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.
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.
Cerca de Thackerville, Oklahoma, una pequeña ciudad en la frontera con Texas con menos de 500 habitantes, el WinStar World Casino se convirtió en uno de los complejos de entretenimiento más grandes del planeta. Lo opera la Nación Chickasaw. Lo que empezó como un salón de bingo hace dos décadas ancla hoy la industria de juego de Oklahoma, valuada en 10.000 millones de dólares, y funciona como uno de los mayores empleadores del estado.
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 detalle que pasa desapercibido cuando una empresa elige su cuenta bancaria de negocios: la decisión no es administrativa, es estructural. Define qué tan rápido circula el dinero, cuánto se pierde en fricciones y si el negocio tiene visibilidad real sobre su propio efectivo. Un artículo publicado en mayo de 2026 por TechRepublic lo ilustra de manera involuntaria: prometió un ranking de las diez mejores cuentas bancarias gratuitas para empresas y entregó, en cambio, un análisis de bancos amigables con criptomonedas.
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.
El sistema tributario global no opera sobre papel. Hace al menos dos décadas que opera sobre firmas digitales, certificados de dispositivos, cadenas de hash y transmisiones cifradas hacia autoridades fiscales. Esa infraestructura, invisible para la mayoría de los directivos de retail, es la que hoy está técnicamente expuesta a una presión que no viene de reguladores ni de competidores: viene de una transformación en la potencia de cómputo que podría hacer inútiles los fundamentos criptográficos sobre los que descansa la confianza fiscal de todo el sistema.
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.
La semana pasada, TikTok anunció en el Reino Unido algo que lleva años gestándose en silencio: una suscripción de £3.99 al mes para que los usuarios mayores de 18 años puedan usar la aplicación sin publicidad y, más importante aún, sin que sus datos sean utilizados para fines publicitarios. No es un experimento. Es el primer lanzamiento oficial en un mercado de habla inglesa, y marca el momento en que una plataforma que construyó su negocio sobre la atención gratuita y la publicidad hiperpersonalizada le pone precio explícito a salir de ese circuito.
La narrativa dominante de los últimos dos años colocó a los centros de datos y a los modelos de lenguaje en el centro de la historia de inversión más grande de la era moderna. Esa lectura no está equivocada, pero sí incompleta. Lo que está ocurriendo en los mercados de capital globales es más ancho, más profundo y más estructural de lo que el debate sobre la inteligencia artificial permite ver desde la superficie.
Hay un momento en la vida de muchos padres primerizos en que la sección de bebés de una gran tienda genera más ansiedad que alivio. Decenas de carriolas apiladas en cajas, sin posibilidad de doblarlas ni empujarlas, marcas desconocidas con precios similares. Esa experiencia, repetida en miles de visitas a Target durante los últimos años, le costó a la compañía casi un punto de participación de mercado.
Hay una barrera invisible que no aparece en ningún organigrama, no figura en ningún reglamento interno y rara vez se menciona en los procesos de selección. Sin embargo, existe con la precisión de una política escrita. Se llama el techo del apellido: la percepción —a menudo correcta— de que en una empresa familiar los puestos de mayor responsabilidad tienen dueño antes de que el proceso comience.
Hay un momento en el ciclo de vida de cualquier modelo de negocio disruptivo en el que deja de destruir al incumbente y empieza a imitarlo. Netflix acaba de cruzar ese umbral con más claridad que nunca. La compañía elevó su plan estándar sin publicidad a 19,99 dólares mensuales, el segundo aumento de precio en poco más de un año, mientras mantiene su tier con anuncios en 8,99 dólares.
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.