Hay un problema que cualquier director de operaciones de manufactura reconoce al instante: su empresa compra la misma pieza, de distintos proveedores, a distintos precios, sin saber que ya la compró antes. CADDi, una startup con sede en Tokio y Chicago, identificó ese punto de ruptura hace ocho años y construyó software para atacarlo. Esta semana cerró una ronda Serie D de 114 millones de dólares que la valúa en 1.200 millones de dólares.
Hay un experimento mental que vale la pena hacer antes de hablar de estrategia de producto: toma tu stack de software y hazte una pregunta sobre cada herramienta. Si mañana desaparece, ¿cuánto tiempo te tomaría reemplazarla con un agente de IA bien instruido? Si la respuesta es 'una tarde', el producto vive en terreno frágil.
Hay un detalle en la estructura del libro ancla de Milky Mist Dairy Food que merece más atención de la que suele recibir en la cobertura estándar de salidas a bolsa: Zulia Investments Pte Ltd, subsidiaria de Temasek Holdings, no solo entró en la ronda ancla comprando aproximadamente ₹160 crore en acciones. Ya era accionista previo a la OPV, a través de otra entidad vinculada al mismo fondo soberano. Eso no es una entrada especulativa de capital institucional. Es un inversor que ya hizo su análisis, ya tomó posición, y decidió aumentarla justo antes de que el papel cotice en NSE y BSE.
La industria minorista mueve billones de dólares al año y enfrenta problemas operativos que no ha podido resolver en décadas: datos de producto poco confiables, logística de devoluciones que sangra margen, sistemas de inventario que operan sobre supuestos más que sobre información en tiempo real. Aun así, el capital de riesgo le asigna apenas 300 millones de dólares anuales en financiamiento a las startups que intentan resolver esos problemas. Para poner eso en perspectiva: la ronda de una sola startup de inteligencia artificial mediana supera con frecuencia esa cifra.
Hay un patrón que se repite con suficiente consistencia en el mercado de software financiero para retail como para merecer atención específica: el descuento que nunca termina. Sterling Stock Picker, una herramienta de análisis bursátil que se presenta como potenciada por OpenAI, lleva meses circulando por plataformas de ofertas como StackSocial, AppSumo, Dealify y Pick Your Plum con precios que oscilan entre 48 y 68 dólares por acceso de por vida, sobre un precio de lista de 486 dólares. El producto no es lo que importa analizar. Lo que importa es el modelo que revela.
Hay una imagen que vale más que cualquier análisis posterior: David Silver, uno de los investigadores más respetados en aprendizaje por refuerzo, conectado a una videollamada con un fondo de capital de riesgo, sin presentación, sin documento de respaldo, describiendo un sistema de inteligencia artificial que eventualmente aprendería a interactuar con tostadoras. Semanas después, los titulares anunciaban que Ineffable Intelligence había levantado 1.100 millones de dólares en la ronda semilla más grande de la historia de Europa, con una valuación de 5.100 millones de dólares. Una empresa sin producto, sin ingresos y con una tesis de negocio que su propio blog describe como un riesgo significativo de fracaso a cambio de una oportunidad de éxito espectacular.
Hay una escena que los equipos de producto de inteligencia artificial conocen demasiado bien. Un usuario pasa veinte minutos construyendo contexto con un asistente: presupuesto, restricciones dietéticas, fechas que no pueden moverse, preferencias de su familia. Luego, tres turnos después, el sistema actúa como si esa conversación nunca hubiera ocurrido.
Hay un momento en la trayectoria de ciertas empresas donde la narrativa del mercado y los números operativos por fin se alinean. Para Polycab India, ese momento parece haber llegado con fuerza en 2026, y la decisión de Jefferies de elevar su precio objetivo a ₹10.920 por acción —después de un rally del 30% en lo que va del año— no es un entusiasmo de bróker tardío. Es una señal de que el analista está mirando algo estructural, no cíclico.
Hay una diferencia entre una demostración que asombra en una sala de juntas y un sistema que funciona de lunes a viernes sin que alguien tenga que rescatarlo. La industria de la inteligencia artificial lleva dos años construyendo lo primero con una destreza que no ha logrado trasladar a lo segundo. Y la razón no está en los modelos, que son cada vez más potentes.
Hay un número que resume seis años de historia estratégica en la industria automotriz india: 42%. Esa es la participación de mercado que Maruti Suzuki India Limited registró en abril de 2026, el primer mes del ejercicio fiscal 2026-27. El año anterior había cerrado con un 39%.
