Sequoia Capital: de “entregar software” a “entregar resultados” en la IA

Los socios globales de Sequoia Capital analizan en profundidad la revolución de la arquitectura informática subyacente de la IA, el aterrizaje industrial en el primer año de la inteligencia artificial general (AGI) y la divergencia en la lógica de fijación de precios del capital, revelando oportunidades comerciales de miles de millones en la brecha de adopción tecnológica.

Fuente: Pat Grady video compartido de “AI for BC IC”

Compilado por: AGI 2050

【Nota del editor】

En los puntos de inflexión del ciclo tecnológico, el análisis interno de las principales firmas de capital riesgo suele constituir una sección clave para observar la dirección de la industria.

Este contenido está compilado a partir de una presentación a puerta cerrada realizada recientemente por Pat Grady, socio global de Sequoia Capital, ante el comité de inversiones de Boston College. En esta exposición, Grady sitúa la perspectiva en el otoño de 2026 y repasa sistemáticamente los cambios estructurales en la evolución tecnológica global, el ritmo de aterrizaje industrial y la lógica de fijación de precios del capital desde el estallido de los grandes modelos.

A diferencia de los discursos generalizados dirigidos al público, esta presentación ante los representantes de los socios comanditarios (LP, por sus siglas en inglés) se centra en una serie de cuestiones comerciales concretas y agudas:

•Cambio en la lógica subyacente: la esencia de esta ola no es una revolución en la distribución de información, sino una remodelación de la arquitectura informática subyacente. Su mercado total direccionable (TAM, por sus siglas en inglés) está pasando de un ámbito puramente de software, valorado en billones de dólares, a penetrar de forma sustancial en el mercado de servicios profesionales, que es entre uno y dos órdenes de magnitud mayor;

•Salto en el paradigma de I+D: con la madurez técnica del razonamiento lógico y los agentes de horizonte largo (Long-horizon Agents), el foco de investigación de los laboratorios de vanguardia ha pasado de la inteligencia artificial general (AGI) a la superinteligencia artificial (ASI) y la automejora recursiva (RSI, por sus siglas en inglés);

•Divergencia comercial y brecha de adopción: existe una clara “brecha de adopción tecnológica” entre las capacidades nativas de los modelos y la aplicación real en las empresas. El trabajo intelectual de alto valor (programación, medicina, cumplimiento fiscal, etc.) está generando una nueva generación de empresas de sistemas, pero la alta volatilidad de la base tecnológica subyacente también obliga a las empresas de la capa de aplicación a reorganizarse;

•Nueva forma de burbuja financiera: en un clima de exuberancia del mercado, el mercado primario ha desarrollado un modelo de financiación en dos etapas que “separa a los socios estratégicos de los socios financieros”, y el apalancamiento en las valoraciones y el ritmo de primas entre los mercados primario y secundario están experimentando un desafío sin precedentes.

A continuación, el texto completo de la presentación compilada:

I. Esto no es una revolución de la distribución de información, sino una reestructuración computacional

Este conjunto de materiales se utiliza principalmente para responder a una pregunta planteada por el comité de inversiones de Boston College: “¿En qué estado se encuentra actualmente la industria de la IA?”

Aquí, registro estas observaciones como una instantánea temporal en este punto de septiembre de 2026.

La industria del capital riesgo suele utilizar un gráfico para mostrar la evolución superpuesta de las olas tecnológicas a lo largo de las décadas: desde la evolución de los chips en la base hasta los sistemas informáticos, pasando por la conexión en red para convertirse en Internet; luego la entrada en los dispositivos móviles, que dio lugar a un ecosistema de aplicaciones complejo; hasta el momento actual, en que la IA comienza a dotar a estas aplicaciones de una capacidad de procesamiento sin precedentes.

La trayectoria básica de la evolución tecnológica siempre ha sido así. Pero esta ola centrada en la IA presenta tres características claramente diferentes de los ciclos anteriores:

Primero, el mercado total direccionable (TAM) es de una magnitud sin precedentes.

