Las ofertas de compensación multicientos de millones de dólares de Meta y los acuerdos multimillonarios de Google para Character AI y Windsurf son una señal de que estamos en una loca burbuja de talento en IA.

La obsesión por el talento podría desvanecerse a medida que surjan los ganadores y perdedores de la guerra de la IA, pero representa una nueva normalidad para el futuro previsible. Si el 1% de las empresas más importantes genera la mayor parte de la rentabilidad del capital riesgo, ¿por qué no debería ocurrir lo mismo con el talento? Nuestro sesgo igualitario natural hace que esto sea difícil de aceptar, pero el meme del ingeniero 10x no es suficiente: claramente hay personas que tienen un impacto 1000x mayor.

Esta desigualdad se manifiesta sin duda a nivel de fundadores (Founders Fund existe por una razón), pero también se aplica a los empleados. Personas clave han generado miles de millones de dólares en valor: basta con observar la contribución de Jony Ive al iPhone, la implementación de sistemas distribuidos de Jeff Dean en Google o la incubación de AWS por parte de Andy Jassy.

La industria tecnológica incrementó gradualmente la inversión de capital, acumulándose durante décadas hasta alcanzar billones de dólares en capitalización bursátil. El impacto en la fuerza laboral ha sido inflacionario, pero predecible. Sin embargo, en los dos años y medio posteriores a ChatGPT, la inversión para ponerse al día en IA ha crecido de forma vertiginosa, inicialmente hacia GPU y megaejecuciones de entrenamiento. A medida que algunos laboratorios se dieron cuenta de que las GPU por sí solas no garantizan buenos modelos, el capital se está desplazando hacia el talento.

Silicon Valley construyó décadas de confianza: una combinación de contratos sociales y fe en la misión. Pero el aumento en la inversión de capital es lo que Deleuze llamaría una fuerza desterritorializadora, tanto para las empresas como para las reservas de talento. Rompe las reglas de interacción existentes, desde el contrato social de constitución de empresas, pasando por la lealtad de los trabajadores, el deber de mantener un producto ya funcional, hasta las reglas de conflicto que solían seguir los inversores.

La confianza ya no puede asumirse como la base de la industria. Es necesario reescribir los contratos sociales entre empleados, startups e inversores. En la eterna tensión entre la misión y el dinero, los fundadores misioneros deben prepararse para el aumento gradual de la potencia mercenaria.

Las guerras de talentos en el ámbito de la IA hipercapitalista reescribirán los contratos de empleo y las normas de inversión, concentrarán los retornos y elevarán el nivel de la misión y el capital necesarios para crear nuevas y grandes empresas.

Talento

A modo de reflexión, ¿cuánto debería haber pagado Google por DeepMind? En 2014, una adquisición de 400 millones de dólares para una empresa que aún no generaba ingresos parecía absurda. Pero con el apalancamiento que ofrece la escalabilidad de Google, el valor del flujo de caja descontado (DCF) podría ser bastante alto: unos pocos puntos porcentuales de ahorro neto en los costes de su centro de datos podrían generar una rentabilidad de más de 100 veces en una década, ¡y eso en un mundo anterior al LLM! En el contexto de que Google pagara 3000 millones de dólares por Noam, probablemente ya hayan recuperado la inversión en su ayuda para destrabar las prácticas de formación de Gemini; el acuerdo incluso parece modesto en retrospectiva.

Desde la perspectiva de las grandes tecnológicas, si la IA representa una oportunidad de ingresos de más de 10 billones de dólares, y su equipo de investigación escala de forma sublineal a los ingresos con un límite de unos pocos cientos de investigadores, ¿es la diferencia entre gastar 5 millones de dólares al año por investigador, 10 millones de dólares al año y 20 millones de dólares al año suficiente para detenerlo? 10 mil millones de dólares al año en remuneración de investigadores representan menos de una cuarta parte del gasto de capital anual de Meta. Independientemente de las probabilidades de que el producto se ajuste al mercado, el coste hundido es demasiado elevado para revertirlo ahora.

