Se trata de una “nueva tendencia” que podría desencadenar en una nueva fase en el desarrollo de la propia IA. Y más en estos momentos, cuando el volumen de inversión ha alcanzado niveles históricos y donde el modelo de trabajo en las grandes tecnológicas, cada vez más orientado a resultados inmediatos, está empujando a muchos perfiles a buscar entornos más flexibles.
Rondas millonarias en cuestión de meses
Una de las señales más claras de este cambio es la velocidad a la que estas nuevas empresas están captando financiación. Startups con apenas unos meses de vida están cerrando rondas que hace unos años eran impensables en fases tan tempranas.
El caso de Ineffable Intelligence es un clarísimo ejemplo. Fundada por el ex investigador de Google DeepMind David Silver, la compañía ha conseguido una ronda semilla de 1.100 millones de dólares, una cifra excepcional para un proyecto en fase inicial.
En paralelo, Tim Rocktäschel, también procedente de DeepMind, está levantando hasta 1.000 millones para su iniciativa Recursive Superintelligence.
Por su parte, AMI Labs, impulsada por uno de los nombres más influyentes en el desarrollo de la IA en Meta, anunció una financiación de 1.000 millones de dólares apenas unos meses después de su lanzamiento.
En el último año, otras firmas creadas por antiguos empleados de OpenAI, DeepMind, Anthropic o xAI han logrado captar cientos de millones en rondas iniciales.
El papel clave del capital riesgo
Detrás de este auge está el fuerte respaldo de los inversores. En 2026, el capital riesgo ha destinado ya cerca de 18.800 millones de dólares a startups de IA fundadas desde comienzos de 2025, una cifra que apunta a superar ampliamente los registros del año anterior, cuando se alcanzaron los 27.900 millones en proyectos similares.
Los fondos buscan perfiles con experiencia en los llamados laboratorios de frontera, es decir, equipos que han trabajado directamente en el desarrollo de modelos avanzados.
Estos perfiles aportan conocimiento práctico sobre lo que funciona a gran escala y, sobre todo, sobre qué líneas de investigación han quedado en segundo plano dentro de las grandes corporaciones.
Este contexto explica por qué muchas de estas startups están formadas por equipos completos que ya habían trabajado juntos anteriormente. La capacidad para atraer talento se ha convertido en un factor decisivo, facilitado por la disponibilidad de financiación.
La presión en las grandes tecnológicas
El entorno dentro de las grandes compañías también está influyendo en esta fuga de talento. El esfuerzo por justificar valoraciones multimillonarias y mantener un ritmo constante de lanzamientos está reduciendo el margen para la investigación más experimental.
La prioridad en muchos casos es mejorar el rendimiento de los modelos actuales, especialmente los basados en lenguaje, lo que deja menos espacio para explorar nuevas arquitecturas, enfoques alternativos o áreas menos inmediatas desde el punto de vista comercial.
Este enfoque está generando un efecto colateral: líneas completas de investigación están siendo relegadas, no por falta de interés, sino por no encajar en la carrera a corto plazo por liderar el mercado.
Nuevas oportunidades en nichos estratégicos
Las startups están aprovechando precisamente ese vacío. Muchas de ellas se centran en áreas específicas donde creen que existe margen de mejora o desarrollo.
Ricursive Intelligence, por ejemplo, trabaja en herramientas para optimizar el diseño de chips mediante IA, un campo con un enorme potencial en la industria tecnológica.
Su equipo fundador ya había participado en proyectos avanzados de automatización en grandes compañías, lo que les permite trasladar ese conocimiento a un entorno más ágil.
Otras empresas están explorando modelos de aprendizaje diferentes, como el aprendizaje por refuerzo, donde los sistemas mejoran a partir de la experiencia en lugar de depender exclusivamente de grandes volúmenes de datos textuales.
También hay iniciativas centradas en llevar la IA más allá del entorno digital, con aplicaciones en robótica, sanidad o industria. En estos ámbitos, los retos son distintos: se necesita mayor fiabilidad, capacidad de adaptación y comprensión del entorno físico.
Ya hay un cambio serio en el sector
Este movimiento de talento está transformando el ecosistema de la inteligencia artificial. Las grandes tecnológicas siguen liderando en recursos y capacidad de infraestructura, pero ya no concentran toda la innovación.
Las nuevas startups, más pequeñas y especializadas, están ganando relevancia al explorar caminos que las grandes compañías no priorizan. Este equilibrio entre grandes plataformas y actores emergentes está acelerando el desarrollo tecnológico y diversificando las líneas de investigación.
