Startups muertas: la IA paga US$25.000 por sus datos

Los restos digitales de las startups que cierran ya tienen comprador

Keelan Miskell cerró su startup de criptomonedas y no esperaba sacar nada de sus archivos: los usuarios eran anónimos y la empresa tenía apenas unos años de vida. Terminó cobrando unos 25.000 dólares por su base de código y una cifra aún pendiente —probablemente en torno a los 15.000 dólares— por los datos de su espacio de trabajo en Google, Notion, Figma y Slack. "Al menos todo lo que estuvimos haciendo durante dos años y medio le sirve de algo a alguien en algún lugar", dice.

La operación la intermedió SimpleClosure, una de las empresas de un sector en auge: negocios que viven del final de la vida de otras startups. Y ahora esos enterradores tecnológicos venden los restos de datos a laboratorios de IA.

Para un founder, la lectura es directa: lo que hoy parece basura operativa —el historial de Slack, los correos, los documentos— puede convertirse en una vía de recuperación de capital cuando el proyecto no funciona. Pero también abre preguntas incómodas sobre privacidad, consentimiento y quién termina cobrando.

¿Qué está pasando exactamente en el mercado de datos de startups muertas?

SimpleClosure sumó la venta de datos a sus servicios en abril. Su plataforma Asset Hub ayuda a los fundadores a vender código y datos del entorno de trabajo: correos, chats y documentos. Entre los compradores hay laboratorios de modelos fundacionales, proveedores que construyen entornos simulados para entrenamiento de IA y empresas tecnológicas consolidadas que desarrollan sus propios modelos.

Los números que reporta la compañía: más de 150 operaciones gestionadas y una previsión de devolver más de 10 millones de dólares a las startups para finales de 2026. Su CEO, Dori Yona, describe transacciones que antes eran infrecuentes y "algo tabú" y que hoy son cada vez más habituales: el 47% de los acuerdos de SimpleClosure ya incluye venta de código o datos.

No está sola. Sunset, su rival en el sector, tiene un negocio de reventa de datos en rápido crecimiento. Su fundador y CEO, Brendan Mahony, explica que valora los activos de un cliente moribundo según el número de empleados, los años de actividad, el volumen de datos y cómo el equipo usaba sus herramientas. Su analogía: "Estos datos operativos residuales son como las virutas de madera que todo el mundo creía que no tenían ningún valor, pero que en realidad tienen muchísimo".

El contexto macro explica por qué aparece este mercado. Las estimaciones de Carta y AngelList citadas por MIT Technology Review muestran que los cierres crecieron entre un 26% y un 56% anual en los últimos años. Más cierres equivalen a más archivos disponibles.

¿Por qué los laboratorios de IA pagan por datos de empresas quebradas?

La demanda apareció de forma repentina el año pasado, cuando los laboratorios de entrenamiento alcanzaron los límites de los conjuntos de datos públicos y sintéticos. Surge AI, por ejemplo, compra datos para construir "gimnasios de aprendizaje por refuerzo" donde los agentes de IA de sus clientes practican tareas: depurar una arquitectura de TI compleja o redactar recursos de apelación.

Nick Heiner, que lidera ese trabajo en Surge AI, busca archivos que reflejen variedad de situaciones, desde desacuerdos hasta decisiones de criterio difíciles. Su observación más útil para un founder: el historial de Slack de una empresa, si captura conversaciones con variedad y profundidad, puede valer más que el Slack, el correo electrónico y los calendarios de otra combinados.

El problema es que nadie ha demostrado todavía cuánto mejora el rendimiento. Ninguna empresa ha publicado pruebas que comparen los resultados de entrenar con datos del mundo real frente a alternativas sintéticas. Los precios reflejan esa incertidumbre: los compradores ofrecen cifras enormemente dispares porque las valoraciones se basan en "tesis de investigación" que estiman cuántas tareas útiles se pueden extraer de, por ejemplo, 100.000 líneas de código.

La escasez de datos es un fenómeno global y medible. Según The Next Web, Epoch AI estima que la oferta mundial de texto público de alta calidad podría agotarse en seis años, y el cofundador de OpenAI Andrej Karpathy advirtió de un "muro de datos" antes de que termine la década. En China, el chino representa apenas el 1,3% del contenido web global frente a casi la mitad del inglés, según el medidor W3Techs, y Pekín ya anunció un plan para construir datasets de entrenamiento validados hacia 2028.

Ese es el telón de fondo: cuando el texto público se agota, los archivos privados de empresas que cierran se vuelven un activo con precio.

El caso Spirit Airlines: US$10 millones por décadas de datos

El acuerdo que mejor dimensiona el mercado ocurrió en agosto, en el marco de la quiebra de Spirit Airlines. Google superó la oferta de la empresa de datos para IA Mercor y adquirió décadas de datos de la aerolínea: 100 millones de correos electrónicos, 500 millones de mensajes de Teams y 176.000 registros de empleados. El precio fue de 10 millones de dólares.

No es un caso aislado. Bloomberg informó en septiembre de que la división de IA de SpaceX está evaluando comprar datos de startups en dificultades.

