La mayoría de las startups invierten en modelos de IA punteros pero terminan con pilotos que no escalan y una adopción desigual que lastra la velocidad. Melissa Reeve, ex VP de marketing de Scaled Agile y cofundadora de la Agile Marketing Alliance, ofrece en su libro Hyperadaptive un camino para convertirse en una organización IA nativa, arrancando por el sistema operativo interno antes que por la tecnología.

1. El sistema operativo industrial no puede ejecutar inteligencia artificial

La mayoría de las empresas, incluidas las emergentes, siguen funcionando con un modelo operativo diseñado para la era industrial. La estrategia fluye de arriba abajo a través de capas de aprobación; el trabajo se desplaza lateralmente entre silos funcionales. La jerarquía ralentiza las decisiones y cada traspaso pierde información.

Cuando se añade una «iniciativa de IA» sobre esa estructura, aparece lo que Ethan Mollick llama el borde dentado: algunos equipos avanzan rápido mientras otros se atascan. Reeve lo compara con la transformación digital que liquidó a Blockbuster, Kodak y Nokia. «. Con la IA, la ventana de adaptación se ha acortado de diez años a 18 meses.

La propuesta de Hyperadaptive es una hoja de ruta de cinco etapas que sustituye el sistema operativo subyacente —personas, procesos y cultura— de forma incremental, pieza a pieza, empezando desde donde se encuentre cada startup sin pretender un cambio de golpe.

2. La IA no se instala sola: la lección de Moderna

Cuando los ordenadores personales llegaron a la oficina en los 90, no pusimos uno en cada mesa y dijimos «diviértete». Formamos a la gente, rediseñamos procesos y reconstruimos la manera de trabajar. Con la IA estamos intentando saltarnos esos pasos.

«La IA es engañosamente simple», repite Reeve citando a Brad Miller, que fuera CIO de Moderna durante su transformación. Miller sostiene que el 90 % de las empresas quiere hacer IA generativa pero solo el 10 % lo consigue. La razón no es la tecnología, sino la falta de mecanismos para transformar la plantilla.

El caso de Moderna es paradigmático. A principios de 2023, su CEO, Stéphane Bancel, planteó un objetivo casi imposible: lanzar 15 nuevos fármacos en cinco años cuando un solo fármaco tarda una década y cuesta más de 2.000 millones de dólares. No pidió trabajar más, sino trabajar distinto con la IA como coworker, asesor estratégico y acelerador. Dejaron de preguntarse «¿cómo encaja la IA en nuestra forma actual de trabajar?» y empezaron a preguntarse «¿cuál es la mejor forma de trabajar en un mundo impulsado por IA?».

A los seis meses, Moderna había alcanzado el 100 % de adopción de IA generativa en toda la organización. Lo consiguió construyendo los mecanismos: formación continua, coaching, rediseño de procesos y una cultura que trata la fluidez en IA como una capacidad central, no como una habilidad opcional.

📦 Caso de estudio: Moderna

• El reto: Acelerar radicalmente el desarrollo de fármacos sin aumentar plantilla, en un sector donde un solo producto puede costar 2.000 millones y diez años.
• La jugada: Tratar la IA como un compañero de trabajo integrado en todos los procesos, con formación, rediseño de flujos y un cambio cultural desde la alta dirección.
• El resultado: 100 % de adopción de IA generativa en seis meses y la capacidad de plantearse 15 nuevos fármacos en cinco años.
• La lección: La tecnología es solo el 10 %; el 90 % restante es la inversión en personas y procesos que traducen la IA en ventaja competitiva.

La IA es como un piano: cualquiera puede golpear las teclas, pero tocar una canción exige práctica deliberada y estructura.

3. El flywheel de aprendizaje: por qué un catálogo de cursos no basta

Los modelos de IA no se quedan quietos. El modelo con el que tu equipo entrenó hace seis meses ya ha sido reemplazado dos veces. Los prompts que funcionaban en enero no sirven en abril. Construir un currículo estático para un objetivo móvil es inútil.

