Hay dos maneras de medir una empresa de inteligencia artificial. La primera es la que llena titulares: cuánto ha levantado, a qué valoración, con qué fondo. La segunda es la que usamos aquí: cuánto factura de forma recurrente, cuánto le cuesta cada euro que ingresa y cuántos clientes se quedan un año después. Con la segunda vara, el mapa del sector se parece muy poco a la conversación pública.

El LATENTE 50 de este trimestre se ha construido con 1.146 candidaturas, entre las que se presentaron por el formulario abierto y las que propuso la redacción. De ellas, 312 acreditaron más de un millón de dólares de ingreso recurrente anualizado (IRA) con un documento que pudimos contrastar: un informe de auditor independiente o un contrato marco firmado con un cliente que aceptó confirmarlo por escrito. Las otras 834 se quedaron fuera por no alcanzar la cifra o, en 211 casos, por no poder demostrarla.

A las 312 supervivientes les aplicamos el índice de tracción que publicamos cada trimestre: retención neta de ingresos (40 puntos), margen bruto (25), concentración de clientes (20) y eficiencia de capital (15). Las cincuenta primeras forman la lista. El índice agregado cierra el periodo en 1.284,6 puntos, un 6,2 % más que en el trimestre anterior.

Las siete primeras, y lo que tienen en común

Ninguna de las siete vende «inteligencia artificial» como producto. Corvia vende cierres de mes que terminan antes. Tejido vende piezas que pasan la primera inspección de calidad. Anserva vende horas de consulta que el médico no pasa rellenando formularios. Ostrova vende estudios de conexión a la red que antes tardaban un trimestre. La tecnología es la misma que la de cientos de empresas que no han entrado; lo que cambia es que cada una ha encontrado a alguien con presupuesto propio y un problema que le cuesta dinero medible.

Tres de las siete son rentables en términos operativos. Corvia y Tejido no han levantado capital desde 2024. Ostrova, con sede en Oslo y un equipo de ingeniería en Bilbao, cerró su única ronda relevante antes de que la palabra «generativa» entrase en los informes anuales de los fondos.

Lo que más nos ha sorprendido no es quién está arriba, sino lo poco que se parecen las primeras a las empresas de las que habla todo el mundo.

Mesa de verificación de LATENTE

Los números de las cincuenta

El IRA combinado de las cincuenta empresas asciende a 2.310 millones de dólares. La mediana se sitúa en 24 millones, lo que dice mucho de lo empinada que es la curva: las diez primeras concentran el 49 % de los ingresos del grupo. Diecinueve son rentables, catorce tienen más de 24 meses de caja al ritmo actual de gasto y solo cuatro han anunciado una ronda en los últimos seis meses.

El dato del margen merece un comentario. Un 61 % es bueno para una empresa de servicios y mediocre para una de software. Las empresas de la lista están, literalmente, a medio camino: cada consulta que atienden consume cómputo que alguien tiene que pagar. El informe que acompaña esta portada, firmado por Diego Ferrán y Ainhoa Sáenz, desmonta esa cifra con las cuentas de veintiséis compañías.

Quién se ha caído y por qué

Nueve empresas que estaban en la edición anterior no aparecen en esta. Cuatro no superaron el corte por puntuación: su retención neta cayó por debajo del 95 %, lo que en la práctica significa que pierden más de lo que expanden entre sus clientes existentes. Dos fueron adquiridas y ya no reportan de forma independiente. Una cerró. Y dos se quedaron fuera por una regla que aplicamos por primera vez con rigor: si un solo cliente representa más del 40 % del IRA, la empresa no entra, por muy alta que sea la cifra.

Esa regla ha sido la más discutida con los candidatos. Una empresa de visión artificial para logística con 58 millones de IRA, que habría entrado en el puesto doce, obtiene el 71 % de sus ingresos de un único operador portuario. Su consejero delegado nos escribió que ese contrato «tiene cinco años de duración y cláusulas de salida muy caras». Lo creemos. Pero un ranking de empresas no puede ser un ranking de contratos, y un solo correo de ese cliente cambiaría el destino entero de la compañía.

Lo que no mide la lista

El LATENTE 50 tiene límites que conviene decir en voz alta. No mide la calidad técnica de los modelos ni la originalidad de la investigación: una empresa que revende con acierto la capacidad de terceros puntúa igual que otra que entrena sus propios pesos, siempre que sus clientes paguen y se queden. Tampoco mide el impacto social ni las condiciones laborales, aunque cuando detectamos un problema serio lo publicamos aparte, como hacemos en esta edición con los centros de anotación de datos.

Y, sobre todo, no mide el futuro. Varias de las empresas con más recorrido del sector están fuera porque todavía no facturan lo suficiente o porque sus ingresos no se pueden verificar. Eso no las convierte en malas apuestas. Las convierte en apuestas, que es otra categoría y tiene sus propias revistas.

Cómo se entra, y cómo no

• Se entra demostrando más de un millón de dólares de IRA con documentación que un tercero pueda confirmar.
• No se entra pagando, patrocinando la cumbre anual ni comprando datos: los anunciantes no conocen su posición antes de publicarse.
• Toda empresa rechazada recibe una explicación por escrito con la métrica que falló.
• Las empresas pueden impugnar su puntuación con documentación nueva; este trimestre se revisaron catorce y se corrigieron tres.

El formulario sigue abierto todo el año. La próxima edición se publica en noviembre y, por primera vez, incluirá la serie histórica completa de cada empresa para que cualquiera pueda ver no solo dónde está, sino de dónde viene. Si una compañía sube treinta puestos en un trimestre, queremos que el lector pueda comprobar si es porque ha crecido o porque las demás han caído.

Durante dos años, el sector de la inteligencia artificial ha contado su historia con tres números: dinero levantado, usuarios y crecimiento de ingresos. El cuarto, el que decide si una empresa sobrevive cuando se acaba el capital barato, casi nunca aparece en los comunicados. Es el margen bruto: lo que queda de cada euro facturado después de pagar el cómputo, los proveedores de modelos y las personas que corrigen lo que la máquina hace mal.

En junio escribimos a treinta y una empresas con más de diez millones de dólares de ingresos anuales y les pedimos lo mismo: cuenta de resultados de los últimos cuatro trimestres, desglose del coste de ventas y, si lo tenían, el coste medio por consulta o por tarea. Veintiséis aceptaron con una condición: publicar los datos agregados y sin nombres, salvo las que autorizasen lo contrario. Cinco se negaron; dos de ellas nos dijeron, con bastante franqueza, que no sabían calcular la cifra que pedíamos.

Veintiséis cuentas abiertas

El margen bruto mediano de la muestra es del 58 %. La dispersión es enorme: la peor empresa retiene un 22 % de cada dólar facturado y la mejor, un 81 %. Para ponerlo en contexto, una empresa clásica de software como servicio aspira a márgenes por encima del 75 %, y los inversores de crecimiento suelen descontar con dureza cualquier cifra por debajo del 60 %.

El dato que más nos interesaba no era el margen en sí, sino su composición. En la mediana, la inferencia —la factura por ejecutar modelos, propios o ajenos— supone un 19 % de los ingresos. La revisión humana, un 11 %. El resto del coste de ventas lo forman alojamiento, soporte y licencias de datos. En las cinco empresas con peor margen, la inferencia supera el 35 % de los ingresos. En las seis mejores, no llega al 9 %.

El coste que no aparece en el catálogo

El indicador de nuestra cabecera marca 0,41 dólares como coste medio por millón de tokens en los proveedores que seguimos. Es una cifra útil y engañosa a la vez. Ninguna empresa de la muestra paga por token en abstracto: paga por tareas, y una tarea incluye el contexto que se envía una y otra vez, los reintentos cuando la respuesta no pasa la validación, las llamadas a herramientas y, cada vez más, los tokens de razonamiento que el modelo genera antes de contestar.

De las veintiséis empresas, solo once podían decirnos cuánto les cuesta atender a cada cliente concreto. Las otras quince conocían su factura total de inferencia, pero no cómo se repartía. Y ahí está el problema: sin ese desglose es imposible saber si el cliente más grande es también el más rentable o, como descubrieron tres empresas durante la preparación de este informe, el que más dinero les hace perder.

Tardamos cuatro meses en descubrir que nuestro segundo mayor cliente tenía un margen negativo. Enviaba documentos de trescientas páginas cuando el contrato asumía treinta.

Directora financiera de una empresa de la muestra

Tres palancas y una trampa

Cuando cruzamos márgenes con prácticas técnicas, aparecen tres patrones con una claridad que no esperábamos. Las empresas que enrutan cada consulta al modelo más barato capaz de resolverla, en lugar de enviar todo al más potente, tienen de media 17 puntos más de margen. Las que usan caché de contexto para no pagar dos veces por las mismas instrucciones del sistema ganan otros 6. Y las que han destilado un modelo pequeño propio para su tarea principal, entrenándolo con las respuestas de uno grande revisadas por humanos, se sitúan todas por encima del 65 %.

La trampa es el precio fijo. Nueve empresas de la muestra cobran por usuario y mes, al estilo del software tradicional, mientras pagan sus costes por consumo. Mientras los clientes usan poco el producto, la combinación funciona. Cuando el producto tiene éxito y los usuarios lo integran en su día a día, el margen se erosiona precisamente con los mejores clientes. Seis de esas nueve han cambiado o están cambiando su modelo de precios hacia uno mixto: una cuota base y un consumo incluido, con tarifa por encima.

La revisión humana, el coste que nadie presume

Once de cada cien dólares de ingresos se van, en la mediana, a pagar a personas que revisan, corrigen o completan lo que el sistema produce. En algunas empresas es un equipo propio; en otras, un proveedor externo de anotación. Casi ninguna lo menciona en su material comercial, que suele hablar de automatización total.

No es un defecto. En los sectores regulados —salud, legal, finanzas— la revisión humana es lo que permite vender. Pero sí es un coste que escala con el volumen y que exige una disciplina propia: las mejores empresas de la muestra miden cuántas tareas llegan a revisión y trabajan para bajar esa proporción trimestre a trimestre. Una de ellas pasó del 34 % al 12 % en un año sin tocar el modelo, solo añadiendo comprobaciones automáticas de formato y coherencia antes del paso humano.

Lo que viene

El precio por token lleva dos años cayendo y es razonable esperar que siga haciéndolo. Eso ayudará a las empresas con peor margen, pero menos de lo que creen. Cuando el cómputo se abarata, los clientes piden más: contextos más largos, más pasos, respuestas más elaboradas. En nuestra muestra, el coste por tarea cayó un 38 % en doce meses mientras el coste por token caía un 61 %. La diferencia se la comió el aumento de ambición de los productos.

La conclusión que sacamos es poco espectacular y, precisamente por eso, importante: la ventaja de las próximas empresas de inteligencia artificial no estará solo en tener el mejor modelo, sino en saber cuánto cuesta cada cosa que hacen y a quién se la están cobrando. El margen bruto no es una métrica financiera más. Es la única historia que todavía no se ha contado.

El comunicado siempre llega tarde y siempre llega sonriendo: «Cerramos una extensión de nuestra serie A con el apoyo continuado de nuestros inversores». Lo que no dice es que la extensión se firmó a la misma valoración de hace dieciocho meses, con una preferencia de liquidación doble y un préstamo convertible que vence en nueve. Todo eso, o casi todo, se puede leer antes en documentos públicos. Esta guía explica dónde mirar.

Durante el último año hemos revisado los actos inscritos de 214 startups españolas de inteligencia artificial con al menos una ronda institucional. En 38 de ellas detectamos lo que en el sector se llama con eufemismo una «ronda puente»: dinero que llega para comprar tiempo, no para crecer. Solo nueve lo comunicaron como tal. El resto lo presentó como extensión, como ronda estratégica o, en once casos, no lo anunció en absoluto.

Leer estas señales no es un ejercicio de cotilleo. Si eres empleado con opciones sobre acciones, tu patrimonio depende de ello. Si eres un inversor minoritario, tu derecho de suscripción preferente también. Y si eres fundador, conviene saber qué ven los demás cuando consultan tu hoja registral.

