En 2026, la mayor parte del análisis de IA todavía se realiza con la unidad de análisis equivocada. Los inversores siguen de cerca a las empresas. El valor reside en las personas. Y las personas se mueven.
- El problema: la escasez es real y se refleja en el precio de cada acuerdo
- El error fundamental: la mayoría de los análisis exhaustivos tratan el talento como una reserva, no como un flujo continuo
- Por qué este es específicamente un problema de IA
- El cambio que hay que hacer: de la diligencia a nivel de empresa a la inteligencia a nivel individual
- En resumen: se trata de una nueva clase de activos, y aún nadie la posee
Presupuestos de computación, múltiplos de ingresos, puntuaciones de referencia, ciclos de lanzamiento de modelos: estas son las métricas que llenan los informes de inversión. Todas ellas son consecuencia de algo más fundamental. Y a diferencia de las GPU y el capital, ese algo no se puede fabricar bajo demanda, no se puede instalar en un centro de datos de un país del Golfo Pérsico ni se puede reemplazar con la próxima generación de hardware.
Son personas. Un número muy reducido de ellas.
Las empresas que aprendan a considerar los flujos de talento emergente como una señal primordial —y no como una preocupación de recursos humanos ni como un simple trámite— tendrán una ventaja informativa decisiva en la próxima década. Las que no lo hagan seguirán viéndose sorprendidas.
El problema: la escasez es real y se refleja en el precio de cada acuerdo
Las cifras ya son de dominio público. Consideremos lo que sucedió en 2025:
- Meta pagó 14.300 millones de dólares por una participación en Scale AI que, según observadores del sector, fue principalmente un vehículo para adquirir a su director ejecutivo.
- Google pagó 2.400 millones de dólares para adquirir personal clave de Windsurf.
- Sam Altman declaró públicamente que Meta intentó tentar a los mejores talentos de OpenAI con bonos de contratación de 100 millones de dólares.
- Según se informa, Cursor ofreció a un solo becario un paquete salarial de 20 millones de dólares.
- Safe Superintelligence alcanzó una valoración de 32.000 millones de dólares con aproximadamente 20 empleados y sin ningún producto.
- Thinking Machines Lab cerró la mayor ronda de financiación inicial de la historia, con 2.000 millones de dólares, sobre las mismas bases.
Nada de esto es una compensación en el sentido convencional. Se trata de la determinación del precio de un recurso que se ha topado de frente con un límite de oferta estricto.
La lógica es simple. Como un ejecutivo de Meta comentó a CNBC: «Si voy a invertir mil millones de dólares en la creación de un modelo, 10 millones de dólares para un ingeniero es una inversión relativamente baja«. Cuando el costo de una sesión de entrenamiento asciende a nueve cifras, las empresas, racionalmente, ofrecen a los profesionales paquetes salariales de hasta ocho y nueve cifras. La limitación no es el dinero. La limitación es que no hay suficientes personas cualificadas, y no puede haberlas.
¿Qué tan escasa es la oferta? Un estudio reciente del NBER revela que las personas con un alto coeficiente intelectual tienen 20 veces más probabilidades de trabajar en I+D. El economista Alex Tabarrok estima que el trabajo en la vanguardia de la fabricación de chips requiere una capacidad cognitiva de uno de cada 1000, lo que equivale a unos 164 000 estadounidenses, de los cuales quizás 100 000 estén disponibles para los puestos técnicos más exigentes. La investigación de vanguardia en IA representa una porción aún menor de ese grupo.
Esto no es un mercado laboral. Se trata de unos pocos miles de personas en todo el mundo cuya presencia o ausencia altera sustancialmente el resultado de una valoración de 50 mil millones de dólares.
El error fundamental: la mayoría de los análisis exhaustivos tratan el talento como una reserva, no como un flujo continuo
La mayoría de los análisis de inversores tratan a las personas como si fueran acciones : número de doctores, porcentaje del equipo con títulos de posgrado, universidades de procedencia. Estas son instantáneas estáticas de un sistema dinámico. Además, son los datos más fáciles de falsificar en el mercado, ya que las cifras de LinkedIn y los comunicados de prensa están dirigidos a un público específico.
La señal que realmente predice los resultados son los flujos : quién llega, quién se va, de dónde vienen y adónde van después.
Los flujos revelan cuatro cosas que las acciones no pueden.
1. Vulnerabilidad competitiva antes de que se manifieste en el producto.
Cuando dos investigadores sénior abandonan discretamente un laboratorio bien financiado para unirse a la competencia en el transcurso de un solo trimestre, eso es un indicador clave de un posible deterioro del producto que no aparecerá en ningún informe de resultados hasta dentro de 12 a 18 meses.