En los ciclos de las últimas décadas, el principal objetivo de la industria era el “tamaño del mercado de software” (Software TAM); mientras que la IA está entrando de lleno en el “tamaño del mercado de servicios profesionales” (Services TAM), cuyo volumen es entre uno y dos órdenes de magnitud mayor que el del software puro.

Segundo, la velocidad de difusión tecnológica supera con creces la de épocas anteriores.

Esta alta tasa de penetración no es exclusiva de la tecnología de IA, sino una consecuencia inevitable de la madurez de la infraestructura. En las primeras etapas de la computación en la nube, la población mundial con acceso a Internet era inferior a cien millones; cuando arrancó la Internet móvil, los usuarios tenían que comprar hardware inteligente uno a uno. En la actualidad, la infraestructura de red global y el hardware inteligente están muy extendidos, y una vez que la tecnología supera el punto de inflexión de usabilidad, la resistencia a su difusión a gran escala se ha reducido al mínimo histórico.

Tercero, y lo más fundamental: la forma de esta transformación tecnológica es completamente diferente en su lógica física a las anteriores.

Las revoluciones tecnológicas de las últimas décadas —incluidos el ordenador personal, la red de área local, Internet y la computación en la nube— pertenecen esencialmente a la “revolución de la distribución de información”, cuyo núcleo es optimizar la eficiencia de la transmisión de información en el espacio.

Lo que estamos viviendo ahora es una “revolución de la propia computación”. Ya no se trata de cómo se transmite la información, sino de cómo se procesa y reorganiza. Una reestructuración subyacente de esta magnitud no se había producido en la industria desde el nacimiento de los circuitos integrados semiconductores en las décadas de 1960 y 1970.

Esta distinción tiene un impacto comercial sustancial: significa que la base tecnológica sobre la que se apoyan los emprendedores de la capa de aplicación se encuentra todavía en una evolución dinámica de alta frecuencia.

Repasando la evolución de los últimos años, la industria ha atravesado tres puntos de inflexión clave:

1. El momento ChatGPT a finales de 2022, que estableció la viabilidad técnica y el potencial de escalado del preentrenamiento no supervisado (Pre-training);

2. El lanzamiento de OpenAI o1 a finales de 2024, que validó la vía del razonamiento lógico (Reasoning), marcando la capacidad inicial de los grandes modelos para pasar del pensamiento rápido e intuitivo (Sistema 1) al pensamiento lento y lógico (Sistema 2);

3. La introducción de Claude Code y Opus 4.5, que confirmó la usabilidad de los “agentes autónomos de horizonte largo (Long-horizon Agents)” en entornos de tareas complejas.

Estas tres etapas parecen situarse en el mismo continuo tecnológico, pero al completarse la tercera etapa, la industria ha cruzado de hecho un umbral crítico: la inteligencia artificial general (AGI) ha pasado de ser una hipótesis técnica a una realidad industrial.

A principios de este año, Sequoia predijo en un artículo de su columna que “2026 será el primer año de la AGI”. En aquel momento, esta afirmación aún era controvertida en la industria; pero a día de hoy, se ha ido consolidando como un consenso generalizado en los círculos tecnológicos y de inversión.

II. Del “carruaje” al “automóvil”: la realidad del aterrizaje comercial y sus efectos secundarios

Si tomamos prestada la clásica pregunta del fundador de Sequoia, Don Valentine —“¿Y qué? ¿Qué valor sustancial crea esto?”—, la evolución tecnológica actual significa en realidad que el medio de transporte ha pasado de ser un “carruaje mejorado” a un “automóvil”.

En los años anteriores, muchos productos denominados de IA seguían siendo esencialmente mejoras incrementales del software tradicional, simples herramientas digitales con mejor experiencia de usuario; pero ahora, la tecnología está cambiando de raíz el flujo y la forma de entrega de la productividad.

