7 julio 2026 — El private equity empieza a comprar despachos para meterles IA

Taktile levanta 110M para que los bancos funcionen agent-first

Taktile, una plataforma de automatización de decisiones para servicios financieros, ha cerrado una ronda de 110 millones de dólares liderada por Goldman Sachs Alternatives. Su tesis es clara: los bancos no necesitan un chatbot bonito, necesitan agentes que puedan abrir cuentas, evaluar riesgo, gestionar crédito y operar dentro de marcos regulados. La compañía insiste en que 2026 es el año en que la IA pasa de copiloto a interfaz operativa en finanzas.

Por qué importa: Para Intelia, esto confirma que el mercado financiero empieza a pagar por agentes con gobierno, trazabilidad y control de decisión, no por demos generalistas. La automatización contable va por el mismo camino: menos asistente, más sistema operativo de procesos.

Fuente: PYMNTS

Thrive levanta 2.000M para comprar servicios y reescribirlos con IA

Thrive Holdings, el vehículo creado por Thrive Capital con participación de OpenAI, está levantando unos 2.000 millones de dólares de Altimeter, D1 y SoftBank para comprar negocios tradicionales de servicios y transformarlos con IA. El caso más cercano: empleados de Thrive y OpenAI han co-construido un agente de procesamiento de declaraciones fiscales con Codex, usado por Current, una compañía que ya ha adquirido 48 firmas contables. Es private equity con manual de automatización, no SaaS vendiendo licencias desde fuera.

Por qué importa: Esta es probablemente la señal más directa para automatización contable: el comprador ya no solo busca software, busca capturar firmas enteras y rehacer su margen operativo con agentes. Si funciona, cambia el mapa competitivo de despachos y back-office financiero.

Fuente: PYMNTS

La nueva moda enterprise: meter ingenieros de IA dentro del cliente

Microsoft, OpenAI y Anthropic han comprometido unos 8.000 millones de dólares en iniciativas de despliegue enterprise, según PYMNTS. La idea común es que el cuello de botella ya no es el modelo, sino la integración: datos fragmentados, ownership difuso, workflows viejos y usuarios que no cambian solo porque exista una API. Las ofertas de forward-deployed engineers crecen porque las empresas necesitan que alguien aterrice la IA en procesos concretos.

Por qué importa: Para una startup como Intelia, esto valida vender implementación profunda, no solo producto. En contabilidad, la ventaja está en entender el workflow real, conectar fuentes sucias y dejar una operación medible, no en envolver un LLM.

Fuente: PYMNTS

Wall Street empieza a entrenar modelos con su propio criterio

Bridgewater y Thinking Machines Lab están trabajando en modelos financieros entrenados con datos y prácticas internas de inversión, y PYMNTS destaca que este tipo de IA empieza a superar a modelos generalistas en tareas específicas. La tesis: un modelo público sabe leer documentos, pero no necesariamente sabe qué señales importan dentro de un filing de 300 páginas. Mastercard aparece como ejemplo paralelo: modelos entrenados con datos propios pueden reducir falsos positivos en transacciones legítimas.

Por qué importa: En automatización contable, el moat no será “usar el mejor modelo”, sino acumular criterio operativo y datos propios de validación. Quien convierta excepciones, criterios fiscales y decisiones humanas en memoria de producto tendrá ventaja.

Fuente: PYMNTS

SK Hynix prepara una salida de 28.000M en EEUU empujada por la memoria para IA

SK Hynix planea listar ADRs en Estados Unidos y podría captar unos 28.000 millones de dólares, aprovechando la fiebre por la memoria de alto rendimiento para centros de datos de IA. TechCrunch recuerda que el crecimiento de ingresos de la compañía se ha disparado por la demanda de HBM, DRAM y NAND, justo cuando hyperscalers y nuevas fábricas de IA compiten por capacidad. El riesgo: si la oferta llega tarde o cambia la arquitectura de inferencia, la expansión puede acabar en exceso de capacidad.

Por qué importa: La economía de la IA sigue dependiendo de cuellos físicos. Para startups de aplicación, los costes de inferencia y disponibilidad de memoria no son macro abstracta: determinan márgenes, pricing y qué automatizaciones se pueden ofrecer con beneficio.

