Satya Nadella, CEO de Microsoft, publica el 14 de junio de 2026 un ensayo largo en X y LinkedIn titulado 'A frontier without an ecosystem is not stable'. El post acumula más de 28 millones de vistas en 48 horas y plantea una tesis estratégica clara: la ventaja real con IA dentro de una empresa no está en elegir el mejor modelo de cada momento, está en construir un 'learning loop' propio que capture los workflows, el juicio y la experiencia acumulada como activo independiente del modelo que tenga detrás.
La idea, en una frase
Nadella divide el valor de una empresa en dos categorías. 'Human capital' es el conocimiento, juicio, relaciones, ingenio y capacidad de reconocer patrones importantes que aportan las personas. 'Token capital' es la capacidad de IA que la empresa construye y posee usando sus propios workflows, datos, evaluaciones y expertise acumulado. La palabra 'token' aquí no tiene nada que ver con cripto: se refiere a la unidad de texto que procesa y genera un modelo de lenguaje.
La tesis literal del memo: 'la oportunidad real no está en elegir el mejor modelo, sino en construir un learning loop encima de los modelos donde human capital y token capital se componen. Este loop se convierte en la nueva IP de la empresa. Lo pienso como una máquina de subir colinas. Y a diferencia de la mayoría de activos, compone con el tiempo'. Nadella refuerza con una frase importante: 'el human capital no se vuelve menos valioso cuando crece el token capital, se vuelve más valioso. Sin dirección humana, tienes compute corriendo en círculos'.
El test técnico que propone
El criterio para saber si has construido bien: quita un modelo, mete otro. Si el know-how que la empresa lleva 5 años acumulando sigue vivo dentro del sistema, has hecho los deberes. Si todo se cae porque cambiaste de Claude a GPT, lo que tienes no es infraestructura de IA, tienes una dependencia. El learning loop, en términos de ingeniería, son tres capas: memoria estructurada y exportable de todo lo que la empresa ha aprendido, lógica de negocio en código propio (skills, prompts, evaluaciones), y un router que decide qué modelo ejecuta cada tarea en cada momento.
El subtexto político
Nadella suelta esta línea: 'hay que evitar un mundo donde cada empresa de cada sector ceda valor a un puñado de modelos que se comen todo lo que ven'. Es la primera vez que el CEO de Microsoft articula tan claro un argumento anti-dependencia de los modelos frontera. Y hay tensión interna evidente, Microsoft es accionista mayoritario de OpenAI, una de las empresas que aspira a ser exactamente ese puñado de modelos. La lectura más razonable del timing: Azure está perdiendo terreno relativo frente a AWS Bedrock y GCP Vertex como destino multi-modelo, y Microsoft necesita posicionarse como plataforma de orquestación neutral, no como vendedora cautiva de OpenAI.
Por qué importa
Para un founder español de empresa de 10 a 500 millones, este memo es un manual sobre cómo no construir mal. La trampa fácil del último año ha sido pagar ChatGPT Enterprise o Claude Teams, dar acceso al equipo y declarar la transformación de IA hecha. Lo que Nadella está diciendo, sin decirlo así, es que ese camino regala el activo. El conocimiento que el equipo genera al usar el modelo se queda en threads de ChatGPT o en el contexto de cada conversación, no en una base que la empresa controla. Cuando la persona se va, el aprendizaje se va con ella. Cuando el proveedor sube precio o desaparece, el flujo se rompe.
Qué hacer
- Construir memoria persistente por cliente, proyecto y proceso: cada interacción útil con IA debería dejar rastro en una base de datos propia, indexada y consultable por cualquier modelo. Esto se construye en semanas, no en años, y la inversión inicial se recupera el primer trimestre que sustituyes un proveedor sin perder contexto.
- Skills y workflows propios, no productos enlatados: la lógica del negocio (quién hace qué, en qué orden, con qué criterios de calidad) vive en código y prompts que tú controlas. El modelo es el motor, no el cerebro. Un equipo de 5 personas con un framework propio de skills supera a uno de 50 que use ChatGPT Enterprise tal cual.
- Aislamiento del modelo desde el día uno: la arquitectura tiene que permitir cambiar el proveedor en un par de horas. Si tarda semanas, has construido encima del proveedor en lugar de encima de tu proceso. Esto se prueba forzando un swap real cada trimestre, no documentándolo en un PDF.