Cuatro empresas se llevaron el 60% del capital de riesgo global y eso cambia las reglas para todos los demás
El primer trimestre de 2026 produjo una cifra que no tiene antecedente en la historia del capital de riesgo: 300.000 millones de dólares desplegados en un solo trimestre. Más del doble que el trimestre anterior. Cerca del 70% de todo lo invertido en startups durante 2025, comprimido en noventa días. A primera vista, parece el tipo de dato que confirma que el capital está fluyendo con una energía que no se veía desde la burbuja de 2021. La lectura superficial termina ahí.
Debajo de ese número hay una estructura mucho más difícil de procesar: 188.000 millones de dólares fueron a parar a cuatro compañías. OpenAI captó aproximadamente 122.000 millones en una sola ronda, la mayor de la historia. Anthropic recibió alrededor de 30.000 millones. xAI, la empresa fundada por Elon Musk, levantó cerca de 20.000 millones. Waymo, la subsidiaria de conducción autónoma de Alphabet, cerró una ronda de unos 16.000 millones. Cuatro nombres. Cuatro rondas. El 65% de todo el capital de riesgo global en un trimestre.
Lo que está ocurriendo no es un boom de inversión generalizado. Es una concentración de capital de escala histórica en torno a un puñado de apuestas que los inversores están tratando como si fueran infraestructura económica de nivel soberano. Esa distinción importa porque cambia las preguntas relevantes. La pregunta no es si el capital de riesgo está saludable. La pregunta es qué queda para los demás y bajo qué condiciones.
---
Lo que revela la concentración cuando se mira como señal estructural
Un dato que viaja en paralelo al de los 188.000 millones es igual de revelador: mientras el volumen total de inversión en Estados Unidos creció un 190% interanual, el número de operaciones cayó un 26%. Menos acuerdos, cheques más grandes, capital más concentrado. Esto no es ruido estadístico. Es el registro de un mercado que está reordenando su lógica de asignación en tiempo real.
El área de la Bahía de San Francisco absorbió el 82% de todos los dólares de capital de riesgo en Estados Unidos durante este período, el nivel de concentración geográfica más alto desde al menos 2014. Ese dato solo no diría mucho si no viniera acompañado de otro: la inteligencia artificial capturó aproximadamente el 80% del capital de riesgo global en el trimestre, frente al 55% que representaba un año antes. La velocidad del desplazamiento importa tanto como el destino.
Lo que está pasando en la capa de los gigantes, sin embargo, no opera en el mismo circuito que la inversión temprana. Las rondas de OpenAI, Anthropic, xAI y Waymo no compiten directamente por el mismo capital que busca una empresa en etapa semilla o Serie A. Los 112.000 millones restantes del trimestre, los que no fueron a esas cuatro compañías, se distribuyen en un entorno que sigue activo y que, según datos de Stripe citados en los análisis del período, está produciendo resultados notables: las 100 empresas nativas de IA con mejor desempeño están escalando de 1 millón a 30 millones de dólares en ingresos anuales recurrentes cinco veces más rápido que las generaciones anteriores de software.
Eso no significa que el entorno sea fácil. Significa que el entorno premia algo muy específico y que ese algo ha cambiado de forma acelerada en los últimos doce meses.
---
Por qué el foso importa más que el producto
Durante años, la conversación sobre defensibilidad en startups giró en torno a preguntas relativamente abstractas sobre retención, escalabilidad o diferenciación de marca. Esas preguntas no desaparecieron, pero el marco en que se responden se ha reorganizado por completo.
Cuando los modelos de lenguaje más potentes del mundo tienen detrás decenas de miles de millones de dólares frescos para expandir capacidades, bajar precios y cubrir más casos de uso, la pregunta sobre qué protege a una empresa pequeña se vuelve mucho más concreta. Los inversores están revisando cada startup con una lente que podría resumirse así: si el modelo mejora lo suficiente en los próximos dieciocho meses, ¿qué parte de este negocio sobrevive con márgenes razonables y qué parte se convierte en una función del sistema operativo de otro.
Las respuestas que están ganando credibilidad en este ciclo tienen un denominador común: activos que la inteligencia, por sí sola, no puede replicar. Datos propietarios de difícil acceso. Hardware especializado que requiere años de desarrollo. Infraestructura física que exige integración con el mundo real. Regulación que actúa como barrera de entrada. Relaciones institucionales de largo plazo. Conocimiento científico que no está en ningún corpus de entrenamiento público.
Esto explica por qué los sectores que están recibiendo más atención inversora más allá de los laboratorios de frontera son robótica, defensa, fotónica, computación nueva generación y biotecnología. No porque estén de moda, sino porque comparten una característica estructural: la inteligencia computacional es un insumo útil en esos dominios, pero no es suficiente para replicar lo que una empresa consolidada en ellos ha construido durante años.
