.png)
Hace poco tiempo, la due diligence de IA seguía el mismo camino que la de cualquier otra empresa de software: finanzas, contratos, cesión de propiedad intelectual y seguridad. Esas áreas siguen siendo importantes, pero lo que ha cambiado es por dónde empiezan ahora los compradores.
Cuando la capa de inteligencia es una parte fundamental del activo, la due diligence suele comenzar por el propio modelo. Lo que el comprador descubre ahí puede empezar a moldear la conversación sobre la valoración antes de que se complete la due diligence financiera.
La distinción es más clara en 2026 de lo que era hace apenas un año. La IA representa una parte creciente de la actividad transaccional, las normas de la UE sobre IA de propósito general ya son ejecutables, y las posibles responsabilidades vinculadas a la procedencia de los datos de entrenamiento pueden transferirse con el activo al cierre en lugar de permanecer con el vendedor.
Este artículo examina lo que los compradores evalúan al realizar la due diligence de empresas de IA con ingresos recurrentes anuales (ARR) de entre 5 y 100 millones de dólares, y cómo esos hallazgos pueden afectar la valoración, la estructura del acuerdo, los earnouts y las declaraciones y garantías que se le piden al fundador. No es una auditoría técnica. Es una lectura comercial: dónde se puede perder valor y cómo un vendedor preparado puede proteger el múltiplo.
¿Qué significa la due diligence de IA en un proceso de fusiones y adquisiciones?
La due diligence de IA es la revisión que realiza un comprador de los activos de inteligencia artificial de una empresa objetivo, incluidos sus modelos, datos de entrenamiento, infraestructura y dependencias de terceros. El objetivo es determinar si esos activos son propiedad de la empresa, defendibles, cumplen con la normativa y son transferibles a un nuevo propietario.
Ahora bien, este término se utiliza a menudo para describir dos cosas diferentes, que es donde algunos fundadores se confunden. La primera es la due diligence de una empresa de IA, donde los modelos, los datos y la capa de inteligencia forman parte del activo que se adquiere. Ese es el enfoque de este artículo.
La segunda es el uso de herramientas de IA para realizar la due diligence de cualquier empresa, acelerando partes de la revisión financiera, legal, técnica o comercial. Ambas se confunden frecuentemente, tanto en los comentarios del sector como en las respuestas generadas por IA, pero abordan cuestiones diferentes.
En el tipo de due diligence que tratamos aquí, la capa de inteligencia es una parte central de la tesis de inversión para una empresa nativa de IA o donde la IA es material, incluso cuando no es la única fuente de valor. Por lo tanto, los hallazgos relacionados con el modelo, los datos o las dependencias subyacentes pueden tener un peso significativamente mayor en la valoración y las negociaciones del acuerdo de lo que tendrían en una transacción de software convencional. También interactúan con las cuestiones financieras, legales, de seguridad y comerciales que un comprador seguirá examinando.
Los fundadores que deseen una visión a nivel de ingeniería de la arquitectura pueden leer el complemento técnico de este artículo, el Lista de verificación de diligencia debida tecnológica en fusiones y adquisiciones.
Qué examinan realmente los compradores en una empresa de IA
Los compradores suelen comenzar a evaluar una oportunidad mediante un conjunto definido de preguntas. Cada área a continuación corresponde a un riesgo que puede afectar la valoración, la estructura del acuerdo o la disposición del comprador para seguir adelante.
- Procedencia y derechos de los datos de entrenamiento: ¿De dónde provienen los datos? ¿Fueron licenciados, comprados, generados o recopilados con el consentimiento necesario? ¿Puede la empresa documentar su derecho a utilizar esos datos para fines de entrenamiento y comerciales? Una respuesta poco clara puede generar dudas sobre si el modelo y sus resultados pueden transferirse sin problemas al cierre.
- Propiedad del modelo y propiedad intelectual: ¿Son los modelos propietarios, ajustados o construidos principalmente mediante la orquestación de sistemas de terceros? ¿Los pesos del modelo, los procesos de entrenamiento y la propiedad intelectual relacionada se transfieren con la empresa? Los compradores también verificarán si las asignaciones de empleados y contratistas cubren los activos de IA en sí, en lugar de solo el código de software circundante.
