Gilion: IA con 0% pérdidas en €100M para VC

Por qué los inversores de venture capital están perdiendo oportunidades por malos datos

Henrik Landgren, ex VP de analítica en Spotify durante su crecimiento explosivo (2010-2016), afirma que los inversores de venture capital son "realmente malos en datos". Su plataforma Gilion, lanzada en 2021, ha desplegado más de €100 millones en financiación no dilutiva con 0% de pérdidas crediticias, demostrando que el acceso directo a datos granulares cambia las reglas del juego.

Para ti como founder, esto significa que el proceso de fundraising está evolucionando hacia un modelo donde las métricas reales en tiempo real pesan más que los pitch decks pulidos. Las startups que ya están preparando sus datos para este nuevo paradigma tendrán ventaja competitiva en las rondas de 2026.

¿Quién es Henrik Landgren y por qué su opinión importa en el ecosistema VC?

Landgren no es un teórico del venture capital. Construyó desde cero el equipo de analítica de Spotify cuando la empresa pasó de startup europea a gigante global con más de 20 millones de suscriptores. Luego, como Partner en EQT Ventures, lideró la creación de Motherbrain, una plataforma de IA que revolucionó el deal sourcing y la evaluación de startups para el fondo sueco que anunció €566 millones en 2016.

Su trayectoria lo llevó a cofundar Gilion en septiembre de 2021, donde actualmente se desempeña como Co-founder y CPTO. La plataforma utiliza IA agéntica para analizar más de 1 billón de puntos de datos vivos por empresa, permitiendo predicciones de ingresos con 90%+ de precisión a 12 meses.

Lo que distingue a Landgren es que ha estado en los tres lados de la mesa: como operador en Spotify, como inversor en EQT Ventures (donde participó en más de 100 inversiones), y ahora como fundador construyendo infraestructura para el ecosistema. Esta perspectiva triple le permite identificar fallas sistémicas que otros pasan por alto.

El problema central: asimetría de información en el venture capital tradicional

El modelo actual de venture capital depende de datos empaquetados por los fundadores: pitch decks, proyecciones financieras trimestrales, y métricas seleccionadas cuidadosamente para presentar la mejor imagen posible. Este sistema crea una asimetría masiva de información donde los inversores toman decisiones basadas en datos sintéticos, no en la realidad operativa de la startup.

Landgren identifica tres fallas críticas en este modelo:

Primero, los fundadores tienen incentivos para presentar datos optimistas, lo que distorsiona la evaluación real del riesgo. Un CAC (Customer Acquisition Cost) reportado manualmente puede diferir significativamente del CAC real calculado desde las fuentes primarias de datos de marketing.

Segundo, el proceso de due diligence tradicional toma meses porque los inversores deben verificar manualmente cada afirmación. Durante este tiempo, las oportunidades se enfrían y los costos operativos se acumulan para ambas partes.

Tercero, las startups con alto potencial pero sin narrativa convincente quedan fuera del radar. Los modelos tradicionales de selección dependen de señales superficiales (equipo, mercado, tracción reportada) en lugar de métricas operativas granulares que revelarían el verdadero potencial.

Cómo la IA agéntica está transformando el due diligence en 2026

La propuesta de Landgren va más allá de usar IA para acelerar procesos administrativos. La IA agéntica permite a los inversores acceder directamente a fuentes de datos granulares: finanzas en tiempo real, métricas de marketing desde las plataformas originales, datos de retención de usuarios, y flujos de ingresos verificados.

Gilion ejemplifica este enfoque. Su plataforma analiza más de 1 billón de puntos de datos vivos por empresa para predecir ingresos con 90%+ de precisión. Esto no es una proyección basada en modelos históricos, sino un análisis en tiempo real de datos operativos actuales. El resultado: €100 millones+ desplegados con 0% de pérdidas crediticias.

Motherbrain, la plataforma que Landgren construyó en EQT Ventures, fue pionera en este espacio. Analizaba datos granulares de startups para identificar "señales de alerta" y "ganadores" antes de que fueran evidentes en los reportes tradicionales. El fondo realizó más de 100 inversiones usando este enfoque data-driven.

Las tendencias actuales en due diligence con IA (2025-2026) muestran:

• Automatización de análisis predictivo: Reducción del tiempo de due diligence de meses a semanas
• Acceso a datos vivos en tiempo real: Sin dependencia de reportes trimestrales sintéticos
• Detección temprana de riesgos: Identificación de problemas operativos antes de que se reflejen en estados financieros

¿Qué significa esto para tu startup?

