Durante años hemos dedicado bastante tecnología a borrar rastros de los archivos que circulan por Internet. Quitamos metadatos de las fotografías para proteger la privacidad, limpiamos documentos antes de enviarlos, recomprimimos imágenes, eliminamos información EXIF y hemos desarrollado herramientas capaces de reconstruir contenido digital hasta hacer desaparecer señales que parecían difíciles de borrar. Ahora llega la inteligencia artificial generativa y queremos hacer justo lo contrario: llenar sus contenidos de marcas invisibles para poder reconocerlos después. La intención tiene sentido. Lo que no tengo tan claro es que estemos haciendo la pregunta correcta.
Las claves de las marcas de agua de la IA en 30 segundos
Anthropic ha empezado a incorporar marcas legibles por máquina en los nuevos modelos Claude para adaptarse, entre otras razones, a las obligaciones europeas de transparencia.
La propia compañía reconoce que detectar una marca no demuestra que Claude sea el autor original del contenido.
Una edición profunda, traducción o paráfrasis puede hacer desaparecer la señal.
Estudios académicos ya han demostrado que algunas marcas invisibles en imágenes pueden neutralizarse regenerando parte del contenido con otra IA.
A largo plazo puede resultar más útil acreditar procedencia y responsabilidad humana que intentar detectar todo lo artificial.
La paradoja me parece interesante porque resume bastante bien el momento tecnológico en el que estamos.
Queremos saber qué ha hecho una inteligencia artificial justo cuando las máquinas están adquiriendo la capacidad de transformar casi cualquier objeto digital conservando aquello que realmente nos importa de él.
Una fotografía puede regenerarse. Un texto puede reescribirse. Una voz puede sintetizarse de nuevo. Un vídeo puede editarse o recrearse. Un documento puede pasar por varios modelos antes de llegar a su destinatario.
La pregunta es cuánto puede sobrevivir una marca cuando el contenido que la transporta deja de ser algo estático.
Claude empieza a marcar sus textos, pero Anthropic reconoce los límites
El caso que ha vuelto a poner este debate encima de la mesa es Claude.
Anthropic ha firmado el Código de Prácticas de la Unión Europea relacionado con el artículo 50(2) del Reglamento de Inteligencia Artificial (AI Act) y ha explicado cómo pretende aplicar las obligaciones de transparencia a sus modelos.
Los modelos Claude lanzados en la Unión Europea desde el 2 de agosto de 2026 incorporan marcado legible por máquina desde su lanzamiento. La compañía también trabaja para extenderlo a modelos anteriores durante el periodo transitorio.
Hay dos tecnologías diferentes.
Para el texto, Claude introduce una marca invisible dentro de la propia generación. Anthropic asegura que no modifica el significado, la calidad ni la legibilidad y que puede acompañar al contenido cuando se copia y pega.
En determinados archivos, como PNG, JPG o SVG, utiliza además metadatos de procedencia firmados siguiendo C2PA, el estándar abierto de la Coalition for Content Provenance and Authenticity.
Hasta aquí todo parece razonable.
El problema aparece unas líneas más abajo en la propia documentación de Anthropic.
La compañía advierte de que encontrar una marca de Claude no confirma por sí mismo la procedencia completa del contenido. Claude puede haberse limitado a corregir, traducir, resumir o convertir un documento cuyo contenido original procedía de una persona.
Y también reconoce el problema contrario: no encontrar la marca tampoco demuestra que Claude no haya intervenido.
Una edición intensa, una paráfrasis, una traducción, la mezcla con otros textos o incluso disponer de un fragmento demasiado corto pueden hacer que la señal deje de ser detectable. En los archivos, convertir el formato, volver a guardarlos o realizar una captura de pantalla puede eliminar determinados metadatos.
Es decir:
marca detectada ≠ contenido creado por Inteligencia Artificial.
Y:
marca no detectada ≠ contenido creado por un humano.
No lo digo como crítica a Anthropic. De hecho, me parece positivo que sea la propia empresa quien explique claramente estas limitaciones.
El problema aparece cuando fuera del laboratorio convertimos una señal técnica en una respuesta absoluta.
Europa obliga a marcar, pero tampoco dice que la marca sea una máquina de la verdad
Hay otro matiz importante.
Anthropic no se ha levantado una mañana pensando que sería divertido dejar una firma invisible en cada respuesta de Claude. Existe detrás una nueva obligación regulatoria europea.
El artículo 50 del AI Act establece que los proveedores de sistemas que generen contenido sintético de audio, imagen, vídeo o texto deben procurar que sus resultados estén marcados en un formato legible por máquina y puedan detectarse como generados o manipulados artificialmente.
Pero la propia norma introduce algo bastante sensato: exige que esas soluciones sean efectivas, interoperables, robustas y fiables hasta donde sea técnicamente posible, teniendo en cuenta las características del contenido y el estado de la técnica. Además, el artículo contempla una excepción cuando la Inteligencia Artificial desempeña una función auxiliar de edición estándar o no altera sustancialmente los datos introducidos o su significado.
La Comisión Europea también ha aclarado recientemente que la obligación de marcado del proveedor y la obligación de informar al público no son exactamente lo mismo. En determinados casos no basta con esconder una señal técnica dentro del contenido: la información debe resultar comprensible para la persona que lo recibe.
Esto es importante porque ayuda a colocar las marcas de agua donde probablemente deben estar.
Son una herramienta de transparencia y procedencia.
No necesariamente un detector universal de inteligencia artificial.
Google lleva tiempo demostrando que marcar texto sí es técnicamente posible
Tampoco sería correcto concluir que las marcas no sirven para nada.
Google DeepMind lleva años trabajando con SynthID y en 2024 publicó en Nature los resultados de SynthID-Text, una técnica que introduce la señal modificando el propio proceso de selección de tokens del modelo.
En lugar de añadir un texto oculto al final del documento, la señal queda distribuida estadísticamente entre las decisiones que toma el modelo mientras escribe.
El experimento es relevante por su escala.
Google evaluó SynthID-Text en producción sobre casi 20 millones de respuestas de Gemini y los investigadores afirmaron que las pruebas no mostraron una pérdida apreciable de calidad. El sistema permitió detectar el marcado sin necesidad de ejecutar nuevamente el modelo que había generado el contenido.
Así que sí: técnicamente podemos marcar texto generado por una Inteligencia Artificial.
La cuestión interesante viene después.
¿Durante cuánto tiempo podemos seguir detectándolo?
Porque Internet no funciona como una vitrina en la que colocamos un documento y nadie vuelve a tocarlo.
Los contenidos viajan.
El problema es que ahora tenemos máquinas extraordinariamente buenas transformando contenido
Aquí es donde creo que cambia completamente el juego.
Hasta hace relativamente poco eliminar una marca resistente podía requerir conocer cómo estaba construida, degradar considerablemente el archivo o desarrollar un ataque específicamente diseñado contra ella.
La IA generativa introduce otra posibilidad: no hace falta borrar exactamente la marca si podemos volver a generar el contenido.
