Un martes cualquiera en la war room: quién gana realmente cuando incumbentes y startups se cruzan en la misma pantalla

El gancho: 9:17 de la mañana y dos mundos en la misma incidencia

A las 9:17 de la mañana, el móvil de Ana, directora de transformación digital de un gran banco ibérico, empieza a vibrar sin descanso. Notificación interna: «Incidencia crítica en banca móvil. Alta degradación de servicio en login». A la misma hora, en un coworking del centro de la ciudad, Leo, fundador de una fintech de nicho, ve cómo el dashboard de Stripe se tiñe de rojo: las altas de nuevos usuarios han caído un 40% en diez minutos.

Mismo problema aparente: la app de banca falla para miles de clientes. Pero las vidas detrás del incidente no se parecen en nada.

Ana sabe que, si la caída se prolonga, la prensa llamará al departamento de comunicación, el regulador pedirá explicaciones y el comité de riesgos querrá saber cuánto costará el episodio en reclamaciones y reputación. Leo sabe que, si esto se alarga, un neobanco global al que intenta vender su API de scoring reducirá la probabilidad de firmar el contrato, y su runway se acortará varios meses.

El incidente no es solo un fallo técnico. Es una radiografía en tiempo real de modelos de negocio, tecnología y experiencia de usuario chocando sector por sector. Y la pregunta incómoda no es quién es «más innovador», sino quién gana, quién pierde y quién paga la factura cuando industria tradicional y startups conviven en el mismo ecosistema.

Cómo leer este choque: el marco que Ana y Leo no ven, pero sufren

Para entender qué está pasando con Ana en el banco, con Leo en su fintech, con la directora de una cadena retail o el fundador de una healthtech, necesitamos un marco comparativo sencillo pero implacable. No es teoría; es la lista mental que un ejecutivo debería repasar cada vez que una app se cae o un competidor lanza algo «imposible» en tres semanas.

El marco de los tres ejes que atraviesan sectores

Cualquier sector donde incumbentes y startups compitan o colaboren puede leerse a través de tres ejes:

1. Modelo de negocio

   • Fuentes de ingresos (comisiones, suscripción, transacción, B2B, B2C, B2B2C, marketplace, plataforma).
   • Diversificación vs foco extremo.
   • Velocidad de iteración (ciclos anuales vs quincenales).
   • Uso de partnerships y plataformas (ecosistemas abiertos vs integración vertical).

2. Tecnología / datos / IA

   • Arquitectura (legacy on‑prem vs cloud‑native, microservicios, API‑first, SaaS).
   • Intensidad de analítica avanzada, IA/ML y automatización.
   • Capacidad de integración (APIs, open banking, estándares de interoperabilidad).
   • Ciberseguridad y gobernanza de datos (cumplimiento como freno o como escudo competitivo).

3. Experiencia de usuario (UX, UI, journeys, servicio)

   • Nivel de fricción (formularios, colas, papeles, autenticación).
   • Omnicanalidad real vs marketing de omnicanalidad.
   • Personalización y relevancia (ofertas, mensajes, flujos).
   • Diseño de interfaces (mobile‑first, autoservicio, diseño inclusivo, onboarding sin traumas).

Este marco es transversal. La diferencia está en cómo se manifiesta en cada sector concreto y en la vida de personas como Ana y Leo.

A partir de aquí, vamos industria por industria, pero siempre desde un día cualquiera en la vida de alguien atrapado entre gigantes y startups.

Servicios financieros / Fintech: Ana, Leo y el banco que no puede fallar

1. Modelo de negocio: estructura contra foco

A las 10:30, Ana entra en una sala sin ventanas. A un lado, el CIO; al otro, el responsable de banca de particulares. En la pantalla, el gráfico de caídas de login. En otra pestaña, el mix de ingresos del banco: hipotecas, préstamos al consumo, comisiones de fondos, seguros, medios de pago.

En paralelo, Leo tiene abierto su propio P&L en Notion. Sus ingresos dependen casi al 100% de una API de scoring de riesgo que vende a pequeñas fintechs y, si todo sale bien, a ese neobanco global al que hoy intenta impresionar.