Incluso en 2014, la guerra por el talento en IA ya existía: según informes, Meta fue el otro postor en el acuerdo entre Google y DeepMind. Pero ¿por qué no se incrementaron antes los precios para los mejores talentos? La confluencia del apalancamiento computacional, la urgencia y la escasez de oferta implica que la participación de la mano de obra en el valor es mayor que en las oleadas tecnológicas anteriores.

• Aprovechamiento de la computación : Los grandes laboratorios han invertido decenas de miles de millones de dólares en clústeres de computación, y su inversión está aumentando a cientos de miles de millones. Si la utilidad de la computación es una función de la computación × eficiencia de investigación , y la computación bien utilizada genera valor en una enorme base de ingresos, la disposición a pagar por investigadores de alto nivel crece exponencialmente.
• Urgencia de la demanda : Los productos de IA se distribuyen más rápido que los productos de software o internet (los chatbots y la generación de código son dos ejemplos tempranos), por lo que la urgencia por adelantarse es extrema a medida que se establece la jerarquía del mercado.
  
  Aún nos encontramos en una fase indefinida de I+D de la IA, donde la calidad de la investigación determina el estatus de producto de vanguardia. Si el mercado de la generación de código es representativo del poder de fijación de precios de vanguardia, la diferencia en la captura de valor empresarial por ir dos meses por delante frente a dos meses por detrás nunca ha sido tan grande.
• Restricción de la oferta : si piensa que los mercados finales clave se decidirán en los próximos 1 a 2 años en las categorías de productos que importan, hay poco tiempo para formar nuevos talentos y solo unos pocos cientos de personas tienen actualmente las habilidades para aprovechar las capacidades del modelo de frontera actual.

Ninguna analogía es perfecta, pero podemos aprender mucho de los atletas, actores y corredores de bolsa, donde los mejores valen 10 o 100 veces el promedio. Las tres categorías tienen un enorme potencial de capital: una superestrella necesita una infraestructura costosa (grupos de cómputo, sistemas de riesgo, marketing de estudio, instalaciones de entrenamiento). Gestionar a estas superestrellas tiene algunas características únicas:

• Descubrimiento : Para contrataciones no urgentes, la búsqueda de talentos podría ser una excelente alternativa a la inteligencia artificial para detectar jóvenes talentos antes de que suban de precio. En Hollywood, detectar talentos jóvenes es similar a la investigación con IA, ya que es más un arte que una ciencia; hasta que tienen su oportunidad, es difícil valorar a los actores.
• Negociación/fijación de precios : La CAA surgió en la década de 1970 para fomentar el talento actoral, agrupar a los jugadores en equipos y aumentar la protección de las estrellas. Al igual que en los deportes y la actuación, los investigadores ya están empezando a recurrir a agentes de talento para representarse a sí mismos. Para el talento con salarios más bajos, surgieron los gremios de Hollywood para establecer tarifas diarias como mecanismo de negociación colectiva y proteger la mano de obra.
  
  En los deportes, el moneyball transformó la fijación de precios del talento de la intuición a la estadística. Pero a diferencia de los deportes, el impacto de los investigadores es difícil de cuantificar, especialmente con antelación. Incluso en retrospectiva, la historia corporativa es reescrita por los vencedores, y a menudo resulta difícil atribuir los avances de la investigación de forma individual.
• Retención : En Wall Street, perder a un operador estrella es costoso en términos de fuga de alfa, y las instituciones financieras se esfuerzan por retener a los participantes con cláusulas de no competencia y políticas de permiso de residencia. En el sector tecnológico, es más difícil prevenir la difusión de información cuando los investigadores pertenecen a los mismos círculos sociales, pero los laboratorios están cada vez más restringidos desde la perspectiva de la seguridad informática. La mayoría de los secretos se almacenan en varios laboratorios, pero una pequeña fracción son propietarios; y, en muchos submercados, la ventaja marginal del modelo determina el poder de fijación de precios.

