A16z sobre el análisis profundo más reciente del mercado de IA: ¿Tu empresa todavía está "trabajando con sangre"?

¿Alguna vez has pensado que la industria del software podría estar atravesando una transformación más profunda que la transición de la línea de comandos a las interfaces gráficas? Recientemente escuché una profunda análisis de David George de a16z sobre el mercado de IA, y me impactaron unos datos: las empresas de IA de mayor crecimiento están expandiéndose a una tasa anual del 693%, mientras que sus gastos en ventas y marketing son mucho menores que los de las empresas de software tradicionales. Esto no es un caso aislado; la velocidad de crecimiento del conjunto de empresas de IA es más de 2.5 veces superior a la de las empresas no IA. Lo que me resulta aún más sorprendente es que estas empresas alcanzan ARR por FTE (ingresos recurrentes anuales por empleado) de entre 500,000 y 1 millón de dólares, en comparación con los 400,000 dólares de las generaciones anteriores de software.

¿Qué significa esto? Que estamos siendo testigos del nacimiento de un modelo de negocio completamente nuevo, una era en la que con menos personas y menos costos se puede crear un valor mucho mayor.

David George mencionó en su charla que esto no es un simple ajuste, sino un cambio de paradigma radical. Los conceptos clave —control de versiones, plantillas, documentación e incluso la noción de usuario— están siendo redefinidos por los flujos de trabajo impulsados por agentes de IA. Estoy convencido de que en los próximos cinco años, las empresas que no puedan adaptarse a esta transformación serán eliminadas.

La sorprendente realidad del crecimiento de las empresas de IA

Los datos que mostró David George me hicieron reconsiderar qué significa un verdadero crecimiento. Para 2025, las empresas de IA vivirán un año de aceleración. Tras una desaceleración en 2022, 2023 y 2024 debido a aumentos en las tasas de interés y a la contracción del sector tecnológico, 2025 marca una reversión total de esa tendencia. Lo más impactante es que, entre las empresas en diferentes niveles de clasificación, aquellas que son verdaderamente excepcionales están creciendo a velocidades increíbles.

Mi primera reacción al ver estos datos fue: ¿será que hay un error? La mejor parte del grupo de empresas de IA crece un 693% en comparación con el año anterior. David dijo que su equipo revisó los números tres veces antes de creerlos, pero que coinciden con las experiencias y casos que han visto en su portafolio. Esto no es un fenómeno aislado, sino un cambio sistémico en todo el campo de la IA.

Lo más importante es la calidad del crecimiento. Las empresas tradicionales de software necesitan mucho tiempo para alcanzar 100 millones de dólares en ingresos anuales, mientras que las de IA de mayor crecimiento logran ese hito mucho más rápido. David enfatizó un punto clave: no es que gasten más en ventas y marketing; de hecho, las empresas de IA que crecen más rápido gastan menos en esas áreas que las SaaS tradicionales. Crecen más rápido y gastan menos, ¿por qué? Porque la demanda de los clientes finales es extremadamente fuerte y el producto en sí mismo es muy atractivo.

Esto revela un cambio profundo en la lógica empresarial. En la era del software, el crecimiento dependía en gran medida de equipos de ventas robustos y presupuestos de marketing elevados. Era necesario educar al mercado, convencer a los clientes y superar obstáculos de adopción. Pero en la era de la IA, un producto verdaderamente excelente puede “hablar por sí mismo”. Cuando un producto genera valor inmediato para el usuario y mejora su eficiencia desde la primera interacción, la demanda del mercado surge de forma natural. Este modelo de crecimiento impulsado por el producto es mucho más saludable y sostenible que el tradicional basado en ventas.

Otra estadística interesante que mostró David es que el margen bruto de las empresas de IA es ligeramente inferior al de las empresas de software tradicionales. Su equipo tiene una visión particular: para las empresas de IA, un margen bruto bajo en cierto modo es una especie de medalla de honor. Si ese margen bajo se debe a costos elevados de inferencia (inference costs), eso indica dos cosas: primero, que la gente realmente está usando funciones de IA; y segundo, que con el tiempo esos costos disminuirán. Por lo tanto, si una empresa de IA tiene un margen bruto muy alto, en realidad genera sospechas, porque podría significar que las funciones de IA no son realmente compradas o usadas por los clientes.

