El capital ya eligió bando: la aplicación captura el valor que los modelos pierden

Durante las últimas dos semanas el capital de riesgo mandó una señal difícil de ignorar: las rondas más grandes ya no van a los labs que entrenan modelos de frontera, sino a las plataformas que construyen encima de ellos y controlan la relación con el usuario. No es un evento aislado. Es un patrón que se acumula desde julio y que apunta a algo que el mercado de software ya vivió antes.

El patrón que el capital vio primero

La analogía histórica más precisa es la del cloud. Cuando AWS, Azure y GCP commoditizaron la infraestructura de cómputo en la década de 2010, el margen no quedó en los servidores — migró hacia arriba: CRM, ERP, plataformas de colaboración. Los grandes ganadores de la era cloud no fueron los proveedores de hardware, sino los que controlaban el workflow del usuario.

En IA, ese ciclo está comprimido. Los modelos de frontera llevan solo tres años siendo productos comerciales y ya hay señales de que el margen se desplaza. Lovable negocia una ronda de 300 millones de dólares a una valoración de 13.200 millones, liderada por Menlo Ventures. Lovable es una plataforma de vibe coding — generación de aplicaciones por lenguaje natural — que no entrena ningún modelo propio. Usa los modelos como insumo y captura el valor en la interfaz, el flujo de trabajo, y la base de usuarios.

Eso es aggregation theory aplicada a la IA: quien controla la demanda captura el margen, no quien produce el insumo. Ya lo analizamos desde el ángulo del producto: dominar el flujo de trabajo es más defensible que ganar la carrera de modelos.

Las rondas que definen la forma de la próxima ola

Venice AI cerró una Serie A de 65 millones a valoración de unicornio con ingresos anualizados superiores a 70 millones de dólares. Ya es rentable. El diferencial que Venice construyó no es un modelo mejor — es privacidad by design: los datos del usuario nunca salen de su dispositivo. Ese es un posicionamiento de distribución, no de capacidad técnica. Captura un segmento del mercado que los labs de frontera no pueden atender por estructura de negocio. La dinámica de fondo — controlar datos propios como ventaja estructural sobre quien solo entrena con datos ajenos — ya estaba presente en esa ronda.

Prime Intellect levantó 130 millones en una Serie A para darles a las empresas la infraestructura de entrenamiento de agentes que antes solo estaba al alcance de los labs grandes. La propuesta es directa: no dependas de OpenAI, Anthropic o Google para construir tus agentes. Construí los tuyos. Es capital que fluye hacia la capa de herramientas que reduce la dependencia de los labs de frontera.

Y Wayve lanzó un tender offer de 85 millones a empleados a una valoración de 8.500 millones, una señal de que startups con aplicaciones verticales específicas — en este caso conducción autónoma — siguen atrayendo capital a valoraciones que reflejan un mercado final, no solo un experimento técnico.

Quién gana y quién pierde cuando el margen sube de capa

El movimiento no es simétrico. Los labs de frontera — OpenAI, Anthropic, Google DeepMind — tienen dos problemas estructurales a medida que la capa de aplicación captura más valor: los costos de entrenamiento no bajan tan rápido como los precios que pueden cobrar, y la competencia de open source erosiona el premium que pueden pedir por acceso a los modelos.

Los startups de IA que crecen más rápido este año no son los que entrenan modelos nuevos — son los que construyeron distribución o una ventaja de datos propios sobre modelos existentes. El patrón de crecimiento de revenue confirma lo que el capital ya votó: la capa de aplicación es donde está el crecimiento compuesto sostenible.

Los que pierden más en este reordenamiento son los startups en tierra de nadie: ni tienen la escala de los labs para entrenar modelos de frontera, ni tienen la distribución de los pure-play de aplicación. El middle ground en IA es, como siempre en tecnología, el lugar más peligroso.

Conclusión: lo que tiene que ser cierto para que esta tesis se sostenga

La tesis es falsable: si hacia finales de 2026 el múltiplo de valuación promedio para startups de capa de aplicación supera consistentemente al de los labs de modelos en rondas comparables, el mercado habrá confirmado el reordenamiento. Si los labs encuentran una forma de defender su margen — ya sea via lock-in contractual, via modelos multimodales que el open source no puede replicar, o via integración vertical — la tesis se debilita.

Qué mirar: la próxima ronda de Anthropic u OpenAI versus las rondas de las plataformas de aplicación en el mismo trimestre. El múltiplo relativo va a decir más que cualquier benchmark técnico.

Para un decisor en LATAM o España: la ventana para construir posiciones defensibles en la capa de aplicación — con datos propios, con flujos de trabajo embebidos, con usuarios que no migren fácil — está abierta ahora, antes de que la consolidación cierre el espacio. Las empresas que esperen a que los modelos 'maduren' probablemente lleguen tarde al momento en que el margen ya migró.