Nunca hubo una era fácil de la IA: la barra de los inversores sube

Por qué la «era fácil de la IA» nunca existió

Poner «AI» en un deck levantó rondas en 2021. Clientes compraban rápido. Y abandonaban igual de rápido. Esa es la lectura de Maor Farid, CEO y cofundador de Leo AI, en una columna de opinión en Crunchbase News: la mejora del 20% en una tarea no crítica da un demo potente, pero mata la renovación. No hubo victorias fáciles en IA; lo que hubo fue dinero fácil. El mercado ahora corrige eso, y los inversores están subiendo la vara antes de cada nueva ronda y, sobre todo, antes de la próxima camada de OPAs.

El mensaje importa porque coincide con dos señales que ya están en los números de empresas cotizadas. Según TechTimes, Monday.com reportó un net dollar retention (NDR) del 109% en el Q2 de 2026, en el umbral que los benchmarks del sector usan para distinguir una empresa mediana de una con prima de crecimiento. Un punto más abajo, en 108%, y la acción se hubiera comido un castigo peor del que ya tuvo: la cotización cayó cerca de 8% aun con un beat de resultados, porque la calidad del crecimiento —no el crecimiento en sí— es lo que el mercado empezó a tarifar.

Qué hace a un negocio de IA defendible hoy

Farid y su cofundador entrevistaron a más de 900 ingenieros mecánicos antes de escribir una línea de código. De esas conversaciones sale una definición operativa de defensibilidad que cualquier founder puede llevarse a su Vertical.

1. La mejora tiene que justificar la inversión. Ahorrar 10% en una tarea ocasional rara vez cambia cómo opera una empresa. Reducir un proceso crítico de semanas a minutos, sí. La vara no es «más rápido»; la vara es «transforma el trabajo».

2. Expertise de dominio real. Los modelos frontera se están convirtiendo en infraestructura. Cualquiera con una API accede a un buen LLM. La oportunidad comercial está en entender una industria lo suficiente como para resolver problemas que las herramientas genéricas no tocan. Farid lo lleva al extremo: Leo AI entrena sobre estándares (ASME, ISO, DIN, MIL-STD), geometría CAD real y la base de conocimiento propietaria de cada cliente. Según Machine Design, las evaluaciones independientes ubican la tasa de error de los chatbots generalistas en preguntas de ingeniería mecánica cerca del 46%: casi la mitad de las veces, fallan con total fluidez.

3. Contexto propietario. Cada empresa que fabrica productos físicos acumuló décadas de conocimiento en planos viejos, hojas de cálculo y en la cabeza de empleados senior. Ese conocimiento no está en los datos de entrenamiento de ningún modelo. Un producto de IA que no lo accede no se vuelve esencial; uno que sí, se vuelve caro de reemplazar.

Este tercer punto es el que más cuesta copiar y el que más sube la vara de salida. La ventaja crece a medida que el producto se incrusta en los flujos del cliente. Es la diferencia entre un plugin y una dependencia operativa.

Lo que las próximas OPAs van a revelar

El calendario de OPAs de IA que viene es el verdadero evento de stress test. Anthropic se está moviendo hacia una salida a bolsa en mediados de octubre, a una valuación reportada de US$965.000M, según The Next Web. OpenAI descartó su IPO de 2026 por motivos de seguridad, según declaró Sam Altman a Fortune, lo que en la práctica le deja el camino más limpio a Anthropic. SpaceX apunta a una cotización histórica a US$1,77 billones desde junio. Entre los tres, se proyecta que absorberán más de US$200.000M de capital público.

En palabras del CEO de Databricks, Ali Ghodsi, recogidas por The Next Web, 2026 es «un año terrible para salir a bolsa» para cualquier empresa que no sea una de esas tres. Databricks, valuada en US$134.000M y con un run rate de ingresos de US$4.800M creciendo más del 55% interanual, puede darse el lujo de esperar. La mayoría de las startups del ecosistema no.

Cuando esos papeles lleguen al mercado, los inversores públicos van a mirar tres cosas que Farid enumera casi textualmente:

• NDR y márgenes brutos: ¿el crecimiento rápido se traduce en un negocio sostenible o en una curva de churn esperando el trimestre correcto?
• Costo marginal decreciente por despliegue: ¿atender a un cliente nuevo es más barato a medida que la empresa escala, o más caro?
• Expansión dentro de cuenta: ¿los clientes existentes suben su gasto después del despliegue inicial?

Farid lo resume en una frase: «Expansión es lo más cercano que tenemos a la prueba de que un producto cambió cómo trabaja una organización». Cuando un cliente vuelve con presupuesto propio para ampliar el contrato, no necesita defender la tesis frente al CFO.

El nuevo umbral de ARR ya no alcanza

Hace unos años, US$1M de ARR era un hito. En la era de la IA, un producto nuevo puede llegar a esa cifra en aproximadamente un año y cerrar al siguiente. Por eso, según Farid, ARR solo ya no les dice nada a los inversores. La conversación se corrió a expansión, a logos que pagan más al año dos que al año uno.

Esto pega de lleno en el discurso de fundraising. Los founders que llegan a pitch con un logo de F500 y un NDR del 95% van a sentir la conversación más difícil. Los que lleguen con una cohorte de 20 clientes y NDR del 135% van a abrir chequera. La asimetría se invirtió: la vara de prueba de producto la pone el número de renovación, no el de adquisición.

Hay un segundo efecto, menos obvio: el mercado público, vía las próximas OPAs, va a recalibrar las expectativas del mercado privado. Si Anthropic sale a un múltiplo exigente, los inversores de Serie B van a pedir números parecidos. Si sale a un múltiplo castigado, van a pedir más margen y más caja. En los dos casos, el costo de capital para una IA genérica sube.

Qué significa esto para tu startup

Si estás construyendo sobre un modelo de otra persona, este es el momento de hacer dos ejercicios antes de tu próxima ronda. Si estás del lado comprador — porque también eres founder de una empresa que contrata IA — la lectura es la misma pero al revés: el proveedor que no sobreviva a esta depuración te deja con un producto muerto en producción.

Acción 1 — Mide expansión, no solo adquisición. Antes de hablar con inversores, calcula tu NDR por cohorte trimestral y ten la respuesta lista para «qué pasa con los clientes a los 12 meses». Si tu número está por debajo de 110%, la conversación de fundraising no va a ir a donde vos querés. Si está por encima de 130%, ese es tu activo más barato de marketing.

Acción 2 — Documenta el contexto propietario que tu producto ingiere. La defensibilidad no se cuenta en un deck; se demuestra en una pregunta: «¿qué sabe tu modelo que el modelo base no sabe?». Si la respuesta es «nada que no esté en internet», no tenés defensibilidad. Si es conocimiento de cliente acumulado, manuales internos, geometría real, datos etiquetados por la operación: ahí tenés el activo que separa una capa de un negocio.

El consejo de Farid, aplicado fuera de la ingeniería mecánica, se lee así: «Preferiría crecer rápido y constante durante cinco años que espectacular durante cinco trimestres». En el ciclo actual, los cinco trimestres espectaculares se financian; los cinco años constantes se venden.

Fuentes

• There Was Never An Easy AI Era, And Investors Are Raising The Bar — Crunchbase News
• The agentic era for mechanical design — Engineering.com
• What "Engineering-Grade AI" Actually Requires — Machine Design
• Monday.com Q2 Beat Hides Warning: Net Dollar Retention Falls to Record Low — TechTimes
• OpenAI Won't Go Public in 2026: What It Means for Anthropic — TechRepublic
• Databricks CEO calls 2026 "a terrible year to go public" — The Next Web