Un texto de 2.000 palabras puede convertirse en otro texto de 2.000 palabras que diga prácticamente lo mismo utilizando otras palabras, estructuras y construcciones.
Una imagen puede mantener a la persona, el objeto o la escena principal mientras cambia partes del fondo.
Una grabación puede transcribirse y sintetizarse nuevamente.
Ya no siempre atacamos la marca. A veces simplemente fabricamos otra representación del mismo contenido.
Y eso es bastante más difícil de resolver.
Un trabajo teórico publicado por investigadores de Harvard, MIT, Georgetown y otras instituciones analizó precisamente la posibilidad de construir marcas realmente resistentes para modelos generativos. Su conclusión es incómoda: bajo determinadas hipótesis razonables, una marca fuerte que no pueda eliminarse sin degradar sustancialmente la calidad resulta imposible. Los investigadores demostraron además ataques contra tres esquemas de marcas de agua para grandes modelos de lenguaje.
No significa que cualquier marca pueda eliminarse trivialmente ni que todos los sistemas actuales estén derrotados.
Significa que existe un problema de fondo.
Cuanto mejor sea una máquina reinterpretando un contenido sin destruir su utilidad, más complicado será obligar a que una determinada señal permanezca pegada a él para siempre.
Y con las imágenes ya sabemos que no es solamente teoría
La investigación con imágenes ofrece ejemplos todavía más fáciles de visualizar.
En 2023 un grupo de investigadores demostró que determinadas marcas invisibles a nivel de píxel podían atacarse mediante modelos generativos. El método introducía ruido para alterar la señal y posteriormente reconstruía la imagen utilizando modelos generativos. Los experimentos mostraron vulnerabilidades en cuatro esquemas diferentes.
Otro trabajo publicado en mayo de 2025 llevó la idea bastante más lejos.
Investigadores del International Computer Science Institute, Arizona State University, Lawrence Berkeley National Laboratory y la Universidad de California en Berkeley presentaron SemanticRegen.
El concepto me parece especialmente interesante.
SemanticRegen no intenta conservar matemáticamente todos los píxeles de una imagen. Intenta conservar lo que nosotros consideramos importante de ella.
Primero un modelo de visión describe el contenido. Después otro sistema identifica y segmenta los objetos principales. Finalmente un modelo generativo reconstruye determinadas partes del fondo manteniendo los elementos relevantes.
Los autores probaron el método con más de 1.000 prompts sobre cuatro sistemas de marcas: TreeRing, StegaStamp, StableSig y DWT/DCT. SemanticRegen logró superar el criterio de eliminación establecido para TreeRing y redujo la precisión de las otras marcas mientras mantenía una elevada similitud en las zonas visualmente importantes.
Aquí aparece para mí una de las grandes ironías de todo este asunto.
Estamos utilizando inteligencia artificial para crear contenido, tecnología para marcarlo como artificial y nuevamente inteligencia artificial para reconstruirlo sin conservar necesariamente esa marca.
No parece una batalla con un final sencillo.
Ya hemos creado herramientas para borrar rastros digitales durante décadas
Además hay algo que resulta casi cómico si uno lleva suficientes años en Internet.
Durante mucho tiempo hemos recomendado exactamente lo contrario.
Limpiar metadatos de documentos evitaba revelar autores, rutas internas, nombres de usuario o información sobre el software utilizado.
Las plataformas sociales recomprimen fotografías.
Los gestores documentales transforman formatos.
Los editores vuelven a guardar archivos.
Los CMS procesan imágenes automáticamente.
Los sistemas de mensajería crean versiones nuevas.
Muchas de estas operaciones son perfectamente legítimas y algunas incluso deseables desde el punto de vista de la privacidad y la seguridad.
Ahora queremos que determinados metadatos sobrevivan a toda esa cadena.
No es imposible, pero existe una tensión evidente.
Ya ha aparecido incluso un proyecto abierto denominado watermarks-remover que agrupa mecanismos para limpiar distintos rastros asociados a contenidos digitales, desde caracteres Unicode y metadatos hasta técnicas de reescritura destinadas a alterar señales estadísticas. Sus propios desarrolladores advierten de que estas últimas son de mejor esfuerzo y no permiten certificar que desaparezca la marca oficial de un proveedor.
No hace falta utilizar ninguna de esas herramientas para entender la dinámica.
Cada sistema de marcado crea inmediatamente un incentivo para investigar cómo eliminarlo.
Y ahora ambas partes tienen IA.
El verdadero problema empieza cuando queremos decidir qué es humano
Aquí es donde personalmente tengo más dudas.
Supongamos que escribo este artículo desde cero y después utilizo Claude para corregir cinco erratas.
¿Es contenido humano?
Yo diría que sí.
Supongamos que le pido mejorar dos párrafos porque no terminan de convencerme.
¿Sigue siendo humano?
Probablemente.
¿Y si utilizo la Inteligencia Artificial para encontrar fuentes pero las leo y compruebo personalmente?
¿Y si genero una estructura inicial?
¿Y si escribo el 70 % y la Inteligencia Artificial completa el resto?
¿Y si ocurre al revés, la Inteligencia Artificial genera un borrador y después paso dos horas haciendo cambios personalmente?
¿En qué porcentaje exacto deja algo de ser humano?
No creo que exista una respuesta técnica satisfactoria porque quizá la pregunta esté mal planteada.
Estamos intentando dividir el mundo en dos categorías:
humano / IA.
Pero el mundo hacia el que vamos probablemente se parecerá mucho más a esto:
humano + IA + humano + otra IA + software tradicional + revisión humana + publicación.
Dentro de pocos años quizá LibreOffice, Word, Gmail/Outlook/Thunderbird, Photoshop, nuestro IDE, el navegador, el móvil y el sistema operativo incorporen agentes trabajando permanentemente alrededor de nosotros. De hecho estoy seguro que tendremos agentes con inteligencias artificiales que podrás correr 100% en local, y este será un paso clave para nuestra privacidad y no se si libertad.
Encontrar un documento profesional en el que ninguna inteligencia artificial haya intervenido podría terminar siendo más raro que encontrar uno que haya pasado por alguna.
¿Qué valor tendrá entonces detectar que «una Inteligencia Artificial tocó este archivo»?
Quizá bastante poco.
Puede que acabemos marcando a los humanos
Por eso llevo unos días dándole vueltas a la posibilidad contraria.
Igual estamos intentando marcar el lado equivocado.
Ahora queremos conseguir esto:
«Este contenido ha sido generado por una IA».
Pero quizá dentro de unos años lo valioso sea poder demostrar:
«Este contenido procede de esta persona». Con nombre y apellidos, totalmente identificable en el mundo real.
Parece una diferencia semántica, pero tecnológicamente cambia bastante el problema.
Ya no estaríamos intentando detectar estadísticamente algo desconocido.
Estaríamos verificando una identidad y una cadena de procedencia.
Una cámara podría firmar criptográficamente una fotografía en el momento de capturarla.
Un periodista podría firmar determinadas versiones de un artículo.
Una universidad podría certificar que un examen se realizó en unas condiciones determinadas.
