Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertainty Problem

Valorar una empresa es tradicionalmente una cuestión de mirar su pasado para predecir su futuro. Si un negocio tiene un largo historial de vender productos, pagar cuentas y obtener beneficios, los expertos pueden usar esas cifras para estimar cuánto valdrá la empresa mañana. Calculan el dinero que la empresa probablemente ganará en los próximos años y ajustan esa cifra para tener en cuenta el riesgo de que las cosas salgan mal. Este método funciona bien para negocios estables, como una panadería que ha estado abierta durante veinte años o una fábrica que ha estado funcionando sin problemas durante décadas. Sin embargo, las reglas cambian por completo cuando una empresa se construye en torno a la inteligencia artificial. Estas firmas a menudo no tienen un historial de beneficios, sus modelos de negocio se están reescribiendo en tiempo real y su valor depende enteramente de si pueden alcanzar con éxito una serie de objetivos futuros difíciles. Cuando una empresa intenta construir algo que nunca ha existido antes, las viejas herramientas para medir el valor suelen fallar porque no pueden ver los riesgos y oportunidades específicos ocultos dentro del plan.

Un nuevo estudio del Instituto Swissi para la IA y la Universidad de Ciencias Aplicadas de Nürtingen-Geislingen propone una forma diferente de mirar a estas empresas. Los investigadores argumentan que los métodos estándar son demasiado vagos cuando se aplican a la inteligencia artificial porque comprimen todas las complejidades inciertas en un solo número opaco. En lugar de adivinar una tasa de crecimiento general, el equipo desarrolló un protocolo estructurado que desglosa el valor de una empresa en una serie de pasos específicos y comprobables. Tratan el viaje de la integración de la inteligencia artificial no como una línea suave, sino como un camino con puertas. En cada puerta, la empresa debe demostrar que puede hacer algo específico—como lograr que un nuevo sistema de software funcione, pasar un control regulatorio o encontrar a su primer cliente de pago. Si la empresa pasa la puerta, avanza y su valor aumenta. Si falla, el camino termina y el valor potencial desaparece. Al mapear estas puertas y asignar una probabilidad de éxito realista a cada una, los investigadores crearon una forma de ver exactamente de dónde proviene el valor y dónde reside el riesgo.

La esencia de este nuevo enfoque es una idea simple pero poderosa: no todas las empresas que utilizan inteligencia artificial son iguales. Los investigadores crearon un sistema de clasificación que separa a las firmas en dos grupos principales. El primer grupo consiste en empresas que utilizan la inteligencia artificial como una herramienta para mejorar su trabajo existente, como un banco que utiliza un programa informático para verificar puntajes crediticios más rápido. El segundo grupo consiste en empresas cuyo producto entero es la propia inteligencia artificial, como una firma que construye un nuevo tipo de software inteligente para vender a otros. Dentro del primer grupo, los investigadores dividieron aún más a las empresas según la profundidad con la que han integrado la tecnología. Algunas la usan solo un poco, como añadir un chatbot a un sitio web, mientras que otras han reconstruido todas sus operaciones en torno a ella. El estudio encontró que cuanto más profunda es la integración, más depende el valor de la empresa de las posibilidades futuras en lugar de los beneficios actuales. Una empresa que solo ha metido los pies en la inteligencia artificial tiene un valor predecible basado en sus ventas actuales. Pero una empresa que ha reconstruido totalmente su negocio en torno a la tecnología es esencialmente una colección de opciones futuras, donde el verdadero valor reside en lo que podría ser capaz de hacer después.

Para determinar qué tan probable es que una empresa tenga éxito en cada paso, los investigadores introdujeron un método que reemplaza las conjeturas por una conversación estructurada entre expertos. Pidieron a un panel de personas, incluyendo a los propios líderes de la empresa y especialistas externos, que compararan diferentes factores que determinan el éxito. Estos factores incluyeron si la tecnología realmente funciona, si la empresa tiene a las personas adecuadas para dirigirla y si las regulaciones gubernamentales permitirán que proceda. Al hacer que estos expertos comparen los factores entre sí por parejas, el sistema genera una puntuación que refleja qué tan preparada está la empresa para pasar a la siguiente etapa. Esta puntuación se calibra con datos del mundo real de proyectos tecnológicos similares para convertirla en una probabilidad específica. Este proceso asegura que la valoración final no sea solo una opinión, sino un cálculo transparente donde cada número puede rastrearse hasta un supuesto específico. Si dos expertos discrepan sobre el valor de una empresa, ahora pueden señalar exactamente dónde reside su desacuerdo: ¿es sobre la probabilidad de pasar una prueba específica, o sobre la cantidad de dinero que esa prueba generará?

Los investigadores probaron su nuevo marco en una startup suiza real que construye software para gestionar carteras de energía. Esta empresa, que vende su producto de inteligencia artificial directamente a los clientes, se encontraba en las primeras etapas de desarrollo sin historial de ingresos al momento del estudio. Usando los métodos antiguos, valorar tal empresa habría requerido una conjetura grande e inexplicada sobre su crecimiento futuro. Usando el nuevo marco, los investigadores mapearon cuatro hitos importantes que la empresa debía alcanzar durante los próximos dos años. Estos hitos incluyeron la estabilización del sistema para pruebas iniciales, asegurar clientes piloto pagados, generar sus primeros ingresos recurrentes y, finalmente, demostrar que podía vender el producto a muchos clientes a la vez. Al calcular el valor de cada paso y la probabilidad de alcanzarlo, llegaron a un valor total de la empresa de 100 millones de francos suizos. Este número coincidió con la estimación interna de la propia empresa, pero el nuevo método reveló algo crucial: más de la mitad de ese valor dependía enteramente del hito final, que era el más difícil de lograr.