- Dependencia de modelos de terceros: ¿Qué tan dependiente es el producto de LLM, API o proveedores de infraestructura externos? El comprador evaluará la exposición de la empresa a cambios en los precios, el rendimiento, la disponibilidad, los términos de licencia o el acceso que escapan a su control.
- Defendibilidad de la IA y datos propietarios: ¿Qué posee la empresa que un competidor no pueda reproducir rápidamente? Puede ser un conjunto de datos propietario, un modelo diferenciado, flujos de trabajo integrados, bucles de retroalimentación de clientes o experiencia específica en el dominio. Sin una de esas ventajas, el negocio puede ser visto como un envoltorio de IA en lugar de una empresa de IA defendible, particularmente cuando gran parte de la inteligencia subyacente proviene de un modelo de terceros.
- Rendimiento, fiabilidad y gobernanza: ¿Con qué consistencia funciona el sistema en el uso real? Los compradores examinarán la precisión, las tasas de alucinación, los controles de sesgo, los procedimientos de monitoreo y escalamiento, así como si la gobernanza ya está documentada y operativa en lugar de estar todavía en la hoja de ruta.
- Exposición regulatoria y de cumplimiento: ¿Cómo se clasifica el sistema bajo la Ley de IA de la UE ¿dónde presta servicios la empresa o el comprador al mercado europeo? Los compradores también revisarán el tratamiento de la privacidad de los datos de entrenamiento e inferencia, los requisitos específicos del sector y cualquier discrepancia entre las afirmaciones de marketing de la empresa y lo que la tecnología puede demostrar..
- Riesgo de personal clave y talento: ¿El modelo, el producto o la hoja de ruta dependen de un pequeño grupo de ingenieros o investigadores? De ser así, el comprador querrá saber si esas personas permanecerán tras el cierre y cuánto conocimiento institucional existe más allá de ellas.
- Riesgo de sustitución y canibalización: ¿Podría el cliente crear o desarrollar una alternativa adecuada en lugar de seguir pagando por el producto? Esta se ha convertido en una cuestión fundamental para compradores e inversores. Los productos de IA vertical integrados en flujos de trabajo complejos o industrias tradicionales pueden ser más difíciles de reemplazar que las herramientas horizontales que un cliente capaz puede recrear utilizando modelos ampliamente disponibles.
Los estados financieros, el crecimiento, la retención y la base de clientes se siguen examinando en su totalidad. La diligencia debida en IA no reemplaza ese trabajo. Se suma a él y, en el caso de una empresa donde la IA es fundamental, puede determinar cómo el comprador interpreta el resto del negocio.
¿Cómo afecta la diligencia debida en IA a la valoración y a la estructura de la operación?
La mayoría de las listas de verificación de diligencia legal y técnica explican qué revisará un comprador, pero rara vez abordan cómo los hallazgos se traducen en valoración, mecanismos de precio de compra y poder de negociación. En un proceso de fusiones y adquisiciones, cada problema puede generar una consecuencia diferente en la mesa de negociación.
- Brechas en la procedencia de los datos de entrenamiento: Estas amplían la posible exposición del vendedor. Los compradores pueden responder con indemnizaciones más amplias, un depósito en garantía mayor y declaraciones y garantías específicas que cubran los derechos sobre los datos. En casos más graves, pueden retener parte del precio de compra para cubrir el riesgo.
- Fuerte dependencia de modelos de terceros: Esto puede reducir el múltiplo. Cuando un comprador concluye que está adquiriendo una orquestación en torno al modelo de otra persona en lugar de un activo de IA defendible, puede valorar la empresa más cerca de un envoltorio de IA que de un software propietario.
- Débil capacidad de defensa: Esto puede desplazar el valor del efectivo inicial hacia un pago contingente vinculados a la retención, los ingresos o los hitos del producto que el comprador puede verificar tras el cierre. La valoración principal puede permanecer inalterada mientras que una mayor parte del riesgo se traslada al vendedor a través de la estructura.