Tres cuartas partes de las firmas de capital de riesgo ya usan inteligencia artificial para evaluar oportunidades de inversión. El dato, por sí solo, suena a modernización inevitable. Pero hay una tensión estructural que ese porcentaje no captura: los modelos de lenguaje son extraordinariamente buenos haciendo exactamente lo que el capital de riesgo no puede permitirse hacer con demasiada frecuencia, que es mirar hacia atrás.
El 26 de mayo de 2026, en Bombay House, el edificio neoclásico de Mumbai donde el grupo Tata ha tomado sus decisiones más importantes durante más de un siglo, los seis miembros del consejo de administración de Tata Sons se reunieron durante aproximadamente seis horas. No hubo declaraciones públicas al salir. Lo que sí está documentado es esto: las empresas no cotizadas del grupo Tata acumularon pérdidas de 10.905 millones de rupias en el ejercicio fiscal 2025, y las estimaciones internas apuntan a que esa cifra podría escalar hasta 29.000 millones de rupias conforme se acelera la inversión en aviación, digital y electrónica.
En 2025, las empresas de inteligencia artificial absorbieron el 61% de toda la inversión de capital de riesgo global, según la OCDE. Eso representa 258.700 millones de dólares de un total de 427.100 millones. La pregunta que ese número inevitablemente abre es quién está capturando ese valor.
Más de 100 millones de dólares por un programa diario de tecnología que genera aproximadamente 5 millones de dólares anuales en ingresos. Eso es un múltiplo de valoración superior a 20x sobre ventas para un activo de medios, en un sector donde los múltiplos típicos raramente superan 3x o 4x de ingresos. No es un error de cálculo. Es una declaración estratégica.
Una noche de finales de 2024, Denis Shilov estaba viendo un thriller policial cuando se le ocurrió un experimento. Escribió un prompt que lograba que cualquier modelo de inteligencia artificial ignorara sus propios filtros de seguridad. Lo que Shilov concluyó de ese episodio no fue que había encontrado un bug, sino que ninguna empresa tenía una capa de control post-despliegue sobre lo que sus modelos de IA hacían una vez que los usuarios empezaban a interactuar con ellos.
Hay un momento preciso en el ciclo de cualquier modelo de negocio donde la narrativa colectiva deja de describir la realidad y empieza a producirla. El sector SaaS llegó a ese momento hace más de un año, y la industria todavía está procesando lo que significa. No es el colapso que algunos anticiparon con el término 'SaaS-pocalypse', pero tampoco es el regreso sin fricción al crecimiento de 2021.
Måns Jacobsson Hosk pasó una década construyendo Kurppa Hosk junto a Thomas Kurppa hasta convertirla en una agencia creativa reconocida globalmente. No hubo escándalo, ni derrumbe financiero, ni junta directiva que lo empujara hacia la salida. Lo que hubo fue algo menos dramático y, precisamente por eso, más difícil de diagnosticar: la empresa había dejado de crecer a la velocidad que podría, y la razón tenía nombre y apellido.
mientras la industria agrícola debate estrategias de inteligencia artificial en conferencias, syngenta tomó una decisión operativa que dice más que cualquier presentación de powerpoint: contrató a tetrascience para eliminar la transcripción manual de datos en su división de protección de cultivos. no es un piloto de laboratorio ni una prueba de concepto sin presupuesto. es una apuesta por convertir años de datos fragmentados de cromatografía y espectrometría de masas en un activo centralizado, estandarizado y procesable por algoritmos.
Cuatro huelgas en dos semanas, 90.000 pasajeros varados por incidente y una flota regional retirada de golpe. Lo que Lufthansa llama 'reestructuración' es, en los hechos, un modelo de operaciones que no sobrevivió su primer contacto serio con la realidad postpandemia.
Spotify no entró al negocio de los libros físicos por amor a la lectura. Entró porque su modelo de suscripción tiene un techo y encontró la forma más barata de empujar ese techo sin construir un almacén.
Tesla no lanzó una actualización técnica: lanzó un experimento de comportamiento masivo. La diferencia entre ambas lecturas define si su apuesta de 10.000 millones de dólares en IA tiene retorno o no.
Booking.com acaba de confirmar que terceros no autorizados accedieron a datos de reservas de sus clientes. La brecha no robó tarjetas de crédito, pero sí algo más difícil de recuperar: la confianza de quienes mueven miles de millones de dólares en bookings cada año.
Google aumentó hasta cuatro dólares por mes los planes de YouTube Premium sin anuncio público. El movimiento no es una apuesta arriesgada: es la lectura fría de una base de 125 millones de suscriptores que ya demostró cuánto está dispuesta a pagar.
Andon Labs desplegó una IA con $100,000 y una orden simple: abrir una tienda y generar utilidades. Lo que ocurrió en el primer día de operaciones revela exactamente dónde están los límites reales de los agentes autónomos hoy.