Señal 1: ampliaciones por compensación de créditos

En una sociedad limitada española, las ampliaciones de capital se inscriben en el Registro Mercantil y se publican en el BORME. La mayoría son aportaciones dinerarias: entra dinero nuevo a cambio de participaciones nuevas. Pero hay una modalidad que merece atención especial: la ampliación por compensación de créditos. Significa que alguien que había prestado dinero a la empresa lo convierte en capital.

Por sí sola no es mala noticia; es el mecanismo habitual por el que los préstamos convertibles se transforman en participaciones. Lo que importa es el contexto. Si una startup que no ha anunciado ninguna ronda registra dos compensaciones de créditos en seis meses, está financiándose con deuda de sus propios socios, y esa deuda se ha convertido a un precio que no se ha hecho público. En 23 de los 38 casos que identificamos, la primera señal fue exactamente esta.

Señal 2: la prima de emisión que baja

Cada ampliación inscrita permite calcular el precio por participación: capital más prima de emisión, dividido entre el número de participaciones nuevas. Compara ese precio con el de la ronda anterior. Si es igual, estás ante una ronda plana. Si es inferior, ante una ronda a la baja, aunque el comunicado hable de «reafirmar la confianza».

Cuidado con una trampa frecuente: una ronda puede tener el mismo precio nominal que la anterior y ser, en términos económicos, una ronda a la baja. Ocurre cuando las nuevas participaciones llevan derechos económicos superiores, como una preferencia de liquidación múltiple. El precio es el mismo; lo que cobra cada participación en una venta, no.

Una ronda plana con preferencia 2x es una ronda a la baja con mejor maquillaje. Los empleados son los últimos en enterarse.

Abogada de capital riesgo en Barcelona

Señal 3: estatutos que cambian de golpe

Las preferencias de liquidación, las clases de participaciones privilegiadas y las cláusulas antidilución suelen recogerse en el pacto de socios, que es privado. Pero cuando se crean clases nuevas de participaciones con derechos distintos, los estatutos cambian, y esa modificación sí se inscribe. Una empresa que en su serie A tenía una sola clase privilegiada y de repente registra una «clase B» y una «clase C» está reordenando quién cobra primero.

Busca en particular modificaciones estatutarias que acompañen a ampliaciones sin nota de prensa. Y lee los estatutos completos, no solo el anuncio del BORME: el extracto publicado dice que hubo modificación, pero no siempre qué se modificó.

Señal 4: consejeros que se van en silencio

Los nombramientos y ceses de administradores se inscriben. Cuando el representante de un fondo sale del consejo sin que la empresa haya sido vendida ni haya entrado un sustituto del mismo fondo, suele significar una de dos cosas: que el fondo ha decidido no seguir apoyando a la compañía o que prefiere no tener responsabilidad como administrador en una etapa delicada. Ninguna de las dos es buena noticia.

En nuestra muestra, 14 de las 38 empresas con ronda puente registraron la salida de al menos un consejero vinculado a un inversor en los seis meses anteriores. En las 176 empresas sin ronda puente, la proporción fue de 11 casos: un 6 % frente a un 37 %.

Señal 5: las cuentas que llegan tarde o con salvedad

Las sociedades deben depositar sus cuentas anuales en el Registro Mercantil en el mes siguiente a su aprobación, que a su vez debe producirse en los seis meses siguientes al cierre del ejercicio. Para una empresa que cierra en diciembre, lo razonable es tenerlas depositadas a principios de agosto. Un retraso de varios meses no prueba nada, pero es una señal que conviene anotar.

Si la empresa está auditada, lee el informe del auditor. La frase que hay que buscar es «incertidumbre material relacionada con la empresa en funcionamiento». Significa que el auditor tiene dudas razonables sobre la capacidad de la sociedad para seguir operando los próximos doce meses sin financiación adicional. En nueve de nuestros 38 casos, esa frase apareció antes que cualquier comunicado.

El registro tiene límites. Los préstamos convertibles no se inscriben hasta que se convierten, así que una empresa puede acumular deuda convertible durante un año sin dejar rastro público. Las notas de venta secundaria entre socios tampoco aparecen siempre. Y el pacto de socios, donde viven la mayoría de las cláusulas que importan, es un documento privado.

Por eso, si tienes opciones sobre acciones, tienes derecho a preguntar. Pide el cap table actualizado con todas las clases, las preferencias de liquidación y los instrumentos convertibles pendientes. Una empresa sana te lo explicará en una reunión de media hora. Una que se niega a hacerlo ya te está respondiendo, aunque no sea con palabras.

El 14 de marzo de 2026, a las once de la mañana, Alba Recasens reunió a los ochenta y dos empleados que le quedaban a Vela en la planta cuarta de un edificio de oficinas del paseo de la Castellana y les dijo que la empresa cerraba. Veintiséis meses antes había firmado una ronda semilla de seis millones de dólares. Entre una fecha y otra, Vela levantó noventa millones, llegó a tener 118 personas en plantilla y consiguió algo que muy pocas startups logran: que sus usuarios la quisieran. Lo que no consiguió fue que alguien con presupuesto la comprase.

Recasens aceptó contarnos la historia con una condición poco habitual: que la contásemos entera. Nos entregó las actas de las diecinueve reuniones del consejo, los informes mensuales a inversores, los correos con los clientes piloto y las hojas de cálculo con las que la empresa proyectaba sus ingresos. Hemos hablado con once exempleados, cuatro inversores y seis de los clientes que probaron el producto. El principal inversor de la serie B ejerció su derecho de réplica por escrito; su respuesta aparece al final.

Un copiloto para compradores

Vela nació con una idea que sonaba irrefutable en una presentación. Los departamentos de compras de las grandes empresas negocian cada año miles de contratos con proveedores, casi siempre con información incompleta. Un sistema capaz de leer todo el histórico de contratos, compararlo con precios de mercado y redactar contraofertas podría ahorrar entre un 3 % y un 7 % del gasto gestionado. En una empresa que compra por valor de mil millones, eso son decenas de millones al año.

El producto funcionaba. Los compradores de las empresas piloto lo usaban a diario, con una puntuación de recomendación de 61 que cualquier empresa de software envidiaría. En las entrevistas que hicimos, tres de ellos lo describieron con palabras casi idénticas: «la mejor herramienta que me han dado en diez años».

Veintitrés pilotos, cuatro contratos

El problema aparece en las actas desde muy pronto, aunque nadie lo nombra así. En la reunión del consejo de octubre de 2024, un mes después de la serie A, el informe comercial recoge nueve pilotos activos y una nota al margen: «Pendiente identificar responsable presupuestario en 7 de 9». En la de febrero de 2025 son quince pilotos y la nota se ha convertido en una columna de la tabla: «¿Quién firma?». En doce casos, la respuesta es un interrogante.

Los usuarios de Vela eran compradores y responsables de categoría. Su presupuesto de herramientas era mínimo. El dinero para una compra de este tamaño —entre 250.000 y 600.000 dólares al año por cliente— estaba en manos del director financiero o del director de compras, y ninguno de los dos veía el ahorro con claridad. Los compradores ya tenían objetivos de ahorro anuales; si Vela los ayudaba a cumplirlos, el mérito se lo atribuían ellos. Si la empresa quería demostrar el ahorro de forma independiente, necesitaba acceso a datos financieros que los clientes no querían compartir.

Construimos un producto para una persona y se lo intentamos vender a su jefe, que no lo usaba y no tenía forma de medir lo que le daba. Lo supimos en el mes seis. Levantamos la serie B en el mes dieciséis como si no lo supiéramos.

Alba Recasens, cofundadora y consejera delegada de Vela

La ronda que lo empeoró todo

La serie B, de sesenta millones, se cerró en mayo de 2025. Las actas muestran que la tesis de la ronda se apoyaba en el uso: horas semanales por usuario, contratos analizados, contraofertas generadas. Todas las métricas eran excelentes. El ingreso recurrente, en cambio, era de 780.000 dólares, repartido entre dos clientes.

Con el dinero llegó el plan de contratación. Vela pasó de 54 a 118 personas en siete meses, con un equipo comercial de 31 personas cuyo objetivo era convertir pilotos en contratos. En la práctica, lo que hizo ese equipo fue abrir más pilotos: de quince pasaron a veintitrés. Cada piloto costaba a la empresa unos 90.000 dólares entre integración, soporte y cómputo, y se ofrecía gratis durante seis meses.

Un antiguo miembro del equipo comercial lo resume sin rodeos: «Nos pagaban variable por pilotos firmados, no por contratos. Hicimos exactamente lo que nos pedían».

Seguridad, integración y siete meses de espera

Incluso cuando aparecía alguien dispuesto a pagar, el ciclo de venta era larguísimo. Vela necesitaba acceso a los sistemas de gestión de compras y a los contratos de los clientes, lo que activaba revisiones de seguridad y protección de datos que duraban de media 7,2 meses. Dos de los cuatro contratos firmados tardaron más de un año desde la primera reunión.

El coste técnico también había sido subestimado. Cada cliente tenía su propio sistema de compras, con campos, formatos y catálogos distintos. El equipo de ingeniería llegó a dedicar el 60 % de su tiempo a integraciones a medida. El modelo de lenguaje, que en la presentación a inversores ocupaba la mitad de las diapositivas, representaba menos del 15 % del trabajo real.

El cierre ordenado

En noviembre de 2025, con 44 millones en el banco, unos catorce meses de caja al ritmo de entonces y un ritmo de conversión que no permitía llegar a la siguiente ronda, el consejo aprobó un plan de reducción a 60 personas. Se hizo en enero. En febrero, tras recibir tres ofertas de adquisición, todas por debajo de lo que la empresa tenía en caja, Recasens propuso al consejo cerrar y devolver el dinero restante. La tecnología se vendió por 4,1 millones a un grupo industrial europeo que la usa internamente. Los inversores recuperaron 41,3 millones, incluidos los ingresos de esa venta: algo menos de la mitad de lo que habían puesto, bastante más de lo que suele devolver una startup que cierra. Los empleados recibieron indemnizaciones por encima del mínimo legal y tres meses de apoyo para encontrar trabajo.

Albor Ventures, que lideró la serie B, respondió por escrito a nuestras preguntas: «Invertimos en un equipo excepcional y en un producto con un uso extraordinario. Subestimamos, igual que los fundadores, la distancia entre uso y compra en ventas empresariales. Apoyamos la decisión de cerrar de forma ordenada y la consideramos un ejemplo de gobierno responsable».

Recasens trabaja ahora como directora de producto en otra empresa. Cuando le preguntamos por qué accedió a abrir el archivo, contestó con una frase que también está en la última acta del consejo: «Si alguien lee esto y abre un piloto menos sin saber quién firma, habrá valido la pena».

Wanjiru tiene veintisiete años, un grado en Económicas por una universidad de Nairobi y un trabajo que no puede describir a su familia. No porque sea desagradable, sino porque su contrato le prohíbe mencionar para qué empresa trabaja, qué modelo ayuda a entrenar y qué hace exactamente durante sus turnos de ocho horas. Lo que sí puede decir es que pasa la jornada leyendo lo que hace un agente de software —qué herramientas llama, en qué orden, con qué resultado— y decidiendo si lo ha hecho bien. Le pagan 2,10 dólares por hora, más un bono por calidad que algunos meses no llega.

Durante tres meses hemos visitado tres centros de anotación: dos en África oriental, en Nairobi y en Kigali, y uno en Medellín. Los dos primeros pertenecen a Tessera Data, un proveedor con unas 4.200 personas en plantilla; el tercero, a Anotaciones del Valle, una empresa colombiana con 900 trabajadores. Hemos hablado con 41 anotadores, seis supervisores y los responsables de ambas compañías. Y hemos obtenido algo que hasta ahora no se había publicado: los contratos completos de tres proyectos, entregados por trabajadores y confirmados por las propias empresas.

Del etiquetado de imágenes a juzgar agentes

La imagen popular de la anotación de datos —personas que dibujan cajas alrededor de coches o marcan si una foto contiene un gato— está desactualizada. Una parte creciente del trabajo consiste en tareas que exigen criterio: comparar dos respuestas de un modelo y elegir la mejor, redactar rúbricas de evaluación, escribir la respuesta ideal a una pregunta difícil o revisar paso a paso la trayectoria de un agente que ha intentado completar una tarea con varias herramientas.