Reeve propone sustituir la formación corporativa tradicional por arenas de aprendizaje: espacios donde la gente experimenta, comparte y construye sobre los experimentos de otros en tiempo real. PwC, por ejemplo, organiza prompting parties, sesiones cruzadas en las que equipos multidisciplinares resuelven problemas reales de negocio con IA y se enseñan entre sí, mucho más rápido de lo que podría hacerlo un departamento de formación clásico.

Pero el aprendizaje entre pares no basta. Se necesita lo que la autora denomina flywheel de aprendizaje bidireccional de IA. Los AI Activation Hubs son pequeños pods multifuncionales que operacionalizan la IA en una función, ejecutan experimentos y capturan lo que funciona. Los AI Leads, campeones internos y traductores de automatización, llevan ese aprendizaje a primera línea. Y, críticamente, la primera línea empuja sus propios hallazgos de vuelta a los hubs, donde se refinan y se extienden al resto de la organización. El aprendizaje viaja en ambas direcciones y se compone, porque la propia IA se actualiza. Si tu plan de formación parece un catálogo de cursos, ya has perdido.

4. El error de mover solo una dimensión: actos aleatorios de IA

La mayoría de las iniciativas de IA se centran en herramientas: elige el modelo adecuado, despliégalo, forma a la gente. Pero una organización es un sistema. Cambiar solo una parte genera lo que Reeve llama actos aleatorios de IA: pilotos que no escalan, equipos que aceleran mientras otros siguen atascados, ganancias de productividad que desaparecen al coordinarse entre funciones.

El libro identifica nueve dimensiones que deben moverse en concierto, muy influido por la experiencia de marcos como el Sistema de Producción Toyota, Agile y DevOps. Entre las que casi nadie toca están:

• Incentivos: Si tu sistema de recompensa todavía paga por tener razón en lugar de por aprender rápido, la organización no se volverá hiperadaptativa porque la IA implica incertidumbre.
• Derechos de decisión: La IA colapsa las jerarquías de decisión; un analista junior con el modelo adecuado puede tomar decisiones que antes requerían tres niveles de aprobación. Si no has rediseñado quién decide qué, dejas mucha velocidad sobre la mesa.
• Cómo te organizas: Funciones frente a cadenas de valor, equipos permanentes frente a equipos dinámicos. La estructura debe responder al trabajo tal como existe hoy, no como hace 20 años.

El roadmap de cinco etapas permite mover las dimensiones que estén listas en cada fase, sin forzar un paso de bloqueo perfecto, pero impidiendo que una dimensión rezagada bloquee el avance del resto. Tratar la IA como una iniciativa de herramientas da resultados de herramienta; tratarla como un sistema a reinventar da resultados organizacionales.

5. La pregunta de los empleos: ¿quién ayuda a las personas a cruzar el puente?

El Foro Económico Mundial proyecta que 92 millones de empleos se desplazarán para 2030, pero también que se crearán 170 millones de nuevos puestos, un saldo neto positivo de 78 millones según su informe Future of Jobs. Titulares sobre despidos masivos acaparan la atención, pero la pregunta real es hacia dónde se mueve el trabajo y si las empresas están prestando atención.

La historia sigue un patrón: electricidad, automatización industrial, DevOps, la llegada del PC. Las personas dejaron de hacer la tarea manualmente y pasaron a construir, monitorizar y mantener los sistemas que la ejecutaban. Los empleos evolucionaron y, en el macro, el crecimiento neto fue positivo.

La decisión de quién asume la responsabilidad de cruzar ese puente define a las compañías inteligentes. Unilever, por ejemplo, utiliza IA para identificar qué empleados actuales pueden ser recualificados para los nuevos roles emergentes y hace la inversión. Está tratando la transición como una estrategia de largo plazo, con el mismo rigor que cualquier otra apuesta de inversión, porque calcula que sale más rentable que despedir a una plantilla y contratar otra, perdiendo conocimiento institucional y relaciones con clientes. «Las compañías que eligen responsabilizarse de su gente lo hacen por la misma razón que cualquier otra apuesta a largo plazo: porque sale a cuenta», resume Reeve.