En 2025, este patrón se hizo público. Meses después de su ronda de financiación inicial récord, los cofundadores de Thinking Machines, Barret Zoph y Luke Metz, regresaron a OpenAI, y The Information informó que otros empleados estaban considerando hacer lo mismo. Para los inversores que lideraron la ronda de 2 mil millones de dólares, esta noticia no fue una sorpresa para quienes seguían de cerca los flujos de inversión individuales. Sin embargo, sí sorprendió a quienes seguían las valoraciones.
2. Los límites reales del foso de una empresa
A principios de este año, el boletín Newcomer planteó claramente la pregunta central para los inversores en IA: ¿la remuneración sin precedentes de los mejores ingenieros de IA es una prueba de que una parte mucho mayor del valor de la empresa recae realmente en un puñado de personas, o es un producto de valoraciones extraordinarias en un momento de burbuja?
Esa distinción constituye la base de toda la tesis de inversión. Si el valor de la empresa se pierde con la marcha de cinco empleados, la estructura de capital depende de la retención de talento, no de los ingresos. Ninguno de los dos mundos puede distinguirse sin analizar los flujos.
3. Dónde se construirá la próxima empresa
Cada una de las principales startups de IA del ciclo actual se vislumbró como un cúmulo de salidas antes de que se concretara su ronda de financiación. Anthropic fue un éxodo de OpenAI. Thinking Machines fue un éxodo de OpenAI. Safe Superintelligence fue un éxodo de OpenAI. Los inversores que seguían de cerca a los individuos —no a las empresas— detectaron estas formaciones meses antes de que circularan las presentaciones.
4. El arbitraje geográfico que remodela silenciosamente el mapa.
El Índice de IA Stanford HAI 2026, publicado esta semana, lo deja claro. Basándose en el conjunto de datos de Zeki, que incluye a 658 000 investigadores e inventores de vanguardia en IA, el Índice muestra que la afluencia neta de talento de vanguardia en Estados Unidos se ha desplomado desde un máximo de 324,6 en 2022 hasta apenas 26,0 en 2025. Esto representa una caída de aproximadamente el 92 % en tres años. India es ahora el mayor exportador neto, con -16,9. Suiza y Singapur lideran el mundo en términos per cápita, con alrededor de 110 investigadores de vanguardia por cada 100 000 habitantes, muy por delante de cualquier gran economía.
Estas no son estadísticas abstractas. Son los indicadores clave de dónde se formará el próximo grupo de empresas de IA y de dónde provendrá la presión competitiva sobre los centros existentes.
Por qué este es específicamente un problema de IA
Muchas industrias cuentan con talentos excepcionales. Tres cosas hacen que la IA de vanguardia sea realmente diferente:
La función de contribución es extraordinariamente no lineal. En la mayoría de las industrias, perder a un ingeniero sénior significa que un proyecto se ralentiza. En la IA de vanguardia, perder al investigador sénior adecuado puede significar que una sesión de entrenamiento fracase, que un objetivo de referencia se retrase nueve meses o que se abandone toda una línea de investigación. La persona que resuelve un problema específico en la fase de alineación posterior al entrenamiento puede ser, literalmente, una de las pocas personas en el mundo capaces de resolverlo.
La propiedad intelectual reside en las personas, no en el código. Los pesos se pueden copiar. El criterio de investigación, el instinto para marcar la agenda y el conocimiento tácito de qué probar a continuación no. Cuando un investigador cambia de trabajo, el conocimiento genuino se traslada con él, de una manera que los acuerdos de confidencialidad y las cláusulas de no competencia no han logrado contener hasta ahora. Por eso, la adquisición de talento se ha convertido en el patrón dominante de fusiones y adquisiciones en IA. Según PitchBook, se cerraron 365 acuerdos de fusiones y adquisiciones en el sector de la IA durante el primer semestre de 2025, lo que representa un valor total de más de 10.000 millones de dólares. Cuando los compradores pagan miles de millones por equipos y descontinúan los productos, el activo son las personas.
