Hay decisiones corporativas que suenan a eficiencia y en realidad son apuestas. La que Marc Benioff acaba de verbalizar en la llamada de resultados del primer trimestre fiscal del año 2027 de Salesforce pertenece a esa categoría. El director ejecutivo de la plataforma en la nube valuada en 145.000 millones de dólares fue explícito: la empresa no está contratando más ingenieros, no está expandiendo las funciones administrativas y generales, y el único frente donde el organigrama crece es el área de ventas.
Hay un dato en esta historia que merece detenerse antes de hablar de rondas de financiación o modelos de lenguaje: según el CEO de Orbital Industries, desarrollar un nuevo fluido refrigerante para centros de datos tomaría, en condiciones normales, diez años y cien millones de dólares. La compañía dice haberlo hecho en meses, a una fracción de ese costo. Si ese dato resiste la validación de los grandes fabricantes de chips, no estamos ante un logro de laboratorio.
Hay un momento en la vida de toda plataforma digital donde el juego cambia por completo. Dejas de obsesionarte con cuántos usuarios tienes y empiezas a preguntarte cuánto dinero puedes sacarle a los que ya están. Spotify acaba de anunciar que llegó a ese momento, y Bank of America le está aplaudiendo desde la primera fila.
Más de 1,5 billones de dólares en valuaciones de software empresarial se evaporaron en los últimos dos años. No por falta de inversión en inteligencia artificial, sino porque la inversión aterrizó en el lugar equivocado. Esta es la paradoja que define el momento actual: las empresas nunca han gastado tanto en IA y, al mismo tiempo, nunca ha sido tan difícil mostrar dónde está el valor.
Hugging Face acaba de publicar los planos, el cableado y el software para construir un par de piernas humanoides por aproximadamente $2.500 en partes. No hay brazo, ni torso, ni cabeza. Solo piernas bípedas impresas en 3D, ensambladas con componentes de estante. La pregunta que eso abre no es técnica. Es estructural: cuando una plataforma de inteligencia artificial decide bajar el costo de entrada del hardware robótico a un precio equivalente al de una laptop de gama media, está moviendo una pieza del tablero que no se mueve solo por generosidad.
Hay una forma muy extendida de equivocarse con la inteligencia artificial en las empresas. Consiste en medir la madurez de un sistema por cuántos puestos logró eliminar. Esa métrica no mide madurez: mide velocidad sin gobierno, que es exactamente la condición que antecede a los colapsos más costosos en sistemas críticos.
Hay una imagen que se repite en las conversaciones con managers de empresas tecnológicas, consultoras y equipos de producto: alguien sentado frente a la pantalla a las once de la noche, leyendo borradores que sus reportes directos generaron durante la tarde. No porque el equipo haya trabajado más horas. Sino porque la IA los hizo producir el equivalente a tres días de trabajo antes del almuerzo.
Hay un momento en la historia de cualquier campo científico en que el lenguaje cambia antes que la realidad. Primero se empieza a hablar de algo como si ya fuera cierto; después, lentamente, lo es. Con la biología programable estamos en ese umbral. El ADN, durante décadas un objeto de lectura, se está convirtiendo en un objeto de escritura.
La paradoja está sobre la mesa desde el primer momento. Una empresa que opera plantas de manufactura con décadas de antigüedad, que distribuye bebidas y snacks a escala global, y que lleva más de un siglo construyendo marcas de consumo masivo, acaba de declarar en público que su ventaja competitiva en talento no viene de saber programar modelos de lenguaje. Viene del hustle.
Hay un patrón que se repite en la historia de las empresas tecnológicas que buscan abrirse a mercados de capitales: el momento en que la narrativa de usuarios masivos ya no alcanza y necesitan mostrar algo más concreto. OpenAI está ahí. Y la herramienta que eligió para hacer ese argumento no es ChatGPT, sino Codex, su producto de asistencia al desarrollo de software, que en los últimos dos meses ha recibido actualizaciones con una frecuencia que ningún competidor ha igualado.
China no está probando si un robot puede fregar el suelo de una fábrica. Está probando si puede fregar el suelo de tu casa, hacer tu cama y freír un huevo mientras tú te duchas. Eso es exactamente lo que GigaAI, una startup fundada en 2025 con respaldo del brazo inversor de Huawei, anunció en mayo de 2026: el SeeLight S1, un robot humanoide de dos brazos y ruedas, diseñado específicamente para el entorno doméstico.
Hay un relato que circula con comodidad en los directorios: la inteligencia artificial va a eliminar puestos, reducir nómina y liberar capital. Es un relato cómodo porque tiene la forma de una decisión financiera limpia. El problema es que los datos no lo sostienen.
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.