Un investigador podría acreditar cuándo creó un documento y cómo fue evolucionando.
Una empresa podría registrar quién generó, revisó y finalmente aprobó un informe.
No demostraríamos que cualquier contenido sin esa certificación ha sido creado por inteligencia artificial.
Eso sería otro error.
Demostraríamos algo mucho más limitado, pero también mucho más sólido:
conocemos el origen de este contenido.
C2PA puede ser más interesante por esto que por detectar IA
C2PA apunta precisamente hacia esa idea de procedencia.
El estándar no está diseñado simplemente para colocar una etiqueta de «IA» sobre una fotografía. Permite almacenar afirmaciones sobre cómo se creó un activo, qué transformaciones recibió y qué actores participaron en ellas, agrupándolas en manifiestos firmados digitalmente.
Su especificación habla explícitamente de información criptográficamente verificable y de mantener un historial de procedencia a medida que el contenido se transforma.
Esto me parece bastante más interesante que la eterna pregunta de si un detector cree que un texto tiene un 83 % de probabilidades de haber sido generado por una máquina.
No pregunta:
«¿Esto parece humano?»
Pregunta:
«¿Qué sabemos realmente sobre el origen de esto?»
La diferencia es enorme.
Por supuesto tampoco resuelve mágicamente el problema.
Una persona podría firmar un contenido generado íntegramente por una Inteligencia Artificial. Una cámara podría fotografiar una pantalla. Una identidad podría verse comprometida. Una cadena de procedencia puede romperse cuando una plataforma elimina la información asociada.
La criptografía puede demostrar que determinados datos no han sido modificados desde que fueron firmados.
No puede demostrar que la persona que pulsa el botón haya tenido una idea.
Pero al menos estamos trasladando el problema desde una inferencia estadística sobre el contenido hacia una cadena verificable de hechos.
Y eso parece un terreno bastante más sólido.
Quizá la pregunta no sea quién escribió cada palabra
Hay otro cambio que creo que terminará llegando.
Probablemente dejaremos de obsesionarnos con quién escribió literalmente cada palabra y empezaremos a preguntar quién responde por lo publicado.
Esto ya ocurre en muchos ámbitos.
Un directivo no escribe necesariamente cada línea de un informe que firma.
Un investigador trabaja con colaboradores y herramientas.
Un periodista utiliza editores, correctores, bases de datos y fuentes.
Un programador no ha escrito personalmente todas las líneas de las librerías que utiliza.
La inteligencia artificial añade una herramienta extraordinariamente capaz a esa cadena, pero no elimina necesariamente la responsabilidad humana.
En un medio de comunicación importa quién verifica una información y quién asume la responsabilidad editorial.
En una empresa importa quién aprueba una decisión.
En una universidad importa qué capacidad concreta del estudiante se está evaluando.
En software importa quién revisa y despliega el código.
Eso nos lleva a una cuestión bastante más incómoda que detectar marcas de agua.
Quizá el problema real no sea saber si hubo una Inteligencia Artificial. Quizá sea saber si hubo un humano responsable.
Y eso no se detecta analizando tokens.
Podemos acabar construyendo un Internet al revés
Hay un escenario que me parece perfectamente posible.
Dentro de unos años la mayor parte del contenido digital tendrá algún grado de participación de inteligencia artificial.
Textos.
Fotografías.
Vídeos.
Código.
Presentaciones.
Correos electrónicos.
Traducciones.
Informes.
Entonces detectar «contenido que ha pasado por IA» será parecido a detectar hoy un documento que ha pasado por un procesador de textos.
No aportará demasiado.
Lo escaso será otra cosa.
Contenido con una procedencia verificable.
Una fotografía de la que podamos acreditar cuándo y con qué dispositivo fue capturada.
Un documento cuya cadena de modificaciones conozcamos.
Un vídeo firmado desde su origen.
Un artículo asociado a una identidad y a una responsabilidad editorial.
Puede que terminemos construyendo algo parecido a una prueba de humanidad, aunque seguramente no deberíamos llamarla así porque nunca será absoluta.
No certificaremos que algo no contiene IA.
Certificaremos que en determinados puntos del proceso hubo personas identificadas que participaron y asumieron responsabilidad.
Y curiosamente puede que eso sea bastante más sencillo que intentar perseguir todas las máquinas.
No creo que las marcas de agua sean inútiles
Después de todo esto sería fácil llegar a una conclusión demasiado simple: las marcas de agua no sirven.
No creo que sea así.
Pueden aportar señales útiles.
Pueden ayudar a los proveedores a cumplir obligaciones de transparencia.
Pueden servir en investigaciones.
Pueden permitir identificar determinados contenidos cuando la marca permanece intacta.
Pueden dificultar usos masivos poco sofisticados.
Y combinadas con sistemas de procedencia, firmas digitales y otras señales pueden formar parte de mecanismos bastante útiles.
El error sería pedirles algo que probablemente nunca podrán ofrecernos:
una frontera perfecta entre lo humano y lo artificial.
Esa frontera ya está desapareciendo.
Anthropic reconoce que una marca detectada no prueba que Claude sea el autor y que una marca ausente tampoco demuestra que Claude no haya intervenido. La investigación académica lleva años mostrando la dificultad de construir marcas resistentes a adversarios capaces de transformar el contenido. Y las propias herramientas generativas hacen que esas transformaciones sean cada vez más fáciles.
Quizá estamos dando algunos palos de ciego porque todavía intentamos resolver con etiquetas binarias un cambio mucho más profundo.
Durante años Internet nos enseñó a borrar nuestros rastros digitales.
Ahora queremos que las máquinas dejen rastros imposibles de borrar.
Y justo cuando empezamos a conseguirlo hemos inventado máquinas capaces de rehacer prácticamente cualquier contenido.
Puede que la solución no consista en perseguir eternamente lo artificial.
Puede que acabemos haciendo justo lo contrario: dar más valor a aquello cuyo origen podemos acreditar.
No «esto no lo hizo una IA».
Algo bastante más útil:
«Sabemos quién está detrás de esto».
Y, sobre todo:
«Sabemos quién responde por ello».
Preguntas frecuentes
¿Qué marca de agua está incorporando Anthropic a Claude?
Anthropic utiliza una marca invisible integrada en el texto generado por los modelos compatibles y metadatos de procedencia firmados para determinados archivos. La compañía indica que las marcas se aplican a nivel de modelo y que está preparando mecanismos para que terceros puedan detectarlas.
¿Una marca de Claude demuestra que el texto fue escrito por inteligencia artificial?
No. Anthropic explica expresamente que una marca indica que el contenido puede haber sido procesado por Claude, pero el original podría proceder de una persona y haberse utilizado el modelo únicamente para corregir, traducir, resumir o transformar el documento.
¿Pueden desaparecer las marcas de agua de la IA?
Depende del sistema. Anthropic reconoce que una edición profunda, paráfrasis, traducción o mezcla con otros textos puede impedir detectar su marca. La investigación académica también ha demostrado ataques contra diferentes esquemas de marcas de agua en texto e imágenes.
¿Tiene más sentido certificar contenido humano que detectar contenido de IA?
