Inversión mundial de capital riesgo en IA

La inversión de capital riesgo en inteligencia artificial alcanzó nuevas cotas en 2025, pero las cifras generales ocultan un mercado cada vez más concentrado en un pequeño grupo de empresas. Según la OCDE, las empresas de IA atrajeron $258,7 mil millones durante el año, lo que representa el 61 % de toda la inversión mundial de capital riesgo. La cuota de mercado de la IA se ha más que duplicado desde 2022, cuando representaba alrededor del 30 %, aunque gran parte del nuevo capital se ha destinado a desarrolladores de modelos base y empresas de infraestructura que necesitan miles de millones de dólares para competir.

Este aumento refleja un auténtico avance tecnológico y una fuerte demanda por parte de empresas que buscan automatizar el desarrollo de software, la investigación, la atención al cliente y las tareas administrativas. También refleja un ciclo de inversión en el que un número limitado de empresas está recaudando rondas de financiación inusualmente cuantiosas, con valoraciones basadas en las expectativas de un futuro dominio del mercado. La cuestión central ya no es si los inversores de capital riesgo consideran importante la IA, sino si los ingresos generados por los productos de IA pueden, a la larga, justificar el capital necesario para desarrollar modelos, adquirir capacidad informática y gestionar centros de datos.

Para los inversores, el mercado presenta una combinación compleja de potencial tecnológico y concentración financiera. Una plataforma de IA exitosa podría dar servicio a millones de usuarios e integrarse en los flujos de trabajo corporativos, pero muchas empresas emergentes dependen de proveedores externos de modelos, de una costosa infraestructura informática y de clientes cuya disposición a pagar sigue siendo incierta. El capital riesgo está financiando un amplio cambio tecnológico, aunque es posible que los beneficios finales se distribuyan de forma mucho menos amplia que la propia financiación.

La IA ha pasado de ser un ámbito de inversión en investigación a convertirse en un sector de competencia que requiere grandes inversiones de capital

La inteligencia artificial lleva décadas atrayendo inversión privada, pero la situación económica cambió cuando el aprendizaje automático pasó a ser útil desde el punto de vista comercial en una gama más amplia de actividades. Las primeras empresas financiadas con capital riesgo solían centrarse en aplicaciones específicas, como la detección de fraudes, los sistemas de recomendación, la publicidad o el análisis industrial. Sus productos podían requerir conocimientos especializados, pero no exigían necesariamente los presupuestos informáticos que ahora se asocian a los grandes modelos generativos.

El desarrollo del aprendizaje profundo, la disponibilidad de grandes conjuntos de datos y las mejoras en los chips especializados ampliaron las posibilidades de los sistemas de inteligencia artificial. Los inversores comenzaron a respaldar a empresas que aplicaban el aprendizaje automático a los sectores de la sanidad, las finanzas, la logística y la ciberseguridad, mientras que los grandes grupos tecnológicos aumentaron el gasto en investigación interna y adquisiciones.

La adquisición de DeepMind por parte de Google en 2014 se convirtió en un ejemplo significativo del valor estratégico que se otorgaba a la investigación avanzada en inteligencia artificial. DeepMind aún no había desarrollado ningún producto convencional destinado al mercado de consumo, pero sus capacidades de investigación y su talento científico se consideraron lo suficientemente valiosos como para justificar su adquisición por parte de una de las mayores empresas tecnológicas del mundo. Su trabajo posterior incluyó sistemas para la predicción de estructuras proteicas, la eficiencia energética y el aprendizaje automático de uso general.

La aparición de sistemas de IA generativa de fácil acceso supuso otro cambio. Tanto los consumidores como las empresas podían interactuar directamente con modelos capaces de generar texto, imágenes, código informático y análisis. Esta visibilidad animó a empresas de todos los sectores a probar herramientas de IA y llevó a los inversores a destinar cantidades mucho mayores a las empresas que desarrollaban los modelos subyacentes.