Este hallazgo resalta un cambio importante en cómo se entiende el riesgo en el sector de la inteligencia artificial. El estudio muestra que, para las empresas que venden su propia inteligencia artificial, el riesgo no se distribuye uniformemente a lo largo del viaje. En cambio, el riesgo se concentra fuertemente en las etapas posteriores. Los pasos iniciales, como construir un prototipo funcional, son relativamente seguros y tienen altas probabilidades de éxito. Pero los pasos posteriores, que implican demostrar que el mercado quiere el producto y que la empresa puede escalar, conllevan la mayor incertidumbre. El marco deja esto claro al mostrar que si el hito final falla, la empresa pierde aproximadamente la mitad de su valor total. Esto es diferente de las empresas tradicionales, donde el riesgo suele estar distribuido de manera más uniforme. El nuevo método también tiene en cuenta los costos que otras herramientas de valoración suelen ocultar. Separa el dinero gastado en construir la tecnología del dinero gastado en cumplir con las leyes y regulaciones, asegurando que estos costos se contabilicen claramente en lugar de quedar enterrados en una estimación general.

El estudio también aborda un problema común en cómo las empresas reportan sus finanzas. En muchos países europeos, las reglas de contabilidad exigen que las empresas traten el dinero gastado en desarrollar nueva tecnología como un gasto, lo que hace que la empresa parezca que está perdiendo dinero en el papel. En otros lugares, las empresas pueden registrar este gasto como un activo, haciéndolas parecer más valiosas. Esta diferencia en las reglas contables puede hacer que dos empresas idénticas parezcan completamente diferentes ante los inversores. El nuevo marco evita esta confusión al observar la realidad económica real del negocio en lugar de las etiquetas contables. Trata el dinero gastado en desarrollo como un costo real independientemente de cómo se registre en los libros, permitiendo una comparación justa entre empresas en diferentes países o bajo diferentes reglas. Este enfoque asegura que la valoración refleje el verdadero potencial del negocio, no solo la forma en que está anotado en un libro de contabilidad.

Si bien el estudio proporciona una forma clara y lógica de valorar estas empresas, los autores advierten cuidadosamente que esto es una demostración de un nuevo método, no una prueba final de que sea perfecto. Probaron el marco en una sola empresa con información muy clara, lo que facilita la aplicación del método. Reconocen que las situaciones del mundo real pueden ser más complicadas, con empresas que tienen niveles mixtos de integración tecnológica o datos menos claros. Los investigadores sugieren que el siguiente paso es probar este método en muchas empresas diferentes para ver si funciona tan bien en la práctica como lo hace en la teoría. También señalan que las reglas para la inteligencia artificial están cambiando rápidamente, y el marco tendrá que adaptarse a medida que se aprueben nuevas leyes. Sin embargo, la idea central sigue siendo sólida: al desglosar el complejo viaje de la inteligencia artificial en pasos más pequeños y medibles, podemos dejar de adivinar y empezar a entender exactamente qué impulsa el valor de estas empresas modernas.

Las implicaciones de este trabajo se extienden más allá de simplemente calcular un número. Cambia la conversación entre inversores y fundadores. En lugar de discutir sobre una cifra única y vaga, ahora pueden discutir sobre los pasos específicos que una empresa necesita tomar para tener éxito. Si un inversor piensa que una empresa es demasiado riesgosa, puede señalar un hito específico que cree que es poco probable que se alcance. Si un fundador piensa que su empresa está infravalorada, puede mostrar cómo su plan para alcanzar la siguiente puerta es más sólido de lo que el inversor percibe. Esta transparencia ayuda a ambas partes a comprender la verdadera naturaleza del riesgo y la oportunidad. También ayuda a los reguladores y responsables políticos a ver dónde están los verdaderos cuellos de botella. Al identificar cuáles pasos son los más difíciles y dónde se crea la mayor parte del valor, el marco puede guiar las decisiones sobre dónde invertir recursos y cómo apoyar el crecimiento de estas nuevas tecnologías.

En última instancia, esta investigación ofrece una forma de traer claridad a un campo que a menudo ha estado envuelto en el misterio. Durante décadas, valorar una empresa ha sido una mezcla de arte y ciencia, dependiendo de la experiencia y la intuición. Con el auge de la inteligencia artificial, la vieja intuición ya no es suficiente porque las reglas del juego han cambiado. El nuevo marco proporciona un mapa para navegar este nuevo terreno. No promete predecir el futuro con certeza, pero sí promete hacer visibles las incertidumbres. Al mostrar exactamente dónde residen los riesgos y qué se necesita para superarlos, permite que todos los involucrados tomen mejores decisiones. Ya sea que usted sea un inversor buscando la próxima gran cosa, un fundador tratando de construir una nueva empresa o un responsable político tratando de entender la economía, este enfoque ofrece una forma de ver la estructura real del valor en la era de la inteligencia artificial. Convierte una caja negra en una serie de pasos claros y comprensibles, haciendo que el futuro de los negocios sea un poco menos opaco y un poco más cognoscible.