¿Por qué las empresas de IA pueden ser más eficientes?

He estado reflexionando sobre por qué, siendo todas empresas de software, las de IA pueden crear más ingresos con menos personas. David destacó el indicador ARR por FTE, que mide los ingresos recurrentes anuales por empleado a tiempo completo. Este indicador refleja la eficiencia operacional global de la empresa, incluyendo no solo ventas y marketing, sino también gestión y desarrollo.

Las mejores empresas de IA alcanzan entre 500,000 y 1 millón de dólares en ARR por FTE, mientras que las generaciones anteriores de software estaban en torno a los 400,000 dólares. Aunque parece una diferencia pequeña, en realidad refleja modelos de negocio y operaciones completamente distintos. David atribuye esta diferencia a que la demanda del mercado por estos productos es muy fuerte, permitiendo que con menos recursos puedan llevar sus productos al mercado.

Pero creo que esa es solo la superficie. La razón más profunda es que las empresas de IA, desde el principio, se vieron forzadas a pensar diferente sobre cómo operar. No tuvieron opción: tuvieron que usar IA para rediseñar sus procesos internos, desarrollo de productos y soporte al cliente. Esa innovación forzada les permitió encontrar modelos de negocio mucho más eficientes.

David compartió un ejemplo muy ilustrativo. Recientemente conversó con un fundador que no estaba satisfecho con el progreso de uno de sus productos. Entonces, decidió asignar a dos ingenieros especializados en IA, que usaron herramientas como Claude Code y Cursor para reconstruir el producto desde cero, con un presupuesto ilimitado para programación. ¿El resultado? El fundador dijo que el progreso fue de 10 a 20 veces más rápido que antes. Además, las facturas por esas herramientas eran tan altas que empezó a cuestionar toda la estructura organizacional.

Este ejemplo fue impactante porque no se trata de una mejora incremental, sino de un salto de orden de magnitud. ¿Qué significa que el proyecto avance 10 o 20 veces más rápido? Que lo que antes tomaba un año, ahora puede completarse en uno o dos meses. Esa diferencia de velocidad puede ser decisiva en la competencia. El fundador concluyó que necesita que todo su equipo de producto y ingeniería trabaje de esa forma, y que espera que esto ocurra en los próximos 12 meses. Pero eso también implica cambios estructurales profundos en cómo se organizan los equipos, los límites entre producto, ingeniería y diseño, y en qué consiste realmente el trabajo.

Creo que 2024, en diciembre, será un punto de inflexión en el campo de la programación. David comparte esa misma sensación. Dice que en ese momento ocurrió un salto cualitativo en las herramientas de programación. En los próximos 12 meses, ese cambio puede consolidarse en las empresas o las que no lo adopten irán mucho más lentas que sus competidores. No es una exageración, sino una realidad.

Adaptarse a la IA o ser eliminado

David planteó una visión muy dura: para las empresas que se fundaron antes de la era de la IA, solo hay dos opciones: adaptarse o morir. Aunque suena extremo, estoy totalmente de acuerdo. Y esa adaptación debe ocurrir en dos niveles: en la parte frontal (front-end) y en la parte trasera (back-end).

En el front-end, las empresas deben pensar en cómo integrar la IA de forma nativa en sus productos, no solo agregar un chatbot a los procesos existentes. Es necesario imaginar qué puede hacer un producto con IA y estar dispuestos a hacer cambios radicales, a reinventarse. David compartió ejemplos interesantes: una empresa pre-IA cuyo CEO ya está completamente convertido a la mentalidad de IA, diciendo que quieren que su producto sea una IA, que los empleados se conviertan en agentes de IA, y que el número de agentes sea un tema de conversación.