Esos datos alimentan técnicas como el ajuste por preferencias, en las que un modelo aprende qué respuestas prefieren los humanos, y los conjuntos de evaluación con los que las empresas deciden si una versión nueva de su agente es mejor que la anterior. Cuando un fundador presume de que su agente «ha mejorado un 20 % en fiabilidad», es muy probable que alguien como Wanjiru haya puntuado miles de sus intentos.

Lo que dicen los contratos

Los tres contratos que publicamos regulan proyectos distintos, pero comparten estructura. Todos incluyen una cuota de productividad expresada en tareas por hora; en el proyecto de evaluación de agentes de Nairobi es de 14 trayectorias por hora, lo que deja algo más de cuatro minutos para revisar secuencias que a veces tienen treinta pasos. Todos exigen un nivel mínimo de acuerdo con otros anotadores, medido con un índice estadístico que compara las respuestas de varias personas ante la misma tarea. Quien cae por debajo del umbral dos semanas seguidas puede ser apartado del proyecto con 24 horas de preaviso.

La cláusula que más nos llamó la atención es la del «tiempo sin cola». Cuando el cliente no envía tareas, los anotadores deben permanecer conectados, pero ese tiempo no se paga. En el contrato de Kigali, el tiempo sin cola remunerado está limitado a 30 minutos por turno. Varios trabajadores nos contaron semanas en las que pasaron más de diez horas conectados esperando sin cobrar.

El cliente cambia las instrucciones un martes y el miércoles ya nos miden con las nuevas. Si bajas el acuerdo, te sacan del proyecto. Nadie te pregunta si las instrucciones eran claras.

Daniela, anotadora en Medellín

La confidencialidad como sistema

Ninguno de los 41 anotadores con los que hablamos sabía con certeza para qué empresa final trabajaba. Los proyectos llevan nombres en clave y los contratos prohíben expresamente intentar averiguarlo. Tessera Data defiende la práctica: «Nuestros clientes compiten en un mercado muy sensible. La confidencialidad protege también a los trabajadores de presiones externas», nos respondió por escrito su directora de operaciones.

Los trabajadores lo ven de otra forma. Sin saber quién es el cliente final, es imposible negociar con él, reclamarle o incluso saber si el trabajo que hacen contribuye a algo que les parece aceptable. Jean-Paul, supervisor en Kigali, lo explicó con una comparación: «Es como trabajar en una fábrica sin saber qué se fabrica ni quién lo compra».

Medellín, el modelo que funciona un poco mejor

El centro de Anotaciones del Valle es el que mejores condiciones ofrece de los tres. Paga más, garantiza un mínimo de horas semanales remuneradas y tiene un comité de trabajadores que revisa los cambios de instrucciones antes de aplicarlos. No es filantropía: la empresa se especializa en tareas en español que exigen formación universitaria, y su principal problema es retener a quien ya sabe hacerlas.

Su director, Andrés Cardona, nos dio una cifra reveladora: cada anotador experto que se va cuesta a la empresa unos 2.300 dólares entre selección y formación, y tarda tres meses en alcanzar la calidad de quien sustituye. «Pagar mejor nos sale más barato», dice.

La pregunta para los fundadores

Para una startup que construye agentes, la anotación suele ser una línea más en el presupuesto, gestionada por un proveedor a través de una plataforma. Es fácil no preguntarse quién está al otro lado. Pero la calidad de esos datos determina buena parte de la calidad del producto, y la calidad depende de las condiciones en que se hace el trabajo: con prisa, con instrucciones cambiantes y con miedo a ser apartado, cualquiera se equivoca más.

Wanjiru no tiene intención de quedarse mucho tiempo. Está ahorrando para un máster y cree que el trabajo le ha enseñado algo útil sobre cómo fallan los sistemas automáticos. «Veo sus errores todo el día», dice. «Lo que me sorprende es que las empresas que los venden no parecen verlos».

En enero, nuestra factura mensual de inferencia era de 38.400 dólares. En julio fue de 11.100, con más volumen que en enero y prácticamente la misma calidad. No hubo un truco mágico ni cambiamos a un modelo milagroso: hubo seis cambios aburridos, aplicados uno detrás de otro y medidos cada vez. Aquí los explico todos, con las cifras, y enlazo el código que usamos para medirlos.

Primero, el contexto. Tramo es una empresa de Zaragoza que extrae datos de documentos de transporte: albaranes, cartas de porte, facturas de transportistas, en formatos que van desde el PDF limpio hasta la foto torcida hecha con el móvil en un muelle de carga. Procesamos alrededor de 1,9 millones de documentos al mes. Cada documento produce un JSON con entre 12 y 40 campos que nuestros clientes vuelcan en su sistema de gestión.

Declaración necesaria: LATENTE no me ha pagado por esta pieza más allá de la tarifa estándar para firmas, y Tramo no tiene relación comercial con ninguno de los proveedores que menciono de forma genérica.

El primer cambio, el paso cero, no costó nada. Durante un año miramos el panel del proveedor y su precio por millón de tokens. Era la métrica equivocada. Lo que nos importa es cuánto cuesta un documento extraído correctamente, incluidos los reintentos cuando la salida no valida, las llamadas de corrección y el tiempo de la persona que revisa los casos dudosos. Cuando lo calculamos por primera vez, el coste era de 2,02 céntimos por documento, y un 23 % de ese coste venía de reintentos que no sabíamos que estábamos haciendo.

Todo lo que sigue se mide con esa unidad. Si solo te llevas una idea de este texto, que sea esta.

1 · Caché del prefijo: −18 %

Nuestras llamadas empezaban con unas instrucciones de sistema de 3.100 tokens: el esquema de salida, reglas por tipo de documento y una docena de ejemplos. Era idéntico en todas las peticiones. Reordenamos el mensaje para que todo lo estático fuese al principio y lo variable —el documento— al final, y activamos la caché de contexto del proveedor, que factura los tokens reutilizados a una fracción del precio normal. Ahorro inmediato: un 18 %. Tiempo de ingeniería: dos días, la mayoría dedicados a descubrir que una marca de tiempo al inicio del prompt invalidaba la caché en cada llamada.

2 · Enrutado con validación: el cambio grande

Enviábamos todo al modelo más capaz que teníamos contratado. Pero la mayoría de nuestros documentos son fáciles. Montamos un enrutador sencillo: todo va primero a un modelo pequeño y barato; su salida pasa por validaciones deterministas —que la suma de líneas cuadre con el total, que el NIF tenga un formato válido, que las fechas sean coherentes—; y solo si algo falla, el documento sube al modelo grande.

El 78 % de los documentos se resuelve en el primer nivel. El coste bajó de 82 a 55. La precisión bajó tres décimas en la primera semana y la recuperamos añadiendo dos validaciones que no habíamos previsto. La lección: el enrutador no es un modelo, son reglas de negocio. Las mejores las escribió nuestro equipo de soporte, no el de ingeniería.

El enrutador no es inteligencia artificial. Son quince reglas que cualquiera que haya trabajado en un muelle de carga podría escribir. Por eso funciona.

Bruno Salcedo

3 y 4 · Menos texto, menos prisa

El tercer cambio fue quitar lo que sobraba en la salida. Nuestro prompt pedía al modelo que explicase brevemente cada decisión, algo útil para depurar y caro en producción: los tokens de salida cuestan varias veces más que los de entrada. Pasamos a salida estructurada con esquema estricto, sin explicaciones, y solo pedimos la justificación cuando el documento sube al modelo grande. Del 55 al 47.

El cuarto fue admitir que no todo es urgente. Un 40 % de nuestro volumen son documentos que el cliente consulta al día siguiente. Los enviamos a la interfaz de procesamiento por lotes del proveedor, que devuelve resultados en unas horas a mitad de precio. Del 47 al 38.

5 · Un modelo pequeño que sabe de albaranes

El último paso fue el más costoso en esfuerzo. Recogimos 14.000 documentos que el modelo grande había extraído, los revisamos a mano —dos personas durante cinco semanas— y ajustamos un modelo pequeño de pesos abiertos con esos ejemplos. Es, en esencia, una destilación: el modelo grande hace de profesor, los humanos corrigen al profesor y el pequeño aprende de ambos. El modelo ajustado resuelve el 91 % de los documentos en primer nivel, frente al 78 % anterior, y cada documento que no sube al modelo grande es dinero que no gastamos. Del 38 al 29.

La reproducción y el código

Antes de publicar, el equipo de datos de LATENTE reprodujo el proceso con una muestra de 20.000 documentos anonimizados y sus propias tarifas de referencia. Obtuvo una reducción del 68 %, algo menor que la nuestra porque sus precios de lote eran menos favorables. La diferencia está documentada en su nota metodológica.

El código del enrutador, las validaciones y los guiones de medición están publicados en nuestro repositorio con licencia Apache 2.0. Los ejemplos de entrenamiento no, porque contienen datos de clientes. Si alguien replica el proceso en otro dominio y obtiene resultados distintos, me encantará leerlos aquí.

Cada trimestre ponemos a trabajar modelos de lenguaje como lo haría una empresa, no como lo haría un examen. Les damos tareas completas —extraer una factura, resolver una reserva con cuatro herramientas, generar una consulta SQL que funcione— y medimos lo que de verdad importa en producción: cuánto cuesta terminar la tarea, cuántas veces falla cuando el tráfico aprieta y cuánto costaría cambiar de proveedor si mañana hiciera falta. Este trimestre hemos probado catorce configuraciones. La más barata completa una tarea media por 1,7 céntimos; la mediana, por 4,9.

Una «configuración» es la combinación de un modelo, un proveedor que lo sirve y unos parámetros concretos: cuantización, tamaño de contexto, modo de razonamiento activado o no. Hemos incluido modelos de pesos abiertos servidos por alojadores especializados, modelos propietarios servidos por sus creadores y dos despliegues propios en GPU alquiladas. Todas las pruebas usan el mismo conjunto de datos, los mismos guiones y, en el caso de los despliegues propios, el mismo hardware. Los guiones y los resultados brutos están disponibles para los suscriptores del plan Operador.

Seis tareas, no seis exámenes

La tarea que más separa a las configuraciones es, como en trimestres anteriores, la del agente. Un agente que reserva una mesa, comprueba disponibilidad, aplica una política de cancelación y confirma por correo hace entre seis y catorce llamadas al modelo. Cada error intermedio obliga a repetir pasos, y cada repetición se paga. La configuración más cara de la prueba gastó 29 céntimos por reserva completada; la más barata, 3,8.

El precio de catálogo explica poco

Si el coste por tarea dependiese sobre todo del precio por token, bastaría con consultar las tarifas. No es así. La correlación entre el precio por millón de tokens de cada configuración y su coste real por tarea es de 0,41: positiva, pero débil. Dos factores explican buena parte del resto.

El primero son los reintentos. Nuestros guiones validan cada salida —formato, campos obligatorios, coherencia— y repiten la llamada si falla, como haría cualquier sistema en producción. En la mediana, los reintentos suponen un 21 % del coste total. En la configuración más barata por token del trimestre llegan al 44 %: el modelo es barato, pero se equivoca tanto en el formato que termina costando más que otros tres veces más caros por token.

El segundo es el razonamiento. Varias configuraciones permiten activar un modo en el que el modelo genera una cadena de pasos intermedios antes de responder. Esos tokens se facturan. En tres de las seis tareas —extracción, clasificación y resumen— activar el razonamiento duplicó o triplicó el coste con una mejora de precisión inferior a un punto. En las otras tres, sí compensó: en SQL la tasa de consultas correctas subió nueve puntos y en el agente de reservas, doce.

Activar el razonamiento para todo es como mandar a un notario a recoger un paquete. Llega, pero sale carísimo.

Héctor Villalba

La sexta hora

La prueba de fiabilidad consiste en ocho horas de tráfico sostenido con picos programados cada cuarenta minutos, en los que la carga se multiplica por cuatro durante cinco minutos. La tasa de fallo mediana fue del 4,3 %; la mejor, del 0,8 %. Contamos como fallo cualquier petición que no devuelve una respuesta válida en treinta segundos, incluidos los errores de límite de uso y los tiempos de espera agotados.

