La AI empujó a 220 unicornios por debajo de 1.000 millones. Las empresas pre-ChatGPT se enfrentan a un ajuste de cuentas

Captaron capital a múltiplos de valoración máximos, contrataron de forma agresiva y construyeron productos que parecían sólidos en 2021. Ahora cientos de esas empresas están atrapadas sin una salida clara.

CNBC reportó el 1 de junio lo que muchos fundadores han estado viviendo en silencio durante los últimos dos años: las empresas construidas antes de que ChatGPT cambiara las reglas del juego están siendo presionadas desde dos flancos. Más de 250.000 millones de dólares han fluido hacia OpenAI y Anthropic antes de sus esperadas mega-salidas a bolsa, absorbiendo el oxígeno del mercado de capital de riesgo en general. Y los competidores nativos de AI están construyendo ahora, a una fracción del costo, lo que las startups anteriores a 2022 tardaron años y cientos de millones de dólares en desarrollar.

El resultado, según datos de PitchBook citados por CNBC, es que más de 220 empresas que alguna vez tuvieron estatus de unicornio (valoradas en 1.000 millones de dólares o más) han caído por debajo de ese umbral. La lista incluye nombres que la mayoría de los CEO reconocerían: Glossier, Savage X Fenty, AG1, The Farmer's Dog. No apuestas oscuras. Empresas con ingresos reales, clientes reales y equipos reales. El colapso en las valoraciones no se debe a malos productos. Se debe al reanálisis de toda una generación de negocios.

Los números detrás de la trampa

La escala de la repreciación es contundente cuando se analizan los datos de cohorte de PitchBook. Las startups cuya última ronda cerró en 2021 valían aproximadamente un 68% menos, en promedio, a finales del año pasado. Las que captaron capital en 2022 bajaron alrededor de un 52%. Eso no es una corrección. Es una reescritura estructural de lo que valía el negocio una vez que el entorno macroeconómico cambió y la AI transformó la estructura de costos competitivos que lo sostenía.

La trampa de financiación funciona así: las valoraciones de 2021 y 2022 son demasiado altas para justificar una nueva ronda de capital de riesgo (una ronda plana o a la baja envía una señal de dificultades a empleados, clientes e inversores futuros), pero las empresas no son lo suficientemente rentables para salir a bolsa. Y los mercados públicos para las OPV tecnológicas siguen siendo selectivos, cada vez más enfocados en negocios nativos de AI con economías unitarias claras a escala. Así, estas empresas quedan atrapadas entre una valoración de la última ronda que no pueden superar y una salida que no pueden alcanzar.

David Zhu, ex responsable de ingeniería en DoorDash, lo dijo sin rodeos en comentarios recogidos por CNBC: las empresas de software empresarial basadas en flujos de trabajo serán "interrumpidas o extintas" en la próxima década a medida que los agentes de AI asuman la coordinación y la entrada de datos que antes requerían plataformas con personal humano.

Datos clave

• Más de 220 empresas que alguna vez tuvieron valoraciones de unicornio han caído por debajo del umbral de 1.000 millones de dólares (PitchBook, vía CNBC)
• Las startups cuya última captación fue en 2021 valían aproximadamente un 68% menos a finales del año pasado; las que captaron en 2022 bajaron alrededor de un 52% (PitchBook)
• Más de 250.000 millones de dólares han fluido hacia OpenAI y Anthropic antes de sus esperadas OPV, concentrando el capital lejos de la cohorte pre-ChatGPT (CNBC)

Por qué los competidores nativos de AI tienen una ventaja estructural en costos

El problema central no es que las empresas pre-ChatGPT hayan construido malos productos. Es que el costo de construir esos mismos productos acaba de caer un orden de magnitud.

Samir Kaul, socio de Khosla Ventures, describió lo que cambió después de finales de 2022 en términos que CNBC destacó: ahora es posible que aproximadamente 50 ingenieros logren lo que hace cinco años habría requerido 500. Los nuevos fundadores programan en lenguaje natural. Lanzan más rápido, gastan menos y pueden alcanzar la paridad de funcionalidades con las plataformas establecidas sin los años de incorporación de personal que hacen a los incumbentes costosos de operar.

Un inversor de capital de riesgo en el artículo de CNBC señaló que para 2023, sus empresas en cartera posteriores a ChatGPT ya superaban en ganancias a la mayoría de sus inversiones pre-ChatGPT. Eso es una ventana de dos años en la que el panorama competitivo cambió lo suficiente como para repreciar a toda una cohorte de empresas.