El hipercapitalismo erosiona la cultura de confianza de Silicon Valley. La confianza a nivel sectorial por sí sola ya no garantiza la lealtad entre empresas y talento. Con el riesgo de filtración de secretos comerciales y una cantidad de dinero tan grande que puede desmembrar equipos, los contratos de trabajo convencionales a voluntad no protegen a ninguna de las partes.

La industria necesita un equivalente SAFE para el talento tecnológico. Los nuevos contratos laborales deben satisfacer las demandas tanto de las empresas como del talento:

• Desde la perspectiva de la empresa : Preveo que las empresas impulsarán una protección más agresiva de los secretos comerciales, acuerdos de confidencialidad más estrictos ( secreto similar al de SSI ), mayor exclusividad (cláusulas de no competencia con competidores designados) y cláusulas de no competencia para protegerse de talentos volubles. No soy abogado laboral, y las cláusulas de no competencia son complicadas en California, pero no me sorprendería ver medidas más contundentes para aproximarse a los contratos de exclusividad, como la compensación diferida o los acuerdos de recuperación de capital por pasarse a una lista de competidores designados.
• Talento: Los investigadores de IA son uno de los pocos grupos con grandes ingresos fuera del sector financiero que no cuentan con apoyo para la negociación, y parecen estar preparados para la representación profesional o la negociación colectiva. Para equipararse a las alternativas de las empresas cotizadas, las startups podrían necesitar garantías de liquidez o salidas a bolsa anticipadas. Los empleados de base también necesitan nuevos mecanismos para garantizar que los fundadores y ejecutivos no se marchen sin ellos.

Nos encontramos en las primeras etapas de la revalorización de la mano de obra: las inversiones de capital en IA de las grandes tecnológicas son tan cuantiosas que ya tienen el coste hundido, y el porcentaje de la mano de obra en la inversión total sigue siendo bajo. Las empresas deben replantear sus estrategias de contratación y retención.

Empresas

La guerra por el talento es una fuerza que consolida la frontera de la investigación en IA. En los laboratorios de investigación, las grandes inversiones para los investigadores hacen casi imposible la entrada de nuevos participantes. Por las mismas razones, es casi imposible crear un nuevo fondo cuantitativo: no se puede obtener el mismo apalancamiento del talento que las grandes empresas.

En la disyuntiva entre dinero y misión, el dinero se ha disparado. Los fundadores utilizan ambos para atraer a los mejores talentos a sus empresas, pero a medida que aumenta el coste de oportunidad del capital, solo las misiones más sólidas pueden justificar el sacrificio económico que realizan los candidatos. Tanto OpenAI como Anthropic tienen el mérito de que el dinero por sí solo no haya sido suficiente para que los mejores investigadores deserten: su estatus de culto multiplica sus presupuestos de I+D.

Los laboratorios son los que más sufren la guerra de talento, pero todas las startups requieren ahora una concentración extrema de recursos para apostar por la I+D en IA. Cuando el coste de oportunidad del mejor talento es mayor (tanto para fundadores como para ingenieros), se vuelve más difícil coordinarlo en torno a una apuesta en fase inicial. SSI, Thinking Machines y Physical Intelligence requirieron rondas de financiación masivas para tener éxito. La contratación de un solo investigador puede costar la totalidad de una ronda de financiación de Serie A, lo que encarece considerablemente la I+D en IA para las startups, obligando a la mayoría a centrarse en las API.

En la década de 2010, surgió un complejo industrial de startups en torno a la progresión Semilla → Serie A → Serie B para impulsar el crecimiento de las empresas de software. Algunas empresas aún siguen este patrón con éxito: Harvey, Abridge, Glean y otras. Pero creo que, en el futuro, un porcentaje cada vez mayor de startups exitosas contarán con una historia de fundación sólida : incubaciones con equipos fundadores robustos, alta credibilidad institucional desde el primer día y misiones excepcionalmente poderosas.