Lo que más nos preocupó este trimestre no fueron los errores visibles, sino los silenciosos. Dos de los catorce proveedores, en los picos de la sexta y la séptima hora, empezaron a devolver respuestas truncadas con un código de éxito. Un sistema que solo mire si la petición ha devuelto un error no detectaría nada. Nuestros validadores sí: durante esos minutos, entre el 7 % y el 11 % de las respuestas de esos dos proveedores estaban incompletas.

Lo que cuesta irse

El tercer eje del Mapa mide la dependencia: cuántas semanas de ingeniería cuesta migrar un caso de uso real de un proveedor a otro. Lo estimamos con los propios equipos de ingeniería de nueve empresas que han hecho esa migración en el último año, y lo contrastamos reproduciendo parte de las migraciones en nuestro banco de pruebas. La media es de 6,8 semanas, con un rango que va de 2 a 21.

Las migraciones más baratas eran de tareas simples con instrucciones cortas y un conjunto de evaluación ya construido. Las más caras compartían tres rasgos: dependían de un formato propio de llamadas a herramientas, usaban un modelo ajustado con datos propios que había que volver a entrenar y tenían millones de documentos indexados con un modelo de embeddings concreto. Cambiar de modelo de embeddings obliga a recalcular todos los vectores, y eso, en una base documental grande, se mide en días de cómputo y semanas de validación.

Lo que cambia respecto al trimestre anterior

La mediana del coste por tarea ha bajado de 6,1 a 4,9 céntimos, un 20 % en tres meses. La tasa de fallo mediana apenas se ha movido: del 4,6 % al 4,3 %. Es un patrón que se repite desde que empezamos a medir: el coste cae deprisa y la fiabilidad mejora despacio. Para una empresa que vende a clientes que esperan que el servicio funcione a cualquier hora, la segunda cifra es la que conviene vigilar.

El próximo Mapa incorporará una séptima tarea, de revisión de contratos largos, y una medición nueva: la variabilidad de las respuestas cuando se repite exactamente la misma petición. Varias empresas nos han pedido medirla, y los primeros ensayos sugieren que las diferencias entre proveedores son mayores de lo que pensábamos.

Corvia Labs ocupa dos plantas de un edificio junto a la ría, en Bilbao, y otra en Ciudad de México. Tiene 540 empleados, 1.900 clientes y un producto que casi nadie fuera del mundo financiero sabría describir: agentes de software que concilian cuentas, es decir, que comprueban que lo que dice el banco coincide con lo que dice la contabilidad, localizan las diferencias y proponen cómo corregirlas. Con 214 millones de dólares de ingreso recurrente anualizado, es la primera empresa del LATENTE 50 este trimestre. Irene Olabarria, economista y excontroladora financiera, la fundó en 2021 con dos ingenieros a los que conoció en su anterior empresa. Hablamos con ella en su despacho, que comparte con otras cuatro personas.

Lo que vende Corvia

Corvia es la empresa que más factura de nuestra lista y probablemente la menos conocida. ¿Es deliberado?

Un poco. No vendemos a quien lee titulares sobre inteligencia artificial, vendemos a directoras financieras que tienen que cerrar el mes en cinco días y tardan doce. A ellas no les importa qué modelo usamos. Les importa que el día 3 esté cuadrado lo que antes se cuadraba el día 11. Cuando empezamos a salir en la prensa tecnológica, nuestro ciclo de venta no cambió ni un día.

¿Qué hace exactamente el producto?

Toma los extractos bancarios, las facturas, los cobros de pasarelas de pago, las nóminas, todo lo que genera movimientos, y lo empareja con los asientos contables. Cuando algo no casa, investiga: busca un pago parcial, una comisión, un tipo de cambio, un error de fecha. Propone el ajuste y lo documenta. En un cliente medio resolvemos solos el 93 % de las partidas. El 7 % restante lo revisa una persona.

¿Una persona de su equipo o del cliente?

Depende del plan. Tenemos 140 contables en plantilla que revisan excepciones para los clientes que lo contratan. Es la parte del negocio que menos nos gusta contar y la que más nos ha ayudado a vender. Un director financiero no compra un agente; compra la tranquilidad de que alguien con título de contabilidad ha mirado lo raro.

Un director financiero no compra un agente. Compra la tranquilidad de que alguien con título de contabilidad ha mirado lo raro.

Irene Olabarria

Precio, margen y capital

¿Cómo cobran?

Por entidad contable y mes, con un volumen de transacciones incluido y un precio por encima de ese volumen. Al principio cobrábamos por usuario, como todo el software, y fue un error. Nuestros mejores clientes tenían tres usuarios y cuarenta millones de movimientos. Perdíamos dinero con ellos. Cambiar el modelo nos costó un año y la salida de dos clientes grandes, pero hoy nuestro margen bruto es del 74 % y no depende de cuánto use cada cliente el producto.

Su última ronda fue en 2024. ¿No ha necesitado más capital o no lo ha querido?

Las dos cosas. Somos rentables desde hace cinco trimestres. Podríamos crecer más deprisa con más dinero, pero cada vez que lo hemos intentado, el crecimiento forzado ha venido de clientes que no encajaban. Prefiero crecer un 70 % anual con clientes que se quedan que un 150 % con clientes que se van en el segundo año. Nuestra retención neta está en el 131 %.

¿Qué modelos usan?

Varios. Un modelo pequeño que hemos ajustado nosotros hace la mayor parte del emparejamiento. Para las investigaciones difíciles usamos modelos grandes de dos proveedores distintos, y tenemos el sistema preparado para cambiar de uno a otro en un día. No quiero depender de nadie cuyo precio no controlo. Pero, sinceramente, el modelo es la parte menos interesante. Lo difícil es entender los formatos de extracto de 3.000 bancos distintos.

Cuando el sistema falla

¿Qué pasa cuando el sistema se equivoca?

Lo sabemos, porque cada propuesta queda registrada con su justificación y el cliente la puede auditar. Tenemos una tasa de error en partidas cerradas automáticamente del 0,3 %. La mayoría son errores de clasificación sin impacto en el saldo. Cuando hay impacto, lo comunicamos al cliente antes de que lo detecte él. Hace un año un error en la lectura de un formato bancario nuevo afectó a once clientes durante dos días. Llamamos a los once esa misma tarde.

¿Le preocupa que un proveedor de modelos grande lance un producto de contabilidad?

Me preocuparía si nuestro valor estuviera en el modelo. Está en cinco años de integraciones, en la confianza de los auditores de nuestros clientes y en un equipo que sabe de contabilidad. Eso no se descarga. Sí creo que algunas empresas de nuestro sector que son solo una interfaz sobre un modelo van a pasarlo mal.

Personas, países y auditores

¿Cómo ha cambiado el trabajo de los contables de sus clientes?

Menos tiempo emparejando, más tiempo analizando. Pero no quiero romantizarlo: algunos clientes han reducido sus equipos de contabilidad. No todos han recolocado a esas personas. Es una conversación que tenemos con ellos y que no siempre sale bien.

¿Cuántas personas de su plantilla trabajan en inteligencia artificial propiamente dicha?

Depende de cómo lo cuente. Unas treinta personas trabajan en modelos, evaluación y datos de entrenamiento. Otras 190 son ingenieros que construyen integraciones, la plataforma y las herramientas de revisión. Y luego están los contables, soporte y ventas. Si me pregunta dónde está la ventaja, le diría que en los 190, no en los 30. Aunque los 30 no estarán de acuerdo.

Abrieron oficina en Ciudad de México el año pasado. ¿Por qué allí y no en Estados Unidos?

Porque la contabilidad es local. Cada país tiene su normativa, sus formatos bancarios y su forma de facturar. En México encontramos un mercado con mucha facturación electrónica estandarizada, lo que nos facilita el trabajo, y empresas medianas que no tenían a nadie que les resolviera esto. Estados Unidos llegará, pero con socios locales. Entrar allí con un equipo pequeño desde Bilbao sería cometer el error de todas las empresas que admiramos y que se estrellaron.

¿Cómo reaccionan los auditores de sus clientes?

Al principio con desconfianza, y era razonable. Ahora nos piden acceso de lectura al registro de decisiones del sistema, y se lo damos. Un auditor puede ver cada partida conciliada, qué documentos se usaron y qué regla o qué modelo tomó la decisión. Eso ha hecho más por nuestras ventas que cualquier campaña: cuando el auditor está tranquilo, la directora financiera firma.

¿Qué le diría a un fundador que empieza ahora?

Que busque un proceso que alguien odie hacer, que tenga un coste medible y un responsable con presupuesto. Y que cobre por el resultado, no por el acceso. Si su producto funciona, el cliente pagará encantado. Si no funciona, mejor saberlo pronto.

Al terminar, Olabarria nos enseña una pantalla con el estado del cierre de agosto de sus clientes. A las seis de la tarde del día 27, el 62 % ya tiene cuadradas todas sus cuentas bancarias. «Hace cinco años», dice, «eso no pasaba hasta el día 9».

La nave está terminada desde marzo. Tiene refrigeración líquida instalada, 1.200 metros cuadrados de suelo técnico y un transformador que nadie ha encendido. En el polígono a las afueras de Zaragoza donde Cierzo GPU planeaba abrir su primer centro de datos en abril, lo único que falta es lo más importante: la conexión a la red eléctrica con la potencia que necesita. La fecha prevista, según el último escrito que ha recibido la empresa, es el segundo trimestre de 2028.

Hace dos años, el problema de las startups que querían ofrecer cómputo para inteligencia artificial era conseguir tarjetas gráficas. Hoy las tarjetas llegan, con plazos de entrega de semanas y no de trimestres. Lo que no llega es la electricidad. En las entrevistas con once operadores de centros de datos pequeños y medianos en España y Portugal, todos citaron el acceso a la red como su principal restricción, por delante de la financiación y del talento.

Megavatios en lista de espera

Un centro de datos modesto para inferencia, con unas pocas miles de GPU, necesita entre 5 y 20 megavatios. Conseguir esa potencia exige solicitar acceso y conexión a la red en un nudo con capacidad disponible, y en muchas zonas del país esa capacidad está agotada o comprometida con proyectos que la pidieron antes, a menudo plantas de generación renovable o grandes consumidores industriales.

Cierzo GPU pidió 12 megavatios en 2024. Tiene tres empleados a tiempo completo, 14 millones de euros comprometidos por inversores condicionados a que la conexión llegue y una nave pagada. Su fundadora, Marina Lasheras, ingeniera industrial que trabajó una década en plantas de cogeneración, calcula que cada mes de espera le cuesta unos 180.000 euros entre alquiler, intereses y personal.

Tenemos máquinas, clientes con cartas de intención y dinero. Lo que no tenemos es un cable. Y el cable no se compra: se espera.

Marina Lasheras, fundadora de Cierzo GPU

Moverse hacia la electricidad

A 150 kilómetros al norte, en la comarca de la Ribagorza, en Huesca, otra empresa ha tomado el camino contrario: ir a buscar la electricidad donde ya está. Ribagorza Compute ha instalado 640 GPU, en una primera fase, en un antiguo edificio industrial junto a una pequeña central hidroeléctrica, con la que ha firmado un contrato de suministro a largo plazo. La potencia es limitada, 4 megavatios, suficiente para unas 2.500 tarjetas cuando complete el despliegue, pero estaba disponible.

La ubicación tiene inconvenientes evidentes. La fibra óptica llegó después de ocho meses de obras, el técnico de guardia vive a cuarenta minutos y la latencia hasta Madrid es algo mayor que desde un centro urbano. Para entrenar modelos o para procesamiento por lotes, nada de eso importa. Para inferencia en tiempo real, un poco. «Nuestros clientes no son chatbots que necesitan responder en cien milisegundos», explica su director técnico, Jorge Baselga. «Son empresas que procesan documentos, imágenes o simulaciones por la noche. Para ellos, la latencia es irrelevante y el precio lo es todo».

Simular la red antes de pedir el enchufe

Entre los beneficiarios inesperados de esta escasez está Ostrova, quinta del LATENTE 50 con 88 millones de ingreso recurrente. La empresa, que tiene su principal equipo de ingeniería en Bilbao, vende simulaciones de redes eléctricas que permiten estimar con semanas de antelación qué nudos tienen capacidad real, qué refuerzos serían necesarios y cuánto costarían. Sus clientes tradicionales eran promotores de plantas solares y eólicas; en el último año, un tercio de sus nuevos contratos procede de proyectos de centros de datos.