A diferencia de muchas empresas de software anteriores, los desarrolladores de modelos base necesitan una capacidad informática considerable antes de poder consolidar una posición comercial estable. El entrenamiento de modelos avanzados puede requerir grandes clústeres de procesadores especializados, mientras que dar servicio a millones de usuarios genera costes continuos de inferencia. La intensidad de capital ha acercado a algunos segmentos del mercado de la IA más a la financiación de infraestructuras que al capital riesgo tradicional dedicado al software.

El crecimiento de la financiación se ha concentrado en gran medida

No es posible comprender la magnitud de la inversión en empresas emergentes de IA en 2025 sin examinar la distribución del capital. Un análisis de la OCDE reveló que las operaciones superiores a $100mn representaron aproximadamente el 73 % del total de la inversión de capital riesgo en IA. Esto significa que la cifra global del mercado se vio impulsada de manera desproporcionada por grandes rondas de financiación, en lugar de por una expansión uniforme entre miles de empresas en fase inicial.

OpenAI, Anthropic, xAI, Scale AI y otras empresas destacadas recaudaron fondos por valor de varios miles de millones de dólares a lo largo del año. Según Crunchbase, solo estas cinco empresas consiguieron unos $84bn, lo que equivale aproximadamente a una quinta parte de toda la financiación de capital riesgo a nivel mundial en 2025. Esta concentración resulta inusual incluso para los estándares de un sector en el que las empresas de éxito siempre han atraído una gran parte del capital disponible.

Los inversores están llegando a la conclusión estratégica de que un reducido número de proveedores de modelos podría desarrollar ventajas duraderas gracias a su escala, sus datos, su distribución y su acceso a la capacidad informática. Una vez que un modelo se integra en el software de oficina, las herramientas de desarrollo y los servicios para consumidores, los costes de cambio pueden aumentar y el proveedor podría obtener acceso a información sobre el uso que le permita mejorar sus productos futuros.

Esa misma concentración genera un riesgo financiero. Una empresa que recauda miles de millones con una valoración elevada deberá, tarde o temprano, generar unos ingresos excepcionales o alcanzar una posición estratégica dominante. Si el rendimiento de los modelos se va igualando entre los distintos proveedores, los clientes podrían optar por alternativas más baratas y reducir así el poder de fijación de precios que se asume en las valoraciones actuales.

Las grandes rondas de financiación también pueden ocultar la realidad en otros ámbitos del mercado de capital riesgo. A las empresas en fase inicial les puede resultar difícil obtener capital a menos que puedan demostrar una clara ventaja técnica, acceso a datos propios o una rápida adopción comercial. La mera presencia de la inteligencia artificial en la descripción de un producto ya no es suficiente cuando los inversores pueden compararlo con cientos de empresas similares.

Estados Unidos sigue teniendo una ventaja considerable

Estados Unidos sigue siendo el principal destino del capital privado destinado a la inteligencia artificial. Cuenta con fondos de capital riesgo consolidados, los principales proveedores de servicios en la nube, universidades punteras, experiencia en semiconductores y un amplio mercado de empresas compradoras de tecnología. Estos elementos se refuerzan mutuamente: las empresas emergentes pueden contratar a investigadores con experiencia, obtener capacidad informática y vender productos a empresas que ya están acostumbradas a adoptar nuevo software.

El Índice de IA de Stanford reveló que la inversión privada en IA en EE. UU. alcanzó los $109,1 mil millones en 2024, casi 12 veces la cifra equivalente de China. Las cifras más recientes de la OCDE correspondientes a 2025 confirman que las empresas norteamericanas siguieron dominando la actividad de capital riesgo a nivel mundial, especialmente en operaciones relacionadas con modelos de gran tamaño e infraestructuras.

China ha desarrollado importantes capacidades en materia de inteligencia artificial, con el apoyo de grandes empresas tecnológicas, instituciones de investigación y la política industrial del Gobierno. Sus empresas se enfrentan a restricciones en el acceso a los chips más avanzados diseñados en Estados Unidos, lo que ha fomentado la inversión en hardware nacional y en modelos más eficientes desde el punto de vista computacional. La aparición de sistemas chinos competitivos ha puesto en tela de juicio la idea de que solo las empresas con los mayores presupuestos informáticos de Estados Unidos pueden producir modelos eficaces.

