Hace dos años, la mayoría de los directivos que conozco discutían sobre qué modelo de lenguaje elegir. Hoy, los que ya tomaron esa decisión —y aun así no pueden justificar una segunda ronda de inversión— empiezan a entender que el problema nunca fue el modelo. Fue la medición. El sector empresarial lleva varios años adoptando inteligencia artificial a ritmo acelerado, pero solo un tercio de las organizaciones ha comenzado a escalarla con consistencia.
La robótica autónoma lleva años prometiendo una ruptura que nunca termina de llegar a escala industrial. No por falta de algoritmos ni de ambición, sino porque el hardware que los robots necesitan para funcionar en entornos no estructurados exige una combinación de procesamiento que rara vez viene integrada en un solo sistema accesible. AMD acaba de apostar a que puede resolver esa ecuación con el Kria AI Robotics Developer Platform, anunciado en Advancing AI 2026 en San Francisco.
Hay una diferencia que pocas organizaciones han procesado del todo: un asistente de IA espera que le hablen. Un agente actúa solo. Esa distinción, que parece técnica, arrastra consecuencias económicas y psicológicas que están redefiniendo cómo los ejecutivos piensan sus presupuestos de tecnología y, más silenciosamente, cómo sus equipos sienten el trabajo.
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 una línea en casi todos los presupuestos empresariales del momento. Tiene un nombre como
El sector fintech generó 650.000 millones de dólares en ingresos durante 2025, un avance del 21% respecto al año anterior. El conjunto de la industria de servicios financieros, por su parte, creció ese mismo año al 6% sobre una base de 15 billones de dólares. La aritmética de ese contraste no necesita adorno: el capital, el talento regulatorio y la atención institucional se están desplazando hacia empresas construidas sobre software, no sobre sucursales.
Hay un momento en el que la acumulación de pilotos de inteligencia artificial deja de parecer ambición y empieza a parecer desorden. Ese momento llegó a muchas grandes empresas en 2026, y la señal más clara no fue un colapso tecnológico ni un fracaso de modelo. Fue algo más mundano y más difícil de defender en una reunión de directorio: el consumo de tokens corrió por delante del presupuesto sin generar valor proporcional.
Durante décadas, la imagen del robot industrial fue la misma: una máquina de brazos metálicos, potente y veloz, encerrada detrás de una jaula de acero mientras los humanos observaban desde afuera. Esa imagen no es metáfora de atraso. Es una decisión de ingeniería que persiste porque los sistemas de seguridad disponibles no han podido sostener otra cosa.
En cinco meses, Databricks sumó 54 mil millones de dólares a su valoración sin cotizar en ninguna bolsa. Pasó de 134 mil millones en febrero de 2026 a 188 mil millones en julio, liderado por una nueva ronda estratégica encabezada por Coatue Management. Lo que llama la atención no es solo el número, sino la velocidad a la que se mueve la estructura de poder del mercado de datos empresariales.
Morgan Stanley publicó el martes 14 de julio una nota de defensa sobre Broadcom que merece leerse con cuidado, no por lo que dice sobre la acción, sino por lo que revela sobre la arquitectura de valor que sostiene al fabricante de semiconductores y por qué esa arquitectura todavía no logra convencer a los inversores. El punto de partida es la preocupación que se instaló en el mercado tras un reporte de The Information en marzo: MediaTek, el fabricante taiwanés de chips, estaría colaborando con Alphabet para desarrollar la próxima generación de las Unidades de Procesamiento Tensorial (TPU) que usa Google en sus centros de datos.
Silicon Valley no se mueve. Los billonarios, algunos sí. Y esa distinción, que parece cosmética, revela una de las grietas estructurales más interesantes del momento en el mercado de capital de riesgo estadounidense. Según datos de PitchBook publicados esta semana, California recibió más de 335.000 millones de dólares en financiación de capital de riesgo durante el último año, una cifra que supera en diez veces lo captado por Nueva York, el segundo estado en la clasificación.
Hay una frase que se repite en casi todas las reuniones de comité ejecutivo donde se revisan proyectos de inteligencia artificial: 'el piloto fue exitoso.' Y después, silencio. Nadie pregunta por qué el piloto nunca se convirtió en otra cosa. La organización celebra el experimento, archiva los aprendizajes y, tres meses después, lanza otro piloto.