En servicios financieros, el contraste es brutal:

• Incumbentes bancarios (Santander, BBVA, CaixaBank, bancos universales latinoamericanos):
  • Modelo B2C y B2B muy diversificado: tarjetas, préstamos, hipotecas, seguros, gestión de activos, banca de inversión.
  • Ingresos recurrentes y regulados: margen de intereses, comisiones.
  • Velocidad de iteración baja: cada cambio de producto pasa por riesgo, legal, cumplimiento y, a menudo, por regulación.
• Fintech y neobancos (Nubank y clones regionales, neobancos de nicho, plataformas BNPL, agregadores):
  • Modelos muy enfocados: solo tarjeta de crédito, solo cuenta sin comisiones, solo pagos, solo crédito al consumo instantáneo.
  • Monetización por interchange, suscripción premium, comisiones por servicio añadido, o por venta de infraestructura (BaaS, APIs).
  • Ciclos de iteración cortos: nuevas features cada pocas semanas.

¿Quién gana aquí?

• En resiliencia de ingresos, los bancos. Han demostrado que, incluso mientras una Nubank escala hasta 92 millones de clientes en Brasil (superando a Bradesco e Itaú en número de clientes), los grandes incumbentes siguen vivos gracias a su diversificación, capital regulatorio y base de depósitos estable.
• En foco y velocidad de captura de nuevos segmentos, las fintech. Nubank no necesitó sucursales ni productos heredados para robar el corazón (y el tiempo en pantalla) de millones de usuarios cansados de comisiones y fricción.

2. Tecnología y datos: el legado como peso… y barrera de entrada

Mientras el equipo de Ana discute si el problema de login está en el mainframe o en la capa de autenticación móvil, Leo reconfigura, en minutos, el proveedor de infraestructura de logs en su stack cloud‑native.

• Incumbentes:
  • Core bancario en mainframes, aplicaciones monolíticas, middleware de varias décadas, capas de integración y parches múltiples.
  • Adopción creciente de cloud, IA y automatización, pero a menudo en «islas» (fraude, chatbots, scoring complementario).
  • Regulación estricta de datos, auditorías, requerimientos de ciberseguridad. Han aumentado su inversión en IA: según datos recientes, las grandes empresas concentran más de un 45% del uso de IA frente a menos de un 10% en pequeñas compañías. Eso les da capacidad de escala en analítica que muchas fintech solo pueden soñar.
• Fintech:
  • Arquitectura cloud‑native, microservicios, API‑first, uso intensivo de SaaS (Stripe, Twilio, herramientas de KYC, CRMs ligeros).
  • Automatización y modelos de IA desde el día uno para underwriting, detección de fraude y personalización.
  • Gran capacidad de integración vía open banking y APIs, conectando con incumbentes que, paradójicamente, aún pelean con la interoperabilidad interna.

¿Quién pierde?

• Pierde el usuario cada vez que el banco tarda meses en lanzar una funcionalidad que una fintech desarrolla en un sprint.
• Pierde la fintech cuando depende, para operar, de la infraestructura bancaria que critica: BaaS, esquemas de tarjetas, redes de compensación, bancos custodios.

3. Experiencia de usuario: fricción regulada vs seducción digital

A mediodía, una cliente intenta abrir una cuenta en el banco de Ana. Tiene que subir su DNI, rellenar varias pantallas y aceptar múltiples condiciones. A la tercera foto borrosa, abandona. Abre la app de la fintech de Leo: onboarding en minutos, selfie, IBAN listo.

• Incumbentes:
  • Fricción alta en procesos de alta, hipotecas, reclamaciones. Regulación KYC/AML obliga a muchos pasos, pero una parte del dolor es puro legado organizativo.
  • Omnicanalidad parcial: sucursal, web, app, call center… pero a menudo sin una visión unificada del cliente en tiempo real.
  • Personalización incipiente: algunas campañas segmentadas, pero muchas comunicaciones siguen siendo masivas.
• Fintech:
  • Onboarding mobile‑first, diseño limpio, journeys centrados en una o dos tareas clave.
  • Autoservicio extremo: cambiar PIN, bloquear tarjeta, abrir subcuentas sin llamar a nadie.
  • Mensajes transparentes y tono cercano, muy lejos del lenguaje contractual bancario.

