El caso de Keelan Miskell, fundador de una startup de criptomonedas, ilustra perfectamente esta tendencia. Tras el cierre de su compañía, Miskell logró monetizar sus archivos digitales, obteniendo aproximadamente $25,000 por la base de código y esperando unos $15,000 adicionales por los datos de su espacio de trabajo en plataformas como Google, Notion, Figma y Slack. Este tipo de transacciones se gestiona a menudo a través de intermediarios como SimpleClosure, una firma que ayuda en la liquidación de startups. Desde su lanzamiento en abril de 2026, su plataforma Asset Hub ha facilitado más de 150 acuerdos, proyectando generar más de $10 millones en ingresos para startups cerradas para finales de 2026. Según SimpleClosure, el 47% de sus acuerdos actuales incluyen la venta de código o datos.
La demanda de estos datos es impulsada por la creciente necesidad de los laboratorios de IA de obtener conjuntos de datos del mundo real. Con gran parte de los datos públicos y sintéticos ya explotados, las empresas de IA buscan archivos que reflejen el comportamiento humano y empresarial, y que eviten los sesgos y errores comunes en los datos generados artificialmente. Grandes actores tecnológicos no son ajenos a esta carrera por los datos. Google, por ejemplo, adquirió los archivos de Spirit Airlines, que se declaró en bancarrota, por $10 millones en agosto de 2026, incluyendo 100 millones de correos electrónicos y 500 millones de mensajes de Teams, según Forbes. Se ha reportado que la unidad de IA de SpaceX también está explorando adquisiciones similares de datos de startups en dificultades, un indicio más de la magnitud de esta tendencia. Mientras el número de cierres de startups aumenta entre un 26% y un 56% anualmente, el valor total de las transacciones de datos de plataformas como Mercor ha escalado a al menos $100 millones este año, un salto significativo desde los $30 millones del año anterior.
Cómo funciona la adquisición de datos de startups fallecidas
El proceso de adquisición de datos de startups que cierran implica la compra de diversos tipos de archivos digitales. Esto incluye, pero no se limita a, bases de código, historiales de comunicación interna (correos electrónicos, mensajes de Slack, Teams), documentos de trabajo alojados en plataformas como Notion y Figma, y registros de empleados. La clave de su valor radica en la riqueza y autenticidad de estos datos, que capturan interacciones y procesos operativos reales.
Los laboratorios de IA buscan estos conjuntos de datos por varias razones fundamentales. En primer lugar, los datos generados por actividades humanas reales son intrínsecamente más complejos y variados que los datos sintéticos o públicamente disponibles. Esto permite a los modelos de IA aprender matices y patrones de comportamiento que son difíciles de replicar artificialmente. Al entrenar agentes de IA en lo que se conoce como "gimnasios de aprendizaje por refuerzo", estos datos les permiten simular escenarios del mundo empresarial y mejorar su toma de decisiones. Anthropic, por ejemplo, ha discutido la posibilidad de invertir hasta $1,000 millones en este tipo de "gimnasios", subrayando la importancia de entornos de entrenamiento ricos en datos reales.
Intermediarios como SimpleClosure desempeñan un papel crucial en este mercado. Actúan como facilitadores, conectando a las startups en proceso de liquidación con los compradores de datos. Estas plataformas no solo gestionan la logística de la venta, sino que también pueden asesorar sobre la valoración de los activos digitales. Los costos de adquisición varían significativamente; mientras que el fundador Keelan Miskell recibió $25,000 por su base de código, Google desembolsó $10 millones por los datos de Spirit Airlines. Según Forbes, los pagos por compañía por este tipo de datos oscilan generalmente entre $10,000 y $100,000.
