarding son (ver imagen abajo, parte inferior izquierda):
Conectar el agente.
Crear el test set.
Ejecutar una simulación (pre-lanzamiento).
Crear una persona.
Crear una métrica.
Crear un proyecto para la revisión humana.
Visto el flujo actual, la pregunta es obligada: ¿cuál es el verdadero primer momento de valor de Coval? ¿Conectar el agente? No. ¿Configurar escenarios de test? Tampoco. Es ver el primer test que revela un fallo real del agente, y hacia ahí es donde el onboarding debería llevar al usuario.
Este sería un flujo más natural:
Introduce la web de tu empresa — así Coval sabe en qué industria operas.
Sube conversaciones manualmente, conecta el agente o simula conversaciones si lo que quieres es probar la plataforma cuanto antes.
Coval sugiere un conjunto de tests basado en las conversaciones subidas, la temática y la industria.
Ejecuta el test.
Identifica fallos en el comportamiento del agente.
Genera recomendaciones accionables para corregirlos. Este es el punto donde el usuario experimenta el valor real de la solución, y hacia ahí debería guiar todo el proceso.
En definitiva, la oportunidad es convertir el insight con recomendaciones sobre el fallo identificado en el objetivo central del onboarding. Lo que yo haría:
Auto-generar escenarios desde el propio agente del usuario: leyendo el contenido de su web, Coval propone un set inicial de escenarios y personas relevantes en lugar de partir de un lienzo en blanco.
Test packs preconfigurados por industria (soporte, agendado, cobros, soporte técnico) que lleven al primer test en minutos.
Redefinir la métrica de activación interna alrededor del primer insight con una mejora del comportamiento del agente, no de ejecutar un test, ni de conectar el agente, ni de completar el setup.
Existe un espacio de oportunidad que explorar en Coval. 😉
Estas son algunas hipótesis que exploraría en la compañía, basadas únicamente en información abierta y conocimiento del mercado, sin tener acceso a datos internos de la compañía.
Como siempre, estas hipótesis requieren de datos para ser validadas.
Otros insights
Os comparto algunos enlaces a otros análisis y recursos sobre evaluación y agentes de IA que pueden complementar la lectura de este análisis:
Eso es todo por hoy.
Nos vemos el próximo mes con un nuevo análisis.
Fran
¿Te gustaría que hablemos y exploremos juntos oportunidades de crecimiento para tu empresa?
Si te interesa, puedes escribirme aquí o, si lo prefieres, agendar una reunión directamente desde este enlace.
