Después de ver las presentaciones de 199 empresas en el Demo Day de YC W26, quedó una sensación de desconcierto muy fuerte. La IA ya no es simplemente una "nueva tecnología", sino que se ha convertido en una infraestructura.

El 60% de las empresas participantes son nativas de IA, y además un 26% están adaptadas a IA. Es decir, solo un 14% no utilizan IA. Pero lo importante no es esa cifra. Lo que ha cambiado es que, en lugar de preguntarse "cómo usar IA", todos están pensando en "qué reemplazar con IA".

Las expresiones como copiloto, asistente, copiloto de cabina se han convertido en términos obsoletos. Lo que buscan las startups actuales es una sustitución completa de trabajos bien remunerados. Beacon Health reemplaza al personal de autorización previa, Mendral realiza tareas de ingenieros, y LegalOS logra una tasa de aprobación del 100% en solicitudes de visas. Esto no son herramientas de apoyo, sino sustituciones reales.

Aquí surge la necesidad de una nueva forma de decirlo. La expresión "agente de IA" ya no es solo un término técnico, sino que ahora se refiere a la profesión en sí misma. Reclutadores, abogados, personal médico, DevOps, control de calidad. Todo es susceptible de ser reemplazado.

No es de extrañar que el mercado B2B represente el 87%. Solo 14 empresas están dirigidas al consumidor final, y de esas, solo 7 están oficialmente clasificadas como "B2C". ¿Por qué? Porque los agentes de IA funcionan mejor en flujos de trabajo estructurados. Para el consumidor final, la ambigüedad es alta y todavía es un territorio difícil para la IA.

Lo interesante es qué están haciendo las empresas que crecen más rápido. Bufetes de abogados, reclutamiento, contabilidad, corredores de seguros. Es decir, los sectores tradicionales de servicios profesionales. Arcline tiene más de 50 startups como clientes, funcionando como una empresa de servicios nativa de IA. Panta declara que es un "negocio de servicios basado en la economía del software". La IA realiza el 80% del trabajo humano y opera con un modelo de pago por resultados, disfrutando del margen de beneficio del software y manteniendo la confiabilidad del servicio.

La lección de este modelo es clara. Comienza con un servicio, recopila datos, lanza automatización y finalmente evoluciona hacia una plataforma. El servicio es la cuña, y los datos se convierten en la base de la fortaleza.

El tema de los canales de distribución también es interesante. De las 15 empresas de mayor crecimiento, el 60% ha conseguido sus primeros clientes a través de redes de fundadores o de YC. Es decir, no se trata de "cómo vender", sino de "a quién puedes llegar", ya que esas empresas ya tenían un público objetivo definido desde el principio.

El patrón más típico es vender a antiguos colegas de la empresa anterior. Los fundadores de Fed10 eran ex lobistas, y sus tarjetas de visita se convirtieron en canales de venta. Los fundadores de Squid trabajaron durante años en State Grid, conociendo las ineficiencias en la planificación de redes eléctricas. No tuvieron que buscar clientes, porque ellos mismos eran los clientes.

El perfil de los fundadores también es característico. El 46% son equipos de dos personas, siendo los cofundadores con diferentes conocimientos técnicos los más comunes (35%). No se trata de hackers + vendedores, sino de técnicos con técnicos. Y estos son compañeros de universidad, ex colegas o amigos con quienes ya han fundado empresas antes.

Los fundadores de las empresas más exitosas comparten un patrón: conocen profundamente el problema que quieren resolver, basado en experiencias personales. Un dentista desarrolla IA quirúrgica en Mango Medical, un supervisor de mantenimiento aeronáutico automatiza la creación de documentos en Zymbly, y los hijos de ganaderos crean GrazeMate, un robot vaquero. Las empresas más fuertes no están en industrias de moda, sino en sectores discretos y profundos.

La recuperación del hardware tampoco pasa desapercibida. El 18% de las startups incluye componentes hardware. Esto ha aumentado mucho en los últimos años. Remy AI y Servo7 fabrican robots para almacenes, Pocket ha enviado más de 30,000 dispositivos vestibles. Empresas fundadas por ex empleados de SpaceX y Tesla son las más destacadas en este grupo.

También se enfatizó la importancia de la ventaja basada en datos. LegalOS entrenó con 12,000 casos de solicitudes de visas y logró una tasa de aprobación del 100%. Shofo está construyendo la mayor biblioteca de videos indexados del mundo. Dado que usan el mismo modelo básico, los datos propios se convierten en la principal barrera defensiva.

Los patrones de fracaso también son claros. Ocho a diez empresas que están construyendo funciones de monitoreo y prueba de agentes están en zonas peligrosas. Porque los proveedores de modelos base los construyen de forma nativa. Lo mismo ocurre con los servicios nativos de IA sin ventaja de datos. La monetización es rápida, pero la protección es muy baja, ya que las tecnologías centrales pueden ser replicadas en semanas.

Una forma interesante de decirlo es que el fracaso en la estrategia de entrada al mercado se llama "construir y esperar". Las empresas exitosas primero preguntan "¿a quién puedo llegar y qué necesitan urgentemente?" y luego construyen. Las que fracasan, en cambio, preguntan "he creado un producto genial, ¿cómo lo vendo?" después de tenerlo listo. Esa diferencia lo decide todo.

También llama la atención el vacío en áreas como consumo, educación y tecnología gubernamental. En estos sectores hay muy pocas empresas participando. Históricamente, cuanto menos capital se invierte en un sector, mayor será la recompensa futura. La próxima gran ola de IA ocurrirá en estos ámbitos ignorados.

Las cinco características comunes de las empresas que más crecen son: vender resultados, no herramientas; que los fundadores hayan construido relaciones con clientes antes del producto; cobrar desde el primer día; que los clientes estén en situaciones apremiantes; y que el MVP sea sorprendentemente simple.

La calidad de las presentaciones también varió mucho. Los pitches memorables tienen siete elementos: datos impactantes o problemas planteados; problemas específicos, concretos y poco comunes; una declaración bomba que muestre el equipo; explicar la inevitabilidad del mercado; un impulso que supere en valor absoluto la velocidad; insights propios; y un cierre loco, como "la primera Oscar de IA nacerá en Martini" o "reservemos el hotel lunar para 2032". Cómo estas palabras mueven a los inversores, eso lo decide todo.

GRU Space planea construir el primer hotel lunar para 2032, con una carta de intención de 500 millones de dólares y una invitación a la Casa Blanca. Terranox ha descubierto y valorado en 200-700 millones de dólares un yacimiento de uranio. Ditto Bio lee proteínas inmunitarias evolutivas de parásitos con IA y diseña inmunoterapias propias. Estas empresas no son solo tecnológicas, sino que abordan problemas fundamentales de la humanidad.

La mayor lección del Demo Day es que la era de las startups nativas de IA está en marcha. Pero los verdaderos ganadores no son las empresas que usan IA de forma inteligente, sino aquellas que, con profundo conocimiento especializado, innovan en industrias existentes con IA. Entrar en sectores discretos, construir un ciclo de datos, y evitar los "wrappers" genéricos de IA, son las lecciones más importantes que emergen de las presentaciones de 199 empresas.