QuadSci

Qué es

QuadSci es una capa de predicción que se ubica debajo de tu plataforma de Customer Success en lugar de reemplazarla. Lee la telemetría cruda del producto —sesiones, adopción de funcionalidades por rol, uso de módulos y de la API, finalización de flujos— junto con datos de CRM, contratos y llamadas, y clasifica cada cuenta como crecimiento, estable, contracción o churn, con el pronóstico apuntado entre 9 y 18 meses antes de la renovación. El resultado llega a las herramientas donde tu equipo ya trabaja: CTAs de Gainsight, registros de Salesforce, Clari, Salesloft y Slack.

Hay dos productos. Cohorts AI segmenta a los clientes según cómo usan realmente el software y vincula cada cohorte de comportamiento con el ARR. Growth AI hace el pronóstico a nivel de cuenta y prescribe la intervención. Encima está Q-Chat, una capa de agentes conversacionales con agentes para Customer Success, ventas, servicios y marketing de producto; la versión 3.0 lo volvió totalmente conversacional («¿qué cuentas están empezando a deslizarse?»), y una capa MCP expone las mismas señales a Agentforce, Copilot, LangGraph, CrewAI o tus propios agentes.

La empresa se fundó en 2023 en Garden City, Nueva York, por los co-CEO Sean Murray y Dan Harmeson, ambos con pasado en Elastic y MuleSoft. Levantó una Serie A de $8M liderada por Crosslink Capital el 17 de febrero de 2026, con participación de Alumni Ventures y Correlation Ventures. Los rastreadores de terceros sitúan la plantilla cerca de 40 personas.

Por qué aparece en los stacks de CS

• Responde la pregunta que los health scores no pueden. El health score de una plataforma de CS es una mezcla ponderada de indicadores rezagados —logins, NPS, volumen de tickets, percepción del CSM— y se pone en rojo cuando el cliente ya se está yendo. La propuesta de QuadSci es el tiempo de anticipación: una señal lo bastante temprana como para cerrar una brecha de producto antes de que empiece la conversación de renovación.
• Los casos de estudio traen cifras en dólares, no adjetivos. Boomi, con más de 30,000 clientes y más de $5M al año de churn sorpresa, entrenó el modelo con 70,000 millones de eventos de telemetría de Salesforce, Gong, Marketo, Gainsight y analítica de producto. QuadSci reporta $27M de ARR en riesgo detectado, el 18% mitigado y una mejora del 10% en la precisión del pronóstico de renovación a seis meses, con las predicciones escribiéndose directamente en CTAs de Gainsight. En Clari, más de 6,000 millones de señales dieron 90% de precisión en churn y crecimiento y 80% en contracciones a seis meses, y el hallazgo principal fue expansión, no riesgo.
• Los datos se quedan en tu data warehouse. El modelo se despliega dentro de tu entorno sobre Snowflake, Databricks, BigQuery, Redshift o Synapse, en AWS, Google Cloud o Azure, sin endpoints públicos, con acceso solo por SSO y permisos de solo lectura por defecto. Tiene SOC 2 Type II. Para un equipo de seguridad que se niega a enviar flujos de eventos crudos a una startup, esta es la funcionalidad decisiva.
• Saca a la luz pipeline que nadie abrió. QuadSci dice que encuentra, en promedio, un 15% del ARR de un cliente en estado de crecimiento previsto sin oportunidad abierta, y por eso RevOps, no solo CS, termina siendo dueño del presupuesto.

Precios en la práctica

No hay tarifa pública ni plan self-serve. Las suscripciones se escalonan según tu ARR, no por usuario, así que un equipo de CS de 12 personas y uno de 120 en la misma empresa pagan lo mismo. Todavía no existen datos de precios de terceros. La única referencia pública es indirecta: el caso de Boomi afirma un ROI de más del 700% frente a $4.9M retenidos (18% de $27M), lo que sitúa ese gasto en la plataforma en no más de unos $600K. Tómalo como techo para una base instalada grande, no como cotización. Espera un contrato anual de tipo enterprise, una fase de integración de datos antes de la primera cuenta puntuada y un backtest de prueba de concepto como precio de entrada.

Ideal para

VPs de Customer Success y líderes de RevOps en empresas B2B SaaS con aproximadamente $50M+ de ARR, una base grande de contratos anuales o plurianuales y productos bien instrumentados (Pendo, Amplitude, Mixpanel, Heap, Segment o tablas de eventos en el warehouse) cuyo problema es el churn sorpresa: renovaciones perdidas que el health score marcaba en verde. Encaja mejor cuando ya hay una plataforma de CS como Gainsight y el objetivo es que actúe antes, no reemplazarla.

Descártalo si vendes planes mensuales self-serve (el horizonte de 9 a 18 meses es más largo que tus contratos), si los eventos de producto no están ligados a IDs de cuenta o si tienes menos de unos pocos cientos de cuentas: el modelo necesita suficientes renovaciones y bajas históricas para aprender.

Frente a las alternativas

Por base instalada, Gainsight y ChurnZero dominan esta partida de presupuesto; ambos incluyen health scoring y alertas de riesgo dentro del espacio de trabajo del CSM. Quédate ahí si tu churn es visible con 90 días de anticipación y la solución es cobertura de CSM. Planhat y Vitally son la elección cuando la queja es de workflow y modelado de datos, no de predicción. Pendo y Amplitude te dan las tendencias de uso en bruto y dejan que un analista las lea. La vía hazlo-tú-mismo —un modelo de churn construido por tu equipo de datos en el warehouse y sincronizado al CRM con Hightouch— gana cuando ya tienes ingenieros de ML y quieres ser dueño de las features. QuadSci gana solo cuando el problema es el tiempo de anticipación: necesitas 12 meses de aviso, no 90 días, y lo quieres sin armar un equipo de ciencia de datos.

Puntos de atención

• La cifra de precisión cambia según la fuente y no está definida. El comunicado de la Serie A dice 94% a 12–18 meses; el sitio web y el comunicado del premio de junio de 2026 dicen 90%+ a 9–18 meses. Ninguno aclara si es precision, recall o exactitud global, y en una base con 8% de churn anual, un modelo que siempre predice «renueva» tiene 92% de exactitud. Resguardo: convierte el piloto pagado en un backtest ciego sobre tus propias renovaciones de hace más de 18 meses y exige por escrito precision y recall de la clase churn, por segmento.
• Sin telemetría, no hay producto. Cada caso de estudio parte de miles de millones de eventos asociados a cuentas. Resguardo: antes de la primera llamada, confirma que los eventos de producto llevan un ID de cuenta estable que se une con tu CRM y que conservas al menos dos ciclos de renovación de historial.
• La confianza tarda más que el despliegue. El propio equipo de Boomi habla de seis meses para que los CSM actúen sobre las predicciones. Resguardo: envía las señales a la cola de CTAs o tareas existente en lugar de a un nuevo dashboard y define un resultado medido —por ejemplo, tasa de retención en cuentas marcadas frente a un grupo de control— antes del rollout.
• Es un proveedor joven y pequeño. Fundado en 2023, unas 40 personas y $8M de financiamiento divulgado, vendiendo sobre decisiones de renovación plurianuales. Resguardo: el despliegue nativo en el warehouse mantiene tus datos en su lugar; además, contrata la exportación de puntuaciones, definiciones de cohortes e importancia de features, y limita el primer plazo a 12 meses.