Su responsable de producto para ese segmento, Unai Etxeberria, lo explica así: «Muchos promotores de centros de datos elegían ubicación por el precio del suelo y la cercanía a la fibra, y pedían la conexión al final. Ahora es al revés: primero miramos dónde hay capacidad y luego buscamos el suelo».

La aritmética del megavatio

Para entender por qué la espera es tan cara conviene hacer una cuenta sencilla. Contando servidores, red y refrigeración, un megavatio alimenta hoy unas 650 GPU de la generación actual. Alquiladas a unos dos dólares por hora con una utilización del 70 %, esas tarjetas generarían en torno a ocho millones de dólares de ingresos al año. Un megavatio que no llega es, por tanto, un negocio de ese tamaño que no existe.

Cierzo GPU no pensaba llenar sus 12 megavatios de golpe: su plan era arrancar con tres y crecer a medida que firmase clientes. Pero incluso esa primera fase depende de la misma conexión. Lasheras ha estudiado alternativas temporales, como generadores de gas o baterías, y las ha descartado: el coste por kilovatio hora triplicaría el de la red y haría imposible competir en precio con operadores de los países nórdicos, donde la electricidad es más barata y la capacidad de conexión, por ahora, más holgada.

Lo que significa para una startup de IA

Para la mayoría de las startups de inteligencia artificial, que alquilan cómputo a través de proveedores de nube o de modelos, la escasez eléctrica no es un problema directo. Pero sí tiene consecuencias. La capacidad de inferencia cercana, en el mismo país que los clientes, crece más despacio que la demanda, lo que mantiene los precios de la GPU alquilada en Europa por encima de los de otras regiones. Y las empresas que necesitan garantizar que los datos no salgan de España, como muchas del sector sanitario o financiero, tienen menos opciones de las que querrían.

En la nave de Cierzo GPU, el transformador sigue apagado. Lasheras ha empezado a negociar con un operador portugués para alojar provisionalmente parte de sus máquinas al otro lado de la frontera. «Si la electricidad no viene a nosotros», dice, «tendremos que ir a buscarla. Pero entonces que nadie me hable de soberanía digital».

La mayoría de los fundadores con los que hablamos para preparar esta guía tenían una de dos actitudes ante el Reglamento europeo de inteligencia artificial. Unos creían que no les afectaba porque «solo usan un modelo a través de una API». Otros estaban convencidos de que cumplirlo exigía contratar a un despacho durante seis meses. Ambas ideas son, en la mayoría de los casos, equivocadas. El Reglamento es largo y en algunos puntos farragoso, pero su lógica es sencilla: las obligaciones dependen de qué haces con la inteligencia artificial y del papel que ocupas en la cadena, no de la tecnología que usas.

Esta guía no sustituye al asesoramiento jurídico, y conviene decirlo al principio. Pero sí debería permitirte hacer en una tarde el ejercicio que muchas startups aún no han hecho: saber en qué casilla estás y qué te toca hacer.

Paso 1: el calendario, sin dramatismo

El Reglamento (UE) 2024/1689 entró en vigor el 1 de agosto de 2024, pero sus obligaciones se aplican de forma escalonada. Desde el 2 de febrero de 2025 están prohibidas determinadas prácticas y rige la obligación de alfabetización en IA: las empresas que desarrollan o usan estos sistemas deben asegurarse de que su personal tiene conocimientos suficientes para hacerlo. Desde el 2 de agosto de 2025 se aplican las obligaciones de los proveedores de modelos de uso general. Y a partir de agosto de 2026 empiezan a aplicarse la mayoría de las demás, incluidas las de transparencia.

Las obligaciones de los sistemas de alto riesgo son el punto más delicado del calendario. A finales de 2025 la Comisión Europea propuso aplazar parte de ellas y vincularlas a la disponibilidad de normas técnicas y herramientas de apoyo. Antes de planificar nada, comprueba cuál es el calendario vigente en el momento en que leas esto. Lo que no cambia es la lógica de fondo, y es la que conviene entender.

Paso 2: ¿eres proveedor o responsable del despliegue?

El Reglamento distingue entre el proveedor, que desarrolla un sistema de IA y lo pone en el mercado con su nombre, y el responsable del despliegue, que lo usa bajo su autoridad en su actividad profesional. Si tu startup construye un producto que incorpora un modelo de lenguaje y lo vende a otras empresas, eres proveedor de ese sistema, aunque el modelo sea de un tercero. Tu cliente, que lo usa, es responsable del despliegue.

Esto responde a la primera confusión. Usar un modelo a través de una API no te convierte en proveedor de un modelo de uso general: esas obligaciones recaen en quien pone el modelo en el mercado. Pero sí puedes ser proveedor del sistema que construyes encima, y es ese sistema el que se clasifica según su riesgo.

La pregunta no es qué modelo usas. Es qué decisión ayuda a tomar tu producto y sobre quién.

Abogada especializada en tecnología consultada para esta guía

Paso 3: la casilla del riesgo

Casi todas las startups caen en una de estas cuatro categorías. Identifica la tuya:

• Prácticas prohibidas. Sistemas de puntuación social, manipulación que explota vulnerabilidades, reconocimiento de emociones en el trabajo o en centros educativos salvo por motivos médicos o de seguridad, entre otras. Si tu producto se acerca a esto, el problema no es de cumplimiento, es de modelo de negocio.
• Alto riesgo. Sistemas usados en ámbitos que el Reglamento enumera en su anexo III: selección y gestión de trabajadores, acceso a la educación, evaluación de solvencia crediticia de personas, fijación de precios de seguros de vida y salud, acceso a servicios públicos esenciales, infraestructuras críticas, entre otros. También los que son componentes de seguridad de productos ya regulados, como los productos sanitarios.
• Obligaciones de transparencia. Sistemas que interactúan con personas, como asistentes conversacionales, o que generan contenido sintético. Deben informar de que se trata de una IA y marcar el contenido generado.
• Riesgo mínimo. Todo lo demás: la mayoría de las herramientas internas, de productividad o de análisis. Sin obligaciones específicas más allá de la alfabetización.

Hay un matiz importante para quien cae en el anexo III. Un sistema de esas áreas puede no considerarse de alto riesgo si no plantea un riesgo significativo, por ejemplo porque realiza una tarea procedimental limitada, mejora el resultado de una actividad humana ya terminada o hace un trabajo preparatorio. La excepción no se aplica si el sistema elabora perfiles de personas físicas. Y quien la invoque debe documentar su evaluación antes de poner el sistema en el mercado.

Dos casos reales, con nombres cambiados

Tamiz es una startup de Valencia con doce empleados que ordena candidaturas para empresas que contratan personal de almacén. Su sistema lee currículos y propone una lista priorizada. Está, sin discusión, en el anexo III: selección de personal. Como proveedora de un sistema de alto riesgo necesitará un sistema de gestión de riesgos, documentación técnica, registros de funcionamiento, supervisión humana efectiva, medidas de precisión y robustez, una evaluación de conformidad y el registro en la base de datos de la Unión. Sus clientes, como responsables del despliegue, tendrán sus propias obligaciones, incluida la de informar a los candidatos.

Lumbre, de Sevilla, con nueve empleados, vende un asistente conversacional que responde dudas de clientes de tiendas de electrodomésticos. No toma decisiones sobre personas. Su obligación principal es de transparencia: el usuario debe saber que habla con una IA, salvo que resulte evidente por el contexto. Un aviso claro al inicio de la conversación y la documentación que lo acredite son, en esencia, lo que necesita.

Lo que cuesta equivocarse

Las sanciones pueden llegar a 35 millones de euros o el 7 % de la facturación mundial por prácticas prohibidas, y a 15 millones o el 3 % por incumplir otras obligaciones. Para las pymes y startups, el Reglamento establece que se aplique la menor de las dos cantidades, no la mayor. Aun así, una sanción del 3 % de la facturación puede ser el fin de una empresa pequeña.

En España, la Agencia Española de Supervisión de la Inteligencia Artificial, con sede en A Coruña, es una de las autoridades encargadas de la vigilancia. Existen además espacios controlados de pruebas en los que las empresas pueden probar sistemas bajo supervisión antes de lanzarlos; para una startup que cae en alto riesgo, es una vía que merece estudiarse.

Hay un argumento para tomarse esto en serio que no tiene nada que ver con las multas. Los clientes grandes, sobre todo en banca, seguros, salud y administración pública, ya incluyen preguntas sobre el Reglamento en sus procesos de compra. Una startup que puede entregar en una semana su clasificación de riesgo, su documentación técnica y su política de supervisión humana tiene una ventaja comercial real frente a la que responde «lo estamos mirando». Varios fundadores nos contaron que han ganado contratos precisamente por eso.

En las ofertas de empleo del sector de la inteligencia artificial abundan los adjetivos —«competitivo», «atractivo», «por encima de mercado»— y escasean las cifras. Para saber cuánto se cobra de verdad, en julio abrimos una encuesta a profesionales que trabajan en España en funciones técnicas relacionadas con modelos de aprendizaje automático: ingeniería, datos, investigación aplicada, evaluación e infraestructura. Recibimos 1.412 respuestas, de las que 1.137 superaron nuestros filtros de coherencia. Pedimos a una muestra de 160 personas que nos enviasen una nómina con los datos personales tachados; 131 lo hicieron y las cifras declaradas coincidían con un margen inferior al 5 % en el 94 % de los casos.

Las cifras que publicamos son salarios brutos anuales fijos, sin variable ni acciones, salvo que se indique lo contrario. Usamos medianas y no medias para que unos pocos sueldos muy altos no distorsionen el resultado.

La ciudad importa menos que el pagador

La diferencia entre Madrid y Barcelona es, a efectos prácticos, irrelevante. La distancia entre las dos grandes ciudades y el resto se ha reducido respecto a nuestra encuesta de 2024, sobre todo en Málaga, donde la llegada de oficinas técnicas de empresas extranjeras ha empujado los salarios de las locales. Pero la variable que más explica el sueldo no es la ciudad, sino quién paga. Un perfil sénior que trabaja en remoto desde España para una empresa con sede fuera cobra, en la mediana, un 40 % más que el mismo perfil en una empresa española en Madrid.

Ese diferencial tiene contrapartidas que conviene conocer. El 38 % de quienes trabajan en remoto para empresas extranjeras lo hace como autónomo o a través de una empresa intermediaria de empleo, lo que significa menos protección ante un despido y, a menudo, cotizaciones que corren por su cuenta. Descontando ese efecto, la ventaja neta se reduce a algo más del 25 %, que sigue siendo mucho.

Qué funciones pagan más

Por funciones, la mejor pagada es la de infraestructura de inferencia y entrenamiento: quien sabe hacer que un modelo sirva miles de peticiones por segundo sin que la factura se dispare cobra una mediana de 74.000 euros en empresa española. Le siguen la ingeniería de aprendizaje automático aplicada, con 67.000, y la investigación aplicada, con 65.000. En la parte baja están la anotación y gestión de datos, con 41.000.

La sorpresa del año es la evaluación. Hace dos años la función apenas existía como puesto separado; hoy el 9 % de los encuestados se dedica principalmente a diseñar conjuntos de prueba, métricas y sistemas para medir si un modelo o un agente funciona. Su mediana, 63.000 euros, ha crecido un 18 % en un año, más que ninguna otra. Y el título de «ingeniero de prompts», que tanto circuló en 2023, ha desaparecido prácticamente de nuestra muestra: solo cuatro personas lo usan como descripción principal de su puesto.

Hace dos años nadie quería evaluar. Era el trabajo aburrido. Ahora es el que decide qué se lanza y qué no, y se paga en consecuencia.

Ingeniera de evaluación en una startup de Barcelona, encuestada

Las opciones que no valen lo que parece

El 61 % de los encuestados que trabaja en startups tiene opciones sobre acciones o algún instrumento similar. Les preguntamos cuánto creían que valían. La mediana de la respuesta fue de 48.000 euros. Después les preguntamos si conocían el precio de ejercicio, las preferencias de liquidación de los inversores y el número total de participaciones de la empresa. Solo el 23 % conocía las tres cosas.

