Cuando una sola cláusula en el contrato lo cambia todo: lo que revela la letra pequeña entre gigantes y startups

La escena del crimen: una cláusula de tres líneas

El director de un banco tradicional firmó el acuerdo con una fintech celebrando el “inicio de la transformación digital”. Fotos, nota de prensa, LinkedIn lleno de mensajes entusiastas.

Yo estaba allí por otro motivo. Nos habían pedido revisar la documentación “por cumplimiento”. Trabajo en una firma de auditoría forense: mi oficio no es aplaudir la innovación, es seguir el rastro del dinero y de los datos.

En la página 17 del contrato, escondida entre anexos técnicos, encontré la pieza clave: una cláusula de tres líneas que decía, resumida:

“Todos los datos de interacción generados en el canal digital serán propiedad de la startup, incluyendo patrones de navegación, tasas de conversión y modelos derivados”.

Traducido: el banco ponía la marca, la licencia y los clientes heredados. La startup se quedaba con el mapa del tesoro: cómo se comportaban esos clientes en digital, qué aceptaban, qué abandonaban, qué podían venderles después.

Esa cláusula minúscula contenía, en miniatura, todo el conflicto entre industria tradicional y ecosistema startup: modelos de negocio, tecnología, UX, regulación, riesgo y poder a largo plazo.

En este informe no voy a repetir la historia de “los ágiles contra los lentos”. Voy a diseccionar esa unidad mínima —quién controla el dato del cliente— como si fuera una huella dactilar. A partir de ahí, se puede reconstruir toda la escena del mercado.

Cómo llegamos a negociar la propiedad del dato

La etiqueta “industria tradicional” suele parecer una categoría sociológica. Yo la leo como un conjunto de balances y legajos.

• Industria tradicional: organizaciones establecidas, con modelos de negocio probados, estructuras jerárquicas, procesos estandarizados y fuertemente condicionados por la regulación. Banca, seguros, retail físico, hospitales, operadores logísticos… Se financian con beneficios retenidos, deuda y mercados de capital, buscando estabilidad y crecimiento sostenido.
• Ecosistema de startups: empresas emergentes diseñadas para crecer rápido y escalar. Estructuras planas, alto apetito de riesgo, financiación vía capital riesgo, foco en tecnología digital, IA y modelos escalables.

La teoría dice que los incumbentes mandan por escala, marca y acceso a capital. Las startups, por su parte, compiten con velocidad, talento digital y proximidad al cliente.

Los números en España confirman que la partida ya no es anecdótica:

• El valor total de las startups españolas alcanzó en 2025 unos 125.000 millones de euros, un 14% más que el año anterior, impulsado en gran parte por la revolución de la IA.
• El ecosistema emprendedor genera alrededor de 100.000 nuevos empleos cada año. Hay más de 7.000 compañías tecnológicas activas, de las que 3.640 son startups y 1.185 scaleups, con un impacto económico anual de 11.541 millones de euros.
• La inversión en startups en España llegó a 2.606 millones de euros hasta septiembre de 2025, un 15% más que el año anterior, apoyada por fondos públicos como Fond‑ICO Global y fondos Next Generation EU.

Cuando ese volumen de capital de riesgo entra en sectores regulados (banca, salud, movilidad), aparece la fricción real: ¿qué pertenece al gigante, qué pertenece a la startup y qué pertenece al regulador?

La respuesta casi nunca está en los titulares. Está en cláusulas de tres líneas sobre el dato del cliente, compartición de modelos de IA, propiedad intelectual de algoritmos de scoring, acceso a logs de uso de apps y APIs.

El conflicto que casi nadie mira: quién posee la huella digital del cliente

Los debates públicos hablan de apps, experiencia de usuario y disrupción. En las mesas donde yo me siento, se habla de algo más concreto:

¿Quién se queda con la huella digital del cliente cuando el servicio es mixto (marca tradicional + tecnología startup)?