Es una posibilidad a medida que humanos e IA trabajen cada vez más mezclados. Los sistemas de procedencia como C2PA no certifican que un contenido sea «100 % humano», pero permiten registrar información verificable sobre su origen, transformaciones y participantes, que puede resultar más útil que una clasificación binaria entre humano e IA.
Hay noticias que apenas ocupan unos minutos en la actualidad tecnológica, pero que esconden preguntas mucho más profundas de lo que parece. Hace tiempo ya trascendió que Anthropic, la empresa detrás de Claude, llevaba tiempo comprando enormes cantidades de libros físicos para digitalizarlos mediante escaneado industrial y utilizarlos para entrenar sus modelos de inteligencia artificial. El proceso era sencillo: adquirir los libros, cortar el lomo, escanear todas sus páginas y «reciclar el papel». El objetivo no era crear una biblioteca digital para consulta pública. Era transformar esos libros en datos.
La noticia puede interpretarse como un episodio más dentro de la carrera por construir modelos de IA cada vez más potentes. Sin embargo, cuanto más pienso en ello, más convencido estoy de que estamos asistiendo al nacimiento de un problema mucho mayor. Quizá dentro de unos años recordemos este momento como el instante en que empezamos a sustituir bibliotecas por algoritmos.
No me preocupa que una inteligencia artificial aprenda de los libros. Me preocupa que, en algunos casos, esos libros puedan dejar de existir. Y que el conocimiento de estos pueda «ser moldeado» por empresas a su antojo alejándose de la realidad del mismo.
Durante siglos, preservar significaba multiplicar las copias
La historia del conocimiento siempre ha sido una lucha contra el olvido.
Las grandes bibliotecas nacieron porque una única copia nunca era suficiente. Los monasterios medievales copiaban manuscritos durante generaciones. Más tarde llegó la imprenta y permitió que una misma obra existiera en cientos o miles de ejemplares repartidos por distintos países. Si una biblioteca ardía, otra conservaba el mismo libro. Si un gobierno prohibía una obra, siempre podía sobrevivir escondida en otro lugar.
Incluso Internet reforzó esa idea. Digitalizar significaba preservar. Proyectos como Google Books, Internet Archive o las bibliotecas nacionales emprendieron campañas masivas de digitalización con un objetivo claro: evitar que el conocimiento desapareciera aunque el soporte físico terminara deteriorándose.
Pero la inteligencia artificial ha introducido un incentivo completamente distinto.
Ahora el libro no se digitaliza necesariamente para ser leído dentro de veinte o cincuenta años. Se digitaliza para alimentar un modelo estadístico. Una vez extraída la información, el objeto físico pierde prácticamente todo su valor.
Y ahí es donde empiezan mis dudas.
Porque una inteligencia artificial no conserva un libro.
Lo consume.
No todo está digitalizado. Ni mucho menos.
Existe la sensación de que cualquier libro puede encontrarse en PDF, ePub o en alguna biblioteca digital.
La realidad está muy lejos de eso.
Miles de publicaciones técnicas, manuales especializados, tesis universitarias, libros autoeditados, revistas científicas antiguas, documentos industriales o pequeñas tiradas editoriales siguen existiendo únicamente en papel. Muchos nunca han sido digitalizados. Otros apenas sobreviven en unas pocas bibliotecas o en colecciones privadas.
Ahora imaginemos un escenario que ya no parece tan improbable.
Una empresa decide recorrer librerías de segunda mano, ferias del libro antiguo, colecciones privadas o incluso bibliotecas que venden fondos duplicados. Está dispuesta a pagar bastante más que cualquier coleccionista porque el objetivo no es revender esos ejemplares, sino alimentar una inteligencia artificial propia.
Compra el libro.
Lo escanea.
Lo destruye.
Desde un punto de vista legal puede que todo sea perfectamente válido. Si la adquisición es legítima y el marco jurídico lo permite, no habría mucho que discutir.
Pero culturalmente las consecuencias son muy distintas.
Porque algunos de esos libros podrían dejar de existir físicamente para siempre.
La realidad es que ya está pasando, casos documentados de pedidos de libros antiguos o rarezas desde cualquier parte del mundo para pagar pocos euros por el ejemplar y unos portes desorbitados desde una empresa con sede en otro país, normalmente Estados Unidos de América. Por ejemplo mira esta publicación de Instagram sobre el tema.
Una Inteligencia Artificial no es una biblioteca
Aquí creo que existe una confusión importante.
Muchas personas hablan de estos procesos como si digitalizar un libro para entrenar una Inteligencia Artificial fuera equivalente a conservarlo.
No lo es.
Una biblioteca conserva el texto completo, las ilustraciones, la maquetación, las anotaciones, las distintas ediciones e incluso el contexto histórico de la obra. Permite volver a consultarla dentro de cien años exactamente igual que hoy.
Una inteligencia artificial funciona de otra manera.
No almacena el libro para que podamos recuperarlo cuando queramos. Aprende patrones estadísticos a partir de millones de textos. El contenido original desaparece dentro de un modelo matemático imposible de recorrer como si fuera una biblioteca tradicional.
Eso significa que podremos preguntarle por una idea, un concepto o un autor.
Pero quizá nunca podamos volver a leer exactamente el libro del que aprendió esa respuesta.
Y tampoco verificar si la respuesta coincide realmente con la fuente original.
El problema no es la tecnología. Es quién controla la memoria.
No soy especialmente nostálgico del papel.
Llevo décadas disfrutando de libros electrónicos (aunque el 90% lo leo en papel), documentación digital y herramientas online. Gran parte de mi trabajo gira precisamente alrededor de la transformación digital.
Pero una cosa es digitalizar el conocimiento.
Y otra muy distinta concentrarlo.
Si el conocimiento termina residiendo únicamente dentro de modelos privados propiedad de unas pocas compañías, empezamos a depender de ellas para acceder a buena parte de nuestra memoria colectiva.
No hace falta imaginar conspiraciones.
Basta con pensar en algo mucho más cotidiano.
¿Qué ocurre si una empresa decide que determinados contenidos ya no forman parte del entrenamiento de sus futuros modelos?
¿Qué sucede si un cambio legislativo obliga a eliminar determinadas obras de los conjuntos de entrenamiento?
¿Quién comprobará qué libros estaban presentes antes y cuáles han desaparecido después?
Con una biblioteca siempre existe la posibilidad de volver al original.
Con un modelo de inteligencia artificial esa posibilidad desaparece.
El valor del papel no está solo en el contenido
Hay otro aspecto que solemos olvidar.
Los libros físicos también cuentan una historia por sí mismos.
Los historiadores comparan distintas ediciones para descubrir censuras, modificaciones, errores de impresión o cambios introducidos por los propios autores. Un simple prólogo añadido años después puede modificar completamente la interpretación de una obra.
Eso forma parte del patrimonio cultural.
Una inteligencia artificial no distingue entre la primera edición, la tercera revisión o una versión censurada si todas terminan convertidas en simples datos durante el entrenamiento.
El soporte también contiene información.