Hay un momento particular en la adopción de tecnología empresarial donde el entusiasmo se convierte en obligación contable. Con los agentes de inteligencia artificial embebidos en productos corporativos, ese momento llegó antes de lo que la mayoría de los equipos técnicos anticiparon, y el mecanismo que lo disparó no fue el modelo de lenguaje equivocado ni la falta de datos. Fue una decisión de arquitectura que nadie presentó como decisión.
Hay un patrón que se repite cada vez que una tecnología pasa de experimento a infraestructura crítica: en algún punto emerge una capa de control que nadie había planificado formalmente, pero que termina siendo el lugar donde se toman las decisiones que más importan. Ocurrió con los balanceadores de carga en la web, con los planos de control en la nube y con los service meshes en la era de los microservicios. Ahora está ocurriendo con los agentes de inteligencia artificial, y el nombre que está tomando esa capa es el de pasarela de agentes.
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 un número que debería estar encima del escritorio de cada CFO que hoy firma un presupuesto de inteligencia artificial: 40%. Esa es la proporción de compañías que, según una encuesta reciente de Bain & Company a 951 grandes corporaciones globales, midió sus ahorros reales de IA y los encontró en el rango de cero a diez por ciento. No porque la tecnología fallara en producción. Sino porque el valor prometido nunca llegó a convertirse en valor capturado.
La caída del 19% en una sola semana no es ruido de mercado. Es el mercado leyendo en voz alta algo que los números llevaban meses intentando decir. Oracle acaba de registrar su peor semana bursátil desde agosto de 2001, cuando la burbuja puntocom se desinflaba y el precio de las acciones de muchas empresas tecnológicas no reflejaba otra cosa que el colapso de sus modelos.
La mayor fricción en la adopción de inteligencia artificial empresarial no es técnica. No está en los modelos, ni en la calidad de los datos, ni en la capacidad de cómputo. Está en el contrato. Mientras las organizaciones invierten cientos de millones en implementaciones de IA esperando retornos estructurales, la mayoría sigue firmando acuerdos que premian el tiempo invertido, no el impacto generado.
Hay un patrón que se repite cada vez que una tecnología cambia las reglas del juego a velocidad suficiente: los primeros en absorber el costo son quienes menos margen tienen para hacerlo. La convergencia entre inteligencia artificial y computación cuántica está siguiendo ese patrón con una precisión incómoda. Los atacantes se benefician de herramientas que reducen el tiempo y el costo de sus operaciones.
Más de la mitad de las grandes organizaciones del mundo ya tiene inteligencia artificial generativa operando en alguna parte de su negocio. Eso es un hecho documentado. Lo que no se documenta con la misma facilidad es lo que ocurre debajo de esa estadística: sistemas que procesan datos sensibles sin que nadie haya definido quién los supervisa, agentes autónomos que toman decisiones dentro de flujos de trabajo que ningún equipo de seguridad ha auditado, y capas de gobernanza que llegaron tarde o directamente no llegaron.
Hace diez años, fundar una empresa de software requería ingenieros, infraestructura propia, meses de desarrollo y un presupuesto que la mayoría de los fundadores no tenía. Hoy, una persona sola puede tener un producto funcional en un fin de semana usando herramientas de programación asistida por inteligencia artificial. El cuello de botella se desplazó por completo, y ese desplazamiento cambia la estructura de casi todos los modelos de negocio en tecnología.
Hay una paradoja que recorre las salas de finanzas de las mayores corporaciones del mundo: las organizaciones que más están invirtiendo en inteligencia artificial son, con frecuencia, las que menos están obteniendo de ella. No por falla tecnológica. La tecnología funciona. El problema está en el otro lado de la ecuación, el lado que nadie presupuestó con suficiente seriedad.
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 frase que se escucha cada vez más en conversaciones de arquitectura de nube: 'el modelo viene de AWS, está seguro'. Es una frase corta que encierra un supuesto de enorme peso, y que ningún auditor responsable debería dejar pasar sin examinarlo. El artículo publicado en Forbes Technology Council plantea algo que las organizaciones con grandes apetitos de adopción de inteligencia artificial no quieren escuchar todavía: que la seguridad de sus sistemas de IA no se resuelve asegurando la infraestructura.