Esa huella incluye:

• Datos de registro y KYC.
• Navegación en apps y webs.
• Historial de compras y transacciones.
• Respuestas a cambios de precios, promociones y notificaciones.
• Interacciones con chatbots y atención al cliente.

No es un asunto filosófico. Desde la letra pequeña del dato se derivan:

1. Modelo de negocio futuro: quién puede lanzar productos de alto margen porque entiende mejor el comportamiento del cliente.
2. Capacidad tecnológica: quién entrena sus modelos de IA con volumen y calidad de datos suficientes.
3. Experiencia de usuario: quién puede simplificar journeys porque ve, con precisión, dónde se atasca el cliente.
4. Riesgo regulatorio: quién responde ante un regulador si hay mal uso de datos o discriminación algorítmica.

Cuando revisamos acuerdos entre incumbentes y startups en distintos sectores, vemos patrones repetidos. El más llamativo: la propiedad y explotación del dato casi siempre está subvalorada por el incumbente y sobrerrepresentada en los planes de negocio de la startup.

La startup modela el futuro sobre esa huella digital; el gigante, sobre su balance de hoy.

Lo que cuenta el rastro del dato: evidencia por sectores

En mi mundo no nos fiamos de narrativas. Miramos patrones, contratos y métricas. Veamos cómo la cuestión “quién posee el dato y la relación digital” explica diferencias de modelo de negocio, tecnología y UX sector por sector.

1. Servicios financieros: del mármol físico al log de eventos

Estado actual (industria tradicional)
Bancos como Santander o BBVA siguen siendo columnas vertebrales del sistema: balances gigantes, red de oficinas, regulación estricta. Sus ventajas: licencia bancaria, acceso barato a capital y marca confiable.

Startups y fintechs
Nubank, Revolut, Wise (antes TransferWise), Stripe y decenas de fintechs españolas operan como capas digitales sobre el sistema financiero. Menos sucursales, más código. Ofrecen onboarding en minutos, productos personalizados y comisiones transparentes.

La pieza mínima: el dato de interacción financiera

• El banco tradicional sabe saldo, productos contratados, morosidad.
• La fintech sabe cada toque en la app, categoría de gasto, reacción a notificaciones, tolerancia al riesgo.

En acuerdos de tarjeta co‑branded o banca‑as‑a‑service, vemos cláusulas donde:

• El banco se queda con los datos transaccionales estrictos (para regulación y riesgo de crédito).
• La fintech se queda con el dato de comportamiento digital para mejorar UX y diseñar nuevos productos.

Resultado:

• La fintech construye modelos de IA para ofrecer, por ejemplo, microcréditos personalizados y cross‑selling efectivo.
• El banco se ve reducido, poco a poco, al rol de infraestructura regulada con menor visibilidad sobre el día a día del cliente.

2. Retail y consumo: quién sabe realmente cómo compra el cliente

Estado actual (retail tradicional)
Cadenas físicas con márgenes ajustados, altos costes fijos y sistemas de fidelización basados en tarjetas y cupones. El dato está, en muchos casos, disperso en sistemas legacy.

Startups y e‑commerce
Amazon es el referente global; en España, plataformas como Glovo o Wallapop han alterado cómo se compra y vende. El negocio no es sólo vender productos: es monetizar el comportamiento.

• Retail tradicional: datos de venta por ticket, segmento, tienda.
• Plataforma digital: datos de búsqueda, abandono de carrito, elasticidad de precio, tiempos de entrega óptimos.

En acuerdos de marketplace, la cláusula crítica suele ser:

“El vendedor accede sólo a datos agregados de ventas; la plataforma retiene el dato detallado de navegación y conversión”.

Esa sola línea explica por qué, año tras año, el poder de fijación de precios, el conocimiento de demanda y la innovación en UX se concentran en la plataforma.

3. Salud: historias clínicas vs historias de comportamiento

Estado actual (salud tradicional)
Hospitales públicos y privados, muy regulados, con historias clínicas electrónicas a menudo fragmentadas y procesos administrativos pesados. El dato es clínico, sensible y protegido.