- Riesgo de dependencia de personal clave: Esto suele desplazar la contraprestación hacia paquetes de retención, capital reinvertido o pagos contingentes (earnouts). Cuando gran parte del conocimiento del modelo y la hoja de ruta del producto recae en un grupo reducido de personas, el comprador se protegerá vinculando parte de la economía a su permanencia en la empresa. El resultado puede ser menos efectivo para el fundador al cierre, incluso cuando el valor total anunciado se mantenga.
- Exposición a la Ley de IA o a problemas de privacidad sin resolver: Esto no siempre genera un descuento directo en la valoración. En su lugar, puede prolongar el proceso de diligencia debida, introducir requisitos de remediación o condiciones para el cierre, y derivar en un ajuste de precio por los costes de cumplimiento que el comprador espera asumir.
- Riesgo de canibalización: Cuando un comprador cree que el cliente final podría crear su propia versión, o que un adquirente estratégico pretende integrar la capacidad en su propia hoja de ruta de agentes, o bien aplica un descuento por el menor margen de maniobra o, tal vez, abandona la operación. Esta es una de las razones por las que los productos verticales que sirven a industrias que no reconstruirán el flujo de trabajo por sí mismas despiertan un interés más constante.
En la mesa de negociación, estos ya no son simples hallazgos técnicos o legales. Se convierten en cuestiones de precio, plazos, efectivo al cierre, contraprestación contingente y responsabilidad posterior al cierre. Un vendedor preparado identifica los problemas con antelación, soluciona lo que se puede arreglar y construye las pruebas necesarias para evitar que el comprador valore la incertidumbre como un riesgo.
Qué pueden hacer los fundadores antes de que los compradores inicien la diligencia debida
La lista de diligencia debida también puede verse como una lista de preparación. El trabajo que se detalla a continuación es lo que el vendedor puede controlar, y abordarlo con antelación puede marcar la diferencia entre hallazgos que respaldan el acuerdo y hallazgos que reabren la discusión sobre la valoración.
- Cree un archivo de procedencia de datos: documente cada conjunto de datos de entrenamiento y ajuste, su origen y los derechos bajo los cuales se obtuvo, antes de que un comprador lo solicite.
- Mapee lo propietario frente a lo de terceros: una vista de una página de la pila tecnológica de IA que muestre qué es propiedad de la empresa, qué tiene licencia y dónde reside exactamente la dependencia.
- Cierre las brechas de propiedad intelectual y cesión: confirme que la IA en sí, no solo el código, está cedida a la empresa por parte de empleados y contratistas.
- Anticípese a las normas: conozca su clasificación de riesgo bajo la Ley de IA de la UE y sea capaz de demostrar una postura de gobernanza en lugar de prometerla.
Esto es parte del trabajo que un asesor de venta debe realizar antes de que una empresa salga al mercado. El objetivo no es eliminar todos los problemas, sino identificarlos a tiempo, solucionar lo que se pueda y contextualizar los riesgos restantes antes de que lo haga el comprador. Si se hace bien, la diligencia debida confirma la tesis de inversión en lugar de debilitarla.
Convertir la diligencia debida de IA en una ventaja competitiva
La diligencia debida de IA no debe tratarse simplemente como un obstáculo a superar. Es el momento en que un fundador preparado puede demostrar que el activo es real, propio, defendible y transferible, protegiendo al mismo tiempo la valoración durante el proceso.
Los hallazgos saldrán a la luz de cualquier manera. La ventaja reside en identificarlos pronto, abordar lo que se pueda solucionar y contextualizar los riesgos restantes antes de que lo haga el comprador.
L40° asesora a fundadores de empresas SaaS, de IA y tecnológicas en procesos de venta donde la defendibilidad de la capa de inteligencia, y no solo del código que la rodea, puede afectar materialmente la forma en que los compradores valoran el riesgo y estructuran un acuerdo. Para preparar a una empresa de IA para la diligencia debida antes de salir al mercado, hable con L40°.
