59 fundadores de unicornios montan su 2ª empresa con IA

59 fundadores de unicornios y un patrón que se repite

59 fundadores de empresas valuadas en más de US$1.000 millones arrancaron una segunda compañía entre 2025 y 2026, y ninguna de esas apuestas consiste en inventar una categoría desde cero. Todas tienen la inteligencia artificial como eje y todas apuntan a un proceso caro dentro de un sector que el fundador ya conoce de memoria.

Para un emprendedor que está pensando en su próximo proyecto, la lectura es incómoda: la ventaja competitiva no viene de tener acceso a un modelo mejor, sino de saber exactamente qué hora de trabajo humano se puede eliminar sin romper el negocio. Ese conocimiento no se compra, se acumula.

El fenómeno ocurre en un mercado donde el capital ya se concentra de forma extrema. Según datos de BestBrokers difundidos por InvestmentNews, a agosto de 2026 existían 1.843 empresas unicornio en el mundo, 945 de ellas en Estados Unidos, y la IA era el sector que más compañías nuevas llevaba a esa categoría.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué tienen en común las segundas empresas de estos fundadores?

El primer hallazgo del análisis publicado por Noticias NEO es la permanencia sectorial. De 17 fundadores que construyeron software empresarial, 12 repitieron sector en su segundo proyecto. En servicios financieros la proporción es similar: 8 de 13 volvieron al mismo terreno.

La segunda coincidencia es el modelo operativo. En lugar de escalar contratando más gente, estas compañías escalan procesando más documentos, más grabaciones o más datos en paralelo, con supervisión experta sobre el resultado. No es reemplazo del profesional: es eliminación del trabajo junior que comprime los márgenes.

La tercera es la arquitectura de producto. Todas mantienen una decisión final en manos de una persona calificada. Ese detalle, que parece menor, es el que reduce el riesgo regulatorio y desbloquea la venta en sectores conservadores como auditoría, seguridad o salud.

Auditoría: el caso de Repodo y el margen que se escapa en horas junior

Repodo, fundada por Ken Villum Klausen y Peter Andreasen —los creadores del banco digital Lunar—, automatiza la preparación de registros y documentación de auditoría. La firma final sigue en manos de auditores calificados, pero la herramienta elimina las horas de trabajo junior que históricamente se comen el margen del sector.

La propuesta conviene entenderla así: no es un auditor de IA, es una fábrica de expedientes listos para revisar. El cuello de botella de una firma de auditoría no está en el criterio profesional, está en el tiempo que tarda un equipo en tener la carpeta ordenada para que el socio firme.

Ese es el punto que debería interesar a cualquier founder que venda a firmas medianas o grandes: la promesa no es "mejor criterio", es "misma capacidad de producción con una estructura de costos bastante menor". La escalabilidad deja de depender de contratar analistas y pasa a depender de procesar documentación en paralelo.

Videovigilancia: Orasio y las horas grabadas que nadie mira

Florian Fournier, cofundador de PayFit, eligió un problema distinto con la misma lógica. Su nueva compañía, Orasio, detecta amenazas en grabaciones de seguridad mediante IA.

El diagnóstico de partida es estructural: en el sector de la videovigilancia, la mayoría de las horas grabadas nunca son revisadas por un humano. Las cámaras se multiplicaron, pero la capacidad de mirar lo grabado no creció al mismo ritmo. El resultado es un archivo enorme que solo se consulta después del incidente, cuando ya es tarde.

Orasio apunta directo a ese embudo. Y otra vez aparece el mismo diseño de negocio: la IA filtra y marca, la persona decide. Si el sistema levanta demasiadas alertas falsas, el operador deja de usarlo; si levanta muy pocas, no sirve. El equilibrio entre sensibilidad y carga operativa es, en la práctica, el producto.

El patrón: automatizar lo repetitivo, no la decisión

Leídos en conjunto, Repodo y Orasio describen un manual que se puede replicar en casi cualquier industria regulada:

Identificar un proceso donde el costo está concentrado en horas humanas de bajo juicio (ordenar, revisar, clasificar, transcribir).
Automatizar esa capa repetitiva, no la conclusión.
Mantener la firma o la decisión final en un profesional habilitado, y venderlo explícitamente así.
Escalar por volumen procesado en paralelo, no por headcount.