Fuente: TechCrunch

🔴 La otra cara

Google amplía el uso de tus archivos para entrenar IA si no haces opt-out

TechCrunch avisó de que un cambio en los ajustes de privacidad de Google Search permite guardar más datos de usuario, incluyendo imágenes, archivos, audio y vídeo subidos a servicios de búsqueda, para mejorar modelos de IA. El cambio llegó mediante un correo de junio y deja a muchos usuarios dentro por defecto salvo que revisen la configuración. No es una fuga ni una multa, pero sí otro recordatorio de que “usar IA” y “alimentar IA” se están mezclando silenciosamente.

Por qué importa: En contabilidad, privacidad y consentimiento no son detalles legales: son parte del producto. Cualquier automatización que toque facturas, nóminas, bancos o documentos fiscales necesita controles explícitos de entrenamiento, retención y trazabilidad.

Fuente: TechCrunch

El primer ransomware “agentic” necesitó humano: menos ciencia ficción, mismo riesgo

Seguimiento de una noticia ya vista: el ataque ransomware ejecutado técnicamente por un agente de IA no fue completamente autónomo. Sysdig aclaró que un humano eligió víctima, montó infraestructura y dirigió la operación, aunque el agente ejecutó intrusión, movimiento lateral, exfiltración, cifrado y nota de rescate. La corrección baja el hype, pero no elimina el problema: la parte técnica del ataque ya empieza a automatizarse.

Por qué importa: Los agentes útiles y los agentes ofensivos comparten capacidades: herramientas, memoria, planificación y ejecución. Para Intelia, seguridad y permisos por acción tienen que diseñarse desde el principio, especialmente si el sistema toca bancos o ERPs.

Fuente: TechCrunch

Reddit usa LLMs para limpiar el spam que los LLMs ayudaron a crear

Reddit está usando modelos de lenguaje para detectar y frenar spam generado por IA, un problema que ha aumentado precisamente porque crear contenido basura es más barato que nunca. La plataforma queda atrapada en una dinámica circular: más IA genera más ruido, y hace falta más IA para moderarlo. Es el tipo de coste oculto que rara vez aparece en las demos de productividad.

Por qué importa: Automatizar producción sin automatizar verificación degrada sistemas. En contabilidad, el equivalente sería generar asientos, clasificaciones o respuestas fiscales sin una capa fuerte de control de calidad.

Fuente: TechCrunch

🐦 Lo que se comenta en X

"Interesting piece that differentiates between AI-assisted research, AI-led research and true RSI, which aligns with how my team is thinking about it too." — @RonnieChatterji

La distinción importa porque no todo lo que se vende como “agente” cambia la frontera de productividad: muchas veces solo acelera investigación asistida.

"SK Hynix is seeking to attract more AI investors" — @PropWGlobal

El mercado sigue buscando exposición indirecta a IA en memoria, energía y semiconductores, no solo en laboratorios de modelos.

🤔 La voz escéptica

"The AI bubble's popping would lead to less of an immediate crash than dotcoms, but companies would cut back, investors would lose confidence, and growth would slow." — NOTUS, sobre un informe interno del Tesoro de EEUU

Es escepticismo macro serio: aunque la IA sea útil, el apalancamiento en mercados, private credit, utilities, chips y data centers puede amplificar una corrección.

"Massive capital destruction, or malinvestment" — Christopher Wood, Jefferies

La crítica no niega la tecnología; cuestiona si Microsoft, Meta y Alphabet pueden convertir capex gigantesco en retornos suficientes antes de que el mercado pierda paciencia.

"CEOs are walking back dire AI job-loss predictions" — PYMNTS

Esta voz escéptica va contra el catastrofismo: la sustitución laboral existe, pero algunos CEOs están moderando predicciones de despidos masivos al ver adopción más lenta y dependiente de rediseño organizativo.

Fuentes nuevas a vigilar

Hoy merece la pena añadir NOTUS para política económica de IA y BlackRock Weekly Commentary para leer el debate de burbuja IA desde asignación de capital, no desde el hype técnico.