En el plano empresarial concreto, esta migración se está manifestando en múltiples escenarios:

•El software evoluciona de “caja de herramientas” a “colaborador”: productos como Instinct o Muse han pasado de ser meras herramientas de procesamiento de tareas a colaboradores empresariales que entregan resultados de extremo a extremo. Su lógica de desarrollo es similar a la de la industria de las videoconferencias: antes de que Zoom superara el umbral de usabilidad y confianza, la tecnología de videoconferencia existía desde hacía años pero no era adoptada por el negocio serio; cuando la estabilidad técnica superó un determinado umbral, las reuniones en línea se establecieron rápidamente como flujo de trabajo por defecto. La IA actual se encuentra en un intervalo de inflexión de confianza similar.

•Democratización del conocimiento profesional de alto nivel: en el ámbito médico, los profesionales de centros de atención primaria y zonas remotas pueden acceder a través de terminales móviles a capacidades cognitivas de diagnóstico y tratamiento de nivel sectorial; en educación, sistemas de enseñanza innovadores como Alpha School están mostrando posibles vías para que los modelos educativos nativos de IA remodelen la enseñanza personalizada.

•Desbordamiento de la infraestructura hacia la industria física: la ola de construcción de centros de datos a hiperescala está generando una demanda industrial sostenida en ingeniería civil, equipos electromecánicos e infraestructura energética.

Al mismo tiempo, la rápida evolución tecnológica también está provocando una serie de reacciones en cadena a nivel industrial y social:

•Presión de gasto de capital sobre los proveedores de infraestructura en la nube: la inversión de los hiperescaladores (Hyperscalers) en infraestructura de computación sigue aumentando, y el flujo de caja libre por sí solo ya no puede cubrir plenamente el Capex, por lo que el sector está recurriendo de forma generalizada a la emisión de deuda para mantener la carrera por la capacidad de cómputo.

•Difusión de nuevas amenazas de ciberseguridad: la mejora de las capacidades de los modelos fundacionales reduce objetivamente el umbral de desarrollo de herramientas de ataque automatizado avanzadas, y el equilibrio entre ataque y defensa de la infraestructura digital se ve sometido a un impacto continuo.

•Revalorización de los puestos de trabajo basados en el conocimiento: los puestos de oficina de procesamiento de texto puro e información básica se están viendo afectados de forma sustancial. Los profesionales que pueden utilizar activamente los modelos para amplificar su productividad obtienen una ventaja significativa en eficiencia, mientras que los grupos de trabajadores que no logran establecer barreras de colaboración con herramientas se enfrentan a una presión continua de sustitución marginal.

•Fricciones en la distribución social y la gobernanza: el problema del consumo energético de la computación se está convirtiendo gradualmente en un tema de disputa geopolítica y de gobernanza regional; la diferencia entre el rendimiento del capital y el rendimiento del trabajo generada por la IA también está agravando en cierta medida la desigualdad existente en la distribución de la riqueza.

III. Cambio del foco de I+D en los laboratorios de vanguardia: exploración avanzada y realidad de ingeniería

Al adentrarse en la primera línea de I+D de los principales laboratorios de vanguardia, se puede observar que el juicio de los investigadores sobre la trayectoria de evolución tecnológica suele ser muy centrado y directo.

Actualmente, los laboratorios centrales ya han desplazado internamente su foco de I+D desde la implementación de ingeniería de la AGI hacia el ámbito de la superinteligencia artificial (ASI) y la automejora recursiva (RSI, Recursive Self-Improvement).

La RSI se refiere a la capacidad de los modelos de participar de forma autónoma, o incluso liderar, en la escritura de código, las pruebas y la optimización de la arquitectura de la siguiente generación de modelos, en un ciclo de autofortalecimiento. La aparición de este bucle técnico cerrado ha provocado una evaluación prudente por parte de los equipos de I+D sobre el “despegue exponencial de la tecnología (Takeoff)” y el riesgo potencial de desalineación (p(doom)). Esto constituye el trasfondo técnico central de los recientes llamamientos públicos de líderes como Dario Amodei, cofundador de Anthropic, para que toda la industria calibre el ritmo de la I+D de vanguardia.