Un ejemplo aún más extremo fue un CEO que dijo: para cada tarea que tenemos que hacer, me pregunto si puedo usar electricidad (es decir, IA y automatización) o si tengo que usar sangre (es decir, trabajo humano). Es una transformación de pensamiento radical, que obliga a repensar todos los procesos y tareas de la organización.

En el back-end, las empresas deben adoptar modelos y herramientas de programación de última generación. Todos los desarrolladores deberían usar las herramientas de asistencia más modernas, y cada departamento también. Hasta ahora, la adopción en programación ha sido la más rápida y la que ha dado mayores saltos, pero esa tendencia se extiende a otros ámbitos.

David mencionó que para las empresas pre-IA, la buena noticia es que la evolución del modelo de negocio todavía está en una etapa temprana. Lo más disruptivo sería que, además de los cambios tecnológicos y de producto, también cambie el modelo de negocio. Aunque la tecnología y los productos están en plena transformación, el cambio en el modelo aún no se ha desplegado completamente.

Él ve el modelo de negocio como un espectro: en un extremo está el modelo de licencias (licenses), típico de la era pre-SaaS, y en el otro, los modelos basados en resultados (outcome-based). Entre ambos, el SaaS y las suscripciones, que cobran por asiento, representan una innovación disruptiva. Luego está el modelo basado en consumo (consumption-based), donde se cobra según el uso, muy común en la nube. Muchas empresas que antes cobraban por asiento están migrando a cobrar por uso.

El siguiente paso será un modelo basado en resultados (outcome-based). Cuando una tarea se completa con éxito, se cobra en función del resultado. Actualmente, solo en áreas como soporte y éxito del cliente esto es realmente factible, porque se puede medir objetivamente. Pero si, con el avance de los modelos, otras funciones también pueden medir resultados, eso sería una disrupción enorme para las empresas tradicionales.

Este proceso de evolución —de licencias a suscripciones, de suscripciones a consumo, y de consumo a resultados— es una transformación que desafía la generación anterior de modelos de negocio. Estamos en la antesala de un cambio hacia modelos basados en resultados. Cuando los agentes de IA puedan completar tareas de forma confiable y ser evaluados objetivamente, los modelos de precios basados en resultados serán la norma. Entonces, las empresas que todavía cobran por asiento se quedarán sin competitividad.

El dilema de adopción de IA en grandes empresas

Sobre la adopción de IA en las empresas del Fortune 500, la observación de David es muy interesante. Él dice que hay una gran discrepancia entre lo que los CEOs dicen y lo que realmente sucede. Los CEOs afirman: “Debemos adaptarnos, queremos entender qué herramientas de IA necesitamos, estamos listos para cambiar, vamos a lanzar IA en toda la empresa, seremos empresas de IA”.

Pero la realidad es muy distinta. La mayor brecha está en la gestión del cambio: es muy difícil. Incluso que las personas usen asistentes de IA para hacer mejor su trabajo ya es complicado. Implementar cambios en los procesos, gestionar la transformación, eso es aún más difícil.

David no se sorprende de que algunos rumores digan que el avance es más lento de lo esperado. Pero en las empresas que realmente están adoptando IA de forma integral y saben qué hacer, ya se ven impactos comerciales significativos. Ejemplos: Chime redujo un 60% sus costos de soporte; Rocket Mortgage ahorró 1.1 millones de horas en evaluación de riesgos, creciendo 6 veces en eficiencia, lo que equivale a 40 millones de dólares en ahorros anuales.

Esto revela un problema clave: la brecha entre la voluntad y la capacidad. Los CEOs quieren adoptar IA, pero no siempre tienen la capacidad de implementarla. La gestión del cambio suele subestimarse. No basta con comprar herramientas o contratar ingenieros de IA; hay que cambiar procesos, cultura y estructura organizacional.

Además, muchas grandes empresas necesitan preparar sus negocios para la IA. Usar chatbots es solo un primer paso; el aumento en productividad puede ser limitado. Pero si hay que transformar completamente sistemas, datos y backend para integrar IA, muchas tareas aún están en proceso de acumulación, sin resultados visibles todavía.