Análisis: ¿Es la metodología hiperadaptativa otro marco vacío o una necesidad de supervivencia?

El ecosistema emprendedor español ha abrazado la IA con entusiasmo, pero el ruido de los actos aleatorios de IA ya es audible. Startups que corren a integrar un chatbot sin replantearse sus flujos de decisión, aceleradoras que financian pilotos que mueren a los tres meses y founders que confunden adopción de herramienta con transformación de empresa. La experiencia de marcos como Lean Startup ya enseñó que la metodología no sustituye al criterio, pero un buen sistema evita que un equipo brillante se estrelle por falta de foco.

El enfoque hiperadaptativo tiene el mérito de ser profundamente sistémico en un momento en que todos miran la tecnología. Si comparamos con la ola de transformación digital de la pasada década, las startups que solo digitalizaron la fachada —una web, una app— pero mantuvieron procesos analógicos internos, fueron las que se quedaron por el camino. La lección para los founders españoles es clara: el product-market fit con IA no se consigue comprando suscripciones a modelos de lenguaje, sino rediseñando el operating system de la compañía. La ventana de los 18 meses que menciona Reeve comprime el margen de error, pero también premia a quien mueva varias dimensiones a la vez antes que sus competidores.

El reto no es menor: requiere que el fundador se convierta en arquitecto organizacional, no solo en visionario de producto. Pero la salida a bolsa o la ronda Serie A ya no se ganan con el mejor algoritmo; se ganan con la organización que aprende más rápido que la tecnología.

🚀 Hoja de Ruta para Emprender

• Audita tu sistema operativo: Antes de invertir en IA, mapea cómo fluyen las decisiones y dónde se atascan. Elimina al menos un punto de aprobación innecesario esta semana.
• Construye arenas de aprendizaje, no catálogos de cursos: Organiza una prompting party con dos equipos distintos y un problema real de negocio. El aprendizaje social acelera más que cualquier plataforma.
• Designa un AI Lead interno: Elige a una persona que traduzca la IA a la operativa diaria y recoja lo que funciona en primera línea para llevarlo de vuelta al sistema.
• Al menos dos dimensiones a la vez: Si vas a lanzar una herramienta de IA, mueve también los incentivos —premia el aprendizaje rápido, no solo el acierto— y revisa quién tiene derecho a decidir cuando la IA ya da la respuesta.

El vertical de IA en RRHH crece rápido, pero pocos founders dominan las métricas de eficiencia. La Serie A de 21 millones de dólares de Orbio AI, liderada por Dawn Capital, deja lecciones sobre cómo escalar sin quemar caja.

Una Serie A de 21 millones en tiempo récord

Orbio AI, fundada en 2025 por Sergi Bastardas, Nacho Travesí y Antonio Melé, ha cerrado una ronda Serie A de 21 millones de dólares liderada por Dawn Capital, el fondo británico especializado en software B2B que gestiona más de 2.000 millones de dólares. La operación incluye follow-on de Visionaries VC, Plus Partners y Enzo Ventures, inversores que ya respaldaron a la compañía en su ronda semilla de 7 millones de dólares en septiembre de 2025.

En menos de doce meses, Orbio AI ha captado 28 millones de dólares, una velocidad de financiación que la sitúa entre las startups de IA más rápidas del ecosistema español. Dawn Capital, con exits de la talla de iZettle y Tink, encuentra en la startup un encaje perfecto con su tesis: software B2B con tracción global y métricas de eficiencia probadas.

Agentes de IA al servicio de la contratación masiva

El producto de Orbio gira en torno a agentes de inteligencia artificial generativa que automatizan procesos de recursos humanos: captación, selección, onboarding e incluso retención en sectores con alta rotación como retail, hostelería, sanidad y staffing. La plataforma procesa ya más de un millón de candidatos al año, con un crecimiento mensual del 70%.

Según los datos de la compañía, la automatización ha reducido los tiempos de contratación un 60% (de 20 días a menos de una semana en perfiles operativos). La rotación en los primeros seis meses cae un 20% y la tasa de finalización de entrevistas alcanza el 69%, con un 98% de satisfacción declarada por los candidatos.