Para los CEO de negocios pre-ChatGPT, la amenaza competitiva no es abstracta. El competidor no está captando 50 millones de dólares para superarle en marketing. Está captando 5 millones, lanzando una versión nativa de AI de su flujo de trabajo principal en seis meses y ofreciendo precios más bajos porque su costo de servicio es una fracción del suyo.

Esta historia de concentración de capital se conecta directamente con la OPV de Anthropic y lo que señala sobre hacia dónde se dirige la inversión en AI. Y la misma ventaja de costos nativa de AI está redefiniendo cómo compiten las herramientas empresariales de CRM y comercialización, tal como muestra la forma en que las startups nativas de AI desafían a los incumbentes de Salesforce.

La prueba de reanálisis pre-ChatGPT

La línea divisoria para determinar qué empresas enfrentan presión existencial no es la fecha de fundación. Es si el valor central del negocio reside en una capa que un agente de AI puede reproducir a bajo costo. Una empresa fundada en 2019 que vende datos propietarios, una red difícil de replicar o un servicio intensivo en cumplimiento normativo puede estar bien. Una empresa fundada en 2022 que automatiza un flujo de trabajo sin una barrera defensiva de datos puede no estarlo.

Esta es la prueba que todo CEO de una empresa que captó capital antes de 2023 debería ejecutar:

Pregunta 1. Verificación de la ventaja competitiva. ¿El valor central de nuestro producto es un flujo de trabajo, una capa de entrada de datos o un sistema de registro que un agente de AI puede ahora ejecutar de forma nativa? Si la respuesta es sí, la ventaja competitiva se está erosionando y la velocidad de erosión es mayor que la ventana competitiva típica de tres a cinco años.

Pregunta 2. Trampa de valoración. ¿Nuestra última captación fue en 2021 o 2022 a un múltiplo en el que no podemos crecer de forma realista dado el ritmo actual de crecimiento? Si la respuesta es sí, la empresa necesita un plan honesto: una ronda a la baja, una recapitalización o un giro hacia la rentabilidad antes de que se agote la liquidez. Fingir que la última valoración sigue siendo relevante destruye más valor que reconocerlo a tiempo.

Pregunta 3. Delta en el costo de servicio. ¿Puede un competidor nativo de AI llegar a nuestros clientes a una fracción de nuestro costo? Modele cómo se verían las economías unitarias si un competidor parte de 50 ingenieros haciendo lo que sus 500 están haciendo. Ese ya no es un escenario hipotético. Es el punto de partida de los nuevos entrantes ahora mismo. La economía de costos de AI para herramientas empresariales está cambiando lo suficientemente rápido como para actualizar este modelo trimestralmente, no anualmente.

Pregunta 4. En qué lado de la línea estamos. ¿Estamos del lado que interrumpe o del que es interrumpido? ¿Y qué flujo de trabajo podríamos reconstruir de forma nativa con AI este trimestre antes de que un competidor lo haga?

La última pregunta es la más accionable. La mayoría de las empresas no pueden reconstruir toda su plataforma en un año. Pero la mayoría sí puede elegir un flujo de trabajo central, reconstruirlo de forma nativa con AI y usarlo tanto como barrera defensiva como prueba de concepto para la transformación más amplia. La información sobre hacia dónde fluye la inversión en AI en la infraestructura de comercialización muestra dónde los competidores ya están apuntando a los incumbentes.

Por qué la trampa de financiación es peor de lo que parece

La cifra de 220 unicornios de PitchBook subestima el problema. Solo cuenta las empresas que alguna vez superaron 1.000 millones de dólares en valoración. Pero la misma presión estructural se aplica a cualquier startup que captó capital a múltiplos elevados de 2020 a 2022 y ahora no crece lo suficientemente rápido para justificar otra ronda de capital de riesgo, ni es suficientemente rentable para una OPV.

Los inversores también lo están siguiendo de cerca. Los marcos de decisión de AI para CEO se centran cada vez más en la pregunta de qué posiciones heredadas son defendibles y cuáles no. Y el análisis macroeconómico del empleo, incluida la investigación de Goldman sobre el impacto neto de la AI en el empleo, refuerza que la repreciación del costo de servicio se extiende más allá del software a todos los negocios basados en flujos de trabajo.

Las empresas en peor posición son aquellas con cuatro características específicas: captaron capital en 2021 o 2022 a múltiplos máximos, su producto central es una capa de coordinación de flujos de trabajo, tienen una estructura de costos intensiva en personal y les quedan dos años o menos de liquidez. Si esa es su situación, las opciones disponibles son estas:

Una ronda a la baja o recapitalización, realizada con suficiente liquidez como para negociar desde una posición de relativa fortaleza, preserva más valor que esperar. Un giro hacia la rentabilidad, donde la empresa reduce su estructura de costos hasta un nivel sostenible y deja de perseguir un crecimiento a escala de capital de riesgo, puede estabilizar el negocio el tiempo suficiente para encontrar una salida estratégica o un camino orgánico. Una venta o fusión, mientras la empresa aún tiene ingresos significativos y producto, suele producir mejores resultados que una venta en condición de crisis cuando se agota la liquidez. La ventana para todas estas opciones es más pequeña de lo que la mayoría de los directorios están reconociendo.