Europa cuenta con universidades de investigación de gran nivel y empresas especializadas, pero su mercado de capital riesgo en el ámbito de la IA sigue siendo más reducido y fragmentado. Mistral AI, en Francia, ha atraído importantes rondas de financiación y se ha posicionado como proveedor europeo de modelos base, mientras que las empresas de los sectores de la sanidad, la defensa, la tecnología industrial y el software empresarial han despertado un interés cada vez mayor por parte de los inversores. No obstante, Europa se enfrenta a una escasez de capital para fases avanzadas, a unos costes informáticos más elevados y a un mercado menos integrado que el de Estados Unidos.

La brecha geográfica no es simplemente una cuestión de capacidad técnica. Refleja el acceso a los clientes, a los mercados de capitales, a la infraestructura en la nube y a equipos directivos con experiencia. Por lo tanto, los países que desean desarrollar sus industrias nacionales de IA necesitan algo más que subvenciones para la investigación. Necesitan un entorno completo en el que las empresas puedan crecer más allá del laboratorio y competir a nivel internacional.

Los modelos de base absorben los cheques de mayor cuantía

Las empresas de modelos de base ocupan el segmento del mercado de la inteligencia artificial que requiere mayor inversión de capital. Entrenan sistemas de uso general que pueden adaptarse a tareas que van desde la programación y la investigación hasta la atención al cliente y la generación de contenidos. A los inversores les atrae la posibilidad de que un pequeño número de proveedores se convierta en una infraestructura esencial para la economía digital.

El modelo de negocio sigue sin estar definido. Los proveedores pueden cobrar por suscripciones de particulares, licencias para empresas o por el uso a través de interfaces de programación de aplicaciones. También pueden distribuir sus modelos a través de plataformas en la nube o integrarlos en software de productividad. Los ingresos están aumentando rápidamente en varias empresas líderes, pero los costes operativos y de infraestructura también son considerables.

La competencia ejerce presión en ambos lados de la cuenta de resultados. Los modelos deben mejorarse periódicamente para seguir siendo atractivos, lo que exige una inversión continua en investigación y recursos informáticos. Al mismo tiempo, las alternativas de código abierto y de menor coste pueden reducir los precios y dificultar que los proveedores retengan a sus clientes basándose únicamente en la calidad de los modelos.

Por lo tanto, una empresa basada en un modelo de base puede necesitar ventajas que vayan más allá del propio modelo. La distribución a través de una plataforma de software importante, el acceso a clientes empresariales, los datos propios y una infraestructura eficiente pueden llegar a ser tan importantes como el rendimiento de referencia. Los inversores de capital riesgo están financiando, en la práctica, no solo la investigación técnica, sino también el intento de crear una plataforma con un poder comercial duradero.

La posibilidad de un rápido desplazamiento tecnológico sigue siendo un riesgo fundamental. Una empresa puede obtener financiación basándose en un modelo puntero, solo para encontrarse, unos meses más tarde, con un competidor que ofrece capacidades similares a un coste menor. Las rondas de financiación de gran envergadura proporcionan tiempo y recursos, pero no garantizan que la empresa beneficiaria mantenga su posición tecnológica.

Las empresas de aplicaciones se enfrentan a un reto diferente

La mayoría de las empresas emergentes dedicadas a la inteligencia artificial no desarrollan modelos base. Utilizan sistemas ya existentes para crear productos destinados a sectores concretos o a funciones empresariales específicas. Estas empresas pueden necesitar menos capital y llegar a los clientes más rápidamente, pero se enfrentan a dudas en cuanto a su diferenciación.

Una plataforma jurídica basada en la inteligencia artificial puede ayudar a los abogados a revisar documentos, mientras que una aplicación sanitaria puede facilitar la gestión clínica o el análisis médico. Las empresas financieras pueden utilizar la inteligencia artificial para el cumplimiento normativo, la detección de fraudes y la investigación, y las empresas industriales pueden aplicarla al mantenimiento y al control de calidad. La oportunidad comercial depende de si el producto resuelve un problema costoso y recurrente.

Las empresas de aplicaciones son vulnerables cuando su característica principal puede ser reproducida fácilmente por un proveedor de modelos o una empresa de software consolidada. Una start-up que se limite a añadir una interfaz conversacional a un proceso ya existente podría tener dificultades cuando las plataformas empresariales más utilizadas incorporen capacidades similares.