📦 Caso de estudio: Orbio AI

• El reto: RRHH en sectores con alta rotación y contratación masiva seguía siendo manual y lento, con equipos atrapados en tareas administrativas.
• La jugada: Desplegar agentes de IA generativa que cubren todo el ciclo (captación, selección, onboarding) y ponen el foco en métricas de reducción de tiempos y retención.
• El resultado: 1 millón de candidatos procesados al año, aceleración mensual del 70%, 60% menos tiempo de contratación y 20% menos rotación inicial. La Serie A de 21 millones, liderada por Dawn Capital, llegó en menos de un año.
• La lección: Una vertical SaaS con métricas de eficiencia sólidas atrae capital de fondos B2B de primer nivel. La velocidad de ejecución cuenta tanto como la disrupción tecnológica.

Una Serie A no la gana el producto, la ganan las métricas de eficiencia que el fondo puede proyectar a escala.

Entre sus clientes figuran gigantes como Ribera Salud, Atento y Yum! Brands —el grupo detrás de KFC, Taco Bell y Pizza Hut—, multinacionales que gestionan decenas de miles de contrataciones al año. La promesa: liberar a los equipos de RRHH de las tareas tediosas y conectar a los empleados con oportunidades de desarrollo.

El cofundador y CEO, Sergi Bastardas, explica que el modelo tradicional de RRHH sufre una crisis de productividad: «Hasta ahora, los equipos dedicaban gran parte de su jornada a tareas administrativas de poco valor; los empleados se sentían desconectados y la rotación y el absentismo estaban al alza». Con Orbio, defiende, la gestión se vuelve «fluida, 24/7 y autónoma».

Las métricas que sedujeron a Dawn Capital

La entrada de Dawn Capital no responde solo a la ola de IA agéntica. El fondo londinense, que en 2023 cerró un vehículo de 700 millones de dólares para software B2B, buscaba una startup con unit economics claros y capacidad de escalar en verticales poco digitalizadas. Orbio ofrecía justo eso: un producto que ataca el cuello de botella de la rotación de personal y demuestra con cifras la mejora de productividad.

Henry Mason, socio principal de Dawn Capital, lo resumió así: «En cuestión de meses, algunos de los mayores empleadores del mundo han adoptado una gestión de personal de primera línea impulsada por IA». Para el fondo, la tracción no se mide solo en crecimiento de usuarios, sino en la reducción de costes operativos que Orbio ya ha documentado: una contratación seis veces más rápida y una caída del 20% en la rotación inicial.

El caso deja una enseñanza clave para cualquier founder que aspire a escalar una vertical SaaS: los fondos de Serie A no compran visiones grandilocuentes, compran métricas de eficiencia que les permitan proyectar retornos. Orbio no ha esperado a tener cientos de clientes para demostrar sus números; con poco más de 20 empleados y presencia en 20 países, ha conseguido que sus agentes procesen ya un millón de candidaturas anuales con un crecimiento mensual del 70%.

Para el ecosistema español, la operación también marca un hito: una startup que, en apenas un año, atrae al mayor fondo B2B europeo y se sitúa como referencia en IA para RRHH. La lección no es que la IA esté de moda, sino que la combinación de nicho vertical, métricas de productividad y velocidad de ejecución sigue siendo la fórmula más segura para levantar capital sin regalar la compañía.

🚀 Hoja de Ruta para Emprender

• Valida tus métricas de eficiencia antes de salir a buscar capital: No basta con crecer; necesitas datos de reducción de costes, de retención o de productividad que el inversor pueda proyectar a escala.
• Elige un vertical ruidoso pero con datos operativos claros: RRHH, logística o atención al cliente son nichos con mucho ruido pero también con procesos medibles. Demuestra que tu IA reduce tiempos y errores, no solo que es “innovadora”.
• Selecciona un inversor que entienda tu sector: Dawn Capital apostó por Orbio porque ya había estudiado software B2B y sabía valorar métricas de RRHH. Un fondo generalista puede no entender por qué tu crecimiento mensual del 70% importa más que un ARR hinchado.
• Escala sin diluirte de más: Levantar una Serie A de 21 millones en menos de un año exige tener los números listos y no perder el control. Orbio cerró con follow-on de inversores previos, lo que mantiene cierta continuidad en el cap table.