Y destruirlo implica perder parte de ella.
Europa tampoco debería ignorar este debate
Hay otro elemento que me preocupa especialmente.
Mientras las grandes empresas tecnológicas concentran cada vez más conocimiento para entrenar sus modelos, en Europa avanzan regulaciones como el AI Act y propuestas como ChatControl, impulsadas con objetivos legítimos como reducir riesgos, proteger a los menores o mejorar la seguridad digital.
El problema no está necesariamente en la intención.
Está en la acumulación de poder.
Por un lado, un pequeño número de compañías controla modelos capaces de responder prácticamente cualquier pregunta. Por otro, los gobiernos incrementan progresivamente su capacidad para regular qué puede hacerse con esos sistemas y bajo qué condiciones.
No digo que estemos ante un escenario de censura, que posiblemente si que lo estemos.
Digo que deberíamos preocuparnos por evitar que llegue a ser posible. Aun no es tarde, o quizás sí.
Porque la mejor garantía para la libertad siempre ha sido que el conocimiento permanezca distribuido, verificable y accesible para cualquiera.
Quizá el verdadero debate acaba de empezar
La inteligencia artificial va a seguir aprendiendo de libros. Y probablemente sea positivo que lo haga. Sería absurdo renunciar al enorme patrimonio escrito de la humanidad para desarrollar mejores herramientas.
Lo que me cuesta aceptar es la idea de que algunos de esos libros puedan desaparecer para siempre porque su única utilidad pase a ser alimentar un modelo privado.
Durante siglos hemos luchado por conservar el conocimiento frente a incendios, guerras, censuras y el paso del tiempo.
Ahora corremos el riesgo de hacerlo desaparecer nosotros mismos, convencidos de que basta con que una inteligencia artificial lo recuerde.
Quizá dentro de veinte años podamos preguntar a una IA cualquier cosa y obtener una respuesta brillante en cuestión de segundos.
Lo que ya no tengo tan claro es si podremos comprobar de dónde salió esa respuesta.
O si el libro que la inspiró seguirá existiendo.
Porque preservar un libro no consiste únicamente en guardar la información que contiene.
También significa conservar la posibilidad de leerlo, interpretarlo, discutirlo y compararlo con otras versiones.
En el momento en que el conocimiento deja de estar repartido entre millones de libros y pasa a residir únicamente en la memoria de unas pocas inteligencias artificiales privadas, ya no estamos hablando solo de tecnología.
Estamos hablando de quién custodiará la memoria de nuestra civilización durante las próximas décadas.
Y esa, probablemente, es una conversación que aún no hemos empezado a tener.
Hay artículos que nacen de una noticia y otros que aparecen porque varias noticias, aparentemente inconexas, empiezan a señalar en la misma dirección.
Eso es exactamente lo que me ha ocurrido durante las últimas semanas.
Todo comenzó leyendo sobre el interés de GameStop por adquirir eBay. Al principio pensé que era una operación curiosa, poco más. Pero conforme seguía investigando aparecían más piezas del puzle. Bending Spoons seguía comprando empresas que muchos daban por acabadas. Microsoft llevaba años demostrando el valor de LinkedIn. Google hizo lo mismo con YouTube. Meta con Instagram y WhatsApp. Incluso operaciones que nunca llegaron a completarse, como Adobe con Figma o NVIDIA con ARM, apuntaban a una misma realidad: las grandes compañías ya no solo compiten por desarrollar la mejor tecnología; también compiten por adquirir activos que resultarían casi imposibles de construir desde cero.
Cuanto más pensaba en ello, menos me interesaba la noticia concreta y más el cambio de fondo que parece esconder.
Índice
Porque quizá estemos entrando en una etapa distinta de la industria tecnológica. Una etapa en la que el software ya no sea el recurso más escaso y donde el verdadero valor vuelva a estar en algo mucho más difícil de fabricar: la confianza, la marca, la comunidad y el tiempo.
No tengo la certeza de que estemos asistiendo a un cambio de ciclo. Nadie la tiene. Pero sí creo que empiezan a acumularse suficientes señales como para detenerse un momento y mirar el panorama con algo de perspectiva.
Y eso es precisamente lo que intento hacer en este artículo.
Las claves de las marcas tecnológicas en 30 segundos
La inteligencia artificial está reduciendo el coste de desarrollar y operar software, lo que cambia la forma de valorar muchas empresas tecnológicas.
Marcas como eBay, LinkedIn o PayPal conservan un activo muy difícil de replicar: décadas de confianza, usuarios y comunidades consolidadas.
Empresas como Bending Spoons están apostando por plataformas maduras en lugar de perseguir únicamente startups de alto crecimiento.
No todas las historias terminan igual. Sega logró reinventarse, Nokia transformó su negocio y Kodak demuestra que una gran marca no siempre garantiza el futuro.
Más que una sucesión de adquisiciones, podría estar comenzando una nueva etapa en la que el activo más valioso ya no sea el software, sino todo aquello que el tiempo ha construido y la IA todavía no puede crear.
Cuando Internet parecía una carrera por inventarlo todo
Quienes llevamos varias décadas siguiendo la evolución de Internet hemos visto repetirse un patrón una y otra vez.
Cada pocos años aparecía una empresa dispuesta a cambiar las reglas del juego.
Yahoo revolucionó los directorios.
Netscape popularizó la navegación web.
Palm llevó la informática al bolsillo antes de que existieran los smartphones modernos.
BlackBerry convirtió el correo electrónico móvil en una herramienta de trabajo imprescindible.
MySpace dominó las redes sociales antes de que Facebook cambiara completamente ese mercado.
Cada generación tecnológica tenía sus propios gigantes.
Y también sus propios olvidados.
Durante mucho tiempo parecía que el mercado funcionaba con una lógica muy sencilla.
Lo nuevo desplazaba inevitablemente a lo antiguo.
Si una empresa dejaba de crecer al ritmo esperado, el mercado empezaba a tratarla como si hubiera dejado de ser relevante.
No importaba demasiado que siguiera siendo rentable.
Ni que mantuviera millones de usuarios.
Ni siquiera que continuara generando miles de millones de dólares cada año.
En tecnología parecía existir una única obsesión.
Crecer.
Y hacerlo más rápido que nadie.
El mercado confundió crecimiento con valor
Es una simplificación comprensible.
Una startup que duplica ingresos cada ejercicio suele despertar mucho más interés que una empresa consolidada cuyo crecimiento apenas alcanza unos pocos puntos porcentuales.
Los inversores buscan expectativas.
Los medios buscan historias.
Las bolsas premian el futuro.
Pero con el tiempo empecé a preguntarme si esa forma de analizar las empresas no estaba dejando escapar algo importante.
Porque hay compañías que dejan de crecer sin dejar de ser extraordinariamente valiosas.
eBay continúa moviendo miles de millones de dólares en transacciones cada trimestre.
PayPal sigue siendo una de las plataformas de pago más utilizadas del mundo.
LinkedIn mantiene una posición prácticamente imposible de replicar dentro del mercado profesional.