Startups healthtech
Plataformas como Doctoralia o Zocdoc han convertido la reserva de citas en un proceso simple. No diagnostican, pero controlan el embudo de acceso al sistema de salud.

• Hospital: controla datos clínicos y diagnóstico.
• Startup: controla patrones de búsqueda de especialistas, tasas de cancelación, tiempos aceptables de espera para el paciente, preferencia por canales digitales.

En los acuerdos de integración, la cuestión crítica es:

• ¿Los datos de búsqueda y reseñas se comparten con el hospital?
• ¿O se quedan en la plataforma, que puede luego “reordenar” la demanda y vender visibilidad?

Desde la óptica forense, vemos un desplazamiento: el hospital conserva el riesgo médico y regulatorio; la startup captura el aprendizaje sobre comportamiento del paciente como consumidor.

4. Movilidad y logística: licencia local vs algoritmo global

Estado actual (movilidad tradicional)
Compañías de taxis y operadores de transporte, sujetos a licencias municipales, regulaciones duras y estructuras gremiales.

Startups
Uber, Bolt y compañías similares operan con un modelo de plataforma global, optimizando oferta y demanda en tiempo real.

• Taxi tradicional: controla el vehículo y la licencia.
• Plataforma: controla la asignación de viajes, precios dinámicos, rating de usuarios y conductores.

En muchos marcos regulatorios, la plataforma ha aceptado pagar impuestos o licencias, pero ha protegido con uñas y dientes el acceso a sus datos de operación en tiempo real. Ahí reside su ventaja.

La tabla de los que ganan y los que pierden el control del dato

La evidencia de distintos sectores se puede resumir en una pregunta: ¿quién se queda, de facto, con la “caja negra” del comportamiento del cliente?

Cuadro 1: Marcador de control del dato

Quien domina la columna de la derecha suele guiar la dirección de la alianza, aunque no posea los activos “duros”.

Tecnología: lo que dicen los sistemas sobre quién manda

Al auditar stacks tecnológicos, no miro sólo si hay cloud o legacy. Miro quién puede generar y explotar datos nuevos sin pedir permiso a medio comité.

Legado vs cloud‑native

• Incumbentes: sistemas heredados, décadas de parches. La información está fragmentada en silos. Cualquier cambio implica proyectos multimillonarios, meses de integración y riesgo operativo.
• Startups: arquitectura cloud‑native, microservicios, APIs desde el día uno. Diseñadas para capturar eventos en tiempo real y alimentar modelos de IA.

La consecuencia directa:

• Para la industria tradicional, cada nuevo dato es un problema de integración y cumplimiento.
• Para la startup, cada nuevo dato es combustible para ajustar pricing, UX y segmentación casi en tiempo real.

Automatización, IA y APIs

• Startups de IA en España ya representan una fracción creciente del ecosistema: casi una de cada cinco nuevas startups se especializa en IA, según el Spain Tech Ecosystem Report.
• Estas compañías usan IA no como adorno, sino como motor para extraer patrones de comportamiento.

Los incumbentes, en cambio, se ven atrapados entre:

• La presión regulatoria para justificar cualquier modelo algorítmico.
• La deuda técnica que limita el uso de datos dispersos.

Ciberseguridad y cumplimiento

Paradójicamente, muchos acuerdos se justifican con el argumento de que “la startup asume el front digital, el banco mantiene la custodia segura de datos”. Pero en los logs de eventos encontramos otra realidad:

• El incumbente protege bien los datos tradicionales (cuentas, historiales clínicos, etc.).
• La startup almacena y procesa grandes volúmenes de datos de interacción, a menudo con menos constricciones regulatorias explícitas.

Ese desajuste regulatorio‑tecnológico lo vemos una y otra vez: el regulador mira lo que entiende (cuentas, historiales médicos), mientras el valor económico y los riesgos de perfilado se concentran en capas menos vigiladas.

UX y journeys: cómo se reparte el poder en cada clic

La experiencia de usuario no es sólo estética; es diseño de poder. Quien controla el journey controla la fuente de datos.

