Hay un costo que los grandes minoristas han absorbido durante décadas sin medir con precisión: el de no saber exactamente qué tienen, dónde está y si lo que el sistema dice que existe en realidad existe. Ese costo no aparece como una línea separada en el estado de resultados. Se diluye en márgenes comprimidos, pedidos cancelados, horas de trabajo mal asignadas y clientes que se van sin comprar.
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.
El Nifty 50 perdió 11,60% en lo que va del año 2026. MOS Utility perdió 70%. Pine Labs, 47,6%. Esa diferencia no es ruido de mercado ni volatilidad aleatoria: es la señal más clara de que algo en el modelo de valoración de estas empresas nunca fue tan sólido como parecía.
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.
Cuando Lior Susan fundó Eclipse Ventures en 2015, la lógica imperante en Silicon Valley era sencilla: el software se escala sin fábrica, sin inventario y sin obreros. Las empresas de software como servicio captaban la atención de los mejores fondos y los mejores ingenieros. Apostar por semiconductores, robótica industrial o infraestructura computacional física era, en el mejor de los casos, una rareza.
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.
Durante décadas, la industria petrolera perforó el subsuelo estadounidense con una lógica simple: extraer, vender, abandonar. Lo que quedó atrás fue una herencia difícil de cuantificar y casi imposible de gestionar: millones de pozos inactivos dispersos por todo el territorio, muchos sin propietario oficial, filtrando metano a la atmósfera y contaminantes al agua subterránea. Oklahoma, por poner el caso más ilustrativo, tiene identificados más de 20.000 de estos pozos.
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.
Hay un momento particular en la vida de una familia empresarial que los bancos privados aprendieron a reconocer antes que nadie: el instante en que el fundador empieza a mirar a sus hijos con una mezcla de orgullo y preocupación. Ese momento es, desde hace décadas, el centro gravitacional de un negocio altamente rentable y casi sin competencia formal. Las escuelas de negocios llevan años mirando ese territorio desde afuera. Ahora están adentro.
Vaseline tiene 155 años. Nació de un químico que observó a trabajadores petroleros frotarse una sustancia gelatinosa sobre las heridas. Lo que está ocurriendo ahora dentro de Unilever, la matriz de Vaseline, merece atención precisamente porque invierte esa lógica: está dejando que los comportamientos espontáneos de comunidades de internet determinen qué producto fabricar a continuación.
Jared Kugel llegó al punto más bajo de su vida emprendedora con una notificación de ejecución hipotecaria en la mano y una dieta de galletas con mermelada. No era metáfora. Era el inventario real de lo que quedaba después de dos ideas fallidas, cero compromisos de inversión en el demo day de su aceleradora y un negocio que no escalaba porque dependía de franquicias que nunca llegaron.
El Índice de Confianza Comercial de las pymes familiares exportadoras de India llegó a 74.3 sobre 100. Es un número que, tomado solo, describe a un sector con convicción: dos de cada tres empresas esperan que sus ventas de exportación crezcan en los próximos seis a doce meses. Pero el Puntaje Neto de Confianza Comercial, que incorpora el entorno de riesgo actual, llega a 56.4, dejando una brecha de 17.9 puntos que no es un ajuste técnico menor.
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 tipo de resultado financiero que confunde más que las pérdidas: el que confirma que algo mejoró, pero no lo suficiente como para que importe. Burberry publicó el 14 de mayo de 2026 sus resultados anuales al 28 de marzo de ese año, y la lectura es exactamente esa. La empresa pasó de una pérdida antes de impuestos de £66 millones a una ganancia de £49 millones.
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.
Hay una versión simplificada de los resultados de Karooooo para el cuarto trimestre del año fiscal 2026 que circuló en los titulares financieros: la empresa reportó crecimiento récord en ingresos por suscripción, el beneficio operativo cayó, las ganancias por acción bajaron y el dividendo subió. Esa versión no es incorrecta, pero tampoco dice nada útil sobre la calidad del modelo. La versión que importa es más interesante y más incómoda.
Hay una diferencia estructural entre un país que exporta lo que está en el suelo y uno que exporta lo que puede hacer con eso. Namibia acaba de formalizar, a través de su ministro de Industrias, Minas y Energía Modestus Amutse, que quiere ser lo segundo. El anuncio de mayo de 2026 no es solo una declaración de intenciones geopolítica: es una arquitectura de transición económica con métricas específicas, plazos concretos y socios identificados.
Hay una diferencia entre crecer en un mercado y cambiar de posición dentro de él. Motorola acaba de demostrar que las dos cosas pueden ocurrir al mismo tiempo. Según declaraciones de T.M. Narasimhan, director general de Motorola India, la compañía pasó de controlar el 2,5% del mercado de teléfonos inteligentes en India hace tres años al 8,5% actual, con expectativas de seguir avanzando.
Existe una estadística que lleva décadas circulando en salas de juntas sin provocar la incomodidad que merece: entre el 60 y el 75 por ciento de los grandes procesos de transformación organizacional fracasan o quedan muy por debajo de sus objetivos declarados. El dato no es nuevo. Lo que sí es nuevo —o debería serlo— es empezar a tomarlo en serio como un síntoma de algo estructural en la manera en que el liderazgo concibe el cambio.
Bernard Arnault no inventó el lujo. Lo corporativizó sin matarlo. Esa distinción, que parece menor, es en realidad la operación más difícil que existe en la gestión de marcas de alta gama: industrializar la manufactura de deseo sin que el deseo se evapore.