Winners vs losers en servicios financieros

Ana mantiene su poder institucional. Leo captura titulares y usuarios jóvenes. En el intermedio, el usuario utiliza ambos.

Retail y e‑commerce: Marta, el pasillo vacío y el carrito abandonado

A las 17:45, Marta, directora de operaciones de una gran cadena retail con presencia física y online, recorre un pasillo casi vacío. Ve estanterías repletas y pocas cestas. En su móvil, las cifras de la web parecen razonables, pero la tasa de conversión en checkout es baja y el stock no encaja entre tienda y online.

A unos kilómetros, en una oficina compartida, Carla revisa las métricas de su marketplace de nicho de productos sostenibles. Su problema es el contrario: la demanda digital crece rápido, pero depende totalmente de operadores logísticos ajenos y de plataformas de pago.

1. Modelo de negocio: márgenes contra elasticidad

• Retailers tradicionales (hipermercados, cadenas de moda, grandes almacenes como El Corte Inglés o Carrefour):
  • Modelo B2C basado en ventas físicas y, en la última década, e‑commerce. Márgenes ajustados, alta presión promocional.
  • Diversificación: alimentación, textil, electrónica, servicios financieros propios, seguros, viajes.
  • Iteración lenta de surtido y pricing, condicionada por contratos de suministro y cadenas logísticas complejas.
• Startups de e‑commerce y marketplaces (Glovo, Wallapop, verticales D2C):
  • Modelos más flexibles: comisiones de intermediación, suscripción, dropshipping, modelos D2C con control de marca.
  • Foco en nichos (segunda mano, comida rápida, productos eco, moda emergente).
  • Capacidad de testear nuevas categorías en semanas, con poca estructura física.

Quién gana:

• En capacidad de generar caja recurrente y negociación con proveedores, los incumbentes.
• En elasticidad y experimentación de modelos, las startups: pueden probar suscripción, bundles, nuevas categorías sin hundir una red de miles de tiendas.

2. Tecnología y datos: ERP pesado vs stack modular

Marta depende de un ERP implantado hace más de diez años, con módulos de inventario, compras y CRM. Cada cambio es un proyecto. Carla opera con un stack cloud: Shopify o similar para la tienda, herramientas SaaS para CRM, marketing automation, analítica y soporte.

• Incumbentes:
  • Sistemas legacy para punto de venta, inventario y fidelización, integrados con dificultad con la web.
  • Proyectos de data lakes y analítica avanzada en marcha, pero con dificultades para unificar datos de tienda física, app y web.
  • Capacidad de inversión alta, pero lentitud en desplegar cambios en cientos de tiendas.
• Startups:
  • Arquitectura cloud, microservicios para logística, catálogos, motores de recomendación.
  • Uso intensivo de IA para predicción de demanda, fijación dinámica de precios y recomendaciones personalizadas.
  • Integración sencilla con gateways de pago (Stripe, Adyen) y operadores logísticos.

3. Experiencia de usuario: cola física vs scroll infinito

A las 18:30, una clienta abandona la cola física del hipermercado; tarde, cansancio, experiencia mediocre. En paralelo, otra clienta abandona el carrito online de Marta en el paso 3 de 5 del checkout. En la web de Carla, el checkout es de dos pasos y ya tiene la tarjeta guardada.

• Retailers tradicionales:
  • Fricción elevada en picos de demanda (rebajas, campañas), tanto en tienda como en web.
  • Omnicanalidad parcial: click & collect, devoluciones cruzadas, pero con inconsistencias de precios y stock.
  • Programas de fidelización amplios pero poco personalizados.
• E‑commerce y marketplaces:
  • Experiencia fluida, diseño mobile‑first, filtros potentes, pruebas A/B constantes.
  • Personalización basada en datos de navegación, historial de compra, contexto.
  • Atención al cliente por chat, autoservicio de devoluciones, notificaciones en tiempo real del estado del pedido.

¿Quién pierde?