Para calibrar el tamaño del negocio que se está formando alrededor de los datos de entrenamiento: Snorkel AI, proveedor de datasets, levantó 350 millones de dólares a una valoración de 3.500 millones en una Serie E liderada por Insight y S32, según SiliconANGLE. La compañía reportó una tasa de ingresos anualizada de 375 millones de dólares tras multiplicar por 18 su negocio de datos como servicio.

El riesgo legal: por qué un abogado llama a estos datos "radiactivos"

El sindicato de auxiliares de vuelo de Spirit se opuso a la venta por motivos de privacidad. Greg Ewing, abogado que asesora a startups de IA, califica este tipo de datos como "radiactivos a nivel legal".

Los proveedores contratan a científicos de datos para depurar la información de identificación personal y excluir los registros de recursos humanos, y los compradores afirman que ellos también la depuran. Pero Ewing señala los detalles privados que se esconden en correos y calendarios: citas médicas, la organización para recoger a los niños del colegio, planes de citas en pareja. Describe un "Salvaje Oeste del entrenamiento de la IA" que apenas empieza a dar paso a acuerdos de licencia formales y usos debidamente supervisados.

Hay una segunda capa: quién cobra. La recaudación suele ir a acreedores preferentes e inversores, no a los empleados. Para Ifeoma Ajunwa, profesora de Derecho en la Universidad Emory y autora de The Quantified Worker, esto representa una forma de "capital capturado": la jurisprudencia permite la supervisión para ayudar a los empleados a desempeñar sus funciones, pero cuando la empresa quiebra esa justificación desaparece. "Los empleadores deberían contar con el consentimiento expreso antes de vender los datos de los trabajadores", afirma, aunque reconoce que no existe ninguna ley federal que prohíba esas ventas.

¿Cuánto pueden valer los datos de tu startup si cierra?

No existe una tabla de precios pública. Lo que sí hay son señales concretas:

• El volumen importa, pero no es lo único. Sunset pondera número de empleados, años de actividad, volumen de datos y uso de herramientas.
• La profundidad conversacional pesa más que la cantidad. Un Slack rico en discusiones y decisiones difíciles puede valer más que tres fuentes superficiales juntas.
• El código es un activo separado. Miskell obtuvo unos 25.000 dólares solo por su base de código.
• Los precios deberían estabilizarse el próximo año, según la fuente, salvo que estalle antes una burbuja de la IA.

En sectores regulados el cálculo cambia. Josh Morrison, presidente de 1Day Sooner, estima que copias no exclusivas de datasets de empresas quebradas podrían adquirirse por apenas "unas decenas de miles de dólares" cada una, según MIT Technology Review. La misma publicación detalla que la fundación de OpenAI destinó 500.000 dólares a esa organización para probar que es posible obtener archivos de compañías de biotecnología en quiebra.

También hay un límite estructural: los fundadores tienen poca o ninguna visibilidad sobre quién compra los datos ni qué planea hacer con ellos, y pocas garantías de recibir una oferta justa.

Qué significa esto para tu startup

1. Trata tus archivos operativos como un activo desde el día uno. No hace falta montar nada especial, pero sí orden: un workspace con conversaciones sustantivas, documentación de decisiones y código versionado vale más que un caos de archivos sueltos. Si algún día liquidas, esa disciplina se traduce en dinero recuperado.

2. Define hoy tu política de datos de empleados. Si vendes la empresa o cierras, los correos y calendarios del equipo son parte del paquete. Redacta una cláusula clara en los contratos sobre qué ocurre con esos datos en un escenario de liquidación y consulta a un abogado antes de firmar cualquier acuerdo de venta. El precedente de Spirit Airlines muestra que los sindicatos y los empleados pueden frenar una operación.

3. Antes de vender, exige tres respuestas por escrito. Quién es el comprador final, qué uso específico dará a los datos y qué proceso de anonimización aplica. Si el intermediario no puede responder, la oferta no es seria.

4. Si tu startup está en problemas, una liquidación ordenada puede recuperar más valor que un cierre silencioso. El ecosistema de fin de vida —coaches, gestores legales y fiscales, plataformas como SimpleClosure o Sunset— ya existe y una sola de esas plataformas gestionó más de 150 operaciones.

Conclusión

El mercado de datos de startups muertas nació de una restricción concreta: los laboratorios de IA se quedaron sin texto público de calidad y empezaron a mirar los archivos privados de empresas que cierran. Para los founders, eso convierte el fracaso en algo con valor de rescate. Para los empleados cuyos correos y calendarios terminan dentro de un dataset, abre una discusión de privacidad que la ley todavía no resolvió.

La ventana es real pero incierta. Los precios deberían estabilizarse el próximo año, salvo que la burbuja de la IA estalle antes. Lo que no cambia es la lógica de fondo: si tus datos operativos tienen valor para entrenar modelos, conviene saberlo antes de apagar el servidor, no después.

Fuentes

• MIT Technology Review en español: Los laboratorios de IA compran datos de startups muertas
• MIT Technology Review: AI labs are buying data from dead startups to train their models
• The Next Web: China's new AI bottleneck isn't chips
• MIT Technology Review: AI models need more data about biology
• SiliconANGLE: Training data provider Snorkel AI raises $350M at $3.5B valuation