Alta de un servicio financiero

• Banco tradicional: formularios largos, visitas a oficina, papeles físicos. El dato capturado es burocrático: DNI, ingresos, domicilio.
• Fintech (ej. Revolut, Nubank): alta desde el móvil en minutos, verificación remota, UX guiada. Captura, además, velocidad de respuesta, tolerancia a fricción, canales preferidos.

Conclusión forense: el banco sabe quién eres; la fintech sabe cómo te comportas y cuánto esfuerzo toleras.

Proceso de compra retail

• Retail físico: la transacción es anónima si no hay tarjeta de fidelización. Se pierde la mayor parte del contexto.
• E‑commerce (ej. Amazon, Glovo): registra búsquedas, comparaciones, abandonos de carrito, tiempos hasta la conversión.

El dato de comportamiento permite optimizar precios, surtido y tiempos de entrega. Eso vale más, a largo plazo, que la mera lista de tickets.

Reserva de cita médica

• Sistema tradicional: llamadas telefónicas, colas, poca trazabilidad sobre intentos de cita frustrados.
• Plataformas tipo Doctoralia: cada intento fallido, cada cambio de especialista, cada reseña genera datos.

Quién controla ese flujo controla, en la práctica, la capacidad de gestionar la demanda.

Servicio de movilidad

• Taxi tradicional: registro de carrera, destino, importe.
• Plataforma (Uber, Bolt): rutas alternativas, tiempo aceptable de espera, respuesta a promociones.

El incumbente soporta gran parte del riesgo operativo; la plataforma acumula el aprendizaje de mercado.

Los estados financieros ocultos: comparación estructurada

Cuando reducimos todo a la “línea del dato”, la clásica comparativa incumbente‑startup se reordena.

Cuadro 2: Comparativa estructural por dimensión

Esta tabla no es teórica: se corresponde con cómo se reparten beneficios, riesgos y poder de negociación en las alianzas reales que revisamos.

Giro estratégico: renegociar la letra pequeña antes de la próxima ola de IA

Desde la perspectiva de auditor forense, el patrón es claro: incumbentes y startups negocian precio, marca y plazos… y dejan el dato para el final, como si fuera un detalle operativo.

Ese orden debe invertirse.

Para incumbentes: del complejo de proveedor de licencias al control del activo informacional

1. Empezar la negociación por el capítulo de datos

   • Definir de antemano qué tipos de datos se generan (transaccionales, de navegación, de soporte, modelos derivados) y quién los posee.
   • Establecer derecho a copia, usos permitidos y obligación de explicabilidad en modelos de IA.

2. Rediseñar el stack pensando en eventos, no en productos

   • Migrar, progresivamente, hacia arquitecturas que capturen eventos en tiempo real. No sólo para marketing, sino para riesgo, cumplimiento y diseño de nuevos productos.

3. Reequilibrar los acuerdos de colaboración

   • Si la startup se queda con la explotación exclusiva del dato de comportamiento, el incumbente debe considerarlo un coste estratégico: está subsidiando el propio reemplazo futuro.

4. Formar comités de riesgo de datos, no sólo de riesgo de crédito o clínico

   • Evaluar acuerdos no sólo por su retorno financiero, sino por su impacto en la pérdida o ganancia de visibilidad sobre el cliente.

Para startups: del atajo oportunista a la sostenibilidad regulatoria

1. Tratar el dato como pasivo regulatorio, no sólo como activo

   • Documentar origen, usos y modelos de IA asociados. La fase de “espacio gris” regulatorio se está acortando.

2. Diseñar propuestas de valor compartido sobre el dato

   • Ofrecer a incumbentes dashboards y capacidades de analítica conjuntos, no sólo informes en PDF.
   • Integrar mecanismos de gobernanza compartida sobre modelos críticos (por ejemplo, scoring crediticio o priorización de pacientes).

3. Preparar el expediente antes de crecer

   • Sistemas de logging, auditoría de modelos, explicabilidad. Lo que hoy es opcional será exigido tras la primera crisis o incidente mediático.