En el plano concreto de la ingeniería y la comercialización, los laboratorios de primera línea muestran las siguientes tendencias deterministas:

1. Superar los límites del lenguaje natural puro: los escenarios de entrenamiento e inferencia de modelos se están desplazando aceleradamente hacia ámbitos de deducción rigurosa como la exploración científica compleja y la verificación de conjeturas matemáticas de vanguardia, y la arquitectura informática subyacente se enfrenta a una nueva ronda de necesidades de optimización de la eficiencia;

2. Desajuste persistente entre oferta y demanda de capacidad de cómputo: la escasez de capacidad de cómputo sigue siendo el principal cuello de botella de ingeniería que atraviesa los laboratorios de primer nivel y las empresas de la capa de aplicación, y la tendencia de toda la industria a desarrollar ASIC propios y otros chips de silicio especializados se sigue reforzando;

3. Competencia feroz en las API de inferencia: la disputa comercial por el consumo de tokens de los modelos fundacionales es extremadamente intensa, y los precios de las API siguen bajando. Para asegurar de forma efectiva el volumen de uso de grandes empresas como las de la lista Fortune 500, los laboratorios líderes están empezando a crear de forma generalizada sus propios equipos de servicios de implementación empresarial, impulsando la penetración en escenarios mediante consultoría personalizada de alta intensidad;

4. Normalización de las fusiones y adquisiciones externas: a medida que el panorama competitivo intersectorial se estabiliza, los laboratorios de vanguardia están estableciendo gradualmente mecanismos normalizados de adquisición de talento, equipos y activos, y su mapa comercial muestra características de expansión propias de grandes entidades empresariales.

IV. La brecha de adopción tecnológica y la explosividad comercial de la capa de aplicación

Entre la explosión de las capacidades de los modelos fundacionales y el nivel real de absorción por parte de la industria existe un claro intervalo de retraso, que es la “brecha de adopción tecnológica”. Para las startups de la capa de aplicación, esta brecha constituye precisamente la principal oportunidad de comercialización.

En este ciclo, el punto de entrada con mayor certeza comercial se concentra en el ámbito del trabajo intelectual de alto valor (High-value Knowledge Work): ingeniería de software, ciberseguridad, servicios médicos profesionales, banca de inversión y finanzas, auditoría y cumplimiento normativo, etc. Cada subvertical con altas barreras cognitivas profesionales tiene espacio para albergar una nueva generación de empresas de plataforma con valoraciones de decenas de miles de millones de dólares.

En referencia a la posición de sistemas de registro (Systems of Record) que ServiceNow, Workday y Salesforce establecieron en el ciclo de la computación en la nube, en la actualidad se está formando una nueva generación de sistemas de registro con la IA como centro de interacción y lógica en cada escenario vertical profesional.

En la exploración de aplicaciones subyacentes, algunas arquitecturas verticales muestran ratios de eficiencia muy superiores a los de los grandes modelos generales:

•Diseño de moléculas candidatas en el ámbito biomédico: los modelos ajustados para cálculos científicos específicos ya pueden generar moléculas de fármacos candidatas en ciclos extremadamente cortos, reduciendo drásticamente el tiempo de diseño molecular de las primeras fases del desarrollo tradicional de fármacos;

•Explosión puntual de arquitecturas minimalistas: la industria tiene una demanda limitada de bases generales homogéneas, pero los modelos verticales capaces de reestructurar tareas puntuales con nuevas arquitecturas crecen rápidamente. Tomando como ejemplo el caso reciente de Jev, se trata esencialmente de un “clasificador de decisiones” de alto rendimiento. En la producción real, una gran cantidad de necesidades complejas de llamadas a LLM son en esencia tareas discretas de clasificación por selección. Este producto, mediante una poda computacional extrema, ha reducido el coste de inferencia por tarea en aproximadamente 100 veces, logrando en muy poco tiempo un salto extraordinario en ingresos recurrentes anuales (ARR).