Incluso plataformas como Vimeo, Evernote o Meetup, que ya no ocupan titulares como hace diez años, siguen conservando millones de usuarios y una marca ampliamente reconocida.
Quizá simplemente dejamos de hablar de ellas.
Pero eso no significa que hayan dejado de importar.
La inteligencia artificial está cambiando una variable que casi nadie menciona
Cuando se habla de inteligencia artificial casi toda la atención se centra en los modelos, los chips, los centros de datos o el impacto sobre el empleo.
Tiene sentido.
Son los aspectos más visibles.
Sin embargo, hay otra consecuencia que me parece igual de interesante.
La IA está cambiando el coste de gestionar una empresa tecnológica.
Automatizar tareas que antes requerían equipos completos.
Acelerar el desarrollo de software.
Mejorar la atención al cliente.
Generar documentación.
Analizar enormes cantidades de información.
Crear contenido.
Optimizar procesos internos.
Nada de eso convierte automáticamente un mal producto en uno bueno.
Pero sí puede hacer que una empresa madura resulte mucho más rentable de lo que era hace apenas cinco años.
Y cuando cambian los costes, también cambia la valoración de determinados activos.
Lo realmente difícil ya no parece ser escribir software
Hace veinte años desarrollar una plataforma global exigía inversiones enormes.
Había que construir infraestructuras propias.
Contratar grandes equipos de ingeniería.
Mantener centros de datos.
Desarrollar herramientas específicas para casi cualquier tarea.
Hoy gran parte de esas barreras han disminuido.
El cloud ha democratizado la infraestructura.
El software de código abierto ha reducido el coste de muchas tecnologías.
Y la inteligencia artificial está acelerando parte del trabajo de desarrollo.
Nunca había sido tan accesible lanzar un producto digital.
Paradójicamente, eso hace que otras cosas sean todavía más difíciles de conseguir.
No basta con tener una buena aplicación.
Hace falta algo más.
Hace falta que alguien quiera utilizarla.
Y, sobre todo, que quiera seguir utilizándola dentro de cinco o diez años.
La confianza tarda décadas en construirse
Hay una frase que llevo tiempo repitiéndome mientras preparaba este artículo.
La IA puede escribir código. No puede fabricar treinta años de confianza.
Creo que resume bastante bien hacia dónde quiero llegar.
Porque cuando alguien entra en eBay no solo encuentra un marketplace.
Encuentra millones de valoraciones acumuladas durante décadas.
Cuando un profesional actualiza su perfil en LinkedIn no está rellenando un simple formulario.
Está alimentando una identidad profesional que probablemente lleve construyendo muchos años.
Cuando un comercio integra PayPal tampoco está incorporando únicamente un método de pago.
Está aprovechando una relación de confianza que millones de usuarios ya tienen con esa marca.
Todo eso resulta extraordinariamente difícil de copiar.
Y quizá empiece a valer más precisamente ahora, cuando crear el software necesario para competir resulta cada vez menos costoso.
¿Y si el activo más valioso fuera el tiempo?
Cuanto más analizo estas operaciones, más me convenzo de que muchas de ellas no consisten realmente en comprar tecnología.
Consisten en comprar tiempo.
Años de reputación.
Años de datos.
Años de relaciones con clientes.
Años de integración con otras plataformas.
Años de comunidad.
Y eso me lleva a una pregunta que, sinceramente, me parece mucho más interesante que cualquier adquisición concreta.
¿Estamos entrando en una etapa en la que el recurso más escaso ya no sea el software, sino el tiempo necesario para construir una marca de confianza?
No tengo una respuesta definitiva.
Pero creo que merece la pena seguir explorando esa idea.
Porque quizá explique mejor que ninguna otra por qué algunas empresas que muchos consideraban parte del pasado vuelven a despertar el interés de la industria tecnológica.
Las grandes tecnológicas llevan dos décadas comprando algo más que empresas
Si uno repasa las mayores adquisiciones de la historia de Internet resulta fácil quedarse con la cifra.
1.000 millones.
19.000 millones.
26.000 millones.
44.000 millones.
Pero creo que las cifras distraen de la verdadera historia.
La pregunta interesante nunca ha sido cuánto pagaron Google por YouTube, Meta por WhatsApp o Microsoft por LinkedIn.
La pregunta es otra.
¿Qué estaban comprando realmente?
Porque ninguno de esos gigantes necesitaba aquella tecnología.
Google podía desarrollar una plataforma de vídeo.
Meta tenía recursos de sobra para crear una aplicación de mensajería.
Microsoft disponía del talento suficiente para construir una red profesional desde cero.
Lo difícil nunca fue desarrollar el software.
Lo complicado era convencer a cientos de millones de personas para abandonar el servicio que utilizaban cada día.
Y esa diferencia lo cambia todo.
Cuando la comunidad se convierte en el producto
Hay una idea que me parece especialmente interesante.
Durante muchos años pensamos que el producto era el activo principal de una empresa tecnológica.
Creo que eso ya no es del todo cierto.
El verdadero producto acaba siendo la comunidad que se forma alrededor de él.
YouTube no triunfó únicamente porque permitiera subir vídeos.
Triunfó porque millones de personas empezaron a crear contenido, comentar, suscribirse a canales y convertir la plataforma en un hábito diario.
Instagram nunca fue solamente una aplicación para compartir fotografías.
Fue una comunidad.
WhatsApp tampoco revolucionó el mercado porque enviara mensajes.
Lo hizo porque consiguió que prácticamente todo el mundo estuviera allí.
Y cuando toda tu familia, tus amigos o tus clientes utilizan una misma plataforma, cambiar resulta mucho más complicado que instalar una aplicación nueva.
Ahí aparecen los famosos efectos de red, uno de los conceptos más importantes de la economía digital.
Cada nuevo usuario aumenta el valor de la plataforma para el resto.
Y eso crea una ventaja competitiva extraordinariamente difícil de replicar.
¿Qué compraban realmente?
Si simplificamos algunas de las operaciones más importantes de los últimos veinte años, el resultado es bastante revelador.
Operación
Lo que parecía comprar
Lo que realmente adquiría
Google → YouTube
Plataforma de vídeo
La mayor comunidad mundial de creadores y espectadores
Meta → Instagram
Aplicación de fotografía
La atención de una nueva generación de usuarios
Meta → WhatsApp
Aplicación de mensajería
La mayor red privada de comunicación del planeta
Microsoft → LinkedIn
Red social profesional
La identidad profesional de cientos de millones de personas
Salesforce → Slack
Chat corporativo
El lugar donde miles de empresas colaboran cada día
Microsoft → GitHub
Plataforma de desarrollo
La comunidad de desarrolladores más importante del mundo
Visto así, la tecnología pasa casi a un segundo plano.
Lo verdaderamente difícil de construir eran las personas que ya utilizaban esas plataformas.
Hay algo que la IA todavía no sabe hacer
Cada pocas semanas aparece un nuevo modelo capaz de programar mejor, resumir documentos con mayor precisión o generar imágenes más realistas.
La velocidad a la que está avanzando la inteligencia artificial resulta impresionante.