David predice que en los próximos 12 meses veremos más casos, algunos con éxito y otros con dificultades. Las que logren adaptarse obtendrán ventajas de productividad, y las que no, quedarán en desventaja. La brecha se acelerará y será más marcada de lo que muchos imaginan.

Model Busters y el futuro del mercado

David mencionó un concepto que me pareció muy perspicaz: los Model Busters. Son empresas cuyo crecimiento y duración superan ampliamente cualquier predicción. El ejemplo clásico es el iPhone: antes de su lanzamiento, las predicciones consensuadas estaban desviadas por 3 veces respecto a su desempeño real en 4-5 años. Y eso en una de las compañías más observadas del mundo.

David cree que la IA será, en su carrera, el mayor Model Buster que haya visto. Muchas empresas de IA superarán con creces cualquier expectativa en hojas de cálculo. Estoy totalmente de acuerdo: cuando una plataforma tecnológica produce saltos de orden de magnitud en lugar de mejoras incrementales, los modelos tradicionales de predicción fallan.

Menciona que la tecnología en sí misma siempre ha sido un Model Buster. Desde 2010, la tecnología ha generado ingresos con márgenes muy altos a una velocidad sin precedentes. Aunque al principio parecía costosa, las ganancias superaron ampliamente la inversión. No hay razón para pensar que esta vez será diferente.

En cuanto a gastos de capital, los datos muestran que, en comparación con la burbuja de internet, hoy en día el gasto de capital está respaldado por flujo de caja, y su porcentaje respecto a los ingresos es mucho menor. Los mayores gastos los hacen los hyperscalers, que son las empresas más eficientes del mercado.

David destaca que, como fondo de inversión, apoyan mucho esa inversión en capacidad. Cuanto más capacidad se construya para entrenamiento y inferencia, mejor. La mayoría de los grandes proveedores de nube están asumiendo la mayor parte de ese gasto, y eso es positivo.

Un fenómeno interesante es que la deuda empieza a jugar un papel: no todo el gasto de capital puede ser financiado solo con flujo de caja. El mercado ya nota esto, y algunas empresas están usando deuda. Pero en general, confían en empresas que financian con flujo de caja y siguen generando flujo, como Meta, Microsoft, AWS o Nvidia.

Un ejemplo que mencionó es Oracle: siempre rentable y recomprando acciones, pero con un compromiso de inversión en capital muy grande, lo que puede llevarlos a tener flujo de caja negativo en los próximos años. El mercado ya lo ha notado: el CDS de Oracle subió a unos 2% en los últimos meses, señal de precaución.

Este ciclo de inversión intensiva es necesario, pero con riesgos. La clave es que esas inversiones generen retorno. La demanda actual supera ampliamente la oferta. Todos los grandes proveedores reportan que la demanda excede la capacidad. Gavin Baker, en una analogía, comparó esto con la fibra oscura en internet: se tendieron muchas fibras, pero no se usaron. En IA, no hay GPU oscura: si instalas una GPU, se usa inmediatamente.

El crecimiento de ingresos en cifras impactantes

Una serie de datos que compartió David son realmente sorprendentes. Comparó el crecimiento de los ingresos en la nube, en las empresas de software cotizadas y en las nuevas empresas de IA en 2025. Las empresas de software en bolsa en 2025 sumarán unos 46 mil millones de dólares en ingresos nuevos. Solo OpenAI y Anthropic aportarán casi la mitad de ese total en ingresos operativos.

Y si proyectamos a 2026, el crecimiento del sector de software en bolsa (incluyendo SAP y otros grandes) y las empresas de modelos de IA podría representar entre el 75% y 80% del incremento total. La velocidad de creación de valor en IA en pocos años superará a toda la industria de software tradicional.