Las empresas de aplicaciones defendibles suelen disponer de datos especializados, conocimientos normativos, una profunda integración de los flujos de trabajo o relaciones de confianza con los clientes. En el sector sanitario, por ejemplo, un modelo técnicamente sólido resulta insuficiente sin validación clínica, controles de privacidad y procesos de aprobación. En los servicios financieros, los productos deben cumplir los requisitos de cumplimiento normativo, auditabilidad y seguridad.

La calidad de los ingresos también es importante. Muchas empresas probaron la IA durante los primeros años de la adopción de la IA generativa, pero los proyectos piloto no siempre se convierten en grandes contratos recurrentes. Los inversores necesitan cada vez más pruebas de que los clientes renuevan sus contratos, amplían su uso y obtienen beneficios financieros cuantificables.

Es posible que, en última instancia, el sector de las aplicaciones genere un mayor número de empresas de éxito que el mercado de los modelos de base, ya que los distintos sectores requieren herramientas e implementaciones especializadas. La rentabilidad dependerá de si estas empresas controlan una parte duradera de la relación con el cliente, en lugar de depender por completo de los modelos proporcionados por otra empresa.

Las infraestructuras se convierten en un tema de interés para el sector del capital riesgo y los mercados de capitales

La inversión en IA va más allá de las empresas de software. Para entrenar y poner en funcionamiento modelos avanzados se necesitan centros de datos, chips especializados, equipos de red, suministro energético y sistemas de refrigeración. La magnitud de esta demanda ha atraído a fondos de capital riesgo, de capital privado, de infraestructuras y a los balances de las grandes empresas.

Las empresas emergentes del sector de los semiconductores están intentando desarrollar alternativas a los principales proveedores de chips o mejorar el rendimiento para cargas de trabajo especializadas. Las empresas de infraestructura de datos ayudan a las empresas a organizar la información para el entrenamiento y la recuperación de modelos, mientras que las herramientas de supervisión controlan los costes, la seguridad y el rendimiento de los modelos.

Estas oportunidades están vinculadas al crecimiento continuo del uso de la inteligencia artificial, pero conllevan riesgos distintos a los de las inversiones en software. El desarrollo de hardware requiere una elevada inversión inicial y ciclos de producción prolongados. Los centros de datos dependen de la disponibilidad de energía eléctrica, la aprobación de los planes, la capacidad de construcción y la demanda a largo plazo de los clientes.

El sector también se enfrenta a la posibilidad de un exceso de construcción. Las empresas y los inversores pueden construir infraestructuras basándose en previsiones agresivas sobre el uso de los modelos, mientras que las mejoras en la eficiencia de los chips o la aparición de modelos más pequeños podrían reducir los requisitos informáticos. La demanda puede seguir aumentando, mientras que los proyectos individuales siguen generando rendimientos bajos debido a la ubicación, la financiación o los costes energéticos.

Por lo tanto, la inversión en infraestructuras requiere prestar atención a los ingresos contractuales, la concentración de clientes y los cambios tecnológicos. Una instalación respaldada por compromisos a largo plazo de varios usuarios solventes presenta un perfil de riesgo diferente al de una construida en previsión de una demanda futura.

Los inversores corporativos persiguen objetivos tanto estratégicos como financieros

Las grandes empresas tecnológicas se han convertido en actores clave en la financiación de la inteligencia artificial. La relación de Microsoft con OpenAI, las inversiones de Amazon y Google en Anthropic, y el respaldo empresarial a otros desarrolladores de modelos ilustran cómo los inversores estratégicos utilizan las operaciones de capital riesgo para reforzar sus negocios de nube y software.

Estos acuerdos pueden incluir compromisos de adquisición de servicios informáticos, lo que hace que la relación sea más compleja que una inversión de capital convencional. La start-up recibe capital e infraestructura, mientras que la empresa inversora gana un cliente importante, acceso a la tecnología y una posición más sólida en el mercado de la inteligencia artificial.

