Las startups de IA que han cerrado ya forman una lista lo bastante larga como para llamarla cementerio. Una recopilación actualizada reúne productos que han echado el cierre, cambiado de rumbo o se han quedado por debajo de lo esperado: Relay, Character.ai, ChatGPT Atlas, Sora, Notion Mail y Humane AI Pin. No son casos idénticos, pero comparten un patrón incómodo para quien construye o compra IA: mantener un producto independiente es cada vez más difícil de justificar.
Qué ha pasado: la lista de startups de IA que han cerrado se alarga
La lista actualizada mezcla situaciones muy distintas. Relay, una alternativa a Zapier para automatizar flujos de trabajo, cerró en agosto. Character.ai aparece como caso de bancarrota. También figuran productos de compañías grandes que no han cumplido lo que prometían: ChatGPT Atlas, Sora y Notion Mail. Y hay un ejemplo de hardware, el Humane AI Pin, que quiso ser un dispositivo de IA independiente del móvil.
Lo relevante no es cada caso por separado, sino lo variado del grupo. Hay una startup que competía en automatización, un producto conversacional de consumo, un navegador, una herramienta de vídeo generativo, una aplicación de correo y un aparato físico. Fracasar en IA no es cosa de un solo sector ni de un solo tamaño de empresa. Han caído proyectos pequeños y también productos con el respaldo de marcas muy conocidas.
Para ponerle número al fenómeno, S&P Global Market Intelligence estima que cerca del 42% de las iniciativas de IA acaban abandonadas por sus empresas matrices. Es una cifra sobre proyectos internos y corporativos, no solo sobre startups, y por eso conviene leerla junto a la lista: el abandono no se limita a quien se queda sin financiación.
El contexto ayuda a entenderlo. La oleada de productos de IA generativa se lanzó muy rápido, con una competencia feroz y con usuarios dispuestos a probarlo todo. Probar algo no es lo mismo que pagar por ello de forma sostenida. Cuando la novedad pasa, un producto tiene que sostenerse por su utilidad diaria, y ahí es donde varios de los nombres de esta lista se han quedado cortos.
Por qué cierran: plataformas grandes y agentes externos
El patrón que describe la recopilación tiene dos vertientes. La primera: los productos independientes pierden sentido cuando OpenAI, Google u otras plataformas grandes integran funciones parecidas en sus propias herramientas. Si una función que antes justificaba una suscripción pasa a ser una opción más dentro de un asistente que el cliente ya usa, el producto específico se queda sin argumento. No hace falta que la copia sea mejor; basta con que esté al lado y no cueste nada extra.
La segunda vertiente: los usuarios recurren a agentes de IA externos. El caso de Relay encaja con esta lectura. Una herramienta de automatización compite con Zapier en un terreno donde ahora también hay agentes capaces de encadenar tareas sin que el usuario configure flujos a mano. El valor de conectar aplicaciones entre sí se reparte entre más actores, y el margen para un recién llegado se estrecha.
Esto tiene una consecuencia técnica para quien desarrolla. Si tu producto es una capa fina sobre un modelo de terceros, tu diferenciación depende de lo que esa plataforma decida lanzar el próximo trimestre. Los datos propios, la integración profunda con procesos concretos de un cliente y el conocimiento de un sector son defensas más sólidas que una interfaz mejor. Son más lentas de construir y menos vistosas en una demo, pero no se copian con una actualización.
El dato del 42% apunta en la misma dirección desde dentro de las empresas. Muchas iniciativas se lanzan por presión competitiva o por curiosidad, sin un caso de uso medible, y se cancelan cuando llega la revisión de costes. Las startups de IA que han cerrado y los proyectos corporativos abandonados comparten esa debilidad de partida: no estaba claro qué problema resolvían mejor que la alternativa gratuita más cercana.
Qué significa este movimiento para el mercado
Para los competidores directos de las grandes plataformas, el mensaje es poco cómodo. Competir en una función que OpenAI o Google pueden añadir a un producto existente exige tener algo que ellos no tengan: distribución propia, datos exclusivos o una relación con el cliente que no pase por un chat genérico. Quien solo ofrece comodidad sobre un modelo ajeno está en la zona de mayor riesgo, y la lista lo demuestra con ejemplos reales.
Para los inversores, la lectura es de selección más estricta. Un cementerio que incluye startups pequeñas, productos de marcas consolidadas y hardware muestra que ni el tamaño ni la visibilidad protegen. Es razonable esperar más exigencia sobre ingresos recurrentes y retención antes de financiar otra herramienta de IA de propósito general.
Para los compradores, es decir, empresas que contratan estas herramientas, el riesgo es práctico: el proveedor puede desaparecer o cambiar de rumbo, y con él los flujos que hayas montado. Conviene preguntar por la hoja de ruta, por cómo se exportan los datos y por qué pasa con tu configuración si el servicio cierra. Dependiendo de la herramienta, también puede salir más barato usar la función equivalente de una plataforma grande que ya pagas. Evaluar la continuidad del proveedor debería pesar tanto como evaluar sus funciones.
Para las plataformas grandes, la lista no es un trofeo. Sora, Atlas y Notion Mail figuran entre los productos que no han cumplido expectativas, así que integrar una función no garantiza que los usuarios la adopten. Tener distribución ayuda, pero no sustituye a un producto que la gente use de verdad a diario.
Análisis Blixel
Un cierre en IA rara vez significa que la tecnología falle. Lo habitual es que el producto fuera una función con marca propia, y las funciones se absorben. Esa es la lección que deja el repaso a las startups de IA que han cerrado: el mercado no castiga haber usado un modelo, castiga no haber construido nada alrededor que sobreviva si el modelo mejora o si el proveedor lo regala dentro de otra herramienta.
Me parece útil que la lista incluya a gigantes y no solo a empresas pequeñas. Ayuda a desmontar la idea de que fracasar es un problema de falta de recursos. Sora, Atlas o Notion Mail tenían músculo y distribución, y aun así no cumplieron. Eso indica que el cuello de botella no es lanzar, sino conseguir uso recurrente.
Mi posición es clara: cada vez que una empresa evalúe una herramienta de IA debería hacerse dos preguntas antes de mirar el precio. Primera, qué pasa si OpenAI o Google añaden esto mañana a lo que ya uso. Segunda, qué me llevo si el proveedor cierra. Si las respuestas son «nada» y «nada», el riesgo es alto, por buena que sea la demo.
Tampoco conviene sacar la conclusión contraria y refugiarse en las plataformas grandes por defecto. El 42% de iniciativas abandonadas habla de proyectos internos mal planteados, no de proveedores pequeños. Lo que separa los proyectos que duran de los que mueren es casi siempre un problema concreto, una métrica clara y alguien responsable de que se use.
¿Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido común. Hablemos.