CÓMO DISTINGUIR UNA BUENA EMPRESA DE IA DE UNA MALA

El auge de la IA ha creado una ebre especulativa comparable solo con la del oro en California o
la del internet en los noventa. En cada esquina del mercado aparece una nueva empresa que dice
“hacer algo con IA”. Casi todas prometen cambiar el mundo. Pero la mayoría no cambiará ni su
propio balance.

En cada revolución tecnológica ocurre lo mismo: el capital se lanza antes de que exista el valor
real. Y quienes no distinguen entre visión y humo, entre tecnología y marketing, terminan
siendo la materia prima de los que sí saben ver.

Por eso, en este módulo quiero darles un mapa simple, práctico y brutalmente realista: cómo
identi car las verdaderas empresas de inteligencia arti cial, las que tienen futuro y ujo, y
cómo evitar las que solo viven del entusiasmo ajeno.

1. La avalancha de promesas

Desde 2023, el mercado se llenó de compañías que añadieron “AI” a su nombre como si fuera
una fórmula mágica. Startups sin ingresos reales comenzaron a cotizar en bolsa. Pequeñas
tecnológicas reciclaron viejos productos de software y los presentaron como “modelos
predictivos”. Y algunos fondos, en su desesperación por no quedarse atrás, compraron cualquier
cosa que sonara a inteligencia arti cial.

El resultado: una burbuja semántica. Miles de millones uyeron hacia empresas que ni siquiera
entrenan modelos, ni poseen datos propios, ni fabrican hardware. El 80% de esas compañías
desaparecerá. Pero entre ese ruido, hay un grupo reducido que sí está construyendo el futuro:
empresas con tecnología, ujo de caja, propiedad de datos y posición estratégica dentro de la
cadena de valor. Distinguirlas no requiere suerte. Requiere método.

2. El primer principio: ¿produce inteligencia o la alquila?

El negocio de la IA se divide en dos tipos de actores: los que poseen la inteligencia, y los que la
consumen. Los primeros entrenan sus propios modelos, poseen infraestructura y crean
tecnología base. Los segundos usan los modelos de otros para desarrollar aplicaciones o
servicios.

Ejemplo claro: NVIDIA, Microsoft, Google, Amazon, Anthropic, OpenAI, TSMC o ASML
producen inteligencia o la hacen posible. Tienen propiedad sobre el núcleo del proceso. En
cambio, cientos de startups construyen aplicaciones encima de esos sistemas: chatbots, asistentes
virtuales, ltros de video, software de o cina, automatización de textos. La mayoría depende
completamente del API de otro.

Esa dependencia es letal. Cuando el proveedor cambia precios, condiciones o acceso, el negocio
desaparece. Por eso, la primera pregunta que hay que hacerse al analizar una empresa de IA es
simple: ¿Posee su propia tecnología, o solo la alquila? Si depende de otra empresa para
funcionar, no controla su destino. Y quien no controla su tecnología, no tiene futuro.

1
fi
fi
fl
fi
fi
fi
fi
fl
fl
3. El segundo principio: el ujo de caja es más inteligente que cualquier
algoritmo

La verdadera inteligencia no está en los modelos, sino en los números. En 2025, hay cientos de
compañías que presumen de “crecimiento explosivo en usuarios”, pero siguen quemando capital
sin generar bene cios. La historia es siempre la misma: marketing brillante, deuda creciente,
dilución continua de acciones.

Una buena empresa de IA, igual que una buena minera, se reconoce por su ujo de caja
operativo positivo. No por promesas, sino por resultados. Microsoft, por ejemplo, genera más de
60.000 millones de dólares de ujo libre anual. NVIDIA, 45.000 millones. Incluso TSMC, con
sus márgenes industriales, supera los 30.000 millones.

En cambio, muchas startups “revolucionarias” gastan más en electricidad que lo que ganan en
ingresos. La IA exige una infraestructura energética enorme, y solo las empresas con escala
pueden soportarla. Por eso, las compañías que viven de capital riesgo, sin ujo real, están
condenadas a morir en el desierto del costo energético.

Regla práctica: si no produce caja, no produce inteligencia.

4. El tercer principio: los datos son el verdadero oro

Toda IA se alimenta de datos. Y el valor de una empresa depende directamente de la calidad,

exclusividad y volumen de su información. Las grandes potencias de la inteligencia arti cial —
Google, Meta, Amazon, Apple, Microsoft— no dominan el sector porque tengan los mejores
algoritmos. Lo dominan porque poseen los mayores océanos de datos del planeta: correos,
búsquedas, conversaciones, hábitos, rostros, ubicaciones. Eso les da una ventaja imposible de
replicar.

Cuando analizas una empresa, pregúntate: ¿De dónde obtiene sus datos? ¿Son propios o
prestados? ¿Tiene derechos de uso, o depende de acuerdos temporales? Las startups que
dependen de datos públicos o ajenos están destinadas a quedar atrás. En cambio, las que generan
datos únicos y estructurados —por ejemplo, en sectores industriales o cientí cos— tienen una
mina estratégica que puede crecer durante décadas.

Ejemplo: Snow ake. Su negocio no es crear modelos de IA, sino organizar y custodiar datos
empresariales. Su plataforma permite a miles de corporaciones almacenar, limpiar y analizar
información crítica dentro de un ecosistema cerrado. Eso signi ca que cada nuevo cliente
refuerza su base de conocimiento y amplía su ventaja competitiva. Snow ake no depende de
nadie para obtener datos: los datos llegan a ella. Y en un mundo donde la información es
materia prima, eso equivale a poseer el yacimiento.

