Promesas de IA omnipresente vs la cruda realidad de startups que desaparecen

Una serie de cierres y pivotes en proyectos de IA, desde startups como Relay hasta gigantes como OpenAI, revelan un patrón de sobrepromesas y dificultades de escalado que afecta a todo el ecosistema latinoamericano y español.

En los últimos dos años, la lista de iniciativas de inteligencia artificial que han desaparecido se ha ampliado considerablemente. Desde la caída de Relay, la herramienta de automatización basada en IA que pretendía competir con Zapier, hasta el colapso del chatbot Character.ai, el panorama muestra que la mera incorporación de algoritmos avanzados no garantiza la viabilidad comercial.

Factores estructurales detrás del «AI Graveyard»

Según datos de S&P Global Market Intelligence, alrededor del 42 % de los proyectos de IA iniciados por grandes corporaciones terminan abandonados. Las causas más citadas son:

• Financiamiento insuficiente: la falta de capital de riesgo o de presupuesto interno impide que los equipos mantengan la investigación y el desarrollo a largo plazo.
• Retos técnicos: problemas de escalabilidad, latencia o integración con infraestructuras heredadas hacen que los prototipos no lleguen a producción.
• Competencia directa: gigantes como OpenAI, Google o Microsoft incorporan funcionalidades similares directamente en sus plataformas, reduciendo el valor diferencial de los productos independientes.
• Escasa demanda del usuario: la adopción real de soluciones de IA suele ser más lenta de lo esperado, lo que genera bajas tasas de retención.
• Problemas regulatorios y de privacidad: iniciativas que implican captura de datos sensibles, como la función Recall de Microsoft, encuentran resistencia tanto de usuarios como de autoridades.

Casos emblemáticos y lecciones aprendidas

El cierre de Relay en agosto de 2026 ilustra cómo una herramienta de automatización basada en agentes de IA puede quedar obsoleta cuando los proveedores de nube integran funcionalidades similares en sus suites. La empresa, fundada en 2021, no logró diferenciarse lo suficiente y perdió relevancia frente a la incorporación de automatizaciones nativas en plataformas de OpenAI y Google.

Por su parte, Character.ai, que había ganado notoriedad por sus personajes conversacionales, solicitó bancarrota apenas cinco años después de su lanzamiento. El modelo de negocio basado en suscripciones premium no fue suficiente para sostener los costos de entrenamiento y servidores.

OpenAI tampoco está exento. La empresa intentó convertir ChatGPT en un «super app» al lanzar modos como «Chat», «Codex» y «Work» bajo la etiqueta ChatGPT Classic. La confusión generada entre usuarios llevó a una reversión rápida del cambio. Otros productos como ChatGPT Atlas, Operator y la plataforma de video Sora fueron descontinuados y sus funcionalidades absorbidas por la versión principal de ChatGPT.

En el ámbito del hardware, el Humane AI Pin se presentó como el futuro de la interacción wearable con IA, recaudando US$230 millones. Sin embargo, problemas de rendimiento y un serio riesgo de incendio en su estuche de carga obligaron a la empresa a emitir una advertencia de seguridad y, finalmente, a suspender la producción.

Impacto en América Latina y España

El «AI Graveyard» no es una cuestión aislada de Silicon Valley. En Latinoamérica, varios fondos de capital de riesgo han invertido en startups de IA que ahora enfrentan la misma presión de gigantes tecnológicos. En México y Brasil, proyectos de automatización de procesos empresariales basados en IA han visto una disminución de la demanda al ser incorporados directamente en soluciones de Microsoft Azure y Google Cloud.

En España, la reciente caída de Notion Mail, una herramienta de gestión de correo impulsada por IA, ha generado incertidumbre entre los emprendedores que buscaban diferenciarse en el mercado de productividad. El caso subraya la necesidad de crear propuestas de valor que no puedan ser replicadas fácilmente por los grandes proveedores.

Los gobiernos de la región están comenzando a responder. En Chile, el Ministerio de Ciencia y Tecnología ha anunciado un programa de apoyo a proyectos de IA que incluyan un plan de sostenibilidad a cinco años, mientras que en España el Ministerio de Asuntos Económicos y Transformación Digital está evaluando incentivos fiscales para empresas que mantengan equipos de I+D en territorio nacional.

Lecciones para desarrolladores y emprendedores

Para quienes están considerando lanzar una solución de IA, la evidencia sugiere que la estrategia debe centrarse en:

• Construir barreras de entrada mediante datos propietarios o integraciones profundas con ecosistemas locales.
• Diseñar modelos que puedan ejecutarse en infraestructura moderada, evitando la dependencia exclusiva de servicios de nube costosos.
• Priorizar la privacidad y la seguridad desde la fase de diseño, especialmente si la herramienta captura datos sensibles.
• Establecer métricas claras de adopción y retención antes de escalar la inversión.
• Buscar alianzas con universidades y centros de investigación para acceder a talento y recursos de cómputo sin incurrir en gastos exorbitantes.

En última instancia, la proliferación de fracasos no debe interpretarse como un retroceso, sino como una fase de depuración que permite al ecosistema identificar modelos de negocio sostenibles y tecnologías realmente diferenciadoras.

Perspectiva a medio plazo para el sector IA

El ritmo de consolidación seguirá acelerándose. Grandes jugadores continuarán absorber funcionalidades de productos independientes, mientras que los proyectos con enfoque vertical —por ejemplo, IA para agricultura de precisión en Argentina o análisis de datos de salud en España— tendrán mayores posibilidades de sobrevivir. La clave será combinar la capacidad técnica con un entendimiento profundo de los requerimientos regulatorios y de privacidad de cada mercado.

En los próximos años, se espera que la mayoría de los nuevos lanzamientos de IA adopten una arquitectura modular, permitiendo que componentes específicos se integren en plataformas mayores sin necesidad de crear aplicaciones completas desde cero. Esta tendencia podría reducir la tasa de abandono, aunque también aumentará la presión sobre los equipos de desarrollo para mantenerse a la vanguardia de la innovación.