Correos electrónicos internos, historiales de Slack, código fuente y documentos de trabajo generados por empresas que cerraron operaciones están encontrando un nuevo mercado: los laboratorios de inteligencia artificial que buscan datos reales para entrenar sus modelos. La tendencia, que hasta hace poco era considerada marginal, se ha acelerado conforme los conjuntos de datos públicos y sintéticos comienzan a mostrar sus límites.

Una plataforma especializada en cierre de startups reporta haber facilitado más de 150 transacciones de este tipo desde abril, con proyecciones de devolver más de 10 millones de dólares a fundadores antes de que concluya el año. El 47% de los acuerdos que procesa actualmente incluyen la venta de código o datos operativos, una proporción que refleja el cambio de percepción sobre estos activos: lo que antes se descartaba como residuo digital ahora se cotiza activamente.

Por qué los datos operativos reales tienen valor que los sintéticos no replican

La demanda proviene de distintos perfiles de compradores: laboratorios de investigación sin fines de lucro, proveedores que construyen entornos simulados para el entrenamiento de agentes de IA, y empresas tecnológicas que desarrollan modelos propios. Lo que buscan en común es autenticidad: datos que capturen decisiones difíciles, desacuerdos, errores y contexto organizacional complejo.

Empresas como Surge AI adquieren estos archivos para construir lo que denominan "gimnasios de aprendizaje por refuerzo", espacios donde los agentes de IA practican tareas de alta complejidad, como depurar arquitecturas de TI o redactar escritos legales. Según quienes lideran estas iniciativas, el historial de conversaciones de una sola empresa, si refleja diversidad y profundidad de situaciones, puede superar en valor al conjunto combinado de múltiples fuentes de datos de otra organización.

Los datos reales también ayudan a evitar errores sistemáticos que aparecen en entornos sintéticos, como referencias a fechas inexistentes o patrones de lenguaje artificialmente coherentes. Sin embargo, la magnitud del beneficio en rendimiento aún no está documentada públicamente: ninguna empresa ha publicado comparativas rigurosas entre modelos entrenados con datos reales versus datos sintéticos.

Transacciones de referencia y señales del mercado

El caso más visible hasta ahora ocurrió durante el proceso de quiebra de Spirit Airlines, cuando Google superó a un competidor especializado en datos de IA para adquirir décadas de información operativa de la aerolínea: 100 millones de correos electrónicos, 500 millones de mensajes de Teams y 176,000 registros de empleados, por un monto de 10 millones de dólares. La transacción establece un precedente sobre cómo grandes corporaciones tecnológicas pueden participar directamente en procesos concursales para asegurar activos de datos.

Paralelamente, se reporta que la unidad de inteligencia artificial de SpaceX evalúa adquisiciones similares de startups en dificultades, lo que sugiere que la práctica se está extendiendo más allá del ecosistema tradicional de laboratorios de IA.

Incertidumbre en la valuación y riesgos pendientes

La fijación de precios en este mercado emergente es todavía imprecisa. Los compradores presentan cotizaciones muy dispares, calculadas a partir de "tesis de investigación" que estiman cuántas tareas útiles pueden derivarse de un volumen determinado de datos, como 100,000 líneas de código. Esta variabilidad refleja tanto la novedad del mercado como la ausencia de métricas estandarizadas para medir el valor real de los datos en el desempeño de los modelos.

Los aspectos legales y éticos de estas transacciones representan el flanco de mayor exposición. La comercialización de comunicaciones internas de empleados, clientes y socios plantea preguntas sobre consentimiento, privacidad y cumplimiento normativo que aún no tienen respuesta uniforme en las distintas jurisdicciones donde operan estas empresas. Para cualquier organización que considere este tipo de activos, ya sea como vendedor o comprador, la debida diligencia legal no es opcional: es el factor que determinará si la transacción genera valor o genera pasivo.