• El pequeño comercio físico sin músculo tecnológico, atrapado entre gigantes omnicanal y marketplaces globales.
• El usuario, cuando la conveniencia de la compra rápida se traduce en peor calidad de empleo en la cadena logística, aunque el clic parezca inofensivo.

Salud / Healthtech: la sala de espera vacía y la app saturada

Son las 8:05 en un hospital público. Julián, director de sistemas, observa en la pantalla del centro de mando cómo la lista de espera en urgencias crece. El sistema de triaje se cuelga de forma intermitente. A pocos kilómetros, Sara, fundadora de una startup de telemedicina enfocada en salud mental, ve cómo su app empieza a saturarse porque un influencer ha mencionado su servicio.

1. Modelo de negocio: financiación pública vs pago por acceso

• Instituciones de salud tradicionales (hospitales públicos, grandes clínicas privadas, aseguradoras):
  • Ingresos vía seguros, financiación pública, pagos directos.
  • Modelos B2C (paciente), B2B (aseguradoras), B2B2C (empresas que contratan seguros para sus empleados).
  • Diversificación moderada: varias especialidades, pruebas diagnósticas, hospitalización.
  • Iteración lenta de servicios por regulación, protocolos clínicos y estructuras sindicales.
• Startups healthtech (apps de telemedicina, plataformas de cita online como Doctoralia, soluciones de triaje como Mediktor, apps de salud mental):
  • Modelos de suscripción, pago por uso, licencias SaaS a hospitales o empresas.
  • Foco en nichos: teleconsulta, salud mental, seguimiento remoto de crónicos, digitalización de citas.
  • Iteración relativamente rápida, condicionada por validación clínica y regulatoria.

Quién gana:

• En capacidad de acceso masivo y universal, el sistema tradicional (sobre todo el público).
• En rapidez para crear nuevos servicios y empaquetar experiencias específicas, las healthtech.

2. Tecnología y datos: historias clínicas encadenadas

Julián sabe que el hospital opera con varios sistemas de historia clínica electrónica que casi no se hablan entre sí. Los informes viajan en PDF. Sara, en cambio, construyó su plataforma sobre cloud, con cifrado robusto y un modelo de datos diseñado para escalar.

• Incumbentes:
  • Sistemas de gestión de pacientes, historias clínicas y laboratorio a menudo obsoletos, con fuerte dependencia de grandes proveedores.
  • Proyecto perpetuo de interoperabilidad: conectar atención primaria, hospital, farmacia, pruebas.
  • Uso de IA emergente en diagnóstico por imagen, triaje y optimización de agendas, pero siempre bajo lupa regulatoria estricta.
• Healthtech:
  • Plataformas cloud, API‑first, capaces de integrarse con sistemas existentes vía estándares como HL7/FHIR (cuando se les deja).
  • IA y analítica para triage de síntomas, priorización de citas, seguimiento remoto.
  • Recogen datos muy ricos de comportamiento (adhesión a tratamientos, patrones de uso) que el sistema tradicional no ve.

3. Experiencia de usuario: papeleo físico vs fricción digital selectiva

En la sala de espera de Julián, pacientes con papeles, colas, frustración. En la app de Sara, usuarios que valoran positivamente la facilidad de acceder a un psicólogo desde el sofá, pero se quejan cuando la sesión se cae por exceso de demanda.

• Instituciones tradicionales:
  • Procesos con fricción: citas por teléfono, presencia física para trámites administrativos, tiempos de espera largos.
  • Omnicanalidad baja: la app, cuando existe, suele ser un espejo pobre del sistema central.
  • Poca personalización en la comunicación: recordatorios genéricos, poca segmentación por riesgo o historial.
• Healthtech:
  • UX simple para tareas concretas: reservar cita, hablar con un profesional, recibir recomendaciones personalizadas.
  • Onboarding rápido, encuestas de salud dinámicas, integración con wearables.
  • Riesgo de sobresimplificar procesos clínicos complejos en aras de la experiencia.

Quién pierde:

• Pacientes vulnerables con baja alfabetización digital, atrapados entre un sistema público saturado y apps que presuponen competencia tecnológica.
• Profesionales sanitarios que deben trabajar a la vez con sistemas obsoletos y con soluciones nuevas mal integradas.

