Los modelos que nos quemaron los dedos: crónica de 2050 sobre bancos, tiendas, hospitales y flotas que confundieron crecimiento con control

1. El gancho: el día en que los balances dejaron de impresionar

Madrid, año 2024. Un director de riesgos de un gran banco español mira dos pantallas.

En la de la izquierda, el informe impreso con la rentabilidad récord del sector bancario que KPMG subraya con euforia moderada: solvencia reforzada, calidad crediticia en máximos históricos, consejo del Banco de España a mantener la prudencia. Edificios de mármol, ratios de capital, dividendos.

En la de la derecha, el panel en tiempo real de una fintech que aún no ha alcanzado beneficios, pero que ya gestiona millones de usuarios gracias a una app que se abre con la misma naturalidad con la que se mira el tiempo. Revolut acaba de superar los cinco millones de clientes en España. TaxDown y Embat cierran rondas para expandir sus soluciones de IA a la fiscalidad y a la tesorería corporativa.

En la sala, nadie discute qué modelo es más sólido. Discuten otra cosa: quién diseñará las reglas de juego de aquí a diez años.

Ese fue el error silencioso de la década: creer que la batalla era solo de márgenes y costes, cuando en realidad se estaba decidiendo qué entendíamos por negocio, por riesgo, por relación con el cliente y por tecnología. En 2050, cuando revisamos los datos, los informes y las métricas de aquellos años, lo que vemos no es una guerra entre gigantes y startups, sino algo más incómodo: dos cegueras distintas sobre el mismo tablero.

Para entenderlo, hay que mirar cuatro escenas sueltas: una oficina bancaria llena de sucursales vacías, un centro comercial reconvertido en almacén oscuro, una consulta médica por videollamada que no sabe quién paga la factura, y una ciudad atascada donde los motores están optimizados, pero el tiempo humano sigue desperdiciado.

Solo al final estas escenas encajarán.

2. Génesis parcial: cómo se fabricaron las jaulas en cuatro sectores

Desde aquí, 2050, las diferencias entre "tradicional" y "startup" nos parecen menos importantes que las similitudes ocultas. Pero en los años 2020, todo se narraba como choque frontal. Veamos las piezas.

2.1. Banca vs fintech: la máquina de confianza y la máquina de fricción negativa

Modelo tradicional (banca)

Los bancos españoles de principios de los 2020 eran máquinas de transformación de plazos: margen de intereses sobre préstamos y depósitos, comisiones por servicios (tarjetas, medios de pago, gestión de patrimonios), tasas por transacción.

Su estructura de costes estaba anclada en:

• Sucursales físicas, alquileres y mantenimiento.
• Plantillas amplias, con estructuras jerárquicas rígidas.
• Sistemas core heredados, costosos de mantener y difíciles de modificar.

Los canales de distribución combinaban oficinas, cajeros, banca online y móvil, pero el corazón estratégico seguía gravitando alrededor de la red física y del balance regulado. Las relaciones con partners incluían aseguradoras, gestoras de fondos, redes de tarjetas y, progresivamente, algunas fintech integradas como proveedores.

Regulación: Basilea III, protección del consumidor, MiCA para criptoactivos, supervisión intensa del Banco de España y del BCE. Las barreras de entrada eran enormes: capital regulatorio, licencias, requisitos de solvencia, auditorías, y un intangible crítico: confianza social e institucional.

En 2023, el diagnóstico oficial era de fortaleza: alta rentabilidad, solvencia sólida, resiliencia a perturbaciones (según el propio Banco de España). Pero la narrativa financiera escondía otra variable que pocos medían: cuántos clientes seguían por obligación, no por preferencia.

Modelo startup (fintech)

Las fintech españolas y europeas crecían como colonias experimentales al borde del sistema. España se consolidó como tercer país europeo por número de fintech activas (977), solo por detrás del Reino Unido y Alemania.

Sus modelos de ingresos:

• Comisiones por transacción y por servicio (pagos, cambio de divisas, inversión retail).
• Suscripciones premium (banca digital avanzada, herramientas de gestión).
• Freemium con monetización por cross-selling financiero.
• Marketplaces de productos de terceros.

Estrategia de crecimiento: en muchos casos, blitzscaling digital —captar usuarios rápido, maximizar LTV, optimizar funnels—, aunque una segunda ola apostó por crecimiento disciplinado y unit economics positivos desde etapas más tempranas.

Unit economics típicos:

• CAC elevado, pero decreciente con efectos de red y marca.
• LTV en aumento gracias a la ampliación de servicios (seguros, inversión, crédito al consumo).
• Alto apalancamiento tecnológico: cada euro adicional de ingresos requería menos capital humano que en la banca tradicional.

