El avión que nadie sabe cómo aterrizar
Bill Gurley lleva veinticinco años en Benchmark identificando el momento exacto en que el entusiasmo deja de ser un activo y se convierte en un pasivo. Lo hizo con Uber en 2017, cuando presionó para sacar a su fundador del cargo antes de que la cultura tóxica y los números insostenibles arrastraran todo consigo. Ahora, en una entrevista con CNBC el 16 de marzo de 2026, repite el diagnóstico con una escala diez veces mayor: el sector de inteligencia artificial está quemando capital a una velocidad que ningún horizonte de rentabilidad puede justificar.
Sus palabras son precisas y sin adornos: "Un día simplemente tropezamos y nos quedamos sin dinero." No habla de un colapso tecnológico. El modelo funciona. Los sistemas aprenden. Los productos existen. Habla de algo mucho más prosaico y mucho más letal: que entre treinta y cuarenta startups de IA están perdiendo miles de millones anuales, y que el volumen de capital disponible para sostener esas pérdidas tiene un límite matemático que el optimismo del sector ha decidido ignorar.
La imagen que usa Gurley es reveladora: "es más difícil aterrizar el avión" cuando se lleva tanto combustible quemado sin haber alcanzado altitud de crucero. Las compañías como OpenAI y Anthropic han levantado decenas de miles de millones en financiamiento. Pero levantar capital no es lo mismo que construir un modelo de negocio. Es, en el mejor caso, comprar tiempo.
Por qué el costo marginal cero no salva a quien no puede pagarlo
Aquí está la paradoja estructural que ningún análisis del sector está nombrando con suficiente claridad: la inteligencia artificial opera sobre una lógica de costo marginal decreciente. Una vez que el modelo está entrenado, el costo de generar la respuesta número diez millones es marginalmente inferior al de la número uno. La tecnología, en teoría, tiende hacia un estado donde producir más cuesta casi nada. Esa es su promesa económica más profunda.
Pero el error de diagnóstico del mercado actual es confundir el costo marginal de inferencia con el costo total de construcción del sistema. Entrenar un modelo de frontera cuesta cientos de millones de dólares. Mantenerlo actualizado, otros tantos. Construir la infraestructura de datos para que funcione a escala, miles de millones. Gurley señala que las siete grandes tecnológicas —Apple, Amazon, Alphabet, Meta, Microsoft, Nvidia y Tesla— están invirtiendo cientos de miles de millones en centros de datos para sostener esa infraestructura. Ese gasto no decae marginalmente. Es fijo, masivo y se acumula.
El resultado es una estructura de costos invertida respecto a lo que el mercado está descontando: los ingresos escalan lentamente porque la adopción empresarial es más lenta que el hype mediático, mientras que los costos de infraestructura crecen de manera casi exponencial para sostener la carrera armamentista de parámetros y capacidad computacional. La lógica del costo marginal cero se aplica al futuro del sector, no a su presente financiero.
Esto tiene consecuencias directas sobre los modelos de negocio. Una startup que cobra por acceso a su modelo de lenguaje enfrenta presión de precios brutal porque sus competidores, igualmente financiados por capital de riesgo, están dispuestos a vender por debajo del costo para capturar cuota de mercado. Nadie está construyendo márgenes. Están comprando usuarios con pérdidas subvencionadas por inversionistas que apuestan a ser los últimos en pie cuando el capital escasee.
La burbuja no estalla por la tecnología, sino por la paciencia del capital
Gurley establece un paralelo con la era dot-com que merece ser analizado con más frialdad de la habitual. La comparación fácil es que entonces también había compañías sin ingresos con valoraciones estratosféricas. Pero el mecanismo de colapso es diferente y más instructivo.
En 2000, el capital se secó cuando los mercados públicos cerraron la ventana de las OPIs y los inversores minoristas perdieron el apetito. Hoy, el capital privado tiene reservas mucho más profundas, lo que extiende el runway artificialmente. Pero también significa que cuando el ajuste llegue, llegará de golpe, no de manera gradual. Michael Burry ha advertido sobre niveles peligrosos de sobreinversión. Jeremy Grantham, de GMO, ha documentado sistemáticamente cómo las burbujas tecnológicas estallan precisamente cuando la tecnología subyacente empieza a demostrar su utilidad, no antes.
El patrón que Gurley identifica como "interlopers" —actores que entran atraídos por el momentum, sin tesis de inversión rigurosa— es el indicador más confiable de que una burbuja ha superado su fase de formación y está en su fase terminal. Cuando cada firma de capital de riesgo declara que solo mira oportunidades de IA, y cuando los fundadores de aplicaciones de fitness y aprendizaje de idiomas reformulan sus pitches como compañías de IA, el capital deja de asignarse donde genera más valor y empieza a asignarse donde hay más narrativa.
Lo que Gurley recomienda a los inversores en ese contexto es operativamente sencillo: identificar compañías de software con modelos de suscripción probados, esperar la corrección de valoraciones que el reset producirá, y comprar con disciplina. No apostar por startups privadas de IA que son, en sus palabras, "enormemente arriesgadas". La asimetría de información en esas inversiones es demasiado alta y el camino a la rentabilidad demasiado incierto.
Block, la empresa matriz de Square liderada por Jack Dorsey, despidió casi a la mitad de su plantilla en un movimiento deliberado de adopción de IA. Eso no es optimización marginal. Es una señal de que incluso las compañías con modelos de negocio establecidos están reescribiendo su arquitectura operativa bajo la premisa de que el capital humano puede sustituirse parcialmente. Si las empresas rentables están haciendo eso, imaginar que las que aún no generan ingresos van a escapar de esa presión es un ejercicio de negación.
El reset reordena la jerarquía, no elimina la tecnología
La lectura equivocada de la advertencia de Gurley sería concluir que la inteligencia artificial es una ilusión. No lo es. Las herramientas llevan dos o tres años demostrando utilidad medible en personalización, síntesis de información y automatización de tareas repetitivas. El problema no es la tecnología. El problema es la brecha entre el valor que la tecnología genera hoy y el valor que el mercado de capitales está descontando para mañana.
Cuando el reset ocurra —y la lógica financiera indica que ocurrirá, no como posibilidad sino como consecuencia aritmética del burn rate acumulado— no desaparecerá la inteligencia artificial. Desaparecerán decenas de compañías que no construyeron economía unitaria sostenible, que priorizaron crecimiento de usuarios sobre márgenes, y que asumieron que el capital seguiría disponible indefinidamente porque la narrativa era suficientemente grande.
Lo que sobrevivirá son los modelos donde el costo de adquisición de cliente tiene relación razonable con el valor que ese cliente genera en el tiempo, donde la infraestructura no requiere subsidio permanente para funcionar, y donde la diferenciación no depende exclusivamente de tener el modelo más grande, sino de resolver un problema específico mejor que cualquier alternativa.
Los líderes que comprendan que el valor en este sector se construye sobre economía unitaria, no sobre valoraciones de ronda de financiamiento, son los que estarán posicionados para adquirir activos y talento a precios racionales cuando el capital escasee. El reset no es el fin del ciclo de la inteligencia artificial. Es el momento en que la tecnología deja de pertenecer a los narradores y empieza a pertenecer a los constructores.