Estas colaboraciones pueden acelerar el desarrollo, ya que las empresas emergentes obtienen una capacidad informática que, de otro modo, les resultaría difícil conseguir. También pueden limitar la independencia si una empresa llega a depender en gran medida de un único proveedor de servicios en la nube o socio de distribución.

La inversión corporativa puede complicar el análisis de valoración. Parte del capital invertido puede revertir al inversor estratégico a través del gasto en servicios en la nube, mientras que los acuerdos comerciales pueden afectar a los aspectos económicos aparentes de la relación. Los inversores de capital riesgo deben distinguir entre la demanda externa genuina y los ingresos generados en el marco de una asociación de financiación.

Las autoridades de competencia también están analizando si estas estructuras otorgan a las grandes empresas tecnológicas influencia sobre los competidores emergentes sin necesidad de una adquisición total. La intervención reguladora podría modificar las condiciones en las que los inversores estratégicos participan en futuras rondas de financiación.

Las salidas de los mercados siguen siendo un punto débil importante

La rentabilidad del capital riesgo depende de que las salidas sean satisfactorias, ya sea mediante adquisiciones, salidas a bolsa o ventas secundarias de acciones. Las empresas de inteligencia artificial han atraído grandes cantidades de capital privado, pero muchas de las empresas más grandes siguen sin cotizar en bolsa y aún no han ofrecido a los inversores una salida convencional.

Las elevadas valoraciones privadas pueden retrasar las salidas a bolsa, ya que las empresas pueden obtener capital sin tener que someterse a la obligación de divulgación y al escrutinio del mercado que conlleva cotizar en bolsa. Las operaciones secundarias permiten a los empleados y a los primeros inversores vender determinadas acciones, pero no establecen la misma valoración general de mercado que una oferta pública inicial.

Las adquisiciones pueden suponer una vía de salida para las empresas más pequeñas, sobre todo cuando la tecnología o los equipos especializados resultan valiosos para los grupos ya consolidados. Sin embargo, las autoridades reguladoras están prestando mayor atención a las compras realizadas por empresas tecnológicas dominantes, lo que podría limitar una de las vías de salida tradicionales.

Un entorno de salida poco favorable afecta a todo el ecosistema de capital riesgo. Los fondos necesitan obtener distribuciones de inversiones anteriores para crear nuevos vehículos de inversión y respaldar nuevos compromisos. Cuando el capital permanece inmovilizado en empresas privadas, los inversores pueden volverse más selectivos, incluso si el entusiasmo por la IA sigue siendo fuerte.

Por lo tanto, será fundamental la capacidad de las principales empresas de IA para salir a bolsa con éxito. Los inversores públicos evaluarán la calidad de los ingresos, los márgenes, los compromisos en materia de infraestructura y la gobernanza con mayor detenimiento que, a menudo, lo hacen los anuncios de financiación privada. Una salida a bolsa satisfactoria podría validar determinados segmentos del mercado, mientras que unos resultados decepcionantes podrían influir en las valoraciones de todo el sector.

Las valoraciones se basan en hipótesis a largo plazo que entrañan incertidumbre

Valorar una start-up dedicada a la inteligencia artificial resulta complicado, ya que la tecnología, la estructura del mercado y la base de costes están cambiando al mismo tiempo. Una empresa puede registrar un rápido crecimiento de sus ingresos al tiempo que ofrece descuentos para fomentar la adopción de su tecnología o paga sumas considerables por capacidad informática. Por lo tanto, las ventas actuales ofrecen una visión incompleta de la rentabilidad futura.

Los inversores suelen recurrir a múltiplos de ingresos futuros, comparaciones con empresas de software que cotizan en bolsa y hipótesis sobre la cuota de mercado que podrían alcanzar. Estos métodos pierden fiabilidad cuando las empresas operan en mercados que no existían hace unos años y en los que los precios pueden variar rápidamente.

Las valoraciones más elevadas parten de la hipótesis de que las empresas líderes en IA obtendrán márgenes elevados tras un periodo inicial de inversión en infraestructuras. Esto podría ocurrir si los costes de los modelos disminuyen, el uso crece y los proveedores conservan su poder de fijación de precios. Sin embargo, podría no ocurrir si la competencia convierte el acceso a los modelos en un producto básico.