Si eres founder buscando levantar capital en 2026, este cambio de paradigma tiene implicaciones directas para tu estrategia de fundraising. Los inversores que adoptan estos modelos de IA agéntica no están buscando pitch decks más bonitos: están buscando acceso a tus datos operativos reales.

Acción concreta 1: Prepara tu infraestructura de datos antes del fundraising

No esperes a que un inversor solicite due diligence para organizar tus datos. Implementa hoy:

• Conecta tus fuentes de datos primarias (Stripe, Google Analytics, plataformas de marketing, CRM) a un dashboard centralizado
• Documenta tus métricas clave (CAC, LTV, churn, burn rate) con definiciones claras y consistentes
• Mantén un historial de al menos 12-18 meses de datos operativos verificables
• Asegura que tus sistemas puedan generar reportes automáticos sin intervención manual

Las startups que ya tienen esta infraestructura pueden completar due diligence en semanas en lugar de meses, reduciendo costos legales y acelerando el cierre de rondas.

Acción concreta 2: Prioriza transparencia sobre optimización cosmética

En un mundo donde los inversores pueden acceder a datos granulares directamente, intentar "embellecer" métricas es contraproducente. Un CAC calculado desde fuentes primarias que difiere del reportado en tu deck genera desconfianza inmediata.

En su lugar:

• Presenta tus métricas reales, incluso si no son perfectas, junto con tu plan para mejorarlas
• Explica el contexto detrás de los números (estacionalidad, cambios en estrategia, inversiones en crecimiento)
• Ofrece acceso directo a dashboards en tiempo real durante el proceso de due diligence
• Documenta decisiones estratégicas y su impacto en las métricas

La transparencia construye confianza más rápido que la optimización superficial. Inversores como los que usan plataformas tipo Gilion valoran más la capacidad de verificar datos que la narrativa perfecta.

El futuro del venture capital: ¿oportunidad o amenaza para founders?

Este cambio hacia datos granulares y IA agéntica presenta tanto oportunidades como desafíos para el ecosistema startup hispanohablante.

Oportunidad: Startups en LATAM y España que tradicionalmente enfrentaban escepticismo por distancia geográfica o falta de conexiones en Silicon Valley ahora pueden competir en igualdad de condiciones. Si tus datos operativos son sólidos, la IA los identificará independientemente de tu ubicación o tu red de contactos.

Desafío: La barrera de entrada se eleva. Startups sin infraestructura de datos robusta quedarán en desventaja. Invertir en sistemas de analítica ya no es opcional para empresas que buscan venture capital; es requisito fundamental.

Riesgo: Existe el peligro de que la dependencia excesiva en datos cuantitativos ignore factores cualitativos importantes: visión del fundador, cultura de equipo, capacidad de pivote. Los mejores inversores combinarán IA con juicio humano, no lo reemplazarán.

Landgren insiste en que la financiación no dilutiva es clave para startups que quieren crecer sin dilución excesiva. Su modelo demuestra que cuando los inversores tienen acceso a datos reales, pueden estructurar deals más creativos que benefician a ambas partes sin los trade-offs tradicionales de equity vs. deuda.

Conclusión

La propuesta de Henrik Landgren no es solo una mejora incremental al venture capital: es un cambio de paradigma fundamental. Pasar de datos empaquetados a datos granulares en tiempo real reduce la asimetría de información, acelera el due diligence, y permite identificar oportunidades que los modelos tradicionales ignoran.

Para founders hispanohablantes, el mensaje es claro: invierte en tu infraestructura de datos hoy. La transparencia y la verificabilidad serán tu ventaja competitiva en las rondas de 2026. Los inversores que adoptan IA agéntica no buscan narrativas perfectas; buscan datos reales que respalden el potencial de crecimiento.

El venture capital no necesita ser salvado de la IA; necesita ser salvado de los malos datos. Y esa transformación ya está en marcha.

Fuentes

• We Need To Save Venture Capital From Bad Data
• Henrik Landgren: ai-PULSE 2025 conference speaker
• This ex-Spotify boss is using AI to help VCs tell which startups are '90% bollocks'
• Henrik Landgren - ArK Kapital