Éxitos modernos como SpaceX, Anduril y OpenAI no pudieron construirse como startups ágiles. Su horizonte de desarrollo es demasiado amplio y requieren demasiado capital para funcionar con los mecanismos tradicionales. Las fronteras tecnológicas más prometedoras suelen tener una alta energía de activación (modelos de cimentación, robótica, biología), donde las megarondas son la única vía para conectar con el futuro. La afluencia de capital en IA significa que los megaproyectos ya no parecen desorbitadamente caros. ¡Esto es bueno para el mundo!

En el sector de las grandes tecnológicas, la guerra de talentos limita el campo de juego a empresas con 1) decenas de miles de millones de dólares en ingresos netos que pueden recortar, y 2) líderes con una capacidad de acción similar a la de un fundador que sacrificarán considerablemente sus ganancias por un lugar en la mesa de la IA. Una ley de potencias más definida creará una nueva clase de «gigacapitalización», con múltiples empresas de 10 billones de dólares para 2035.

Un subgrupo de startups ganadoras seguirá una fórmula similar a la que funcionó en la década de 2010: equipos pequeños y fragmentados, que se desarrollan iterativamente hasta encontrar la compatibilidad producto-mercado. Un porcentaje cada vez mayor de las nuevas ganadoras contará con grandes fondos de reserva y misiones sólidas desde el primer día. Las guerras de talentos en IA serán una fuerza de consolidación neta.

Inversores

Ser un inversor rígido de capital semilla o de Serie A en 2025 es anacrónico. ¿Deberíamos simplemente ignorar a las empresas tecnológicas más importantes de esta generación?

Los inversores deben ser más flexibles que las generaciones anteriores. Las mejores empresas no se adaptarán a la predecible secuencia de captación de fondos de los últimos 20 años. La rápida adopción de productos exigirá a los inversores que se traguen el orgullo y admitan los errores con mucha mayor rapidez. Para algunas empresas que los inversores dejaron de invertir hace seis meses, la decisión correcta es invertir hoy a un valor de 2 a 3 veces su valor.

En la etapa inicial, ha surgido una nueva consideración para los acuerdos: los inversores evalúan a las empresas considerando la calidad del equipo como su argumento a favor. El carácter y otros «acuerdos de talento» hacen que los inversores piensen que no pueden perder dinero invirtiendo en equipos de investigación de primer nivel; es casi como invertir en un sindicato de investigadores de IA. Siempre que la empresa salga por una cantidad superior a la recaudación acumulada, los inversores serán los primeros en recibir el reembolso. Los inversores justifican entonces invertir más dinero en una etapa anterior de lo que lo harían de otra manera.

Tanto SSI como Thinking Machines siguen este patrón. Los inversores ni siquiera necesitan analizar el enfoque técnico exacto, ya que el potencial de la IAG es infinito (1 % de probabilidad de éxito → empresa de más de 10 billones de dólares). Si cree que no puede perder dinero dada la calidad del equipo, el potencial de éxito es casi como una opción de compra gratuita.

Pero si los inversores de capital riesgo evalúan mal el talento —sobreestiman su talento o su compromiso con la empresa—, pueden verse abrumados por una gran cantidad de capital. Incluso si un equipo logra un avance técnico, no está garantizado que capture el valor. Los equipos de investigación que logran avances técnicos no son necesariamente los que aciertan con el producto y las ventas.

Históricamente, el contrato social para fundar una empresa implicaba que los fundadores la acompañarían hasta su salida. Pero ¿cuánto deben aumentar las cifras antes de que esto se rompa? Antes, las personas no abandonaban las empresas que fundaban, especialmente cuando eran incipientes o muy valoradas, pero la guerra por el talento en IA está desterritorializando la empresa. Esta fragilidad permite que un CEO o ejecutivos clave abandonen su empresa con pocas opciones de recurso.