Qué cambia para los profesionales tech en Latinoamérica
Para los profesionales tech en Latinoamérica, este fenómeno global tiene implicaciones tanto directas como indirectas, afectando la forma en que se perciben los activos digitales, la importancia de la privacidad de los datos y el panorama regulatorio de la IA. La adopción de IA en la región está en auge: la adopción empresarial entre empresas medianas creció un 35% el año pasado, y el mercado de IA en Latinoamérica está valorado en US$12.7 mil millones con una tasa de crecimiento anual del 28.1%, según AIFOD y CEPAL. En México, el 83% de las empresas que invierten en IA reportan un ROI positivo o punto de equilibrio, lo que indica un ecosistema maduro y receptivo a la innovación, según la Linux Foundation.
El valor potencial de los archivos de una startup en caso de cierre ahora va más allá de los activos físicos o la propiedad intelectual tradicional. Los datos operativos, las bases de código y los historiales de comunicación se han convertido en activos monetizables. Esto significa que las estrategias de salida o liquidación para startups en la región podrían necesitar incorporar la valoración y gestión de estos activos digitales. Sin embargo, este nuevo mercado presenta un complejo desafío ético y legal, especialmente en torno a la privacidad de los usuarios y empleados. Los datos de clientes, correos electrónicos y detalles de empleados están sujetos a leyes de protección de datos y acuerdos de confidencialidad.
La regulación de la IA en Latinoamérica, aunque creciente, es fragmentada. Países como Brasil, Uruguay y Argentina tienen estatus de adecuación con la Unión Europea para la transferencia de datos, y la Ley General de Protección de Datos (LGPD) de Brasil es activamente aplicada, según CDP.com y Technopolis Group. Sin embargo, la regulación específica de la IA varía; Perú ha promulgado leyes de IA, y México está ajustando leyes laborales y de derechos de autor para el uso de IA. Esta fragmentación podría llevar a un "arbitraje regulatorio", donde las empresas buscan jurisdicciones con marcos legales más permisivos. Los profesionales de la tecnología y los líderes empresariales en la región deben ser proactivos en entender estas normativas y asegurar que cualquier monetización de datos se realice con un cumplimiento estricto y una consideración ética profunda, incluyendo la anonimización adecuada y la verificación del consentimiento original.
Qué viene después: desafíos y oportunidades
El futuro de este mercado de datos de startups fallidas estará marcado por la interacción entre la creciente demanda de datos por parte de los laboratorios de IA y la evolución del marco ético y regulatorio. Se prevé que la escasez de datos de alta calidad para entrenar modelos de IA se agudice para 2026, lo que impulsará aún más la búsqueda de nuevas fuentes. Esta escasez, según MIT Sloan y Defined.ai, resalta la importancia de la calidad y la diversidad de los datos para el avance de la IA.
Sin embargo, los desafíos éticos y legales son ineludibles. La principal preocupación es que el consentimiento original para el uso de datos no desaparece con el cierre de una empresa. Información sensible como contraseñas, nombres de clientes y detalles personales deben ser eliminados o fuertemente anonimizados antes de cualquier venta. Como advierte Sigma Computing, la anonimización no siempre elimina por completo el contexto sensible, lo que podría exponer a individuos. El Departamento de Justicia de EE. UU. y la Comisión Federal de Comercio ya han impugnado ventas en bancarrota que entraban en conflicto con promesas de privacidad previas, sentando un precedente importante.
Para el ecosistema tech, esto abre oportunidades significativas en campos como la gobernanza de datos, la ciberseguridad y la consultoría legal especializada en IA. Las empresas que puedan ofrecer soluciones robustas para la anonimización de datos, la gestión del consentimiento y el cumplimiento normativo tendrán un papel crucial. Además, la práctica fuerza a una reevaluación del ciclo de vida de una startup: incluso en el fracaso, los activos digitales pueden generar valor, impulsando una mayor conciencia sobre la gestión de datos desde el inicio de la operación. La clave estará en equilibrar la innovación y la necesidad de datos con la responsabilidad y la protección de la privacidad en una era cada vez más definida por la IA.