El riesgo para las startups que operan como capas delgadas sobre modelos de terceros es más inmediato. No se trata de que los laboratorios de frontera vayan a destruir activamente ese segmento. Se trata de que la caída sostenida en el costo de inferencia, combinada con la expansión de las capacidades nativas de los modelos, comprime los márgenes desde abajo y desde arriba al mismo tiempo. Una empresa que no puede responder con claridad qué le pertenece cuando el modelo hace lo mismo que ella de forma nativa, tiene un problema de arquitectura de negocio, no de marketing ni de distribución.
---
El debate sobre el fin del software empresarial y por qué todavía no tiene respuesta limpia
Cuando Anthropic lanzó Claude Cowork en 2026, las valoraciones de varias compañías de software importantes cayeron en horas. El episodio generó una narrativa que se instaló rápido: los agentes de IA iban a comerse el software empresarial. La reacción opuesta también apareció pronto: quienes argumentaban que el miedo era completamente desproporcionado y que el software de gestión no iba a desaparecer porque las organizaciones no cambian así de rápido.
A mitad de 2026, ninguna de las dos posiciones sostiene bien el peso de los datos. Sí, en teoría las empresas podrían construir mucho de su propio software con herramientas de generación de código. En la práctica, muy pocas lo están haciendo a escala. Los ciclos de adopción institucional son lentos, la tolerancia al riesgo operativo es baja y los costos de cambio en sistemas críticos siguen siendo altos. Pero eso no significa que el software empresarial esté a salvo de forma indefinida. Significa que el vector de presión opera en una escala temporal diferente a la que sugería el pánico inicial.
Lo que sí está ocurriendo de forma observable es una bifurcación. Las empresas de software que tienen datos propietarios profundamente integrados en sus flujos de trabajo, que construyeron redes de clientes con costos de salida reales y que resuelven problemas donde la precisión sectorial importa más que la capacidad general del modelo, están saliendo fortalecidas de este ciclo. Las que construyeron valor principalmente sobre acceso a capacidad de IA de terceros y sobre experiencias de usuario que los modelos pueden replicar de forma nativa, están siendo reevaluadas con múltiplos más bajos y plazos de fundraising más largos.
La frase que empezó a circular entre inversores como objeción refleja, casi automática, es "¿y si OpenAI o Anthropic hacen esto mañana?" En muchos casos, esa pregunta sustituye el análisis en lugar de abrirlo. Aplicada sin matiz, bloquea conversaciones legítimas sobre negocios que tienen fundamentos sólidos. Pero cuando aparece con datos detrás, señala exactamente el problema que muchas startups todavía no han resuelto: la diferencia entre construir un producto y construir una ventaja que se acumula con el tiempo.
---
La inteligencia abundante y lo que se vuelve escaso cuando eso ocurre
El marco que empieza a ordenar mejor las decisiones de inversión en este ciclo parte de una hipótesis que ya tiene evidencia suficiente para tomarse en serio: la inteligencia computacional se está convirtiendo en un insumo abundante y barato, con la misma lógica que siguieron el cómputo, el almacenamiento y el ancho de banda en ciclos anteriores. Cuando un recurso se abarata a esa velocidad, lo que se vuelve escaso y valioso es lo que ese recurso no puede producir por sí solo.
En el caso anterior, cuando el cómputo se abarató, lo que se volvió escaso fue la distribución, los datos de comportamiento del usuario y las redes de efectos que ciertos productos habían construido. Las empresas que ganaron el ciclo no fueron las que tuvieron el mejor servidor, sino las que entendieron qué quedaba fuera del alcance del hardware más barato.
La lógica se repite. Si la inteligencia se abarata, lo escaso pasa a ser lo que la inteligencia no puede sintetizar: datos que no están en ningún repositorio público, relaciones institucionales que tardan años en construirse, infraestructura física que requiere capital y tiempo para desplegar, conocimiento regulatorio que solo existe en organizaciones que llevan una década navegando un sector específico.
El trimestre más concentrado de la historia del capital de riesgo no es una señal de que el mercado se está cerrando para los demás. Es una señal de que el mercado está reescribiendo, con más claridad que nunca, qué tipo de activos considera defendibles cuando cuatro compañías tienen los recursos para mover los parámetros del juego. Las startups que estén construyendo sobre activos que la abundancia de inteligencia no puede replicar tienen una posición más sólida de lo que el pánico del momento sugiere. Las que no, tienen un problema que el próximo ciclo de modelos más capaces va a hacer más visible, no menos.
