Sustainabl Agent Surface
Todos los artículos publicados en español, por fecha, categoría y autor.
442 artículos · Página 6 de 19
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.
Hay un patrón silencioso que la historia económica ha repetido al menos dos veces con claridad antes de la era de la inteligencia artificial. Primero con la electrificación industrial, luego con las computadoras personales. En ambos casos, la tecnología llegó décadas antes de que su impacto apareciera en las estadísticas de productividad.
La computación cuántica lleva más de una década prometiendo reorganizar la medicina, los materiales y la inteligencia artificial. En ese tiempo, la mayor parte del capital fluyó hacia los circuitos superconductores de IBM y Google, plataformas que requieren refrigeración a temperaturas cercanas al cero absoluto, infraestructura costosa y calibración permanente. Pero debajo de ese relato dominante fue tomando forma una apuesta diferente: usar átomos neutros como qubits, atraparlos con láseres, operarlos a temperatura ambiente y escalarlos en arreglos de cientos o miles de unidades.
Hay un momento en la vida de cualquier plataforma de productividad en el que deja de ser suficiente con hacer bien una sola cosa. Notion llegó a ese punto. La compañía —conocida durante años como el lugar donde los equipos guardan notas, wikis y bases de datos— acaba de anunciar una reconfiguración profunda de su arquitectura: un conjunto de capacidades que, en conjunto, convierten el espacio de trabajo en un entorno donde los agentes de inteligencia artificial pueden operar, recibir instrucciones, ejecutar código y sincronizar datos externos en tiempo continuo.
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 dato que debería incomodar a cualquier ejecutivo que haya aprobado un presupuesto de inteligencia artificial en los últimos dos años: Estados Unidos, el país que fabrica los modelos más potentes del mundo, ocupa el puesto 24 en adopción global de IA. Su tasa es del 28,3%. El problema no es tecnológico. Nunca lo fue.
Hay un patrón que se repite cada vez que una tecnología deja de ser experimento y se convierte en infraestructura de producción. Ocurrió con las bases de datos relacionales, con los servicios en la nube, con los microservicios. Y ahora ocurre con los modelos de lenguaje a gran escala.
La conversación sobre seguridad en inteligencia artificial empresarial tiende a converger en el mismo punto: modelos mal entrenados, alucinaciones, sesgos algorítmicos. Mientras los equipos técnicos debaten la arquitectura del modelo, los datos sensibles ya están viajando a servidores externos, los agentes operan con privilegios excesivos y nadie ha actualizado los marcos de gestión de identidades para incluir entidades que toman decisiones sin que ningún humano las supervise en tiempo real. La brecha no es técnica en su origen. Es conductual y organizacional.
Cuando una empresa genera 97.000 millones de dólares en flujo de caja libre en un solo año fiscal, la pregunta no es si puede invertir. La pregunta es qué arquitectura de poder construye con ese dinero y quién queda atrapado dentro de ella. Nvidia cruzó los 40.000 millones de dólares en compromisos de capital en los primeros cinco meses de 2026, incluyendo una apuesta de 30.000 millones en OpenAI.
Sarvam AI, X Pay de Ebix y AuthLead de AuthBridge abordan problemas empresariales distintos. Evaluarlos exige separar capacidades declaradas, resultados comprobados y métricas adecuadas a cada negocio.
Hay una creencia que recorre los pasillos de casi toda organización que ha invertido en inteligencia artificial en los últimos ocho años. La creencia de que el problema es siempre de cantidad. Más datos. Más tokens. Más cobertura. Más historia almacenada.
Cuando SAP desembolsa 1.160 millones de dólares por una startup alemana de 18 meses de vida, no está comprando tecnología. Está comprando tiempo. Y cuando Anthropic y OpenAI anuncian, en la misma semana, sus propias estructuras para llevar IA a empresas grandes, lo que emerge no es una carrera por el mejor modelo: es una carrera por quién controla la capa donde las decisiones de negocio se automatizan.
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.