Movilidad y logística: el conductor fantasma y el algoritmo impaciente

Son las 21:10. Ricardo, director de una gran empresa de paquetería tradicional, mira un mapa de calor de entregas fallidas en la periferia de una gran ciudad. El ERP de rutas se queda corto para gestionar el pico de entregas de e‑commerce.

Mientras tanto, Inés, cofundadora de un marketplace de logística de última milla, recibe notificaciones de repartidores autónomos que se quejan de pagos bajos y rutas ineficientes sugeridas por el algoritmo.

1. Modelo de negocio: contratos largos vs gig economy

• Operadores tradicionales de logística:
  • Modelo B2B: contratos a largo plazo con retailers, fabricantes, marketplaces.
  • Ingresos por peso, volumen, distancia; servicios de valor añadido (almacenaje, fulfillment, logística inversa).
  • Diversificación de servicios, pero cautivos de infraestructuras físicas y mano de obra intensiva.
• Startups de movilidad y logística (apps de ride‑hailing, última milla, dark stores, agregadores de flota):
  • Modelos de plataforma: comisión por transacción, tarifa por uso, suscripción para clientes finales o merchants.
  • Foco en tramos específicos de la cadena (última milla urbana, entregas same‑day, economía colaborativa).
  • Iteración rápida, pero sometida al escrutinio de reguladores laborales y municipales.

2. Tecnología y datos: rutas rígidas vs optimización en tiempo real

Ricardo trabaja con sistemas de gestión de flota y hubs logísticos heredados. Cualquier optimización requiere proyectos de meses. Inés ajusta en un día el algoritmo de asignación de pedidos.

• Incumbentes:
  • Sistemas on‑prem para gestión de almacenes, rutas fijas, planificación semanal.
  • Empezando a usar analítica avanzada para predicción de volúmenes y optimización de rutas, pero con datos dispersos.
  • Ciberseguridad fuerte en sistemas centrales, pero menos agilidad para abrir APIs a terceros.
• Startups:
  • Plataformas en cloud con geolocalización en tiempo real, optimización de rutas dinámica, precios variables.
  • Integraciones rápidas con e‑commerce mediante APIs.
  • Uso intensivo de datos de comportamiento de conductores y clientes para mejorar el matching.

3. Experiencia de usuario: el paquete es el mensaje

Para el cliente final, el servicio de Ricardo y el de Inés se confunden: ambos entregan paquetes. La diferencia real se ve cuando algo falla.

• Incumbentes:
  • Seguimiento vía códigos poco precisos, ventanas horarias amplias, dificultad para reprogramar entregas.
  • Atención al cliente centralizada, formularios web, call centers.
• Startups:
  • Tracking en tiempo real, notificaciones push, posibilidad de chatear con el repartidor o cambiar dirección sobre la marcha.
  • Experiencias pulidas pero frágiles: cuando la red de repartidores colapsa, la app bonita no salva el retraso.

Quién pierde:

• Conductores atrapados entre la inflexibilidad de los operadores tradicionales y la precariedad algorítmica de muchas plataformas.
• Ciudades que absorben el coste de congestión, contaminación y conflictos regulatorios.

El marcador oculto: ventajas estructurales y zonas de convergencia

Si volvemos a Ana, Leo, Marta, Carla, Julián, Sara, Ricardo e Inés y los colocamos en una misma mesa, el marcador no está tan claro como sugieren los discursos de «disrupción total» o de «incumbentes invulnerables».

Ventajas estructurales de incumbentes

• Escala y acceso a capital: grandes bancos y retailers pueden absorber pérdidas, invertir en IA (recordemos: las grandes empresas concentran cerca de la mitad del uso de IA, mientras que las pequeñas apenas llegan a un 10%) y soportar proyectos fallidos.
• Marca y confianza: en sectores como banca y salud, la confianza institucional pesa más que una UX brillante.
• Regulación como foso defensivo: más que un freno, a menudo es una muralla contra entrantes pequeños.
• Datos históricos: décadas de historial de clientes, transacciones y comportamientos, inalcanzables para una startup pura.