La geografía es políticamente disputada de maneras que aumentan el riesgo para el talento. Cuando Meta lanzó su Laboratorio de Superinteligencia, contrató a 11 investigadores, todos inmigrantes, siete de ellos de China. Casi un tercio de los principales investigadores de IA del mundo son chinos, y la mayoría trabaja en Estados Unidos. Sin embargo, como señaló el American Enterprise Institute, basándose en The Economist , Washington se inclina hacia la restricción: se barajan revocaciones de visas de estudiantes chinos, propuestas para una tarifa de $100,000 para las visas H-1B. El hallazgo del Índice de IA de Stanford de que la entrada neta de talento estadounidense se ha desplomado no es un misterio. Es la consecuencia directa de decisiones políticas que se toman en tiempo real. Cada vez que se reabre el debate sobre las visas H-1B o cambian las normas para trabajadores calificados en el Reino Unido, el valor esperado de una cesta de inversiones en IA de EE. UU. o el Reino Unido cambia, y la mayoría de los inversores no tienen forma de medir en qué medida.
El cambio que hay que hacer: de la diligencia a nivel de empresa a la inteligencia a nivel individual
La mayoría de los inversores en IA siguen seleccionando a sus clientes de esta manera:
- ¿Quiénes forman parte de la tabla de capitalización?
- ¿Qué dice la página del equipo en el sitio web?
- ¿Cuántos doctorados provienen de las cinco mejores universidades?
- ¿Para quién trabajaba antes el investigador principal?
En su lugar, utilice análisis de diligencia debida basados en IA y evidencia como este:
- ¿Quiénes son, concretamente, las 5 a 15 personas cuya partida perjudicaría sustancialmente esta tesis?
- ¿Cuál es la tasa base de salida para los investigadores con su perfil en su etapa profesional?
- ¿Cuáles de ellos han colaborado públicamente, han sido coautores o han reconocido el trabajo realizado con investigadores de la competencia en los últimos 12 meses?
- ¿Cómo es la red de segundo orden que rodea a cada uno, y cuántos de ellos seguirían si el líder desapareciera?
- En las regiones geográficas en las que se basa esta tesis, ¿el talento emergente está llegando o saliendo?
Un analista junior con una cuenta premium de LinkedIn puede responder al primer conjunto de preguntas. El segundo conjunto no. Y es precisamente este segundo conjunto el que determina la rentabilidad.
En resumen: se trata de una nueva clase de activos, y aún nadie la posee
Cada clase de activo importante en la historia financiera ha seguido la misma progresión. Primero, es un arte cualitativo practicado por especialistas que se guían por la intuición. Luego, se convierte en una disciplina de datos con estándares, instrumentos y un lenguaje común. Finalmente, se convierte en algo fundamental. El crédito pasó por este proceso en el siglo XX. Las acciones lo hicieron en la década de 1970. El riesgo climático lo está experimentando ahora.
El talento en inteligencia artificial de vanguardia se sitúa aproximadamente en la misma posición que ocupaba el análisis crediticio antes que las agencias de calificación: hay un capital enorme en juego, se reconoce universalmente su importancia y su seguimiento se realiza casi en su totalidad a través de rumores, LinkedIn y comunicados de prensa.
Los gestores de recursos que desarrollen una infraestructura de datos genuina en torno a ella podrán responder preguntas que nadie más en el mercado puede plantear todavía de forma coherente:
¿Qué porcentaje del valor liquidativo de este fondo se concentra en menos de 50 personas? ¿Cuál es la vida media del equipo de investigación en los tres puestos más importantes? ¿Qué países son importadores netos de la subdisciplina específica en la que se basa esta tesis? ¿Se está acelerando o revirtiendo esta tendencia?
Estas son preguntas de los inversores. Tienen respuestas. Lo que sucede es que las respuestas requieren un conjunto de datos que, hasta hace poco, era imposible de recopilar.
Esa es la misión de Zeki. Zeki identifica y rastrea a 658.000 personas en todo el mundo —fuera de China— con una trayectoria comprobada en la creación de IA verdaderamente innovadora, reconocidas no por los títulos que ellos mismos se atribuyen, sino por la investigación, los datos y los modelos que realmente han aportado. Los datos de Zeki impulsan el análisis de la soberanía del talento del Índice de IA HAI de Stanford, y cada vez son más utilizados por inversores que se han dado cuenta de que, en la clase de activos más cara de la década, el factor más importante es el que casi nadie mide.
El ciclo de la IA se moderará. Las valoraciones se racionalizarán. Los costes computacionales disminuirán. Pero la escasez estructural de talento de vanguardia en IA —ese perfil cognitivo único, el conocimiento tácito, las colaboraciones productivas que tardan años en formarse y minutos en disolverse— persistirá mucho después de que las narrativas actuales sobre la burbuja se resuelvan de una forma u otra.
Los inversores que desarrollen esta capacidad durante el ciclo actual serán los que sigan generando rentabilidad en el próximo. El resto seguirá mirando los índices de referencia, preguntándose por qué sus mejores empresas de cartera dejaron de producir repentinamente.