Esta explosividad comercial demuestra que, en escenarios de nicho con altos márgenes y fuertes barreras cognitivas, los productos de software potenciados por IA muestran una pendiente de crecimiento anómala.

Las empresas capaces de construir barreras sostenibles en la capa de aplicación presentan generalmente las siguientes características organizativas y de negocio:

Primero, control autónomo de la base inteligente.

Las empresas están empezando a migrar de forma proactiva sus cargas de trabajo principales desde las API de grandes modelos cerrados hacia un postentrenamiento profundo (Post-training) basado en bases de código abierto. El motor principal es el coste y la eficiencia: los modelos fundacionales generales sirven principalmente a puntos de equilibrio limitados en la frontera de Pareto general; para lograr una relación coste-rendimiento extrema en tareas comerciales concretas, el modelo de código abierto ajustado con ingeniería específica y mantenido por la propia empresa es la solución comercial óptima.

Segundo, la estructura organizativa se orienta hacia la “ruptura por fortalezas”.

Dado que la pila tecnológica subyacente y las capacidades de los modelos se iteran cada pocos meses, las empresas de la capa de aplicación que sobreviven deben mantener ciclos de autoreestructuración de producto extremadamente cortos. Este tipo de organizaciones está abandonando gradualmente el modelo de colaboración tradicional limitado por las debilidades del equipo, y en su lugar se apoya en un número muy reducido de personal técnico de élite para acometer los avances tecnológicos, impulsando el negocio en su conjunto a un ritmo elevado.

Tercero, la gobernanza empresarial evoluciona hacia una red de colaboración distribuida.

El sistema tradicional de mando y control jerárquico está dando paso a una arquitectura descentralizada con agentes de IA como centro de información, que mantiene la eficiencia operativa de la organización con una plantilla mínima gracias a una alta densidad de procesos automatizados y colaboración autónoma.

V. Divergencia del sistema de fijación de precios del capital y efecto apalancamiento

En el mercado de capitales, durante el último año, la fijación de precios de los activos en el ámbito de la IA ha mostrado una marcada polarización y una estructuración muy elevada.

Para equilibrar riesgo y rendimiento en un entorno de activos sobrecalentados, algunos proyectos en fase temprana están empezando a adoptar un mecanismo de financiación en “dos etapas”: separar de forma estructurada el capital industrial que asume la responsabilidad de construcción conjunta estratégica del capital puramente financiero que proporciona la munición para la expansión posterior.

En varias muestras de operaciones típicas en las que Sequoia ha participado en profundidad durante el último año, se observan las siguientes tendencias:

•En la fase temprana, las instituciones que actúan como socios de construcción del negocio completan la ronda inicial de liderazgo con una base de valoración relativamente razonable (por ejemplo, en el rango de 110 millones de dólares post-money);

•Tras un periodo de validación del negocio extremadamente corto, el capital financiero puro externo entra rápidamente y, mediante rondas posteriores, eleva la valoración del objetivo a múltiplos o incluso niveles superiores (la media de algunas muestras supera los 3.000 millones de dólares).

Este rápido cambio de múltiplos de valoración elevados refleja objetivamente la extrema avidez de los fondos del mercado primario por objetivos con verdaderas barreras tecnológicas y de negocio, pero también concentra la elevada prima de liquidez acumulada en el mercado actual.

De cara a la futura trayectoria de evolución industrial, ninguna institución puede disponer de una hoja de ruta completamente determinada. Pero las leyes fundamentales que atraviesan los ciclos de inversión tecnológica siguen siendo válidas:

Cuando el coste marginal de un factor de producción clave experimenta una caída de órdenes de magnitud, mientras que la eficiencia integral de procesamiento sigue mejorando de forma exponencial, la remodelación estructural a nivel industrial se convertirá en una realidad objetiva e irreversible. La reestructuración tecnológica del sistema empresarial global se encuentra actualmente solo en la primera mitad de su despliegue.