Ventajas estructurales de startups

• Velocidad y foco: un solo producto, un solo segmento, una sola métrica crítica. Eso permite ciclos de aprendizaje rápidos.
• Arquitectura tecnológica moderna: sin mainframes ni deuda técnica acumulada, pueden adoptar cloud, microservicios e IA desde el primer día.
• Talento digital y cultura de experimentación: perfiles que buscan impacto rápido y que asumen el fracaso como parte del camino.
• Costes fijos más bajos: sin sucursales, sin grandes almacenes, sin sindicato interno, su estructura es ligera.

La convergencia: cuando el gigante quiere moverse rápido y la startup quiere estabilidad

La realidad de 2024 ya no es la batalla simple. Es un tablero de alianzas y dependencias.

La tesis incómoda: a medida que escalan, muchas startups se parecen cada vez más a los incumbentes que criticaban. Y muchos incumbentes que juegan bien sus cartas acaban capturando parte sustancial del valor que esas startups generan.

El giro estratégico: qué deberían cambiar hoy Ana, Leo y compañía

Un martes cualquiera como el que hemos seguido deja claro que ni el banco ni la fintech, ni el retailer ni el marketplace, pueden seguir jugando con reglas simplistas. No se trata solo de ser «más digitales». Se trata de redefinir el reparto del poder en la cadena de valor.

Para directivos de empresas tradicionales

1. Tratar la tecnología como infraestructura política, no solo técnica
   El core legacy no es solo un problema de costes: define quién manda en la organización. Separar claramente lo que debe ser estable (core regulado) de lo que debe ser flexible (capas de experiencia, APIs externas) es una decisión de poder, no de arquitectura.

2. Usar la regulación a favor, sin refugiarse en ella
   La regulación puede ser un foso defensivo, pero también una trampa de complacencia. Colaborar con reguladores para habilitar modelos como open banking o interoperabilidad en salud, en lugar de bloquearlos, abre espacios donde la escala del incumbente es ventaja.

3. Construir ecosistemas, no solo proveedores
   Pasar de comprar software a orquestar plataformas en las que startups, partners tecnológicos y unidades internas aporten módulos. Eso implica gobernanza clara de datos, APIs expuestas y modelos de revenue‑sharing.

4. Rediseñar incentivos internos para permitir velocidad en el borde
   Si cada feature de la app pasa por el mismo comité que una fusión, la startup siempre irá por delante. Crear sandboxes internos con KPIs propios y riesgos acotados permite moverse más rápido sin poner en peligro el core.

5. Invertir estratégicamente en IA con visión de 5–10 años
   Las cifras actuales muestran que las grandes empresas ya lideran la inversión en IA. Transformar esa ventaja económica en ventaja competitiva exige priorizar casos de uso que cambien la experiencia del usuario y la eficiencia estructural, no solo proyectos piloto.

Para fundadores de startups

1. Asumir desde el principio la dependencia de infraestructuras incumbentes
   Bancos custodios, redes logísticas, sistemas de salud, operadores de telecomunicaciones: el mito de la independencia es eso, mito. Modelar esos riesgos en el plan de negocio y en la arquitectura (multi‑proveedor, acuerdos a largo plazo) es crítico.

2. Diseñar modelos de negocio que no ardan a medida que crecen
   Muchas propuestas se sostienen con capital riesgo barato y unit economics frágiles. Pensar desde pronto en monetización sostenible (suscripción, B2B2C, infraestructura para terceros) reduce la probabilidad de convertirse en un experimento caro.

3. Invertir antes en cumplimiento y gobernanza de datos
   Salud, finanzas, movilidad: todos acabarán bajo escrutinio regulatorio. Tener ciberseguridad, privacidad y ética de datos como capas fundacionales, no aditivas, será una ventaja competitiva cuando lleguen las inspecciones.

4. Evitar convertirse en el departamento de I+D gratuito del incumbente
   Colaborar sí, pero con claridad sobre propiedad intelectual, acceso a datos, opción de independencia futura. Muchos acuerdos de «innovación abierta» acaban siendo filtros de scouting para adquisiciones baratas.