Los mercados privados llevan una década prometiendo sofisticación sin siempre cumplirla en el plano operativo. Los fondos crecen en tamaño, en complejidad de estructura y en número de inversores. Los vehículos evergreen y semilíquidos proliferan.
Los ingresos del trimestre de marzo alcanzaron 21.600 millones de dólares, un crecimiento del 27% interanual —la tasa más alta en cinco años—, y el ingreso neto saltó de forma dramática hasta 521 millones de dólares. Las acciones de la compañía en Hong Kong subieron cerca del 20% en una sola sesión, convirtiéndose en el mayor ganador porcentual del índice Hang Seng ese día. Pero el número que mejor explica el movimiento del mercado no está en los márgenes ni en los volúmenes de PC: está en el hecho de que los ingresos relacionados con inteligencia artificial crecieron un 84% en el trimestre y representaron el 38% de los ingresos totales del grupo.
La conversación sobre inteligencia artificial en las grandes empresas sigue un guión cómodo: evaluar plataformas, aprobar presupuestos, diseñar pilotos. Mientras tanto, en los sistemas de CRM, en las operaciones de atención al cliente y en los flujos de aprobación financiera, hay agentes de IA tomando decisiones sin que nadie sepa exactamente cuántos son, qué datos tocan ni qué hacen cuando nadie los vigila. Ese es el dato incómodo que la industria lleva meses eludiendo con elegancia.
Desde finales de 2022, los mercados asiáticos han vivido una reconfiguración silenciosa pero profunda. La irrupción de la inteligencia artificial generativa no solo transformó la narrativa de los mercados globales, sino que reordenó el peso específico de los índices regionales en torno a un puñado de nombres. Tres empresas —Taiwan Semiconductor Manufacturing Company, Samsung Electronics y SK hynix— llegaron a explicar más de la mitad de los retornos del índice FTSE Asia ex-Japan.
El 13 de mayo de 2026, Anthropic lanzó Claude para Pequeñas Empresas, una versión de su asistente de IA conectada directamente a las herramientas operativas de negocios pequeños: correo, calendario, y —esto es lo nuevo— software de contabilidad. La promesa concreta es que Claude puede hacer reconciliaciones, generar estados de pérdidas y ganancias, y categorizar transacciones sin que el dueño tenga que tocar una hoja de cálculo. Pero la reacción del mercado especializado no fue de entusiasmo sin matices: fue de bienvenida cautelosa, con una advertencia que lleva tiempo resonando en este sector.
Hay una narrativa que domina las conversaciones en las juntas directivas y en los fondos de capital de riesgo desde hace dos años: la inteligencia artificial devorará el software empresarial de la misma forma en que el software devoró los modelos analógicos de negocio. Es una imagen poderosa. Y como toda imagen poderosa que circula sin fricción, merece que alguien le aplique presión antes de que dicte decisiones de inversión con consecuencias reales.
Hay una escena que se repite en casi todas las empresas medianas que conozco. El equipo de tecnología presenta un piloto de inteligencia artificial. Los números iniciales son prometedores. El directorio aprueba la inversión. Y seis meses después, el piloto sigue siendo un piloto.
En una semana de mayo de 2026, la infraestructura de IA empresarial cruzó una frontera que los marcos de auditoría, cumplimiento y seguros aún no habían dibujado. El 7 de mayo, AWS presentó en versión preliminar Amazon Bedrock AgentCore Payments, un sistema construido con Coinbase y Stripe que permite a los agentes de inteligencia artificial realizar pagos autónomos durante su ejecución. Dos anuncios en siete días, de dos de las mayores plataformas de infraestructura tecnológica del planeta, describen el mismo comportamiento: un agente que decide gastar dinero por su cuenta.
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.
Hay un patrón que se repite con suficiente consistencia como para tomarlo en serio: las tecnologías no se concentran donde se ven, sino donde se apoyan. Las redes sociales se concentraron en la distribución, no en el contenido. La nube se concentró en infraestructura, no en aplicaciones. La inteligencia artificial está siguiendo la misma geometría, pero el punto de control está un nivel más abajo que en cualquier ciclo anterior.
La narrativa dominante sobre inteligencia artificial y negocios tiene un sesgo estructural que rara vez se nombra: está construida casi exclusivamente alrededor de empresas con más de 500 empleados. No porque las grandes corporaciones sean más interesantes, sino porque para los proveedores de tecnología representan contratos más predecibles, ciclos de venta más cortos en términos relativos y flujos de ingresos recurrentes que justifican el gasto en ventas y marketing. La lógica es comprensible desde la economía del vendedor. El problema es que esa lógica ha distorsionado la lectura de dónde ocurre el trabajo real en la economía.