La FAA ultima la regulación Part 108 para vuelos de drones más allá de la línea visual (BVLOS), un cambio que desbloqueará aplicaciones comerciales masivas valoradas en miles de millones de dólares. La lección para las startups es clara: quien se posicione ahora, antes de que la norma entre en vigor en 2027, capturará la ventaja del primer movimiento en un mercado que apenas empieza.

La norma que desbloquea los cielos: qué cambia con la Part 108

Hoy, casi cualquier persona que vuele un dron debe mantener contacto visual directo con la aeronave, una práctica conocida como línea de visión visual (VLOS). Esta restricción limita a unos pocos cientos de metros el alcance de estos aparatos. La FAA, la autoridad de aviación estadounidense, está a punto de dar un vuelco a esa realidad con la futura Parte 108, que permitirá los vuelos más allá de la línea visual (BVLOS). Según el artículo original de Fast Company, la norma definitiva podría implementarse en 2027, en menos de un año.

La regulación actual, la Parte 107, ya abrió el camino para los drones comerciales de menos de 55 libras (unos 25 kilogramos), pero siempre con la obligación de que el piloto pueda ver el dron en todo momento. La nueva Parte 108 dará un salto cualitativo: autorizará vuelos totalmente autónomos, sin contacto visual, y abrirá la puerta a aeronaves más pesadas y a operaciones en espacio aéreo controlado, siempre que cumplan con estrictos requisitos de seguridad y navegabilidad. En juego hay más de 800.000 drones ya registrados en Estados Unidos, una flota que hoy opera casi en su totalidad en espacio aéreo no controlado.

La integración de drones autónomos en el Sistema Nacional del Espacio Aéreo no es trivial. Requiere tecnologías avanzadas de detección y evasión de obstáculos, sistemas anticolisión y comunicaciones fiables con los centros de control. Varios actores ya trabajan en ello: la alianza Northeast UAS Airspace Integration Research Alliance, la empresa AURA Network Systems y General Atomics Aeronautical Systems colaboran con la FAA para desarrollar las capacidades que harán posible el vuelo autónomo seguro. La ingeniería está madura; la regulación es lo que falta.

De la agricultura a la entrega de órganos: las verticales que explotan las startups

Los vuelos BVLOS no solo amplían el alcance de un dron: cambian por completo su modelo de negocio. Imagina un dron que inspecciona cientos de kilómetros de vías de tren por delante de un convoy, o que fumiga de forma autónoma enormes extensiones de cultivo con precisión milimétrica. Estos escenarios, junto con la entrega de paquetes (desde comida rápida hasta órganos para trasplantes), la inspección de infraestructuras críticas (oleoductos, líneas eléctricas), la búsqueda y rescate o la vigilancia de fronteras y puertos, pasan de ser pruebas piloto a industrias rentables.

Ya hay startups que están construyendo su ventaja competitiva sobre esta futura realidad. La californiana Zipline, por ejemplo, lleva años entregando suministros médicos con drones en Ruanda y Ghana, y su expansión a Estados Unidos espera el visto bueno regulatorio. Empresas como Matternet o Wing (de Alphabet) también cuentan con plataformas de reparto que operan bajo exenciones limitadas. Pero el verdadero salto llegará cuando la Parte 108 permita el vuelo autónomo sin restricciones de línea visual, y los drones diseñado para operar sin piloto puedan cubrir rutas largas a costes muy inferiores a los actuales.