Pero mientras preparaba este artículo me di cuenta de algo bastante curioso.
La IA puede ayudarte a crear un producto en semanas. No puede ayudarte a conseguir treinta años de reputación.
No puede fabricar una comunidad de millones de usuarios.
No puede generar décadas de relaciones comerciales.
No puede construir la confianza que un comprador deposita en eBay después de miles de transacciones.
No puede crear una red profesional como LinkedIn simplemente escribiendo más código.
Y quizá ahí esté el motivo por el que determinadas empresas vuelven a parecer interesantes.
No porque tengan mejor tecnología.
Sino porque ya poseen aquello que la inteligencia artificial todavía no sabe fabricar.
Bending Spoons y una estrategia que muchos no entendieron
Si hay una empresa que me parece especialmente interesante dentro de este nuevo escenario es Bending Spoons.
Cada vez que anunciaba una nueva adquisición aparecían las mismas preguntas.
¿Por qué comprar Evernote?
¿Por qué Vimeo?
¿Por qué Meetup?
¿Por qué WeTransfer?
¿Por qué AOL?
A simple vista parecía una colección de empresas cuyo mejor momento ya había pasado.
Sin embargo, vistas en conjunto cuentan una historia muy diferente.
Bending Spoons no estaba comprando compañías perfectas.
Estaba comprando plataformas que seguían conservando tres activos muy difíciles de reconstruir.
Una marca conocida.
Una base de usuarios.
Y un producto suficientemente sólido como para seguir teniendo utilidad.
A partir de ahí, la estrategia cambia.
Reducir costes.
Modernizar la plataforma.
Eliminar ineficiencias.
Automatizar procesos.
Centrarse en la rentabilidad.
No siempre funcionará.
Algunas operaciones saldrán mejor que otras.
Pero creo que la idea de fondo merece atención.
Durante años Silicon Valley estuvo obsesionado con crecer.
Empiezo a tener la sensación de que la siguiente etapa puede consistir en gestionar mejor.
El caso de eBay quizá sea más importante de lo que parece
Cuando trascendió el interés de GameStop por adquirir eBay, muchas personas interpretaron la noticia como una operación aislada.
A mí me hizo pensar en otra cosa.
¿Cuánto costaría hoy construir un competidor real de eBay desde cero?
No me refiero a desarrollar un marketplace.
Eso, con suficientes recursos, puede hacerse.
Me refiero a construir todo lo demás.
Millones de compradores.
Millones de vendedores.
Décadas de reputación.
Sistemas de valoración.
Protección frente al fraude.
Integraciones logísticas.
Reconocimiento mundial de marca.
Probablemente harían falta muchos años.
Y una inversión gigantesca.
Vista desde esa perspectiva, quizá el verdadero valor de eBay nunca haya sido su plataforma tecnológica.
Quizá siempre haya estado en la comunidad que lleva casi treinta años utilizándola.
Internet también tiene memoria
A veces la industria tecnológica transmite la sensación de vivir únicamente pendiente del siguiente lanzamiento.
Del siguiente modelo de IA.
Del próximo smartphone.
Del siguiente procesador.
Sin embargo, Internet también acumula memoria.
Las personas recuerdan las marcas.
Recuerdan qué servicios les funcionaron durante años.
Qué plataformas resolvieron problemas reales.
Qué empresas estuvieron ahí cuando todavía casi nadie hablaba de cloud, inteligencia artificial o smartphones.
Esa memoria colectiva tiene un valor enorme.
No aparece en un balance contable.
No puede medirse con facilidad.
Pero influye cada día en millones de decisiones.
Y quizá durante demasiado tiempo la industria la dio por sentada.
Cuatro formas muy distintas de recuperar una empresa tecnológica
Mientras preparaba este artículo terminé clasificando las estrategias que más se repiten.
Me llamó la atención comprobar que no todas buscan lo mismo.
Estrategia
Objetivo
Ejemplos
Comprar una comunidad
Acceder a usuarios consolidados
LinkedIn, GitHub, WhatsApp
Comprar una marca
Aprovechar décadas de reconocimiento
eBay, PayPal
Reinventar el negocio
Cambiar completamente la actividad
Nokia, IBM
Explotar la propiedad intelectual
Rentabilizar franquicias y conocimiento acumulado
Sega
Quizá esta tabla resume mejor que ninguna otra la idea central del artículo.
Porque demuestra que no existe una única forma de dar una segunda vida a una empresa tecnológica.
Lo que sí parece repetirse es otra cosa.
El tiempo vuelve a convertirse en un activo estratégico.
Y construir tiempo sigue siendo imposible de acelerar.
Tres empresas que demuestran que no todas las marcas envejecen igual
Mientras escribía este artículo me di cuenta de que hay tres empresas a las que siempre termino volviendo cuando intento explicar cómo envejece una compañía tecnológica.
No tienen mucho que ver entre sí.
Una fabricaba consolas.
Otra dominó el mercado de los teléfonos móviles.
La tercera llegó a ser prácticamente sinónimo de fotografía.
Sin embargo, Sega, Nokia y Kodak cuentan una historia sorprendentemente parecida.
Las tres fueron líderes.
Las tres parecían invencibles.
Las tres tuvieron que enfrentarse a un cambio tecnológico enorme.
Y las tres reaccionaron de forma completamente distinta.
Quizá ahí esté una de las mejores lecciones que deja la historia de la tecnología.
No existe una única forma de sobrevivir.
Sega: entender qué era realmente el negocio
Quienes crecimos en los años ochenta y noventa recordamos perfectamente la rivalidad entre Sega y Nintendo.
No era simplemente una guerra de consolas.
Era una forma distinta de entender los videojuegos.
Master System.
Mega Drive.
Saturn.
Dreamcast.
Cada generación representaba una apuesta tecnológica diferente.
Pero tras el fracaso comercial de Dreamcast, Sega tomó una decisión que muy pocas compañías son capaces de asumir.
Dejó de fabricar consolas.
Vista con perspectiva, probablemente fue una de las decisiones más inteligentes de su historia.
Porque Sega entendió algo muy importante.
Su verdadero negocio nunca habían sido las consolas.
Su verdadero negocio eran sus personajes.
Sus estudios.
Su creatividad.
Su propiedad intelectual.
Sonic continúa siendo uno de los personajes más reconocibles de la industria del videojuego.
Las películas funcionan.
Las licencias siguen generando ingresos.
Las franquicias mantienen un enorme valor.
El hardware desapareció.
La marca no.
Y eso demuestra que, a veces, abandonar el producto adecuado en el momento adecuado puede ser la mejor decisión posible.
Nokia: una empresa que casi todo el mundo cree conocer
Pocas compañías generan tanta confusión como Nokia.
Cuando Microsoft compró su división de teléfonos móviles en 2014, mucha gente dio por hecho que Nokia había desaparecido.
En realidad nunca fue así.
Microsoft compró el negocio de dispositivos.
No compró Nokia.
Mientras los titulares hablaban del fracaso de Windows Phone, Nokia continuó haciendo aquello en lo que llevaba décadas siendo una referencia.
