Greg Isenberg: 21 señales de la IA para tu startup

Las 21 observaciones de Greg Isenberg: qué son y por qué importan

Greg Isenberg, emprendedor, inversionista y CEO de Late Checkout, pasó 48 horas en San Francisco conversando con fundadores, inversionistas y ejecutivos de compañías valoradas entre US$1.000 millones y US$100.000 millones, y publicó 21 observaciones sobre hacia dónde va la industria de la IA. No es un estudio estadístico: son notas de campo. Pero coinciden con datos duros que sí están medidos.

El dato que mejor las enmarca viene de otro lado. Según una investigación de la firma de venture capital Madrona sobre 150 profesionales de TI empresariales, el 77% de las empresas reevalúa a sus proveedores de IA cada seis meses o de forma continua, lo que crea una dinámica de entrada y salida rápida que no existía en el SaaS tradicional, donde los contratos multianuales funcionaban como barrera de inercia (TechCrunch).

Traducción para un founder: la IA abrió la puerta de entrada a las empresas, pero ya no garantiza que te quedes adentro.

Por qué el crecimiento récord ya no garantiza un negocio sostenible

Isenberg detectó que en el ecosistema ya se habla de alcanzar US$1.000 millones en ingresos durante los primeros 12 meses de operación como nueva referencia de éxito. La cifra impresiona, pero esconde el problema: captar usuarios rápido no es lo mismo que retenerlos.

El caso de fonio.ai lo ilustra bien. La startup de Viena dice haber superado los US$10 millones de ARR en menos de doce meses, con un crecimiento superior al 30% mensual desde que pasó a modelo de suscripción en febrero, y más de 7.000 clientes. Pero su propio CEO, Daniel Keinrath, reconoció a TNW que su retención neta de ingresos está un poco por debajo del 100%, con la meta de llegar a 110% a fin de año.

Una retención neta por debajo de 100% significa que la base de clientes existente se encoge. Si eso ocurre con un crecimiento de 30% mensual, el problema queda tapado por la adquisición. Cuando la adquisición se enfría, aparece.

Acción concreta: antes de celebrar tu ARR, sepáralo en dos: cuánto viene de clientes nuevos y cuánto de expansión en clientes existentes. Si la mayor parte es nuevo, tu crecimiento depende de una máquina de adquisición que puede apagarse.

La pregunta que puede hundir a tu startup

Durante una cena, alguien preguntó qué pasaría con cada negocio si el próximo mes apareciera un modelo de IA considerablemente mejor. Según Isenberg, la mitad de la mesa se quedó en silencio.

Es la vulnerabilidad estructural de las startups que construyen sobre tecnología de terceros: si una nueva versión del modelo reproduce tu funcionalidad principal, pierdes tu diferenciador.

La respuesta que Isenberg observó en algunos equipos es arquitectónica: usar distintos modelos según la tarea —uno especializado para trabajo visual, otro más económico para operaciones cotidianas, otro para generación de texto— y así reducir la dependencia de un solo proveedor y controlar costos. En una de las experiencias que recogió, el modelo representa apenas el 20% de un sistema especializado; el resto del valor está en las conexiones con información sectorial, los mecanismos de evaluación, las reglas operativas y la supervisión humana.

Ahí hay una pista sobre precios. Según una encuesta de Andreessen Horowitz a 50 compradores técnicos de IA, más de la mitad quiere que las tarifas se aten al trabajo producido o a resultados, y no al consumo de tokens (TechCrunch). Cobrar por tokens es un modelo heredado del SaaS; cobrar por informes procesados, tickets cerrados o leads generados es lo que hace que el producto sea económicamente valioso para ambas partes.

Acción concreta: si tu producto cobra por uso de tokens, prueba una métrica de precio anclada al resultado que el cliente ya mide. Es mucho más fácil de defender cuando ese comprador reevalúa cada seis meses.

Los datos como activo: el nuevo piso de valoración

Isenberg cuenta que conoció a alguien que reconstruyó con herramientas de código abierto una colección de aproximadamente 10 aplicaciones, cada una asociada a negocios valorados en más de US$5.000 millones. No significa que esas copias tengan la misma calidad, escala o viabilidad comercial. Sí significa que la barrera técnica para replicar funcionalidad bajó mucho.

Si la interfaz ya no protege, ¿qué protege? Los años de información acumulada sobre clientes y los procesos construidos alrededor de ella. Isenberg incluso cuestiona si los múltiplos tradicionales —menciona operaciones calculadas sobre 2 veces el ARR— siguen siendo adecuados.

