Theranos: Shultz alerta que el boom de IA facilita engañar

El denunciante de Theranos que ahora mira a la IA

Theranos llegó a valer alrededor de US$10.000 millones con una tecnología que nunca funcionó del todo: según el propio caso, la empresa solo usaba sus máquinas para una fracción de las pruebas y derivaba el resto a equipos de terceros. Quince años después, el hombre que ayudó a destaparlo dice que el boom de la IA ofrece el escenario perfecto para que alguien repita la historia.

Tyler Shultz, cuyo primer trabajo tras la universidad fue en Theranos, fue una de las voces clave que expuso los dispositivos de análisis de sangre de la compañía. Sus denuncias destaparon equipos que llegaron a las farmacias de Walgreens y entregaron resultados erróneos a pacientes reales. Hoy, en plena fiebre de capital hacia la inteligencia artificial, su advertencia suena menos a ajuste de cuentas y más a manual de riesgo para inversores.

¿Qué dijo Shultz sobre el boom de la IA?

En una entrevista con The San Francisco Standard, Shultz fue directo: "Creo que los días de tomar un café de treinta minutos con alguien y enviarle US$100.000 deberían haber terminado. Elizabeth tomó ese modelo y lo escaló a US$100 millones".

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Su punto no es que la IA sea una estafa, sino que el contexto actual —capital abundante, presión por entrar temprano y tecnología difícil de auditar— reproduce las condiciones que hicieron posible Theranos. "Un gran peligro con la IA es que creo que es realmente difícil hacer diligencia debida sobre ella", dijo. "Es muy difícil distinguir entre algo verdaderamente único y nuevo versus, por ejemplo, un envoltorio de ChatGPT. Si quieres engañar a la gente, creo que esta es una gran oportunidad para ir a engañar a la gente".

El detalle que hace la advertencia más incómoda es de dónde salía el dinero de Theranos. La compañía se financió en buena parte con inversores individuales —entre ellos las familias DeVos y Walton— más que con fondos de venture capital. Y no compartía información científica ni evidencia de que sus máquinas funcionaran, alegando protección de secretos comerciales. Ese argumento fue justamente el que alejó a muchos VC de Silicon Valley y, a la vez, el que dejó entrar a quien no iba a preguntar.

Por qué la IA es más difícil de auditar que una máquina de sangre

Una máquina de análisis de sangre se puede probar: se le da una muestra con resultado conocido y se compara. Un modelo de IA, no. Su rendimiento depende del conjunto de datos, del contexto de uso y de una capa de producto que puede esconder que por debajo solo hay una llamada a una API de terceros.

Esa opacidad es la que Shultz señala como el riesgo central. El inversor ve una demo pulida, una métrica de crecimiento y un discurso sobre "modelos propietarios", pero no tiene forma sencilla de verificar si hay tecnología propia o un intermediario bien maquillado.

El contexto de mercado agrava la asimetría. Gartner proyecta que el gasto mundial en IA alcanzará los US$2,67 billones en 2026, un 49,5% más que el año anterior, y que casi US$1,48 billones de esa cifra irán a infraestructura, según reportó The Journal. Es decir: hay muchísimo dinero entrando y relativamente poco tiempo para revisar cada operación.

La concentración del capital también juega en contra del escrutinio. Un relevamiento de inversión en IA recopilado por CoinCentral estima que la IA se llevó cerca del 80% de todo el financiamiento de venture capital en el primer trimestre de 2026, frente al 55% un año antes. Cuando una sola categoría absorbe casi todo el flujo, la presión por no quedarse afuera crece y la diligencia se relaja.

El caso que muestra que el patrón no se agotó

El documental "You Can See Everything", dirigido por Nathan Fielder y Lance Oppenheim, sigue a Elizabeth Holmes en sus últimas semanas antes de entrar a prisión por una condena de más de once años. En el film aparece trabajando junto a su pareja, el heredero hotelero Billy Evans, en Haemanthus, una empresa de diagnóstico que ellos mismos llaman "Theranos 2.0" y que, según el documental, habría levantado unos US$20 millones.

Shultz no esconde su incomodidad: "Tengo esta sensación de inquietud sobre lo que pueda venir. Ella ciertamente está preparándose y comenzando su segundo acto, y no sé exactamente hacia dónde va a ir".

El paralelo con la IA no es forzado. El propio Shultz describe lo que hizo Holmes como "la mayor ronda de inversión ángel de todos los tiempos", y advierte que incluso en montos más chicos, quien pone ese dinero en manos de un fundador le está entregando un poder enorme. Ese poder, en un sector donde el producto es intangible y la narrativa vende más que el benchmark, es exactamente el combustible de un fraude.

¿Qué significa esto para tu startup?

Si estás levantando capital en IA, la advertencia de Shultz te sirve en dos direcciones: para no caer en el patrón y para demostrar que no estás en él.

Construye evidencia técnica verificable antes de la ronda. Ten listo un documento con benchmarks reproducibles, arquitectura del sistema y qué partes son propias frente a qué partes son de terceros. El argumento de "secretos comerciales" funcionó para Theranos con inversores individuales, pero hoy es la señal que hace huir a un fondo serio.
Haz due diligence inversa sobre tus propios claims. Antes de que un inversor te la haga, revisa cada afirmación de tu pitch y pregúntate si puedes respaldarla con un dato, una métrica o una demo en vivo. Si no puedes, sácala del deck.
Si inviertes como ángel, cambia el filtro. El café de treinta minutos y el cheque rápido son el modelo que Shultz pide enterrar. Pide acceso al producto, habla con clientes reales y verifica si el uso de IA es central o decorativo.
Distingue producto de envoltorio. Un envoltorio de ChatGPT puede ser un negocio legítimo si su valor está en la distribución, los datos o la integración. El problema no es usarlo: es presentarlo como tecnología propietaria.

Conclusión

La lección de Theranos nunca fue que la tecnología prometedora sea sospechosa, sino que la falta de verificación lo es. Con el gasto global en IA camino a los US$2,67 billones en 2026 y el venture capital concentrado en una sola categoría, el incentivo para exagerar es más alto que nunca.

Para un founder hispanohablante que compite por capital en un mercado donde los cheques grandes se van a unos pocos hubs, la transparencia no es solo ética: es diferenciación. En un sector donde casi nadie puede auditar el producto, quien facilita la auditoría se vuelve el más creíble de la sala.