Los principales capitalistas de riesgo analizan cómo la IA cambia la lógica de inversión: la «trampa del medio» y el efecto volante

Varios socios de a16z consideran que la IA está alterando la lógica de inversión tradicional: el capital se convierte directamente en capacidad de cómputo, y una vez que se pone en marcha el volante de «el fuerte se hace más fuerte», es difícil revertirlo. De 3.000 firmas de capital riesgo, solo 20 han logrado retornos netos sostenidos de 3x; el «medio» está desapareciendo. La IA alcanzó 100.000 millones de dólares en ingresos en 4 años; SaaS tardó 15. Los activos SaaS tradicionales han visto su valoración reducida a la mitad, y las empresas que no pueden volverse nativas de IA están siendo eliminadas. El verdadero cuello de botella no está en la demanda, sino en el suministro de energía y centros de datos.

La IA está llevando la «distribución de ley de potencia» de la inversión tecnológica al extremo: por primera vez, el capital puede convertirse directamente en capacidad de cómputo y reforzar el foso absoluto de una empresa, mientras que los activos SaaS tradicionales que no pueden volverse nativos de IA se enfrentan al grave riesgo de quedar obsoletos.

Andreessen Horowitz (a16z), una de las principales firmas de capital riesgo de Silicon Valley, publicó el 10 de septiembre un episodio de podcast con una entrevista en profundidad. Jen Kha, socia de a16z; David George, socio del fondo de crecimiento; y Aram Verdiyan, socio de Accolade Partners y LP de larga trayectoria, mantuvieron una conversación profunda poco habitual sobre la lógica de inversión en la era de la IA. El juicio central de los tres es muy coincidente: la IA está haciendo que el «efecto de ley de potencia» pase de ser una característica sectorial del capital riesgo a una regla sistémica de todo el mercado de capitales; los marcos de asignación de capital, la forma de construir fondos e incluso los límites de las clases de activos están siendo reescritos.

La ley de potencia se refiere a una relación funcional específica entre dos variables: la variación de una variable es un múltiplo de una potencia de la otra. Su característica central es que «un número muy reducido de individuos concentra la gran mayoría de los recursos o de la cuota», lo que se conoce comúnmente como «efecto de cola larga» o «regla del 80/20».

En la conversación hay varios datos centrales que llaman la atención: de las 3.000 firmas de capital riesgo de Estados Unidos, solo 20 han logrado retornos netos sostenidos de 3x en los últimos veinte años, menos del 1%; la IA alcanzó los 100.000 millones de dólares de ingresos en solo cuatro años, mientras que SaaS tardó 15 años en recorrer el mismo camino; actualmente, el gasto medio por empleado y mes en IA en las empresas estadounidenses es de solo 12 dólares, pero en el 1% de las empresas más avanzadas esa cifra asciende a 7.000 dólares, lo que significa que la difusión de la IA está todavía en una fase muy temprana.

«Capital es igual a cómputo»: el «volante extremo» cambia el foso de la industria

David George lanzó en la entrevista uno de los juicios más disruptivos de esta ola de IA:

«Ahora puedes volcar capital en una empresa y ese capital amplificará directamente, con interés compuesto, la ventaja de esa empresa. Es la primera vez en mi carrera que veo algo así.»

Explicó que, en la era del software tradicional, inyectar demasiado dinero en una startup era un desastre: contratar a mil personas, generar caos de coordinación y prioridades solapadas hacía que la empresa «la liara». Pero en la era de la IA es distinto: «Puedes meter dinero en cómputo, y el cómputo mejora directamente el producto y el negocio.»

Esto significa que las economías de escala en el mercado de la IA son reales y se seguirán reforzando. Las tres empresas líderes en modelos de IA —SpaceX, OpenAI y Anthropic— suman un valor empresarial potencial de entre 3,5 y 5 billones de dólares. Jen Kha señaló que lo sorprendente es que, antes de la salida a bolsa de SpaceX, la mayoría de los inversores institucionales casi no tenían exposición a ella.

Aram Verdiyan, por su parte, dio su propio juicio desde una perspectiva más macro:

«La IA está atacando cada rincón del PIB: transporte, mano de obra, servicios, capital, coordinación. Nunca en la historia ha habido un paradigma tecnológico que golpeara a la vez 30 billones de dólares de PIB.»

También planteó una visión disruptiva sobre el TAM (mercado total direccionable) de la IA: el sector de TI sanitaria gasta entre 60.000 y 100.000 millones de dólares al año, pero la IA en realidad está atacando a la propia mano de obra sanitaria —gestión de facturación, procesos administrativos—, que es una industria de billones de dólares. «El TAM de la IA puede ser más de 10 veces el del SaaS tradicional o el de la TI sanitaria.»