Goldman Sachs estima que la inversión en IA generará 9 billones de dólares en ingresos. Con un margen del 20% y un múltiplo de 22 en el mercado, eso se traduce en unos 35 billones de dólares en valor de mercado adicional. Ya hay unos 24 billones de dólares en valor que se han descontado anticipadamente. Aunque se puede discutir cuánto de esto es atribuible a IA o a las grandes tecnológicas, todavía hay mucho potencial de crecimiento si esas hipótesis se cumplen.

Hizo también un cálculo simple: para 2030, el gasto de capital acumulado en la nube será de unos 4.8 a 5 billones de dólares. Para obtener un retorno del 10%, los ingresos anuales de IA en ese momento deberían estar en torno a 1 billón de dólares, que representa aproximadamente el 1% del PIB global, para que sea rentable.

¿Es esto alcanzable? Probablemente sí, aunque quizás un poco ajustado. Pero David piensa que limitarse a 2030 es una visión demasiado estrecha. La recuperación de esa inversión puede extenderse hasta 2040 o más allá. Si ahora estamos en unos 50 mil millones en ingresos de IA, y en el último año y medio se ha generado la mayor parte, la trayectoria de pasar de 500 millones a 1 billón no es nada improbable.

Reflexiones finales

Tras escuchar a David, siento que estamos en el inicio de un cambio histórico, no en la mitad ni en el final. Es un ciclo de producto que puede durar 10-15 años, y apenas estamos comenzando. Esto genera una mezcla de entusiasmo y ansiedad.

Lo positivo es que las oportunidades son enormes. Las empresas que se adapten rápidamente y adopten la IA a fondo no solo ganarán ventajas competitivas, sino que podrían definir la próxima era. Veremos surgir nuevos unicornios, nuevos modelos de negocio y formas de organización radicalmente diferentes.

Lo negativo es que la velocidad de cambio puede ser mucho mayor de lo que muchos esperan. Como dijo David, la duración media en el índice S&P 500 en los últimos 50 años se redujo un 40%. Esto indica que la disrupción se acelera. En la era de la IA, esa velocidad puede incrementarse aún más.

Creo que en los próximos años veremos una clara diferenciación: algunas empresas entenderán el potencial de la IA y reinventarán sus productos, procesos y estructuras, logrando eficiencias y ventajas de orden. Otras, aunque quieran cambiar, por dificultades en gestión del cambio, inercia organizacional o deuda tecnológica, avanzarán mucho más lentamente. Esa brecha se ampliará rápidamente.

Para emprendedores, este puede ser el mejor momento. La demanda es fuerte, la tecnología avanza rápidamente y los capitales están dispuestos a apoyar a las startups con potencial. Además, ahora se puede lograr mucho con menos recursos y en menos tiempo que en la era del software tradicional, aunque eso exige mayor calidad en los productos y ajuste al mercado.

Para inversores, la clave está en identificar a los verdaderos Model Busters, esas empresas que superarán cualquier predicción en crecimiento y duración. Pero eso requiere visión a largo plazo y paciencia, confiando en esas curvas de crecimiento que parecen poco realistas.

Para los profesionales, ya seas ingeniero, gestor de producto, diseñador u otro rol, es imprescindible aprender y adaptarse rápidamente a las nuevas herramientas y formas de trabajo. El ejemplo de los ingenieros que usan las últimas herramientas y logran 10-20 veces más velocidad no es un caso aislado, sino una tendencia. Quienes dominen esas nuevas habilidades tendrán una ventaja competitiva enorme.

Por último, esta transformación no es solo tecnológica, sino también de mentalidad: pasar de “¿cómo podemos hacerlo?” a “¿qué resultado queremos lograr?”, de “aumentar personal” a “resolver con IA”, de “seguir procesos establecidos” a “reimaginar posibilidades”. La pregunta “¿usar electricidad o sangre?” —aunque extrema— captura la esencia de este cambio profundo.

Estamos siendo testigos de una reescritura del mundo del software. No es una simple actualización, sino una reconstrucción total. Quienes entiendan y adopten esto, serán los que definan la próxima era.