4. Negociar acceso a infraestructuras a cambio de capacidades de analítica, no sólo de front‑end

   • Si la startup aporta la capacidad de convertir datos en decisiones, ése es su activo; regalarlo en acuerdos de marca blanca erosiona su ventaja.

La escena completa: hacia dónde apuntan los próximos legajos

Si uno revisa los informes oficiales sobre el ecosistema español, encuentra un relato optimista:

• Ecosistema de startups valorado en 125.000 millones.
• IA como motor de creación de nuevas compañías (casi 1 de cada 5 nuevas startups enfocadas en IA).
• Más de 7.000 compañías tecnológicas, 3.640 startups, 1.185 scaleups, 100.000 empleos al año.
• Inversión en startups creciendo un 15% interanual hasta septiembre de 2025.

Es un relato cierto, pero incompleto. No suele mencionar cómo se están repartiendo los derechos sobre los datos que sostienen esos modelos.

Dentro de diez años, cuando los reguladores miren atrás tras el inevitable escándalo de algún algoritmo de riesgo, no revisarán pitch decks; revisarán contratos, cláusulas de tratamiento de datos y logs de sistemas.

La pregunta no será “¿Quién fue más innovador, la industria tradicional o las startups?”, sino:

¿Quién controlaba, en la práctica, la capacidad de perfilar, priorizar y excluir clientes a partir de esos datos?

Y entonces, esa cláusula de tres líneas que hoy pasa desapercibida se convertirá en la prueba central.

Si hay una recomendación general que puedo dejar como auditor, es ésta:

• Para los incumbentes: dejen de delegar el diseño digital sin exigir co‑propiedad y visibilidad sobre los datos de comportamiento. Están externalizando no sólo la UX, sino la comprensión de su propio cliente.
• Para las startups: construyan su narrativa y su gobernanza como si ya fueran a ser auditadas por el regulador más estricto de su sector. La ventaja no estará en operar al margen, sino en saber documentar y defender cómo usan cada dato.

La guerra entre gigantes y startups no se decidirá en el escenario de las conferencias, sino en la arqueología futura de contratos, bases de datos y logs. Y el veredicto dependerá, al final, de algo tan aburrido y tan decisivo como quién tuvo la previsión de leer —y renegociar— la letra pequeña.

Referencias

1. Iceebook. Startups vs. empresas tradicionales: ¿quién lidera la innovación y el valor a largo plazo? Disponible en: https://iceebook.com/startups-vs-empresas-tradicionales-quien-lidera-la-innovacion-y-el-valor-a-largo-plazo
2. Cinco Días (El País). El ecosistema español de start‑ups tecnológicas supera los 125.000 millones, un 14% más, con la revolución de la IA. 2026. Disponible en: https://cincodias.elpais.com/companias/2026-05-12/el-ecosistema-espanol-de-start-ups-tecnologicas-supera-los-125000-millones-un-14-mas-con-la-revolucion-de-la-ia.html
3. Invest in Spain (ICEX). El ecosistema de empresas tecnológicas e innovadoras en España genera más de 11.500 millones de euros al año. 2024. Disponible en: https://www.investinspain.org/content/icex-invest/es/noticias-main/2024/ecosistema.html
4. Emprendedores. El ecosistema de startups industriales en España: comunidades clave y distribución geográfica. Disponible en: https://emprendedores.es/startups/industria-ecosistema/
5. Cinco Días (El País). La inversión en start‑ups en España llega a 2.606 millones hasta septiembre, un 15% más con el tirón de las agencias públicas. 2025. Disponible en: https://cincodias.elpais.com/companias/2025-10-09/la-inversion-en-start-ups-en-espana-llega-a-2606-millones-hasta-septiembre-un-15-mas-con-el-tiron-de-las-agencias-publicas.html
6. Webs corporativas de Nubank, Revolut, Wise, Stripe, Amazon, Glovo, Wallapop, Doctoralia, Uber y Bolt, consultadas para caracterizar sus modelos de negocio y experiencia de usuario.