Juan García Sánchez
CEO
Dixtra y Exponentia
Exponentia nació en Valencia en 2018 con una idea clara: construir tecnología para organizaciones donde un pequeño fallo tiene consecuencias enormes. Desde entonces ha desarrollado software para compañías como LVMH, Cellnex, Prosegur, Indra o Moeve, y fue reconocida como la Start-up más Innovadora de España por Forbes en 2022. Hoy cuenta con un equipo de alto rendimiento de 24 personas y sedes en Valencia, Madrid y Miami.
En 2026 la compañía ha dado el salto a producto propio con Dixtra, una motor de contexto que se sitúa entre los datos de una empresa y los modelos de IA. Dixtra está en el mercado desde junio de 2026 y ya trabaja con grandes compañías de sectores como la energía, biotecnología, sanidad, seguridad, banca y aeroespacial.
Su funcionamiento se resume en tres pasos:
- Conecta las fuentes que la empresa ya tiene (data warehouses, documentación, sistemas) y construye un modelo semántico vivo del negocio.
- Un agente semántico conversa con los expertos para hacer emerger el conocimiento que no está escrito en ningún sistema. Nada entra en la base de conocimiento sin validación humana, con autoría e historial.
- Inteligencia compartida. Agentes de IA responden preguntas de negocio en lenguaje natural, por rol y citando siempre la fuente.
El nombre es un guiño a Edsger W. Dijkstra, autor del algoritmo del camino más corto: Dixtra quiere ser el camino más corto entre una pregunta de negocio y una respuesta basada en el conocimiento global de la empresa.
Al frente está Juan García Sánchez, fundador y CEO de Exponentia, incluido en la lista Forbes 23 Changemakers y profesor en IE. Junto a Sergio Velasco, CTO y creador de Dixtra, forma el equipo fundador de la compañía.
Entrevista a Juan García Sánchez, CEO de Exponentia y Dixtra
¿Cómo entiende Dixtra la relación entre la inteligencia artificial y la forma en que una gran empresa toma decisiones?
La IA generativa ha llegado a las empresas antes que la confianza en sus respuestas. Los modelos son extraordinarios, pero no saben cómo funciona tu negocio. No saben cómo se define un dato en tu compañía, qué excepción aplica a un cliente o por qué cambió una cifra el trimestre pasado. Y cuando no lo saben, improvisan con la misma seguridad con la que aciertan.
Eso explica por qué el 95 % de los pilotos de IA generativa no genera retorno, según el estudio de MIT NANDA de 2025. El problema no es el modelo. Es la falta de contexto validado.
En una gran empresa el conocimiento que de verdad importa no está en ningún sistema. Está en las personas: en el ingeniero que sabe qué dato es fiable y cuál no, en la analista que conoce la historia detrás de cada indicador. Dixtra existe para capturar ese contexto, validarlo con quien lo tiene y ponerlo a disposición de la organización y de sus agentes de IA. Nuestro lema es sencillo: que la IA entienda tu negocio.
¿Puede ponernos un ejemplo concreto de lo que cambia cuando la IA tiene ese contexto?
El caso que mejor lo explica es el de la ingeniería de pozos de Moeve, donde nació Dixtra. Cada decisión de planificación exigía cruzar a mano bases de datos de producción, informes técnicos, información de mercado y la experiencia de unos pocos ingenieros. Cada pregunta nueva costaba horas de trabajo de personas muy cualificadas. Y las tendencias que solo aparecen al relacionar todas esas fuentes rara vez se detectaban a tiempo.
Hoy los ingenieros preguntan a Dixtra en lenguaje natural y obtienen en minutos análisis que antes exigían horas. Los resultados los ha medido la propia Moeve: un 35 % menos de tiempo de análisis y planificación, un 15 % de eficiencia media en la ejecución de las operaciones de perforación y 70 horas al año ahorradas en perforación y operaciones complementarias. La identificación temprana de oportunidades ha permitido habilitar 12.000 barriles adicionales, con un impacto económico de unos 461.000 dólares.
Lo importante no son solo las horas. En un negocio donde cada día de retraso se mide en barriles, el coste real estaba en las decisiones que se tomaban tarde o sin toda la información. Eso es lo que cambia.
¿Qué papel puede jugar una tecnología como Dixtra en el sector energético y en la transición hacia un modelo más sostenible?
El sector energético es probablemente el mejor ejemplo de lo que llamamos complejidad operativa. Conviven activos físicos con décadas de historia, sistemas de datos de generaciones distintas, regulación exigente y un conocimiento técnico muy especializado que se concentra en pocas personas. No es casual que buena parte de las compañías que ya trabajan con Dixtra sean energéticas.