Infraestructura de telecomunicaciones.
Equipamiento para operadores.
Investigación.
Patentes.
Redes móviles.
Hoy sigue siendo uno de los grandes proveedores mundiales de infraestructura para telecomunicaciones.
Simplemente dejó de fabricar el producto por el que la mayoría de nosotros la recordábamos.
Siempre me ha parecido un ejemplo fascinante.
Porque demuestra hasta qué punto solemos confundir una marca con la actividad principal de una empresa.
Kodak: la marca que llegó demasiado tarde
Si Sega representa una reinvención y Nokia una transformación, Kodak simboliza el riesgo de llegar tarde.
Resulta paradójico recordar que la propia Kodak fue pionera en fotografía digital.
Uno de sus ingenieros desarrolló una de las primeras cámaras digitales funcionales.
Sin embargo, la compañía continuó protegiendo durante demasiado tiempo un negocio extraordinariamente rentable basado en la fotografía química.
Cuando quiso acelerar la transición, el mercado ya había cambiado.
Los teléfonos móviles empezaban a incorporar cámaras.
Las fotografías dejaban de imprimirse.
Internet modificaba la forma de compartir imágenes.
Kodak terminó reorganizándose para asegurar su continuidad.
La empresa sigue existiendo.
Pero nunca recuperó el protagonismo que tuvo durante gran parte del siglo XX.
Es una lección que me parece especialmente interesante.
Una marca muy conocida puede darte una segunda oportunidad.
Pero no garantiza una tercera.
También hay operaciones que nunca llegaron a producirse
Mientras algunas empresas consiguen reinventarse, otras protagonizan adquisiciones que jamás llegan a completarse.
Y creo que también merece la pena detenerse un momento en ellas.
Adobe quería comprar Figma.
NVIDIA quería hacerse con ARM.
Microsoft intentó adquirir Yahoo.
Sobre el papel parecían operaciones perfectamente razonables.
Sin embargo, ninguna terminó como estaba prevista.
¿Por qué?
Porque la tecnología ha dejado de analizarse únicamente como un mercado.
Ahora también se considera una infraestructura estratégica.
Los reguladores ya no estudian solo el precio de una operación.
Analizan quién concentrará el conocimiento.
Quién controlará determinadas plataformas.
Qué consecuencias tendrá para la competencia.
Y eso supone un cambio enorme respecto a lo que ocurría hace apenas quince años.
Probablemente veremos cada vez más operaciones bloqueadas por motivos que hace una década apenas se discutían.
Creo que estamos mirando el sitio equivocado
Después de dar muchas vueltas a este tema, hay una idea que no consigo quitarme de la cabeza.
Llevamos años hablando de inteligencia artificial como si el gran activo del futuro fuera el modelo más potente.
No estoy tan seguro.
Empiezo a pensar que el recurso verdaderamente escaso será otro.
La confianza.
Porque cualquier empresa podrá desarrollar asistentes inteligentes.
Muchas podrán generar software con ayuda de modelos de IA.
Cada vez será más sencillo automatizar procesos.
Pero ninguna podrá fabricar treinta años de relación con sus clientes.
Ninguna podrá inventarse una comunidad consolidada de la noche a la mañana.
Ninguna podrá crear de golpe una reputación que ha necesitado décadas para construirse.
Y precisamente por eso creo que muchas empresas históricas vuelven a resultar interesantes.
No porque hayan vuelto a ser tecnológicamente superiores.
Sino porque el resto del mercado empieza a valorar de otra manera aquello que siempre tuvieron.
La IA está cambiando el coste de crear. No el tiempo necesario para confiar.
Quizá esa sea la idea que mejor resume todo el artículo.
Durante muchos años el recurso más difícil de conseguir era la tecnología.
Hoy el software puede desarrollarse más rápido que nunca.
Los modelos de inteligencia artificial ayudan a programar, documentar, traducir, resumir o automatizar tareas que hace poco requerían equipos completos.
Eso cambia profundamente los costes.
Pero no cambia el tiempo.
Y el tiempo sigue siendo el ingrediente imprescindible para construir una marca.
Para ganarse la confianza de un cliente.
Para crear una comunidad.
Para desarrollar un efecto de red.
Para convertirse en un referente.
Quizá por eso estamos viendo cómo compañías que parecían condenadas al olvido vuelven a despertar interés.
No porque hayan cambiado radicalmente.
Sino porque ha cambiado el contexto.
Reflexión final
Si alguien me hubiera preguntado hace diez años cuál sería el activo más valioso de una empresa tecnológica, probablemente habría respondido que su capacidad para innovar más rápido que la competencia.
Hoy no estoy tan seguro.
Sigo pensando que la innovación es imprescindible.
Pero creo que hemos infravalorado durante demasiado tiempo algo mucho más difícil de construir.
La confianza.
Cuando una empresa consigue mantener durante veinte o treinta años una relación sólida con millones de usuarios, ha creado un activo extraordinario.
No aparece reflejado en una línea de código.
No puede entrenarse con un modelo de inteligencia artificial.
No se compra de un día para otro.
Y precisamente por eso empieza a tener todavía más valor.
Quizá el próximo gran gigante tecnológico nazca mañana en un garaje.
Eso seguirá ocurriendo.
Pero también creo que algunos de los grandes movimientos de la próxima década podrían producirse alrededor de empresas que llevan mucho tiempo entre nosotros y que muchos dejaron de mirar hace años.
No porque pertenezcan al pasado.
Sino porque, en realidad, el tiempo ha terminado convirtiéndose en su mayor ventaja competitiva.
Preguntas frecuentes
¿Por qué las empresas tecnológicas vuelven a interesarse por marcas históricas?
Porque muchas de ellas conservan activos extremadamente difíciles de construir desde cero, como comunidades de usuarios, confianza, reconocimiento de marca o efectos de red. La inteligencia artificial reduce parte del coste operativo, pero no puede crear décadas de reputación.
¿Qué papel juega la inteligencia artificial en esta tendencia?
Más que sustituir a estas empresas, la IA puede hacerlas más rentables al automatizar procesos, acelerar el desarrollo de software y reducir determinados costes. Eso cambia la forma en que algunos inversores valoran plataformas maduras.
¿Por qué casos como Sega, Nokia y Kodak son tan diferentes?
Las tres afrontaron grandes cambios tecnológicos, pero reaccionaron de forma distinta. Sega abandonó el hardware y apostó por su propiedad intelectual; Nokia transformó su actividad hacia las redes de telecomunicaciones; Kodak mantuvo demasiado tiempo su modelo tradicional y perdió buena parte de su posición en el mercado.
¿Todas las adquisiciones tecnológicas terminan teniendo éxito?
No. Existen operaciones muy exitosas, como YouTube o LinkedIn, otras que no lograron el impacto esperado y algunas, como Adobe-Figma o NVIDIA-ARM, que ni siquiera llegaron a completarse por cuestiones regulatorias.
Fuentes:
Comunicaciones corporativas y documentación histórica de Google, Microsoft, Meta, Salesforce, Sega Sammy Holdings, Nokia y Kodak.