5. Cuidar la cara humana de la disrupción
   Cada feature que simplifica la vida del usuario puede estar precarizando algún eslabón de la cadena (repartidores, agentes de atención, personal sanitario interino). Ignorar esa dimensión no solo es éticamente cuestionable; también es un riesgo reputacional.

La gran pregunta: ¿y si el verdadero perdedor es el ciudadano‑plataforma?

Volvamos al día que hemos seguido:

• Ana consigue estabilizar la app del banco. Nadie en el comité habla del coste psicológico en el equipo que ha pasado 12 horas en war room.
• Leo cierra, con descuento, el contrato con el neobanco global. Gana runway, pero acepta cláusulas que lo atan a una infraestructura regulada que no controla.
• Marta presenta al consejo una mejora de conversión online del 0,8%. Sonríen, pero no discuten qué pasará con las tiendas que sobran.
• Carla celebra un crecimiento del 40% en su marketplace, mientras renegocia a la baja las tarifas con un operador logístico que ya está al límite.
• Julián consigue reducir tiempos de espera con una solución de triaje digital, pero ve cómo aumenta la presión sobre un personal ya agotado.
• Sara logra visibilidad gracias al influencer, pero se enfrenta a la responsabilidad de gestionar la salud mental de miles de usuarios, con plantillas limitadas.
• Ricardo reduce costes de ruta con mejor analítica, a costa de estrechar márgenes para los conductores.
• Inés optimiza su algoritmo de asignación, pero la ciudad donde opera vocaliza su hartazgo con el tráfico y la ocupación del espacio público.

¿Quién gana y quién pierde en este tablero?

• Ganan los grandes incumbentes que logran hibridar su escala con la agilidad aprendida del ecosistema startup.
• Ganan las startups que, en lugar de buscar solo el exit rápido, se convierten en infraestructuras críticas con modelos sostenibles.
• Ganan algunos inversores que saben salir a tiempo de cada ola.

Pero el perdedor recurrente corre el riesgo de ser el mismo de siempre: el ciudadano que, como cliente, empleado o habitante de una ciudad, vive la fricción acumulada del sistema. Disfruta de mejores apps, de más servicios on‑demand, de atención médica remota y entregas en dos horas… mientras absorbe costes invisibles en privacidad, precariedad y saturación.

La cuestión estratégica que pocos comités plantean es otra: ¿qué pasa cuando la suma de optimizaciones locales de incumbentes y startups genera un resultado global socialmente inestable?

La próxima vez que una app de banco falle, que un paquete llegue con retraso o que una cita médica se reprograme por cuarta vez, la pregunta no es «¿quién innovó menos?», sino: ¿quién diseñó el sistema de forma que los costes caigan siempre hacia abajo?

Hasta que esa pregunta no esté en la agenda de Ana, Leo y sus equivalentes en cada sector, la transformación digital seguirá siendo un juego donde los ganadores se cuentan en valoraciones bursátiles y las pérdidas se miden en tiempo, estrés y confianza social.

Referencias

1. Definición de startup y características de escalabilidad e incertidumbre: «Empresa emergente». Wikipedia en español.
2. Diferencias clave entre startups y empresas tradicionales en riesgos y escalabilidad: Cámara Valencia – TIC Negocios: «Startup vs empresa tradicional: diferencias clave y conceptos básicos».
3. Dinámica de innovación y competitividad en transformación digital en grandes empresas: «Innovación y Competitividad en la Transformación Digital» (recurso Educapes/Capes).
4. Auge del ecosistema emprendedor tecnológico y caso Nubank en América Latina: Real Instituto Elcano, ARI 103-2024.
5. Uso de inteligencia artificial por tamaño de empresa: Informe citado por El País sobre brecha de IA entre grandes y pequeñas empresas (2025).
6. Impacto de la transformación digital en nuevas startups y papel de plataformas de pago como Stripe: RealidadEconomica.es.
7. Rol de startups en la aceleración de la transformación digital de grandes empresas: Evox Global, «Startups podem acelerar transformação digital de grandes empresas».