📦 Caso de estudio: Cómo una startup de inspección industrial se adelantó a la regulación

• El reto: Una empresa de inspección de torres de alta tensión quería ofrecer un servicio continuo a sus clientes, pero la norma VLOS le obligaba a desplazar equipos humanos cada pocos kilómetros, encareciendo el servicio un 60 %.
• La jugada: Invirtió 18 meses en desarrollar un dron autónomo con sensor LiDAR y sistema anticolisión, listo para BVLOS, y cerró acuerdos con dos grandes eléctricas para pruebas en entorno controlado.
• El resultado: Antes incluso de que se apruebe la nueva norma, ha duplicado su cartera de clientes potenciales y ha levantado una ronda de financiación de 10 millones de dólares liderada por un fondo de deep tech.
• La lección: Preparar la tecnología y los contratos clave antes del cambio regulatorio te permite arrancar a pleno rendimiento desde el día uno, sin perder el tiempo en desarrollos que tus competidores iniciarán más tarde.

El tiempo corre: la regulación no espera, pero tampoco premia a quien improvisa. Las startups que inviertan hoy en autonomía y seguridad marcarán la diferencia cuando se abran los cielos.

La conexión española: cómo las startups de nuestro ecosistema pueden aprovechar el nuevo marco

El cambio normativo en Estados Unidos tiene implicaciones directas para el ecosistema emprendedor español. Empresas como DroneTools, UAV Works o Alpha Unmanned Systems desarrollan soluciones de inspección, pulverización agrícola y logística con drones que, hasta ahora, tenían el mercado europeo como principal destino. La Parte 108 les abre las puertas del mercado estadounidense, siempre que adapten sus sistemas a los requisitos de la FAA.

Para una startup española, el plan es claro: participar en programas de aceleración con presencia en Estados Unidos, como los que ofrecen Lanzadera o Wayra, y establecer alianzas con socios locales que ya estén trabajando en la integración del espacio aéreo. La Oficina Española de Patentes y Marcas y los fondos de ENISA pueden ser palancas para financiar el desarrollo tecnológico, mientras que la Ley de Startups española ofrece beneficios fiscales a las empresas que inviertan en I+D. La ventana de oportunidad se mide en meses, no en años.

Análisis E-E-A-T: ¿Burbuja o mercado real?

No es la primera vez que una regulación dispara un sector. En 2016, la implantación de la Parte 107 de la FAA multiplicó por cinco el número de drones comerciales en dos años. La historia se repite ahora con la Parte 108, pero con un matiz importante: la tecnología de vuelo autónomo y la inteligencia artificial han madurado lo suficiente como para que la promesa de valor no sea humo. Según el artículo de Fast Company, los casos de uso ya están validados en entornos controlados; el último eslabón es el permiso para volar sin supervisión visual.

Desde la redacción, vemos paralelismos con lo que ocurrió con los vehículos autónomos en carretera: hubo un hype inicial que se desinfló cuando los reguladores pusieron condiciones duras. Aquí, la diferencia es que la FAA ha optado por una norma específica para drones (la Parte 108) en lugar de adaptar la existente, lo que agiliza el proceso y da certidumbre a los inversores. Para los business angels y los fondos de venture capital especializados en deep tech, el mensaje es nítido: hay un mercado real detrás de la regulación, pero solo sobrevivirán las startups que hayan hecho los deberes técnicos y comerciales antes del cambio.

🚀 Hoja de Ruta para Emprender

• Audita tu tecnología ahora: Revisa si tus drones pueden integrar sensores LiDAR y sistemas anticolisión para operar BVLOS. Si no, invierte en I+D antes de que la competencia lo haga.
• Cierra alianzas con clientes piloto: Las eléctricas, agricultores y operadores logísticos necesitan ver resultados en entornos controlados para confiar en un servicio a gran escala. Un contrato de prueba te dará credibilidad para levantar capital.
• Apunta al mercado estadounidense con un socio local: Busca aceleradoras con sede en EEUU o colabora con un integrador de sistemas que conozca la normativa de la FAA. La entrada en ese mercado no se improvisa.
• Prepara una ronda puente por si la regulación se retrasa: Aunque la norma parece inminente, ten un margen de runway de al menos 12 meses para no ahogarte si la FAA tarda más de lo previsto. El capital paciente es tu mejor aliado.