En la economía de la IA, los datos son el terreno. Y los algoritmos, solo las herramientas para
extraer su valor.

2
fl
fi
fl
fl
fi
fl
fl
fl
fi
fi
 5. El cuarto principio: la ventaja energética

Pocos inversores entienden esto: el gran cuello de botella del sector no es la creatividad, sino la
energía. Cada modelo de inteligencia arti cial consume cantidades enormes de electricidad y
agua. Un solo entrenamiento avanzado puede costar varios millones de dólares en energía.

Por eso, las empresas que poseen acceso directo a energía barata y estable tienen ventaja
competitiva estructural. Microsoft, Google y Amazon están comprando centrales eléctricas y
rmando contratos con proveedores nucleares. Las startups que dependen de terceros para
alimentar sus servidores están condenadas a ser devoradas por los costes.

Esto será una línea divisoria en los próximos años: las empresas que integren energía y
computación dominarán la economía. Las que no, quedarán fuera del juego. Regla práctica: una
buena empresa de IA siempre controla su propia fuente de energía o su red de cómputo.

6. El quinto principio: márgenes, deuda y dilución

Toda empresa tecnológica tiene un momento de promesa y un momento de verdad. La promesa

vive del relato; la verdad, del balance. Una buena empresa de IA muestra tres señales
simultáneas:

1. Márgenes brutos crecientes.

2. Deuda controlada.

3. Número estable de acciones en circulación.

Si una compañía necesita emitir acciones constantemente para sobrevivir, es una alarma roja.
Está diluyendo a los inversores porque su negocio no se sostiene. Por el contrario, las grandes del
sector —NVIDIA, Microsoft, ASML, TSMC— recompran sus propias acciones. Esa es la señal
de nitiva de fortaleza: el ujo real que regresa al accionista.

7. Las trampas más comunes

El mercado de la IA está lleno de espejismos. Algunas empresas parecen innovadoras, pero su

modelo es vacío. Por ejemplo:

• Compañías que venden software “impulsado por IA” que no tiene IA real, solo
automatización básica.

• Startups que viven del hype y dependen de nanciamiento constante.

• Firmas que confunden “entrenar modelos” con “usar APIs” de otros.

3
fi
fi
fl
fi
fi
 • Empresas públicas que ocultan pérdidas detrás de adquisiciones o asociaciones sin
sentido.

La prueba de fuego es simple: ¿podría esta empresa sobrevivir si mañana desapareciera

OpenAI o NVIDIA? Si la respuesta es no, no inviertas. El 90% de las empresas de IA no tienen
barreras de entrada ni propiedad intelectual real. Y cuando los costos de energía suban, o los
modelos se estandaricen, desaparecerán tan rápido como llegaron.

8. Ejemplos claros: el caso NVIDIA vs. [Link]

NVIDIA produce hardware esencial, controla la oferta mundial de chips de entrenamiento, tiene
márgenes superiores al 60%, ujo libre gigantesco y pedidos asegurados por años. Es la “pala”
de la nueva ebre del oro digital. Cada compañía que quiera desarrollar IA necesita sus GPU.
Eso es poder estructural.

[Link], en cambio, es el ejemplo clásico del espejismo. Prometió revolucionar el software

empresarial con inteligencia arti cial, pero nunca logró ujo positivo. Sus ingresos se
estancaron, su deuda creció, y su valor cayó más del 80% desde el pico del hype. No controla
datos, no fabrica tecnología y depende de contratos temporales.

Una empresa construye el futuro. La otra vende la ilusión de formar parte de él. Esa es la
diferencia entre un activo estructural y una narrativa especulativa.

9. Cómo detectar el valor antes que el mercado

El mercado tarda en reconocer la calidad, pero siempre termina haciéndolo. Las empresas sólidas
crecen despacio, pero nunca caen del todo. Las débiles suben rápido, pero se desintegran cuando
el viento cambia. Para adelantarte, observa tres cosas:

1. Persistencia de márgenes: si aumentan con el tiempo, el modelo es sólido.

2. Inversión en infraestructura: si la empresa construye su propia red, tiene visión a largo

plazo.

3. Integración vertical: si controla su hardware, su software y sus datos, estás ante un

futuro titán.

El inversor inteligente no busca modas, busca estructuras. Y toda estructura sólida se levanta
sobre propiedad, energía y ujo.

10. Conclusión: la inteligencia de invertir en inteligencia

La mayoría de los inversores se dejarán seducir por el ruido. Seguirán las acciones que más
suben, no las que más construyen. Pero los verdaderos ganadores de este ciclo serán los que

4
fi
fl
fl
fi
fl
entiendan la naturaleza del nuevo capital: el que piensa, produce y genera ujo real. Las
buenas empresas de IA no son las que hablan del futuro, sino las que ya lo están edi cando.
No necesitan discursos: se les nota en el balance, en el margen, en la energía y en la escala.

El resto, como siempre, quedará en la historia como parte del entusiasmo colectivo. El inversor
sabio sabrá mirar más allá del hype, y ver el valor donde el mercado aún no lo ve: en la base, en
la materia, en la inteligencia que no solo calcula… sino que genera riqueza real.

5
fl
fi