David George citó datos laborales para reforzarlo: en la economía estadounidense, la relación entre gasto en mano de obra y gasto en software es de aproximadamente 40 a 1. «No es que la mano de obra vaya a desaparecer, sino que va a ser reinventada. Equiparar la IA a la “próxima generación de software” es subestimarla enormemente.»

La «zona muerta intermedia»: reestructuración estructural del panorama del capital riesgo

En la entrevista apareció repetidamente una expresión: «death of the middle» (la trampa del medio).

Aram Verdiyan compartió un dato central: de las 3.000 firmas de capital riesgo de Estados Unidos, solo 20 han logrado retornos netos sostenidos de 3x en los últimos veinte años, menos del 1%. Subrayó especialmente que «sostenidos» es la palabra clave: no hace falta tener siete u ocho fondos, pero en un ciclo de 20 años, ¿tienes 3 o 4 fondos con un TVPI neto de 3x? En todo Estados Unidos solo encontraron 20 firmas que cumplieran esa condición.

En comparación, los datos de Cambridge muestran que el retorno medio del capital riesgo en la última década ha sido de solo 1 a 2 veces neto: no solo peor que el capital privado, sino incluso peor que los mercados públicos, y además con el capital bloqueado durante diez años.

En este contexto, el sector del capital riesgo se está polarizando: por un lado, los verdaderos «pequeños y especializados», centrados en verticales concretos o que entran en fases más tempranas que las grandes firmas, complementándolas; por otro, las grandes firmas de ciclo completo, que cubren desde la semilla hasta la salida a bolsa, con 700 empleados y potentes recursos operativos.

Jen Kha expresó con claridad la lógica del volante de a16z:

«Nuestro negocio es un volante. Partimos de si somos expertos en el sector y de si podemos conquistar a los fundadores; si ganamos el proyecto y ayudamos a la empresa a obtener mejores resultados, se genera un efecto de marca, los nuevos fundadores quieren estar con los ganadores, y los fundadores ganadores avalan a otros fundadores: así funciona el volante.»

David George añadió: el éxito del fondo de crecimiento depende fundamentalmente del negocio en fase temprana. «Siempre digo que nuestro negocio empieza en la fase temprana y termina en la fase temprana.»

Para las firmas que quieren participar en la IA «haciendo solo late-stage» o «saltándose la fase temprana», Aram Verdiyan fue directo: «Las franquicias late-stage más fuertes tienen detrás una enorme franquicia early-stage. Si eres un fondo late-stage completamente nuevo y quieres firmar un cheque de 500 millones de dólares, es realmente difícil.» David George asintió: «He vivido en ese mundo, y es verdaderamente muy difícil.»

¿Cómo identificar la tracción real de la IA? «La palabra ARR se está redefiniendo»

Con la coexistencia de burbuja de IA y demanda real, distinguir la tracción real se ha convertido en uno de los problemas más espinosos.

Aram Verdiyan describió un escenario típico: «Una empresa sale de una aceleradora y afirma que en un mes ha pasado de cero a 5 millones de ARR (ingresos recurrentes anuales). Pero en medio no hay ningún ciclo de renovación: se están vendiendo entre ellos y multiplican la cifra mensual por 12 para convertirla en ARR.» Y añadió con tono afilado: «De cada nueve empresas así, quizá solo una tiene de verdad unos pocos millones de ARR real y es la próxima Cursor.»

Jen Kha bromeó al respecto: «Me encanta cuando alguien se dedica a “redefinir el significado de ARR”, como si fuera un anuncio muy útil.»

David George dio su propio marco de análisis:

«La pregunta central siempre es si el mercado está pidiendo activamente tu producto. El análisis financiero no te da la respuesta; tienes que entender a fondo al cliente y hablar con él.»

Puso como ejemplo a Harvey (herramienta jurídica de IA): al principio, Harvey consiguió algunos contratos en grandes bufetes, pero el uso real era mediocre y los datos de retención no destacaban frente a otras empresas de software de IA. Sin embargo, cuando se implementaron los modelos de razonamiento, la situación dio un vuelco total: el valor que los abogados obtenían del producto aumentó enormemente, y el uso y el engagement se dispararon; lo más importante es que los clientes pasaron de temer el riesgo de alucinaciones a exigir activamente que los bufetes usaran el producto. «Esa es la señal de mercado que buscamos.»

El dilema del SaaS tradicional y la «trampa de la IA» del capital privado

En comparación con el software como servicio (SaaS) tradicional, la velocidad de penetración de la IA y su mercado total direccionable (TAM) muestran una explosión exponencial.

«Hoy, los ingresos del sector de la IA ya han alcanzado los 100.000 millones de dólares. SaaS tardó 15 años en llegar al mismo nivel, y la IA solo ha tardado 4.» Aram Verdiyan dio un dato de gran impacto. Señaló que la IA está atacando todos los niveles del PIB —transporte, mano de obra, servicios y coordinación de capital—, y que «nunca antes un paradigma tecnológico había podido tocar a la vez 30 billones de dólares de PIB».