Las empresas emergentes también se enfrentan a la dilución derivada de repetidas rondas de financiación de gran envergadura. Un inversor inicial puede llegar a poseer un porcentaje menor de una empresa más valiosa, pero el resultado depende de si el aumento de la valoración refleja un progreso económico sostenible.

La protección frente a las pérdidas puede incorporarse mediante preferencias de liquidación y otras cláusulas contractuales, lo que significa que la valoración nominal no siempre refleja la situación económica de todos los accionistas. Los empleados y los pequeños inversores pueden obtener resultados diferentes de una misma salida, dependiendo de la estructura de financiación.

La normativa pasa a formar parte de la diligencia debida comercial

Las empresas de inteligencia artificial operan en un entorno normativo en rápida evolución. Los gobiernos están introduciendo normas sobre seguridad, privacidad, derechos de autor, discriminación y el uso de la inteligencia artificial en actividades sensibles. La carga normativa variará en función del producto y de la jurisdicción.

La Ley de IA de la Unión Europea establece obligaciones en función del riesgo asociado a los distintos sistemas. Las empresas que ofrezcan aplicaciones en los ámbitos del empleo, el crédito, la sanidad o las infraestructuras críticas podrían tener que cumplir requisitos más exigentes que los proveedores de herramientas de menor riesgo.

En Estados Unidos, la normativa sigue estando más fragmentada entre los organismos federales, los estados y los distintos sectores. Es posible que las empresas tengan que cumplir con la normativa vigente en materia de privacidad, protección del consumidor, empleo y finanzas, incluso cuando no se aplique ninguna ley específica sobre la IA.

Los litigios en materia de derechos de autor suponen otra incertidumbre significativa. Los desarrolladores de modelos han entrenado sus sistemas con grandes conjuntos de datos que contienen texto, imágenes, música y software, lo que ha llevado a los titulares de los derechos a cuestionar si dicho uso estaba autorizado. El resultado podría influir en los costes de entrenamiento, los modelos de concesión de licencias y la responsabilidad civil.

Los inversores deberían considerar la capacidad normativa como parte de la posición competitiva de la empresa. Una empresa que cuente con una sólida documentación, pruebas y gobernanza puede acceder a los mercados regulados de forma más eficaz que un competidor técnicamente impresionante que no sea capaz de explicar cómo funciona su sistema.

La diligencia debida debe ir más allá de la etiqueta de «IA»

La concentración de capital en el sector de la IA ha hecho que la selección de inversiones cobre mayor importancia. Los inversores deberían empezar por identificar qué es lo que realmente posee la empresa y por qué los clientes seguirán pagando por ello.

Hay varias cuestiones que revisten especial importancia:

• ¿Qué problema se está resolviendo? El producto debe abordar un coste, un riesgo o una oportunidad de ingresos significativos, en lugar de ofrecer una demostración impresionante sin un caso de uso duradero.
• ¿Quién controla la tecnología clave? Los inversores deben saber si la empresa es propietaria de sus modelos y datos o si depende de proveedores externos que pueden modificar los precios y las condiciones.
• ¿Qué nivel de fidelización de clientes hay? Las fases piloto y el uso inicial deben diferenciarse de los contratos recurrentes y de la ampliación de las relaciones con los clientes.
• ¿Cuáles son los márgenes brutos reales? A la hora de evaluar la rentabilidad de un producto similar al software, deben tenerse en cuenta los costes informáticos, de datos y de acceso a los modelos.
• ¿Dispone la empresa de datos propios? La información exclusiva o difícil de reproducir puede suponer una ventaja mayor que el acceso a un modelo ampliamente disponible.
• ¿En qué medida está la empresa expuesta a la normativa? Los productos que se utilizan en decisiones delicadas requieren una gestión, una documentación y unas pruebas más rigurosas.
• ¿Podrá la empresa sobrevivir a la competencia entre plataformas? Los inversores deberían evaluar si un proveedor de servicios en la nube o una empresa de software consolidada podría reproducir las principales funcionalidades.
• ¿Cuál es el camino para salir? Una valoración privada elevada resulta menos atractiva cuando el número de compradores potenciales es limitado y los mercados públicos siguen siendo inaccesibles.