El problema es que la mayoría de las empresas no tiene esos datos en condiciones de usarlos. Según la recopilación de estadísticas de adopción de IA empresarial de CodersLab, el 73% de las organizaciones señala la calidad de los datos como su mayor desafío para implementar IA, y el 97% tuvo dificultades para demostrar valor de negocio con sus primeros esfuerzos de IA generativa.

Acción concreta: audita qué información de tus clientes tienes, dónde vive y si un competidor podría reconstruirla en una semana con herramientas abiertas. Si la respuesta es afirmativa, no tienes foso.

Agentes autónomos: la predicción de 12 meses

Isenberg anticipa que en aproximadamente 12 meses existan agentes capaces de observar durante una semana cómo trabaja una persona y luego reproducir buena parte de sus tareas sin instrucciones detalladas. Él mismo lo plantea como estimación personal, no como capacidad demostrada ni fecha confirmada.

El contexto de mercado va en la misma dirección. Gartner proyecta que el 40% de las aplicaciones empresariales incorporará agentes de IA específicos para tareas a finales de 2026, frente a menos del 5% en 2025, y que el mercado de agentes de IA superará los US$10.900 millones en 2026, con un crecimiento anual superior al 45% (citado por CodersLab). La misma consultora advierte que más del 40% de los proyectos de IA agéntica está en riesgo de cancelación para 2027 si no se establecen gobierno, observabilidad y claridad de ROI.

Hay además una advertencia sobre el volumen de información. Según las predicciones de Gartner recogidas por Izertis, para 2029 los agentes de IA producirán 10 veces más datos de entornos físicos que todos los casos de uso digitales juntos.

Acción concreta: antes de sumar un agente a tu producto, define quién audita sus decisiones y cómo se mide su retorno. Gartner atribuye el 50% de los fallos en despliegues de agentes a gobernanza insuficiente y problemas de interoperabilidad.

Distribución y criterio: lo que la IA no abarata

Isenberg describe un mercado donde las startups patrocinan autobuses, compran publicidad exterior y organizan eventos con figuras conocidas para captar atención, con ecos del auge de las puntocom. Construir la aplicación es cada vez más sencillo; lograr que alguien la use y se quede sigue siendo complejo. La distribución, dice, es uno de los recursos más escasos del ecosistema.

El otro recurso escaso es el criterio. Varios ejecutivos le comentaron que buscan profesionales capaces de evaluar la calidad de los resultados generados por IA y diseñar pruebas que distingan respuestas útiles de resultados deficientes. Cuando producir alternativas deja de ser costoso, juzgar se vuelve la habilidad cara.

Gartner lo cuantifica en otra dirección: prevé que para 2027 el 75% de los procesos de contratación incorpore certificaciones y pruebas de competencia en IA aplicada al trabajo (Izertis).

Qué significa esto para tu startup

• Mide retención antes que crecimiento. Con el 77% de las empresas reevaluando proveedores de IA cada seis meses, tu ARR es tan sólido como tu retención neta. Si no la calculas, no la controlas.
• Diversifica modelos, no solo proveedores. Diseñar para poder cambiar de modelo según la tarea reduce el riesgo de que una actualización de terceros borre tu producto.
• Trata tus datos como el activo principal. Si tu ventaja es la interfaz, un competidor con herramientas de código abierto puede replicarla. Si es información propietaria y procesos integrados, no.
• Pon precio sobre resultados, no sobre tokens. Es lo que pide más de la mitad de los compradores técnicos y lo que sostiene el contrato cuando llega la revisión semestral.
• Gobierna tus agentes desde el día uno. El 40% de los proyectos agénticos está en riesgo de cancelación por falta de observabilidad y ROI claro.

Conclusión

Las 21 observaciones de Isenberg no son un pronóstico verificado, y él mismo lo aclara. Pero al cruzarlas con los datos de Madrona, Gartner y Andreessen Horowitz aparece un patrón consistente: la IA abarató construir y encareció retener. El software es más fácil de producir, los clientes más fáciles de conseguir y también más fáciles de perder. Lo que sigue siendo difícil de replicar son los datos confiables, la integración con procesos reales, la seguridad y la capacidad de atraer y mantener clientes. Ahí, y no en el modelo, está la ventaja competitiva.

Fuentes

• Las 21 señales que anticipan el futuro de la IA y lo que las empresas deberían ahora mismo (fuente original)
• Startup ARR is less secure than ever, new research shows (TechCrunch)
• Exclusive: Vienna's fonio.ai hits $10m ARR less than a year after switching on subscriptions (TNW)
• 47 Estadísticas de Adopción de IA en Empresas 2026 (CodersLab)
• Datos e IA agéntica: las siete tendencias que definirán 2026 (Izertis, sobre predicciones de Gartner)