Con los datos que sí nos facilitaron, recalculamos el valor de las opciones en un escenario de venta de la empresa a la valoración de su última ronda, teniendo en cuenta las preferencias de liquidación. La mediana cayó a 11.000 euros. En un 27 % de los casos, el valor en ese escenario era cero: los inversores cobrarían primero todo lo que pusieron y no quedaría nada para las opciones.

La brecha que no se cierra

Las mujeres representan el 21 % de nuestra muestra, dos puntos más que en 2024. A igual función, experiencia y tipo de empresa, su salario mediano es un 7 % inferior al de los hombres. La brecha es menor en las empresas extranjeras con oficina en España, que suelen tener bandas salariales publicadas, y mayor en las startups de menos de cincuenta empleados, donde el sueldo se negocia caso a caso.

Hay un dato que apunta a una posible explicación. Preguntamos si en la última negociación habían contrapropuesto la primera oferta. Lo hicieron el 58 % de los hombres y el 41 % de las mujeres. Entre quienes contrapropusieron, la subida media sobre la oferta inicial fue del 9 %. Las empresas que publican bandas salariales eliminan buena parte de esa diferencia, y es una práctica que cuesta poco adoptar.

Lo que viene

El 44 % de los encuestados cree que cambiará de empresa en los próximos doce meses, y la razón más citada no es el salario sino la estabilidad: una de cada tres personas ha vivido un despido colectivo o el cierre de una startup desde 2024. En un sector que habla mucho de talento escaso, la prioridad de los profesionales parece más prosaica: cobrar bien, sí, pero sobre todo en una empresa que siga existiendo dentro de dos años.

El mejor mes de la historia de Brote fue también el que la condenó. En marzo de 2025, durante las Fallas, los restaurantes valencianos que usaban su agente de voz para atender reservas recibieron más llamadas que nunca. El sistema funcionó sin un solo fallo grave: contestó 612.000 llamadas, gestionó 208.000 reservas y los clientes enviaron mensajes de agradecimiento. Cuando llegó la factura de telefonía y cómputo, Javier Ortuño, cofundador y consejero delegado, hizo una cuenta que no había hecho hasta entonces. Ese mes, Brote había ingresado 94.000 euros y había gastado 177.000 solo en atender las llamadas.

Brote cerró en febrero de 2026, diecinueve meses después de su primera ronda. Ortuño y su socia, Carla Montesinos, directora técnica, nos facilitaron sus métricas mensuales, el modelo financiero que presentaron a inversores y los correos internos de los momentos clave. Hemos hablado también con ocho restauradores que fueron clientes y con dos de sus inversores.

Un producto que funcionaba

La idea era impecable en su sencillez. Los restaurantes pierden reservas porque nadie coge el teléfono en plena hora punta. Brote ofrecía un número que atendía un agente de voz capaz de consultar la disponibilidad, reservar, modificar, cancelar y responder preguntas sobre la carta o los alérgenos. El precio: 49 euros al mes, con llamadas ilimitadas. Para un restaurante que pierde diez reservas al mes por no contestar, la decisión era trivial.

El producto era bueno. Montesinos había construido una cadena con reconocimiento de voz, un modelo de lenguaje para entender la intención y gestionar el diálogo, y síntesis de voz con acento local, conectada a los tres programas de gestión de reservas más usados en España. La tasa de reservas completadas sin intervención humana llegó al 88 %.

La aritmética que nadie hizo

Cada llamada tenía un coste variable: minutos de telefonía, transcripción, llamadas al modelo de lenguaje y síntesis de voz. La llamada media duraba 2,6 minutos y costaba 0,29 euros. Un restaurante medio recibía 240 llamadas al mes, lo que suponía 69,60 euros de coste frente a 49 de ingreso. Los restaurantes pequeños, con 80 o 100 llamadas, eran rentables. Los grandes, con 900 o mil, costaban a Brote más de 250 euros al mes cada uno.

El modelo financiero de la ronda semilla asumía un coste por llamada de 0,08 euros y 120 llamadas por restaurante. Las dos cifras procedían del piloto con catorce restaurantes pequeños de Ruzafa durante enero y febrero de 2024, dos de los meses más tranquilos del año en la hostelería de la ciudad. Nadie volvió a revisarlas hasta marzo de 2025.

Pensábamos que los clientes grandes eran los buenos. Eran los que nos estaban matando. Y eran los que mejor hablaban de nosotros, así que traían a otros clientes grandes.

Javier Ortuño, cofundador de Brote

Tres intentos de arreglarlo

Entre abril y octubre de 2025, Brote intentó tres soluciones. La primera fue técnica: reducir el coste por llamada. Montesinos cambió a un modelo de lenguaje más pequeño para las conversaciones sencillas, acortó los mensajes de bienvenida y renegoció la tarifa de telefonía. El coste bajó a 0,21 euros. No fue suficiente.

La segunda fue subir el precio a 99 euros al mes para los nuevos clientes. Las altas cayeron un 64 % en dos meses. Los comerciales, que vendían puerta a puerta y cobraban por alta, dejaron de llegar a sus objetivos y cuatro de los nueve se marcharon.

La tercera fue la más dolorosa: pasar a todos los clientes a un precio por llamada, con una cuota base de 29 euros y 0,25 euros por llamada por encima de cien. Era, sobre el papel, la solución correcta. En la práctica, el 41 % de los restaurantes se dio de baja en los dos meses siguientes, incluidos casi todos los grandes. Muchos se pasaron a un competidor que seguía ofreciendo tarifa plana, financiado por una ronda mayor y, según los propios fundadores de Brote, con el mismo problema aritmético.

Por qué nadie lo vio antes

La pregunta obvia es cómo una empresa con inversores profesionales y un consejo que se reunía cada mes tardó ocho meses en detectar que perdía dinero con cada cliente medio. Las actas que hemos revisado ofrecen una respuesta bastante prosaica: el informe mensual al consejo mostraba altas, bajas, ingresos recurrentes y caja, pero no el coste variable por cliente. La factura de telefonía y la de los proveedores de modelos se contabilizaban como gasto general de infraestructura, junto al alojamiento y las licencias de software.

Uno de los inversores de la ronda semilla lo reconoce sin rodeos: «Mirábamos la curva de clientes, que era preciosa. Nadie pidió desglosar el coste de servir a cada uno. En una empresa de software tradicional ese coste es casi cero y te acostumbras a no preguntarlo. Aquí era la variable más importante del negocio».

El cierre

Con 1.350 clientes y un coste de adquisición de 410 euros por restaurante que ya no se recuperaba nunca, los fundadores buscaron un comprador durante el otoño. Recibieron una única oferta, de una empresa de software de gestión de reservas, que quería la tecnología y a cinco ingenieros, pero no los clientes ni la marca. La aceptaron en enero de 2026. Los inversores recuperaron el 9 % de su dinero.

Montesinos trabaja ahora en la empresa compradora, donde el agente de voz se vende como complemento del programa de reservas con un precio por llamada. Ortuño está preparando otra empresa. Cuando le preguntamos qué es lo primero que hará distinto, no dudó: «Antes de escribir una línea de código, voy a hacer una hoja de cálculo con el coste de servir al cliente más grande que me imagine. Y si sale negativa, no hay empresa».

En la cabecera de esta revista hay una cifra que se actualiza cada semana: la valoración mediana de las series A de inteligencia artificial. Lleva meses rondando los 62 millones de dólares. Es un número que los fundadores citan en sus negociaciones y los inversores en sus comités, casi siempre sin detenerse a pensar qué hay detrás. Para averiguarlo, hemos reconstruido 246 rondas de serie A cerradas entre enero y junio de 2026 por empresas de inteligencia artificial en Europa y Estados Unidos, con valoración verificable en documentos registrales o confirmada por escrito por al menos dos partes de la operación.

El resultado es una fotografía con más matices de lo que sugiere una sola cifra. La mediana es de 62 millones, pero la mitad central de las rondas se mueve entre 38 y 104 millones, y las diferencias dependen menos de los ingresos de lo que sería razonable esperar.

Lo que se compra con 62 millones

Una serie A típica de inteligencia artificial levanta 14 millones a cambio del 22 % de la empresa. En el momento de la ronda, la compañía tiene unos 2,3 millones de ingresos recurrentes anualizados. El múltiplo resultante, 27 veces los ingresos, es más del doble del que reciben las empresas de software sin un componente central de IA en la misma fase, que se sitúan en torno a 12 veces.

Casi un tercio de las rondas, el 31 %, se cerró con empresas que no tenían ingresos recurrentes significativos, definidos como menos de 500.000 dólares anualizados. En esos casos, la valoración mediana fue de 51 millones. Es decir, la diferencia entre no facturar casi nada y facturar 2,3 millones apenas mueve la valoración un 20 %.

Lo que de verdad explica la valoración

Para entender qué pesa, cruzamos cada valoración con una docena de variables: ingresos, crecimiento, margen bruto cuando estaba disponible, sector, geografía, trayectoria de los fundadores y fondos participantes. Tres factores destacan con claridad.

• La geografía. La mediana en Estados Unidos es de 78 millones; en Europa, de 41. En España, con 23 rondas en la muestra, de 34 millones. Una empresa con los mismos ingresos vale, en su serie A, casi el doble en San Francisco que en Madrid.
• La procedencia de los fundadores. Las empresas con al menos un fundador que ha trabajado en investigación en un gran laboratorio de IA obtienen valoraciones un 60 % superiores, a igualdad de ingresos y geografía.
• Un fondo líder de primer nivel. Cuando la ronda la lidera uno de los veinte fondos con más volumen invertido en IA, la valoración sube de media un 35 %. Es difícil separar causa y efecto: esos fondos eligen a las empresas que ya son caras.

En cambio, el margen bruto, que en otras fases es una variable decisiva, apenas aparece. Solo 74 de las 246 empresas facilitaron el dato a sus inversores de forma auditada, según nos confirmaron las propias partes, y su correlación con la valoración es prácticamente nula.

En una serie A de IA estás comprando un equipo y una opción sobre el mercado. Los ingresos son una prueba de vida, no la base del precio. El problema llega cuando la serie B sí los mira.

Socio de un fondo europeo de crecimiento

La cuenta que llega dieciocho meses después

Una valoración alta no es gratis. Fija el listón de la siguiente ronda. Para levantar una serie B sin bajar el precio —y con una subida razonable, que el mercado sitúa en torno al doble—, una empresa valorada en 62 millones necesitará justificar unos 124. Con los múltiplos que hoy se pagan en las series B de inteligencia artificial, alrededor de 15 veces, eso exige llegar a unos 8 millones de ingresos recurrentes. Partiendo de 2,3, la empresa tiene que multiplicar su facturación por 3,5 en dieciocho o veinticuatro meses.

Para saber cuántas lo consiguen, miramos hacia atrás. De las series A de IA que cerraron en el primer semestre de 2025 y cuyo recorrido pudimos seguir, 188 en total, solo el 31 % había triplicado sus ingresos al cabo de dieciocho meses. Un 22 % había levantado una serie B a una valoración superior; un 19 %, una ronda plana o una extensión; y un 9 % había cerrado o sido vendida por debajo del capital invertido. El resto seguía operando con la caja de la serie A.

Por qué la mediana engaña

La cifra de 62 millones está sesgada por su propia naturaleza. Solo recoge las rondas que se cierran; las empresas que intentaron levantar y no lo consiguieron no aparecen. En nuestra muestra de seguimiento, por cada serie A de IA cerrada hubo, según los fondos consultados, entre tres y cuatro procesos que no llegaron a término. La mediana describe a los que ganaron la primera partida, no al conjunto de los que se sentaron a jugar.

Tampoco dice nada sobre la calidad de las condiciones. Un 14 % de las rondas analizadas incluía preferencias de liquidación superiores a una vez el capital invertido, cláusulas antidilución completas o tramos condicionados a hitos. Una valoración de 62 millones con esas condiciones puede valer, para los fundadores y empleados, bastante menos que una de 45 sin ellas.

La conclusión es incómoda para quien usa la mediana como argumento de negociación. Pedir 62 millones porque es lo que se paga es razonable. Pero conviene saber que esa cifra lleva incorporada una promesa, y que dieciocho meses después alguien va a pedir que se cumpla.