Al igual que el contrato social entre fundador y investigador, los inversores también necesitan reconfigurar los contratos sociales entre fundador y inversor para este nuevo mundo, en particular para los equipos que se centran en la investigación:

• Cláusulas de hombre clave : Al igual que los propios fondos de capital riesgo suelen incluir cláusulas de hombre clave para inversores clave con el fin de proteger a los socios limitados, los inversores necesitan protección contra casos extremos de salida de talento, especialmente cuando se trata de los fundadores. Un ejemplo podría ser que la incorporación de fundadores a nuevos puestos se considere un evento de fusión y adquisición (M&A) o permita a los inversores recuperar su capital.
• Dilución : Para cualquier empresa que participe en la guerra de talentos de IA, los inversores deben considerar una mayor dilución del fondo de opciones de la que considerarían en otras circunstancias. La proporción del valor captado por los empleados frente a la capa de capital puede ser fundamentalmente diferente para este tipo de empresa. Algunas podrían necesitar menos empleados para ganar, pero en muchas categorías, las empresas de IA serán estructuralmente menos rentables y más dilutivas que las empresas de internet.

Solo los emisores de cheques principales de grandes rondas tienen suficiente influencia para controlar estas condiciones. Esto dificulta más que nunca ser un inversor puro en fase inicial en empresas basadas en la investigación de IA.

Como inversor, los fundadores en los que invierte necesitan una respuesta a la guerra de talento. O bien tienen un grupo de seguidores casi misioneros, o bien necesitan un camino claro para ganar en este juego mercenario con apuestas más altas que nunca.

Conclusión

En el mercado alcista del software de la década de 2010, el éxito en el mundo de las startups era generalizado y parecía que cualquiera podía ganar (cualquiera podía fundar una empresa de software, o al menos unirse o invertir en una). Esto sigue siendo cierto en parte; muchas personas han creado negocios multimillonarios de IA con ARR en poco tiempo. El concepto de unicornio unipersonal sugiere que cualquiera puede fundar una gran empresa utilizando IA.

Pero en el nuevo mundo, la concentración de resultados será diferente, tanto a nivel de talento como de empresa. Menos empresas obtendrán mayor financiación e ingresos, y menos empleados cobrarán más. Solo los fundadores más aguerridos y las misiones más sólidas podrán contrarrestar la inflexión de las fuerzas mercenarias del mercado.

Las personas con altos ingresos suelen evitar la atención, pero las ostentosas ofertas de investigación de nueve cifras atraen un interés público significativo. Existe un sesgo humano que impide aceptar a los ganadores únicos (de talento, de empresas); no parece justo que unas pocas personas se lleven grandes mercados. Hay algo singularmente inestable en una distribución más desigual del éxito. Los franceses tenían un coeficiente de Gini excepcionalmente alto antes de la Revolución.

La guerra de talentos por fusiones y adquisiciones apenas comienza, elevando los niveles de compensación y la promiscuidad laboral. Para protegerse contra la desterritorialización, preveo que surgirán nuevas dinámicas laborales en ambos lados de la mesa: agentes, sindicatos y tácticas agresivas de no competencia. A medida que aumentan las cifras de talento y empresas, todas las partes deben replantear el contrato social. Como el pegamento que une a los equipos, la misión de la empresa importa más que nunca.

Las guerras por el talento en inteligencia artificial transformarán Silicon Valley.

Gracias a Axel Ericsson, Philip Clark, Melisa Tokmak, Joey Krug, Cat Wu, Will Manidis, Robert Windesheim, Lachy Groom y Will Depue por sus ideas y comentarios sobre este artículo.

Esto apareció originalmente en John’s Substack,  Luttig’s Learnings .

John Luttig.- colabora en Founders Fund. Substack: https://blog.johnluttig.com/

X: @absoluttig