Ese último punto es el que cambia la economía de la compañía. Un negocio de servicios que crece contratando linealmente tiene márgenes planos; uno que crece procesando más unidades por el mismo equipo mejora margen con cada cliente nuevo.

¿Por qué el retail rompe el patrón?

El retail es la excepción visible en el mapa. Ninguno de los 11 fundadores que lanzaron una segunda empresa en ese ámbito regresó al negocio original. El caso más claro es Tomáš Čupr, creador del supermercado en línea Rohlik, que ahora automatiza operaciones de minoristas con Duvo.AI.

El giro tiene lógica. En comercio minorista, la ventaja de un operador no suele estar en un conocimiento técnico propietario, sino en la ejecución y la escala. Convertir esa experiencia en software para terceros permite monetizar el aprendizaje sin volver a cargar con el inventario, la logística y el riesgo de comprar bien.

Para quien está evaluando un salto así, la pregunta es directa: ¿tu conocimiento sectorial es un activo que otros pagan por usar, o es una ventaja que solo funciona si tú estás operando la empresa?

Robótica, biología y código que se reescribe solo

Más allá de auditoría y seguridad, el mapa incluye apuestas de horizonte mucho más largo. Lucas Ngoo entrena robots para tareas físicas; Aleksander Djurka, ex responsable de tecnología en Vestiaire Collective, trabaja en sistemas autónomos; y Andrew Rubin, co-creador de Android, desarrolla humanoides con Genki Robotics.

En el terreno científico, Benjamin Lamm y George Church aplican modelos predictivos a cambios biológicos desde Astromech. Y Richard Socher, fundador de You.com, trabaja en sistemas de IA capaces de reescribir su propio código, una apuesta que, si madura, cambiaría la economía del desarrollo de software tal como la conocemos.

Estos proyectos comparten el mismo punto de partida que los demás: un fundador que ya entendió cómo funciona un mercado y que usa la IA como palanca, no como tema. La diferencia es el plazo. Auditoría y vigilancia pueden venderse este año; los humanoides y la biología predictiva, no.

Qué significa esto para tu startup

1. Busca el costo en horas junior, no en el software. Antes de escribir código, mapea cuántas horas de personas calificadas se gastan en tareas que no requieren su criterio. Ese inventario es tu mercado direccionable real. Si la respuesta es "pocas", probablemente el problema no sea lo bastante caro para pagar una suscripción.

2. Diseña el humano dentro del flujo, y dilo en la propuesta de valor. Los casos que funcionan en sectores conservadores no prometen eliminar al experto: prometen que el experto trabaje sobre material ya preparado. Ese encuadre reduce la resistencia del comprador, facilita el cumplimiento normativo y evita la conversación incómoda sobre responsabilidad legal.

3. Vuelve al sector donde ya tienes credibilidad. 12 de 17 fundadores de software empresarial repitieron sector, y eso no es falta de imaginación: es reducción de riesgo. Tu red, tu vocabulario y tu conocimiento de las objeciones del comprador valen más que una idea brillante en una industria que tendrías que aprender desde cero.

4. Escala por unidades procesadas, no por contrataciones. Si tu modelo de negocio exige sumar un analista por cada cliente nuevo, la IA es un adorno. Define hoy la métrica de unidades procesadas por persona y revísala cada trimestre.

Conclusión

Lo que define este ciclo de segundas empresas no es la novedad del problema que atacan, sino la madurez con la que aplican tecnología a mercados que ya comprenden. La ventaja no está en el acceso a la IA —eso ya lo tiene cualquiera— sino en el conocimiento sectorial acumulado que permite identificar exactamente dónde automatizar primero.

Para un founder hispanohablante, la implicación es concreta: la próxima gran compañía de tu sector probablemente no la construya alguien que descubra una industria nueva, sino alguien que ya perdió años entendiendo dónde se atasca el trabajo que nadie quiere hacer.