La contribución a la sostenibilidad se da en varios planos. El primero es medible: en Moeve, decisiones más precisas sobre perforación evitan trabajo innecesario, con una reducción estimada de 60 toneladas de CO₂ por pozo perforado.
El segundo es la eficiencia del propio cómputo. Cuando la IA trabaja sobre contexto validado, se eliminan reconsultas y proyectos de datos redundantes que consumen energía y horas de analista. Además, Dixtra muestra el coste de cada respuesta en tiempo real, así que cada equipo puede medir y limitar su consumo de IA. Hablamos mucho de lo que la IA puede hacer por la eficiencia energética, y menos de la eficiencia energética de la propia IA.
El tercero es la sostenibilidad del conocimiento. El sector vive un relevo generacional importante. Si el know-how de un ingeniero con treinta años de experiencia se va con él, la empresa pierde algo que no está en ningún manual. Con Dixtra ese conocimiento queda documentado, validado y accesible.
¿Cuáles son los principales obstáculos que encuentran las grandes empresas al llevar la IA de los pilotos a la operación real?
El primero es la confianza. Un directivo no va a basar una decisión en una respuesta que no puede comprobar. Por eso en Dixtra cada respuesta cita su fuente: se puede reconstruir hasta el dato, el documento y la persona que validó ese conocimiento. Y nada se convierte en verdad hasta que un experto de la propia empresa lo aprueba.
El segundo es la arquitectura. Muchas compañías creen que para usar IA tienen que migrar sus datos o rehacer su stack. No es así. Dixtra se conecta a los data warehouses, herramientas de BI, documentos y sistemas que la empresa ya tiene, sin migraciones y sin abrir un proyecto distinto para cada pregunta nueva.
El tercero es el control. Las empresas energéticas gestionan información crítica y no pueden permitirse que sus datos salgan de su perímetro. Dixtra se despliega en nube pública, privada u on-premise, y los datos nunca entrenan modelos de terceros. Cada persona consulta solo aquello para lo que tiene permiso y queda registrado quién consultó qué y con qué fuentes. Es la base de la supervisión humana que exige el Reglamento Europeo de IA.
Y hay un cuarto obstáculo, más humano: la resistencia del experto a compartir lo que sabe. Lo que hemos aprendido es que cuando el experto ve que su conocimiento se reconoce, con su autoría, y que deja de recibir las mismas preguntas una y otra vez, se convierte en el principal defensor del sistema.
¿En qué líneas de innovación está invirtiendo Dixtra?
Nuestra apuesta principal es el agente semántico: la pieza que conversa con los expertos, detecta qué conocimiento falta y lo convierte en contexto validado. Es lo que diferencia una capa de contexto viva de un simple buscador sobre documentos.
También trabajamos para ser agnósticos respecto al modelo. Dixtra funciona con los principales modelos del mercado, de Anthropic, OpenAI, Google o Mistral, y cada cliente usa sus propias claves. La empresa no debería depender de un único proveedor de IA, y su contexto debería sobrevivir a cualquier cambio de modelo.
Y estamos ampliando sectores. Dixtra nació en la energía, pero hoy trabaja también en biotecnología, sanidad, seguridad y aeroespacial. Los analistas empiezan a definir en 2026 una categoría nueva, la de las plataformas de contexto para IA, y queremos estar entre quienes la construyen desde Europa, con expansión desde Madrid y Valencia hacia Miami.
¿Qué recomendaría a una empresa del sector energético que quiere empezar a sacar valor real de la IA?
Que empiece por una pregunta de negocio, no por una tecnología. Elegir un dominio concreto donde las decisiones sean caras y el conocimiento esté muy concentrado, y demostrar ahí el valor con datos reales. En Moeve empezamos por la ingeniería de pozos, no por toda la compañía.
Que trate el contexto como un activo. Los modelos van a seguir cambiando cada pocos meses; el conocimiento de cómo funciona tu negocio es lo único que no puede comprar tu competencia.
Y que no renuncie al control. La IA que merece la pena en la gran empresa es la que se puede auditar: sabes de dónde sale cada respuesta y quién la ha validado.
¿Por qué Dixtra se une a enerTIC.org?
Porque enerTIC reúne exactamente a las personas con las que queremos conversar: directivos de energía y tecnología que tienen que convertir la digitalización en eficiencia y sostenibilidad medibles. Queremos aportar a los grupos de trabajo lo que hemos aprendido llevando la IA a la operación real del sector, y aprender de los retos de otras compañías. La transición energética también es una transición de conocimiento, y ahí creemos que tenemos algo que aportar.
