El cofundador de Zerodha, Nithin Kamath, ha advertido que usar simplemente inteligencia artificial ya no es suficiente para que una startup destaque ante los inversores. Informes de NDTV Profit y Storyboard18 enmarcan su punto como un cambio más amplio en la captación de fondos: la IA se ha vuelto lo bastante común en los pitchs de startups como para que los fundadores ahora deban demostrar una ventaja de negocio, producto o ejecución más sólida.

Los comentarios importan porque “IA” ha pasado de ser una descripción especializada a una parte rutinaria de las presentaciones en software, fintech, comercio, salud y herramientas de trabajo. Para los fundadores, la implicación es directa: presentar un producto como impulsado por IA puede explicar lo que hace, pero ya no necesariamente por qué merece capital, clientes o una valoración premium.

Lo que advierte Kamath sobre los pitchs de startups

Los dos informes identifican el mismo argumento central de Kamath: la IA no es, por sí sola, un diferenciador. El titular de NDTV Profit va más allá al presentar los pitchs basados en IA como potencialmente perjudiciales para las posibilidades de financiación de las startups, mientras que Storyboard18 describe el problema como una falta de capacidad para destacar.

Esa distinción es importante. La crítica informada no es que las startups deban evitar la IA, ni que los productos de IA carezcan de valor comercial. Es que la etiqueta tecnológica se ha vuelto demasiado amplia como para sostener un pitch por sí sola. Un inversor que escucha que una empresa utiliza aprendizaje automático, IA generativa o agentes de IA todavía necesita entender el problema del cliente, la defensibilidad del producto y la evidencia de que los usuarios pagarán.

Para un fundador, eso cambia el orden de énfasis en una presentación. La IA puede seguir formando parte de la arquitectura del producto, pero el argumento central debe centrarse cada vez más en un resultado medible para el cliente: menores costos operativos, trabajo más rápido, mejores decisiones, mayor conversión o una capacidad que antes no estaba disponible.

Evidencia y límites de los informes disponibles

La evidencia de esta historia proviene de dos informes de medios con relatos sustancialmente similares. Ninguno proporcionó en el material disponible una transcripción completa, un enlace directo a las declaraciones originales de Kamath, una fecha de los comentarios o contexto adicional sobre la audiencia y el entorno. Por lo tanto, no puede evaluarse de forma independiente el texto exacto de la declaración de Kamath a partir del material fuente proporcionado.

Esa limitación también se aplica a la sugerencia más fuerte de que los pitchs basados en IA están perjudicando las posibilidades de financiación. El titular atribuye esa opinión a Kamath, pero los informes disponibles no aportan un conjunto de datos de financiación, una encuesta a inversores o un análisis de operaciones que demuestre que las empresas centradas en IA reciben menos capital por mencionar la IA.

La conclusión más prudente es que Kamath ofrece la evaluación de un operador experimentado sobre cómo los inversores pueden interpretar pitchs cada vez más parecidos. No debe tratarse como una referencia verificada a nivel de mercado. Tampoco los informes establecen que Zerodha haya adoptado una norma formal para evaluar startups de IA ni que Kamath hablara en nombre de todos los inversores.

Aun así, la coincidencia entre NDTV Profit y Storyboard18 indica que la declaración fue noticiosa porque capta una preocupación ya visible en el mercado: la palabra IA puede aclarar una categoría de producto y, al mismo tiempo, hacer que una empresa suene intercambiable con cientos de competidores.

Por qué las etiquetas de IA están perdiendo poder de señalización

En ciclos de financiación anteriores, mencionar IA podía señalar ambición técnica o acceso a experiencia escasa. Esa señal se ha debilitado a medida que los modelos fundacionales, las interfaces de programación de aplicaciones, los modelos de código abierto y los servicios de inferencia alojados se han vuelto ampliamente accesibles para los equipos de producto.

Hoy una empresa puede añadir resumen, búsqueda, clasificación, generación de imágenes o interfaces conversacionales sin construir por sí misma cada modelo subyacente. Eso reduce la barrera para lanzar una función de IA, pero también hace que las afirmaciones a nivel de función sean más fáciles de copiar por la competencia. Por ello, un inversor debe mirar más allá de si un producto usa IA y preguntarse qué sigue siendo difícil de reproducir.