Sin embargo, el avance arrollador de la IA tiene en vilo a los activos de software de la vieja era y a los fondos de capital privado (PE) que apostaron fuerte por ellos. Entre 2021 y 2022, un gran número de empresas de software tradicional fueron adquiridas por fondos de PE mediante compras apalancadas (LBO) a valoraciones elevadas de 25 a 32 veces EBITDA, pero esos activos sin capacidad «nativa de IA» se enfrentan ahora a una crisis de contracción de valoraciones y de falta de liquidez.

Aram Verdiyan lo dijo sin rodeos: «Los activos de software que compraste antes de 2021 a 25-32 veces EBITDA hoy pueden valer la mitad.» Citó datos: entre 2021 y 2022, las operaciones de LBO de software ascendieron a unos 200.000-300.000 millones de dólares, arrastrando más de 200.000 millones de deuda; hoy las valoraciones de esas empresas se han contraído fuertemente y los ratios de apalancamiento se han disparado. La ola de reembolsos en el mercado de crédito privado es un reflejo directo de esa lógica.

Más grave aún es la inversión de la lógica de crecimiento: Aram Verdiyan señaló que «en los mercados públicos, cada punto porcentual de aumento del crecimiento equivale a 3 puntos porcentuales de EBITDA». Esto significa que las empresas que no puedan demostrar que la IA acelera su crecimiento sufrirán descuentos de valoración durísimos: «muchos activos en manos de capital privado no tienen ni crecimiento suficientemente rápido ni un equipo directivo capaz de reinventar el negocio».

Aram fue contundente:

«Mira hoy los mercados públicos: ese activo (SaaS tradicional) cotiza a un múltiplo de 2 sobre ventas. No es solo un problema de valoración; lo más grave es que esas empresas quizá no encuentren comprador. Porque si hoy miras una empresa de software, lo primero que piensas es: ¿cuál es su valor último? ¿Puede resistir el impacto de la IA?»

Jen Kha advirtió contra la ilusión del «capital privado versión IA»:

«Poner Sears en una web no la convierte en Amazon. Vemos empresas cuyo primer paso es implantar atención al cliente con IA, y si no reconstruyes desde la base del flujo de trabajo, la pérdida de clientes se acelera. Cada punto de caída del NPS se traduce directamente en caída de ingresos y, sumado a la deuda, se entra en una espiral descendente.»

Sobre los intentos de salvar negocios antiguos simplemente introduciendo IA, Aram también echó un jarro de agua fría: «No puedes limitarte a enviar un socio operativo a la empresa y decir “vamos a añadirle un poco de IA”; eso no funciona en absoluto.» DG añadió que, incluso con una simple sustitución de atención al cliente por IA, si no hay una reconstrucción profunda del flujo de trabajo, la pérdida de clientes hará caer el Net Promoter Score (NPS) y provocará una espiral descendente de ingresos.

El verdadero cuello de botella de la IA: no es la demanda, es la oferta

Al final de la entrevista, la conversación giró hacia un ángulo subestimado por el mercado: ¿dónde está el verdadero cuello de botella de la IA?

Aram Verdiyan afirmó: «El cuello de botella de la IA hoy no está en el lado de la demanda, sino en el de la oferta.» La cadena de suministro, de izquierda a derecha, es: energía → red eléctrica → centros de datos → chips → modelos de frontera → aplicaciones. Estados Unidos tiene una gran ventaja en los chips y en todo lo que hay a la derecha de ellos, y el ecosistema de capital riesgo también lo respalda con fuerza. Pero en el nivel de la infraestructura energética y de la red eléctrica, el problema no es que no se genere suficiente electricidad, sino la «velocidad hasta la potencia»: permisos, transmisión, regulación. Otros países añaden cada año 10 veces más capacidad renovable que Estados Unidos.

«Esto significa que los centros de datos deben ser completamente repensados. La densidad de los centros de datos antiguos ya no puede soportar las nuevas instalaciones de IA; aquí no hay una oportunidad de 5.000 o 10.000 millones, sino de cientos de miles de millones de dólares.»

David George enumeró los ámbitos que, en su opinión, tienen más probabilidades de crear un valor enorme en los próximos 10 años: robótica, conducción autónoma (en todo Estados Unidos hay menos de 10.000 vehículos Waymo en circulación), sanidad (18% del PIB, donde la IA apenas ha entrado), energía, manufactura y defensa.

«Ahora parece que ya hemos hecho mucho en IA. Pero dentro de diez años, mirando atrás, esos otros grandes ámbitos apenas estarán empezando a crear valor. El próximo SpaceX u OpenAI probablemente surgirá en esos ámbitos.»