Qué hacer este trimestre

El reportaje de CNBC describe un problema a nivel de cohorte. Pero la decisión es individual. Esta es la lista corta para un CEO cuya empresa captó capital antes de 2023:

Audite la ventaja competitiva frente a la prueba. Ejecute las cuatro preguntas sobre su producto central real, no el roadmap aspiracional. Sea honesto sobre qué flujos de trabajo son defendibles y cuáles no. Esta es una conversación del directorio, no un ejercicio del equipo directivo.

Reajuste las expectativas de valoración de forma proactiva. Las empresas que mejor están navegando esto son las que tuvieron la conversación de ronda a la baja o recapitalización con sus inversores hace seis meses. Las que esperaron la están teniendo ahora con menos poder de negociación. Si la valoración de la última ronda no está respaldada por las métricas actuales, plantéelo en la próxima reunión del directorio y presente las opciones.

Elija un flujo de trabajo para reconstruir de forma nativa con AI este trimestre. No una reconstrucción completa de la plataforma. Un flujo de trabajo, construido desde cero con AI como actor principal, no como una función añadida sobre la arquitectura existente. Úselo para demostrar capacidad interna y crear una ventaja defensiva frente a los competidores que están empezando desde cero.

Si la trampa de financiación es real, evalúe fusiones y adquisiciones mientras controla el momento. Un comprador estratégico está mucho más interesado en una empresa con 18 meses de liquidez y un claro plan de AI que en un activo en dificultades. La conversación sobre valoración es difícil en cualquier caso, pero es sustancialmente mejor cuando usted la inicia que cuando sus opciones se están agotando.

El ajuste de cuentas pre-ChatGPT no está por llegar. Ya está aquí. La pregunta es si su empresa está ejecutando la prueba y actuando en consecuencia, o esperando a que la situación se aclare.

Preguntas frecuentes

¿Qué significa "startup pre-ChatGPT" en este contexto?

En este contexto, una startup pre-ChatGPT es una empresa que captó sus principales rondas de financiación antes de finales de 2022, cuando el lanzamiento de ChatGPT cambió fundamentalmente la estructura de costos para construir software y el apetito inversor por los negocios nativos de AI. Estas empresas construyeron sus productos y sus valoraciones en un mercado donde las capacidades de AI eran mucho más limitadas y costosas de acceder.

¿Por qué están perdiendo valor las startups anteriores a 2022?

Dos fuerzas actúan en su contra simultáneamente. Primero, el capital que antes financiaba un amplio mercado de capital de riesgo se ha concentrado en torno a un pequeño número de empresas de AI, incluidas OpenAI y Anthropic, restringiendo la financiación para todos los demás. Segundo, los competidores nativos de AI pueden ahora construir productos comparables con muchos menos ingenieros y costos operativos mucho menores, lo que socava la ventaja competitiva y el poder de fijación de precios de los incumbentes. Los datos de PitchBook muestran que las startups cuya última captación fue en 2021 valían aproximadamente un 68% menos a finales del año pasado.

¿Cómo puede un CEO saber si su empresa está en riesgo?

La señal más clara es si el producto central de la empresa es una capa de coordinación de flujos de trabajo o un sistema de entrada de datos que los agentes de AI pueden ahora replicar. Si la respuesta es sí, y si la empresa captó capital a valoraciones de 2021 o 2022 en las que no ha crecido, la trampa de financiación es real. La prueba de reanálisis de cuatro preguntas en este artículo es una forma estructurada de evaluar la exposición: verificación de la ventaja competitiva, trampa de valoración, delta en el costo de servicio y en qué lado de la línea de disrupción se encuentra la empresa.

Lectura relacionada

• La OPV de Anthropic a 96.500 millones y lo que significa para el cálculo de proveedores de AI
• Startups nativas de AI vs. Salesforce: el debate del CRM centrado en agentes
• Hacia dónde van los 200 millones en financiación de ventas con AI y qué señala para la infraestructura GTM
• La división 74/20 de PwC: qué CEO están capturando las ganancias económicas de la AI
• Las facturas de AI empresarial suben mientras los precios por token caen
• BCG AI Radar 2026: el CEO como responsable de las decisiones de AI