Cada semana llegan a esta redacción media docena de presentaciones de startups que prometen un agente autónomo. El adjetivo se ha convertido en una etiqueta de categoría, como hace unos años lo fue «en la nube» o «basado en datos». El agente autónomo reserva viajes, negocia con proveedores, resuelve incidencias, programa campañas. Lo hace solo, sin supervisión, las veinticuatro horas. Y casi siempre, cuando preguntamos a los clientes de esas empresas qué usan realmente, la respuesta es otra: usan el agente para preparar el trabajo y una persona para aprobarlo.

Este ensayo defiende una idea impopular en el sector: que la autonomía no es la meta del producto, sino uno de sus costes. Y que las empresas que lo entienden venden más que las que no.

La aritmética de la cadena

Empecemos por las matemáticas, que son despiadadas. Un agente que completa una tarea de veinte pasos, y que acierta en cada paso con una probabilidad del 95 %, completará la tarea entera sin errores solo el 36 % de las veces. Es la multiplicación de 0,95 por sí mismo veinte veces. Para que el agente termine bien ocho de cada diez tareas de veinte pasos necesita acertar en cada uno el 99 % de las veces, y aun así fallará en casi una de cada cinco.

Los errores no son independientes, lo que complica la cuenta en ambas direcciones: a veces un buen paso corrige uno malo anterior, y a menudo un error temprano contamina todo lo que viene después. Pero el principio se mantiene. Cuanto más larga y autónoma es la cadena, más improbable es que llegue bien al final. Y un cliente no compra el 95 % de los pasos: compra la tarea terminada.

Un cliente no compra el 95 % de los pasos. Compra la tarea terminada.

Pablo Arrieta

Lo que el comprador está comprando

La segunda razón es menos técnica. Cuando una empresa compra software para una tarea que antes hacía una persona, no está comprando solo la ejecución. Está comprando responsabilidad. Si el agente paga una factura dos veces, alguien tiene que responder ante el proveedor, ante el auditor y ante el director financiero. Ese alguien no es el agente.

Por eso, en los sectores donde el error tiene consecuencias —finanzas, salud, legal, recursos humanos—, los compradores desconfían de la palabra «autónomo». La consejera delegada de Corvia Labs, la empresa que encabeza este trimestre el LATENTE 50, lo explicaba en la entrevista que publicamos hace unas semanas: su producto resuelve solo el 93 % de las partidas, pero lo que vende es que alguien con título revisa el 7 % restante. La autonomía parcial, bien diseñada, es lo que hace posible la venta.

El diseño de la revisión es el producto

Si aceptamos que la mayoría de los agentes útiles tendrán a una persona en algún punto del proceso, el problema de diseño cambia por completo. Ya no se trata de eliminar al humano, sino de hacer que su intervención sea rápida, informada y valiosa. Y eso es mucho más difícil de lo que parece.

Una buena interfaz de revisión muestra qué ha hecho el agente, por qué, con qué información y con qué grado de confianza. Permite aprobar en bloque lo evidente y detenerse en lo dudoso. Aprende de las correcciones. Mide cuánto tarda una persona en revisar cada caso y trabaja para reducir ese tiempo. En las empresas que mejor lo hacen, la revisión humana ha pasado de ser una concesión vergonzante a ser la parte más cuidada del producto.

Una objeción razonable

La objeción obvia es que los modelos mejoran y que lo que hoy exige supervisión mañana no la necesitará. Es cierto en parte. La tasa de acierto por paso ha subido de forma notable en los últimos dos años, y hay tareas —clasificar, extraer, resumir— donde la intervención humana ya es marginal. Pero la mejora de los modelos no elimina el problema de la responsabilidad, y tiende a desplazar la frontera en lugar de borrarla: a medida que los agentes hacen bien tareas sencillas, los clientes les encargan tareas más largas y más delicadas, y la cadena vuelve a alargarse.

Hay además un efecto perverso en vender autonomía total. Si el cliente espera que el agente funcione solo, cada error es una traición. Si el cliente sabe que el agente prepara y una persona decide, cada error detectado a tiempo es una prueba de que el sistema funciona. La misma tasa de fallo produce clientes furiosos o clientes satisfechos según lo que se les haya prometido.

Lo que proponemos

Nuestra propuesta a los fundadores que llegan con un agente autónomo es sencilla: quiten el adjetivo. Describan qué parte de la tarea hace el sistema solo, en qué casos pide ayuda, cuánto tiempo ahorra a la persona que revisa y cuánto cuesta un error. Si esas cifras son buenas, no necesitarán la palabra «autónomo» para vender. Si son malas, la palabra no las va a salvar.

El mejor agente que hemos visto este año no se describe a sí mismo como agente. Su página de inicio dice, en letra grande, cuántas horas ahorra al mes a un equipo de cinco personas. Y en letra pequeña, debajo, cuántas veces al día pide a alguien que mire algo antes de actuar. Es la letra pequeña más honesta del sector, y probablemente la razón de que sus clientes renueven.

Durante tres meses creí que el problema de nuestro sistema era el modelo de lenguaje. Respondía mal a preguntas sencillas sobre convenios colectivos, se inventaba complementos salariales y mezclaba tablas de años distintos. Probamos tres modelos más grandes. La tasa de respuestas correctas subió dos puntos. Luego dejamos de mirar el modelo y empezamos a mirar los documentos, y subió veintitrés más. Esta columna cuenta qué cambiamos, en qué orden y cuánto aportó cada cosa.

Registra es una startup de Barcelona que ayuda a gestorías y departamentos de recursos humanos a consultar convenios colectivos: cuánto se cobra por una categoría profesional, cuántos días de permiso corresponden por mudanza, qué plus se aplica a la nocturnidad en tal provincia. Nuestra base documental tiene unos 4.800 convenios en PDF, muchos con decenas de tablas salariales y revisiones anuales publicadas por separado. Es un caso de libro para la generación aumentada por recuperación, conocida como RAG: el sistema busca los fragmentos relevantes y el modelo redacta la respuesta a partir de ellos.

Primero, medir

Lo primero que hicimos, y lo que tendríamos que haber hecho desde el principio, fue construir un conjunto de evaluación. Dos graduadas sociales de nuestro equipo escribieron 400 preguntas reales, extraídas de consultas de clientes, con su respuesta correcta y el fragmento exacto del convenio donde se encuentra. Con eso podíamos medir dos cosas por separado: si el sistema recuperaba el fragmento correcto entre los diez primeros resultados, lo que se llama recall a 10, y si la respuesta final era correcta.

El punto de partida: recall a 10 de 0,52 y un 61 % de respuestas correctas. Dicho de otra forma, en casi la mitad de las preguntas el modelo nunca llegaba a ver el fragmento que contenía la respuesta. Ningún modelo, por grande que sea, puede responder bien con información que no tiene.

1 · Las tablas

Nuestro extractor de texto convertía las tablas salariales en una sopa de números. Una fila como «Oficial de primera, 1.642,30, 22.992,20» perdía la relación con los encabezados de columna, así que el modelo no podía saber cuál era el salario mensual y cuál el anual. Cambiamos a un extractor que respeta la maquetación y, para cada fila, generamos un texto que repite los encabezados: «Categoría: oficial de primera. Salario base mensual: 1.642,30 euros. Salario anual: 22.992,20 euros. Año: 2026». Es redundante y ocupa más, pero cada fila se entiende sola. El recall saltó de 0,52 a 0,67.

2 · Trocear como está escrito el documento

Partíamos los documentos en trozos de 512 tokens con algo de solapamiento, sin mirar su estructura. Un artículo sobre permisos podía quedar cortado por la mitad y su segunda parte, sin el título, era imposible de relacionar con la pregunta. Pasamos a trocear por la estructura del propio convenio —capítulos, artículos, anexos— y a añadir a cada trozo el nombre del convenio, el ámbito y el título del artículo. Los trozos quedaron de tamaños desiguales, y no pasó nada. El recall subió a 0,74.

Pasamos meses eligiendo el modelo de embeddings y ni un día mirando cómo cortábamos los documentos. Era exactamente al revés.

Laia Montserrat

3 y 4 · Palabras exactas y una segunda opinión

La búsqueda por embeddings es buena encontrando significados parecidos y mala con términos exactos. En derecho laboral, los términos exactos importan mucho: «plus de nocturnidad», «artículo 34», «grupo profesional III». Añadimos una búsqueda léxica clásica, del tipo BM25, en paralelo a la semántica, y combinamos ambas listas con fusión por rango recíproco, un método sencillo que premia los documentos bien situados en las dos. Recall de 0,81.

Después añadimos un reordenador: un modelo que recibe la pregunta y cada uno de los 50 primeros candidatos juntos y puntúa su relevancia con más precisión que la búsqueda inicial, a cambio de ser más lento. Nos quedamos con los ocho mejores. El recall a 10 llegó a 0,88 y la latencia subió unos 300 milisegundos, que nuestros usuarios no notan.

5 · El error que más dolía: las fechas

Al revisar a mano los fallos restantes descubrimos que muchos no eran de recuperación. El sistema encontraba el artículo correcto, pero de un convenio caducado o de la provincia equivocada. Un convenio de hostelería de 2023 y su revisión de 2026 son casi idénticos en texto y distintos en las cifras. Añadimos metadatos de vigencia y ámbito a cada trozo y un paso previo que extrae de la pregunta la provincia, el sector y la fecha, y filtra antes de buscar. Si la pregunta no los indica, el sistema los pide. Las respuestas correctas pasaron del 82 % al 86 %.

El 14 % de respuestas incorrectas que nos queda tiene causas variadas: preguntas ambiguas, convenios con errores en su publicación oficial y casos en los que la respuesta exige combinar tres artículos distintos. Ahí sí creemos que un modelo mejor puede aportar. Pero hemos aprendido a desconfiar de esa intuición: la próxima vez que un fallo nos parezca culpa del modelo, lo primero que haremos será abrir el PDF.

Entre julio de 2025 y junio de 2026 leí 612 presentaciones de startups de inteligencia artificial. Las conté porque en nuestro fondo registramos cada una en una hoja de cálculo con una docena de campos, una costumbre heredada de mi etapa como analista que mis socios consideran obsesiva. Invertimos en nueve. Esta pieza no va sobre esas nueve, sino sobre las otras 603, y sobre lo que aprendí de ellas sobre cómo se cuenta hoy una empresa de IA y sobre lo que sistemáticamente se deja fuera.

Declaración de intereses: Cardo Capital es un fondo de presemilla y semilla con sede en Madrid y 40 millones de euros comprometidos. Tenemos participación en catorce empresas de inteligencia artificial. Ninguna se menciona en este texto, y he revisado con la redacción que ningún dato permita identificar a las empresas que no invertimos.

El año de los agentes

El 71 % de las presentaciones usaba la palabra «agente» en las tres primeras diapositivas. En el primer trimestre del periodo era el 48 %; en el último, el 83 %. Después de un tiempo empecé a hacer un ejercicio: tachar mentalmente la palabra y leer la diapositiva de nuevo. En la mayoría de los casos no cambiaba nada. «Agente de atención al cliente» significaba lo mismo que «asistente de atención al cliente» dos años antes. La palabra se había convertido en un requisito de formato, como el logotipo en la esquina.

No lo digo con desdén. Entiendo por qué ocurre: los fundadores leen lo mismo que leen los inversores, y saben que una presentación sin esa palabra parece anticuada. Pero el efecto es que las presentaciones se parecen cada vez más entre sí, y lo que distingue a una empresa de otra queda enterrado en la diapositiva catorce.

Lo que no aparece

Si tuviera que resumir el año en un dato, sería este: solo el 9 % de las presentaciones incluía el coste de servir a un cliente o de completar una tarea. Solo el 38 % mencionaba el margen bruto, y en muchos de esos casos era una previsión a tres años con una nota al pie que decía «asumiendo reducción de costes de inferencia». Es como presentar un restaurante sin saber cuánto cuestan los ingredientes, confiando en que el precio del aceite bajará.

El segundo gran ausente es el comprador. Menos de un tercio de las presentaciones identificaba quién, dentro de la empresa cliente, firma la compra. Muchas describían con precisión al usuario y su problema, pero no al responsable del presupuesto. Después de leer la autopsia de Vela que publicó esta revista, creo que ese hueco merece más atención de la que yo misma le daba.

Una presentación sin coste por cliente es un restaurante que no sabe cuánto cuestan los ingredientes y confía en que el aceite bajará.

