IA es burbuja como dot-com: lección para founders 2026

¿Por qué Andrej Karpathy llama "nuevo paradigma" a un bot de Slack?

Andrej Karpathy, miembro fundador de OpenAI, ex director de IA en Tesla y ahora en Anthropic, describió la integración de Claude en Slack como "un nuevo paradigma": la tercera gran reestructuración de cómo los humanos usamos estos sistemas. No es un sitio web que visitas, ni una app que instalas, sino "una entidad contenida, persistente y asíncrona que trabaja junto a equipos humanos".

La reacción en redes fue inmediata y dividida. Un usuario respondió: "Hermano, es una integración de Slack. Extraño al Andrej de antes". Nadie en ese intercambio es irracional. Esa división recorre toda la industria en 2026.

¿Burbuja o transformación real? La lección del puntocom

La comparación con la burbuja puntocom no es casual. En marzo de 2000, el NASDAQ superó los 5.000 puntos. Para octubre de 2002, había perdido 78% de su valor. Pets.com salió a bolsa en febrero y desapareció en noviembre: la marioneta de calcetín sobrevivió a la empresa.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Pero Amazon también perdió más del 90% de su precio de acción en ese mismo crash y siguió operando. Una década después, internet había reorganizado el retail, las noticias, la música y cómo conseguías trabajo. Apostar contra Pets.com fue correcto. Apostar por Amazon también lo fue.

El mismo año, la misma tecnología. "Exageradamente sobrevaluado" y "cambia todo" fueron ambas afirmaciones correctas en los extremos. Nadie tenía que estar delirando.

Las cuatro posiciones posibles (no solo dos)

Había cuatro formas de posicionarse, no dos:

Corto en todo: es toda una burbuja
Largo en todo: es todo el futuro
Largo en Pets.com, corto en Amazon: equivocado dos veces
Largo en Amazon, corto en Pets.com: correcto dos veces

Las dos primeras son estados de ánimo sobre una tecnología. Las dos últimas son juicios sobre casos específicos. Lo único que separaba "correcto dos veces" de "equivocado dos veces" era el entendimiento.

Nada de esto fue magia. La información que separaba a Pets.com de Amazon fue pública todo el tiempo. Lo difícil era saber qué pregunta hacerle. ¿Qué podía hacer internet que nada antes podía? Una librería con todos los libros impresos, sí. Envío gratis en bolsas de comida para perros de 18 kilos, no. La mayoría, mirando las mismas pantallas, nunca preguntó. Eligieron un estado de ánimo y esperaron la calificación.

Las cifras que alimentan el debate en 2026

Según Infobae, las valoraciones actuales reavivan el debate: SpaceX planea salir a bolsa con una valoración de USD 1,5 billones, con expectativas de superar los USD 2 billones tras su cotización. OpenAI, liderada por Sam Altman, espera que su oferta pública inicial supere el billón de dólares. Anthropic alcanzó una valoración de USD 900.000 millones en tiempo récord.

Estas cifras duplican o triplican valoraciones históricas, como la OPV de la petrolera saudí Aramco en 2019. Pero hay un contrapunto crítico: mientras se anticipan valoraciones de trillones, las propias compañías reconocen que todavía no obtienen beneficios.

La división de inteligencia artificial de SpaceX acumuló pérdidas operativas de USD 11.889 millones en los últimos tres años, con ingresos de USD 8.782 millones en ese periodo. Solo en 2025, integró pérdidas netas de USD 6.355 millones y su inversión en I+D superó los USD 5.000 millones.

En el caso de OpenAI, documentos internos citados por Forbes hablan de pérdidas previstas de USD 14.000 millones para 2026, mientras que los ingresos proyectados serían de USD 18.000 millones y el flujo de caja libre positivo no llegaría antes de 2029.

¿Qué reglas está decidiendo tu equipo ahora mismo?

La mayoría de los debates actuales no son sobre modelos. Hay discusiones sobre qué modelo es mejor, o si los pesos abiertos superan a los cerrados. Se mantienen pequeñas y casi educadas. Las peleas reales están en otro lado:

¿Lees cada línea que escribe el modelo?
¿Puedes enviar código que no entiendes?
¿Las pruebas que pasan significan que funciona?
¿Una revisión de IA cuenta como revisión?

Cada equipo que conoces está redecidiendo estas reglas sobre la marcha. Algunos deciden con convicción. La mayoría suena como: "No sabemos qué hacer, pero mejor hacemos algo".

La calidad del modelo entra en un solo punto: "los modelos serán tan buenos que nada de esto importará". Quizás. Pero aquí va una hipótesis verificable: los modelos no se volverán lo suficientemente confiables, lo suficientemente pronto, para resolver estas preguntas por nosotros.

¿Qué significa esto para tu startup?

Si estás construyendo con IA en 2026, no puedes permitirte elegir un estado de ánimo. Necesitas un marco de decisión. La historia del punt-com enseña que conclusiones opuestas pueden ser correctas simultáneamente, pero solo si entiendes los casos específicos.

Acción 1: Define tus reglas de shipped code hoy, no cuando haya crisis

No esperes a que un incidente en producción te fuerce a decidir. Reúne a tu equipo técnico esta semana y establece por escrito:

¿Qué nivel de revisión humana requiere el código generado por IA antes de mergear?
¿Quién es responsable cuando el código funciona en tests pero falla en producción?
¿Documentas el prompt que generó ese módulo crítico?

Los equipos que deciden con convicción sobreviven mejor que los que suenan como "no sabemos pero hagamos algo". La diferencia entre Amazon y Pets.com fue entender qué pregunta hacer, no elegir un bando.

Acción 2: Separa hype de capacidad real en tu roadmap

Antes de comprometer recursos en una funcionalidad basada en IA, haz este ejercicio:

¿Qué habilita esto que no podíamos hacer antes? (sé específico, no "mejora la experiencia")
¿El modelo actual es lo suficientemente confiable para esto en producción, o estamos apostando a que mejorará en 12 meses?
Si el modelo no mejora como esperamos, ¿tenemos un plan B o todo el feature colapsa?

La pregunta que separó a Amazon de Pets.com fue: "¿Qué puede hacer internet que nada antes podía?". Tu versión es: "¿Qué puede hacer IA en mi caso específico que justifique el riesgo?".

La única posición sostenible: entender, no elegir bando

El autor del artículo original admite algo revelador: no ha escrito una línea de código en about un año. Claude lo escribe todo, incluidos estos posts. Lee todo el código antes de que salga, pero todavía siente la diferencia. Entender solía ser un subproducto de escribir el código uno mismo. Ahora entender es un trabajo separado.

Ambas perspectivas, una persona. No tienes que decidir si estás asombrado o asustado. Ambos son estados de ánimo. El entendimiento no se asigna. Tienes que ir a buscarlo.

Cada debate de reglas asume una respuesta a la pregunta fundamental: "¿Qué habilitó esto que no podíamos hacer antes?". Esa es la pregunta que este tipo de análisis trabaja. Un paso pequeño y verificable a la vez.

Al final, no necesitarás las conclusiones de nadie más. Tendrás tu propia lectura sobre cualquier afirmación de IA que cruce tu feed. Incluida esta: IA es una burbuja, igual que punt-com.