Las posibles respuestas incluyen datos propietarios, distribución, integración en flujos de trabajo, conocimiento regulatorio, confianza del cliente, disciplina de precios o un ciclo de retroalimentación que mejore el producto con el uso. No son ventajas automáticas y los fundadores aún deben demostrarlas. Pero son más informativas que la afirmación genérica de que un producto está impulsado por IA.

El mismo problema afecta a las empresas que venden IA empresarial. Los compradores comparan cada vez más las herramientas por su fiabilidad, seguridad, integración, gobernanza y costo total, no solo por la terminología del modelo. Un pitch de startup que reproduzca el lenguaje del proveedor sin mostrar resultados operativos puede satisfacer la curiosidad sin generar urgencia.

Implicaciones para fundadores, constructores y compradores

Para los fundadores de startups, la postura reportada de Kamath eleva el listón de la parte del pitch que responde a “¿por qué ahora?”. La respuesta no puede ser simplemente que los modelos han mejorado. Los fundadores necesitan explicar por qué el problema del cliente es urgente ahora, por qué su enfoque es mejor que un modelo de propósito general o una plataforma establecida y cómo la empresa retiene valor si los precios de los modelos caen o las capacidades mejoran.

Los equipos de producto afrontan una prueba relacionada. Añadir un asistente de IA a un flujo de trabajo existente puede atraer atención, pero la adopción dependerá de si el asistente reduce fricción y ofrece resultados fiables. Los equipos que construyen agentes de IA deben mostrar dónde sigue siendo necesaria la revisión humana, cómo se detectan los fallos y qué sucede cuando el sistema encuentra tareas ambiguas o delicadas.

Los compradores empresariales pueden usar el mismo marco al evaluar proveedores. En lugar de tratar una función de IA como prueba de relevancia estratégica, los responsables de compras y tecnología pueden pedir precisión a nivel de tarea, requisitos de integración, controles de datos, auditabilidad y pruebas de implementaciones comparables. La advertencia informada de Kamath no demuestra que todas las startups de IA sean débiles; sugiere que compradores e inversores deberían exigir pruebas más específicas.

Para el mercado en general, esta evolución podría favorecer a las empresas que combinen IA con un canal de distribución difícil de replicar o con un flujo de trabajo profundamente integrado. También podría aumentar la presión sobre las startups cuya principal ventaja sea el acceso a los mismos modelos y herramientas disponibles para competidores más grandes. Eso no elimina las oportunidades para nuevas empresas, pero hace que el posicionamiento y la ejecución sean más importantes.

Qué vigilar a continuación

La próxima señal será si los inversores empiezan a describir la IA como una capacidad básica en lugar de una tesis de inversión independiente. Las guías públicas para pitchs, los criterios de selección de aceleradoras y los comentarios de los demo days de startups podrían mostrar si esta visión se está extendiendo más allá de las declaraciones de Kamath.

Los fundadores también deberían observar cómo cambian las conversaciones de financiación, pasando de la elección del modelo a la evidencia de retención, márgenes, velocidad de despliegue y resultados para el cliente. Si los inversores piden cada vez más métricas a nivel de flujo de trabajo, las startups necesitarán una instrumentación más sólida antes de salir al mercado.

En el lado del producto, la prueba importante será si las empresas de IA pueden convertir las funciones técnicas en una distribución duradera. Observe las referencias de clientes, el uso repetido, los ahorros medibles de tiempo o costos y las integraciones que hagan que un producto sea difícil de reemplazar. Esas señales dirán más sobre la diferenciación que la presencia de IA en el título de un pitch.

Perspectiva de Creati.ai

La advertencia informada de Kamath es útil menos como un veredicto sobre las startups de IA que como un recordatorio del declive de la novedad. Cuando una capacidad se vuelve ampliamente disponible, puede seguir siendo esencial para un producto al tiempo que pierde valor como declaración de posicionamiento.

Para constructores e inversores, la lección práctica es separar la capa tecnológica de la ventaja real de la empresa. La IA puede impulsar el producto, pero un caso de negocio convincente sigue dependiendo de un problema específico, una ejecución creíble, una distribución duradera y evidencia de que los clientes valoran lo suficiente como para pagar.