Los conocimientos técnicos siguen siendo importantes, pero los resultados comerciales son cada vez más decisivos. El hecho de ser capaz de desarrollar un producto de IA no garantiza que la empresa pueda venderlo de forma rentable ni defender su posición.

La siguiente fase pondrá a prueba el alcance de la pluma

Es probable que la inteligencia artificial siga siendo el tema más importante en el ámbito del capital riesgo a nivel mundial durante los próximos tres a cinco años, pero la distribución de la financiación podría volverse más selectiva. Los principales desarrolladores de modelos y las empresas de infraestructura seguirán necesitando un capital considerable, mientras que las empresas de aplicaciones se enfrentarán a exigencias más estrictas en materia de ingresos, retención de clientes y diferenciación.

Los totales de financiación pueden seguir siendo volátiles, ya que un pequeño número de rondas de gran envergadura puede alterar sustancialmente las cifras anuales. El mercado de 2025 lo demuestra claramente: la IA acaparó la mayor parte de la inversión de capital riesgo a nivel mundial, pero las megatransacciones representaron una cuota predominante. Una disminución de tan solo unas pocas transacciones de gran envergadura podría hacer que el año siguiente pareciera mucho más débil, incluso si la actividad en las fases iniciales se mantuviera estable.

La competencia geopolítica determinará el rumbo de las inversiones. Los gobiernos quieren tener acceso a nivel nacional a la infraestructura informática, a los modelos y a las cadenas de suministro de semiconductores, lo que generará oportunidades para las empresas que se ajusten a las estrategias industriales nacionales. Esas mismas políticas podrían fragmentar los mercados y limitar la expansión internacional.

Los inversores también prestarán mayor atención a la eficiencia. Las empresas que logren un rendimiento competitivo con modelos más pequeños, menos recursos informáticos o conjuntos de datos más específicos podrían poner en tela de juicio la idea de que la escala por sí sola determina el éxito. La aparición de modelos eficaces y de menor coste ya ha demostrado que el progreso técnico no siempre requiere el mayor presupuesto posible.

Las empresas respaldadas por capital riesgo más sólidas serán aquellas capaces de traducir su capacidad técnica en una posición comercial defendible. Entre ellas pueden figurar los proveedores de modelos de base con ventajas de distribución, las aplicaciones especializadas integradas en flujos de trabajo regulados y las empresas de infraestructuras respaldadas por una demanda duradera.

El capital es abundante, pero la rentabilidad aún no está demostrada

La inversión mundial de capital riesgo en inteligencia artificial ha alcanzado un nivel que convierte a esta tecnología en un elemento central de todo el mercado de las empresas emergentes. La estimación de la OCDE, que la sitúa en $258,7 mil millones en 2025, demuestra que la inteligencia artificial ya no es solo uno de los muchos temas de inversión. Se ha convertido en el principal destino de la financiación de capital riesgo.

La magnitud de la inversión refleja un progreso real y un amplio interés comercial, pero no garantiza que los rendimientos para los inversores sean igualmente elevados. La financiación está concentrada, los costes de infraestructura son elevados y la competencia puede reducir rápidamente el valor del liderazgo técnico. Además, muchas empresas de aplicaciones siguen dependiendo de proveedores de modelos cuyas políticas de precios y prioridades estratégicas pueden cambiar.

La adquisición de DeepMind demostró, hace más de una década, que la investigación avanzada en inteligencia artificial podía tener un gran valor estratégico. El mercado actual plantea una cuestión más exigente: si cientos de empresas financiadas por capital riesgo pueden convertir ese valor tecnológico en ingresos sostenibles y, a la larga, en salidas del mercado.

La inteligencia artificial puede transformar gran parte de la economía, aunque siga generando rendimientos decepcionantes para muchos inversores que entren en el mercado con valoraciones excesivas o que apuesten por empresas que carecen de ventajas duraderas. El factor decisivo no será la cantidad de capital invertido, sino qué empresas sean capaces de fidelizar a sus clientes, controlar los costes y seguir siendo relevantes a medida que la tecnología avance.