Rocío Valdivia

El mito del envoltorio

Durante un tiempo, la crítica más repetida en el sector era que muchas startups eran un simple «envoltorio» sobre un modelo ajeno. Creo que la crítica apunta a algo real pero se equivoca de diana. Casi todo el software es, en algún nivel, un envoltorio sobre algo: una base de datos, un proveedor de nube, un sistema de pagos. Lo que importa no es si la empresa entrena su propio modelo, sino si lo que construye alrededor —integraciones, datos, flujos de trabajo, confianza del cliente— sería difícil de copiar.

La pregunta útil, por tanto, no es «¿entrenáis vuestro modelo?», sino «¿qué pasa con vuestra empresa si mañana el modelo que usáis es el doble de bueno y la mitad de caro?». Si la respuesta es que la empresa mejora, es buena señal: el modelo es un proveedor. Si la respuesta es que cualquiera podrá hacer lo mismo, el problema no se arregla entrenando un modelo propio.

Las cuatro preguntas que ahora hago en el minuto uno

• ¿Cuánto os cuesta completar una tarea para vuestro cliente más grande, incluidos reintentos y revisión humana?
• ¿Quién firma la compra, cuánto presupuesto tiene y de qué partida sale?
• ¿Qué pasa con vuestro producto si el modelo que usáis mejora mucho y baja de precio?
• ¿Quién es vuestro competidor más peligroso, y por qué os elegiría un cliente en vez de a él?

Ninguna de las cuatro es original. Pero he comprobado que las respuestas separan a los equipos mejor que cualquier diapositiva. Los fundadores que las contestan con cifras, aunque sean malas, suelen ser los que saben dónde está su empresa. Los que responden con adjetivos suelen no saberlo.

En qué me equivoqué

Sería deshonesto terminar sin reconocer mis errores. Descarté al menos dos empresas que hoy facturan bien porque su mercado me pareció pequeño. En ambos casos, el mercado era pequeño para un producto genérico y enorme para uno bien integrado en un sector concreto. También invertí en una que presentaba un coste por tarea impecable, calculado sobre un volumen que nunca llegó; con poco volumen, sus costes fijos de infraestructura hicieron irrelevante todo lo demás.

La lección que saco es que las cifras no bastan si no se entiende el contexto en el que se han calculado. Pero la ausencia total de cifras sigue siendo, para mí, la señal más fiable de que algo no va bien.

A los fundadores que preparan su próxima presentación solo les pediría una cosa: pongan en la diapositiva cinco el coste de servir a su cliente más grande. Si la cifra es buena, les ahorrará media reunión. Si es mala, les ahorrará algo más valioso: descubrirlo ellos antes que su inversor.

Son las nueve y cuarto de la mañana de un lunes y el teléfono de atención ciudadana de un ayuntamiento de unos 80.000 habitantes del área metropolitana de Valencia ya ha recibido 214 llamadas. Casi todas las ha atendido una voz sintética con acento neutro que pregunta en qué puede ayudar, consulta el padrón o la agenda de citas y, cuando no sabe, transfiere a una persona. Hace dos años, a esa hora, la mitad de las llamadas se perdían. Hoy se pierden menos del 6 %. La voz la ha desarrollado Quilmé, una empresa que factura 63 millones de dólares al año y que ocupa el séptimo puesto del LATENTE 50.

Durante dos meses hemos analizado 43 licitaciones de asistentes conversacionales y de voz publicadas por administraciones públicas españolas entre enero de 2024 y junio de 2026: ayuntamientos, diputaciones, consorcios y dos organismos autonómicos. Hemos leído los pliegos técnicos, las actas de adjudicación y, cuando estaban disponibles, los informes de ejecución. También hemos hablado con técnicos municipales, con empresas licitadoras y con asociaciones de personas mayores.

Pliegos que piden magia

La primera conclusión es que las administraciones compran inteligencia artificial sin saber muy bien cómo definirla. En 29 de los 43 pliegos, el objeto del contrato se describe con fórmulas como «asistente virtual basado en inteligencia artificial» o «solución de atención inteligente», sin métricas de calidad exigibles. Solo 11 fijaban una tasa mínima de resolución sin intervención humana y solo 7 establecían penalizaciones si no se alcanzaba.

El precio pesa de media un 58 % en los criterios de adjudicación. En nueve licitaciones pesaba más del 70 %. Varios técnicos municipales nos explicaron que es la forma más segura de adjudicar cuando no hay capacidad interna para evaluar propuestas técnicas complejas: el precio es objetivo y difícil de recurrir. El resultado es que se compra lo más barato de algo que no se sabe medir.

Nos pidieron un asistente con inteligencia artificial. Cuando preguntamos qué debía resolver y cómo lo íbamos a medir, nos dijeron que eso lo propusiéramos nosotros.

Responsable de una empresa licitadora

Cómo gana Quilmé

Quilmé nació en Rosario, Argentina, en 2021, y abrió oficina en Madrid dos años después. Su fundadora, Martina Oyhenart, trabajó en el servicio de atención telefónica de un gran municipio argentino antes de estudiar ingeniería. De sus 63 millones de ingreso recurrente, algo más de un tercio procede de España. Ha ganado 11 de las 43 licitaciones que analizamos, más que ninguna otra empresa, y no siempre con la oferta más barata.

Oyhenart atribuye la diferencia a algo que no suele aparecer en las presentaciones de producto: la integración con los sistemas municipales. «Una voz que suena bien la tiene cualquiera», nos dijo en su oficina de la calle de Alcalá. «Lo difícil es que esa voz pueda consultar el padrón, el registro de entrada y la agenda de citas de un ayuntamiento que usa cuatro programas distintos, algunos con veinte años. Eso es el 80 % de nuestro trabajo».

La empresa también ha aprendido a proponer ella misma las métricas cuando el pliego no las fija, y a comprometerse con ellas. En los once contratos que ha ganado, incluye una tasa mínima de resolución y la obligación de transferir a una persona cuando el ciudadano lo pide o cuando el sistema detecta dificultades. Esa última cláusula, dice Oyhenart, le ha hecho ganar al menos dos adjudicaciones en las que no era la más barata.

Los que se quedan fuera

No todos están contentos. Las asociaciones de personas mayores con las que hablamos coinciden en una queja: muchos asistentes no dejan claro cómo hablar con una persona, o lo hacen solo después de varios intentos fallidos. En 24 de los 43 pliegos no se exigía que la transferencia a un humano estuviera disponible en todo momento.

Una técnica de servicios sociales de un municipio de Castilla-La Mancha nos contó el caso de un vecino de 84 años que llamó cinco veces para pedir una cita porque el asistente no entendía su forma de expresarse. «No es que la máquina fuera mala», nos dijo. «Es que nadie pensó en él cuando se diseñó el servicio».

Lo que exige la ley, y lo que debería exigir el pliego

El Reglamento europeo de inteligencia artificial obliga a informar a las personas de que están hablando con un sistema de IA cuando no resulte evidente. La mayoría de los asistentes que hemos probado lo hacen al principio de la llamada. Pero la transparencia es solo un mínimo. Las mejores licitaciones que hemos leído van más allá: fijan métricas, exigen transferencia a una persona en cualquier momento, regulan quién es dueño de las grabaciones y las transcripciones y obligan a publicar informes periódicos de funcionamiento.

El ayuntamiento valenciano del principio publicará su primer informe de funcionamiento en octubre. Su responsable de atención ciudadana nos adelantó una cifra: el 12 % de las llamadas termina ya con una persona, casi siempre a petición del ciudadano. «Al principio lo veíamos como un fallo del sistema», dijo. «Ahora creemos que es exactamente lo que tiene que pasar».

La mayoría de las startups de inteligencia artificial descubren cuánto dependen de su proveedor de modelos el peor día posible: cuando el proveedor sube precios, cambia las condiciones de uso, retira una versión del modelo o sufre una caída de varias horas. En el Mapa de Modelos medimos esa dependencia como el tiempo de ingeniería que cuesta migrar un caso de uso real de un proveedor a otro. La media es de 6,8 semanas; el rango, de 2 a 21. Esta guía explica de dónde salen esas semanas y cómo calcular las tuyas antes de que las necesites.

La buena noticia es que la dependencia no es una propiedad fija de tu producto. Es la suma de decisiones que puedes revisar, y algunas de las más baratas de cambiar son las que más pesan.

Al estudiar las migraciones de nueve empresas, encontramos que el esfuerzo se reparte en cinco capas. No todas las empresas tienen todas, y el peso de cada una varía mucho según el producto.

Capa 1: los prompts no son portables

Unas instrucciones que funcionan de maravilla con un modelo pueden funcionar mal con otro. Los modelos responden de forma distinta al orden de las instrucciones, a los ejemplos, al tono y a la longitud. Las empresas que habían optimizado sus prompts durante meses para un modelo concreto necesitaron hasta cuatro semanas para recuperar la misma calidad con otro. Las que usaban instrucciones claras, sin trucos específicos, apenas tardaron unos días.

Hay además un efecto económico que casi nadie anticipa: cada modelo usa su propio tokenizador, es decir, su propia forma de trocear el texto en unidades que se facturan. El mismo documento puede suponer un número de tokens distinto según el modelo, con diferencias que en español observamos de hasta un 25 %. Comparar precios por millón de tokens entre proveedores sin tener esto en cuenta lleva a conclusiones erróneas.

Capas 2 y 3: formatos y ajustes

Los proveedores exponen las llamadas a herramientas y la salida estructurada con formatos parecidos pero no idénticos. Si tu código construye esos mensajes directamente, cambiar de proveedor obliga a tocarlo en cada punto donde se usa. Una capa de abstracción propia, que traduzca un formato interno al de cada proveedor, reduce esta capa a casi nada. Existen bibliotecas abiertas que lo hacen, aunque ninguna cubre todos los casos.

El ajuste fino es la capa más cara cuando existe. Un modelo ajustado con tus datos en la plataforma de un proveedor no se puede llevar a otro: hay que repetir el entrenamiento, y a veces el nuevo proveedor no ofrece ajuste sobre un modelo equivalente. Si ajustas, guarda siempre los datos de entrenamiento, los guiones y las métricas de forma que puedas repetir el proceso en otra parte. Y considera ajustar modelos de pesos abiertos, cuyos pesos resultantes son tuyos.

Nadie se acuerda de los embeddings hasta que tiene que recalcular cuarenta millones de vectores un viernes por la tarde.

Director técnico de una de las empresas estudiadas

Capa 4: los embeddings no se traducen

Los vectores que produce un modelo de embeddings solo tienen sentido comparados con otros vectores del mismo modelo. Si cambias de modelo de embeddings, tienes que recalcular todos los vectores de tu índice y volver a validar la calidad de la búsqueda. En una base documental grande, eso son días de cómputo y semanas de comprobaciones. La recomendación es sencilla: trata el modelo de embeddings como una decisión separada del modelo generador. Puedes cambiar de modelo de lenguaje sin tocar los embeddings, y conviene que tu arquitectura lo permita.

Capa 5: sin evaluación no hay migración

La capa que más separa a las migraciones rápidas de las lentas no es técnica, es de método. Las empresas que tenían un conjunto de evaluación automatizado —casos reales con la respuesta esperada y un guion que mide la calidad— sabían en horas si el nuevo proveedor funcionaba igual. Las que no lo tenían dependían de pruebas manuales y de las quejas de los clientes, y tardaron semanas en tener confianza suficiente para cambiar.

Reducir la cifra sin reescribir el producto

Tres prácticas bajaron la dependencia de forma notable en las empresas estudiadas. La primera, la capa de abstracción para llamadas al modelo, que cuesta pocos días y ahorra semanas. La segunda, el conjunto de evaluación automatizado, que sirve además para cualquier cambio de versión del mismo proveedor. La tercera, la más sencilla de todas: enviar de forma permanente un pequeño porcentaje del tráfico, entre el 2 % y el 5 %, a un proveedor alternativo, y comparar resultados. Así la alternativa está probada, configurada y lista para recibir más carga el día que haga falta.

No se trata de cambiar de proveedor cada vez que otro baja precios; como contaba el fundador de Tramo en esta misma revista, eso puede comerse cualquier ahorro. Se trata de que la decisión de quedarte sea tuya, y no una consecuencia de no poder irte.