Dependencia del capital riesgo: crítica en etapas iniciales, con rondas como los 4 millones de BBVA Spark a TaxDown o los 30 millones a Embat para expansión internacional e IA aplicada a tesorería. La promesa: construir infraestructura financiera ligera, modular y global.

Comparación sistemática en banca/fintech

• Propuesta de valor
  Bancos: seguridad, amplitud de servicios, capacidad de absorber shocks, gestión integral.
  Fintech: experiencia de usuario fluida, costes bajos, verticalización (por ejemplo, fiscalidad o tesorería), personalización basada en datos.

• Segmentos de clientes
  Bancos: base masiva, desde minorista hasta grandes corporaciones y sector público.
  Fintech: nichos de alta afinidad digital: jóvenes, pymes dinámicas, profesionales internacionales, empresas con alta complejidad de tesorería.

• Estructura de costes y apalancamiento
  Bancos: costes fijos elevados (red física, legacy IT), apalancamiento operativo limitado por regulación y necesidad de redundancia.
  Fintech: costes variables más elásticos, infra cloud, equipos compactos; cada mejora tecnológica se traducía en más escala con poco coste incremental.

• Precios y empaquetado
  Bancos: estructuras de comisiones opacas, paquetes cerrados, cross-selling intensivo.
  Fintech: precios transparentes, pay-per-use, planes freemium y suscripciones.

• Velocidad de innovación
  Bancos: ciclos largos, pruebas piloto, fuerte dependencia de compliance.
  Fintech: ciclos cortos, A/B testing continuo, integración masiva vía API.

• Dependencia tecnológica y automatización
  Bancos: core banking rígido, capas de modernización y APIs sobre sistemas antiguos.
  Fintech: nativas cloud, arquitecturas modulares, automatización desde el primer día.

• Exposición regulatoria y riesgos
  Bancos: riesgo regulatorio alto pero conocido; riesgo sistémico; escrutinio público.
  Fintech: zonas grises regulatorias, vulnerabilidad a cambios de norma; riesgo de dependencia de partners bancarios para licencias críticas.

La ironía histórica: MiCA y regulaciones similares terminaron consolidando la posición de los bancos también en criptoactivos (la mayoría de los 54 proveedores autorizados eran bancarios), mientras muchas fintech descubrieron que el futuro que ayudaron a construir corría por infraestructuras de los mismos gigantes a los que querían sustituir.

2.2. Retail vs e‑commerce: la estantería infinita y el pasillo vacío

Modelo tradicional (retail físico)

Las cadenas minoristas vivían de un modelo lineal: comprar inventario, colocarlo en estanterías, vender con margen. Sus ingresos dependían de:

• Venta directa en tienda.
• Acuerdos promocionales con marcas (colocación preferente, campañas conjuntas).

Costes:

• Alquiler de locales y gastos asociados.
• Personal de tienda y logística interna.
• Sistemas de gestión de inventario y punto de venta.

Canales de distribución centrados en la tienda física, con presencia online muchas veces tratada como apéndice. Relación con partners basada en negociación de volumen. Regulación orientada a consumo, competencia, requisitos laborales y fiscales. Barreras de entrada: capital para locales, redes de suministro, marca consolidada.

Modelo startup (e‑commerce y D2C)

Las startups de comercio electrónico y direct-to-consumer explotaban otros mecanismos:

• Venta online directa, con márgenes mejorados por desintermediación.
• Comisiones por marketplace, dropshipping, modelos híbridos retail‑plataforma.
• Suscripciones (cajas temáticas, reposición automática, programas de fidelidad de pago).

Crecimiento: blitzscaling apoyado en marketing de resultados y logística de terceros, seguido de una fase de consolidación más disciplinada ante el encarecimiento del capital.

Unit economics:

• CAC inicialmente bajo en nichos vírgenes, luego al alza según sube el coste de publicidad digital.
• LTV apalancado en recurrencia y programas de fidelización.
• Margen bruto sensible a costes logísticos y devoluciones.

Dependencia de capital riesgo notable en los grandes marketplaces y verticales agresivos, menor en marcas D2C más austeras.

Comparación sistemática en retail/e‑commerce

• Propuesta de valor
  Retail físico: inmediatez física, experiencia táctil, consejo presencial.
  Startups e‑commerce: variedad casi infinita, conveniencia absoluta, personalización y reviews sociales.

• Segmentos de clientes
  Retail: base amplia, foco en proximidad y compras rutinarias.
  Startups: segmentos nicho (aficiones, estilos de vida, valores específicos) y consumidores cómodos con esperar a cambio de mejores precios u opciones.

• Estructura de costes
  Retail: costes fijos altos en locales; logística optimizada a pallets, no a paquetes individuales.
  E‑commerce: costes variables dominados por envíos y devoluciones; almacenes automatizados; dependencia de plataformas logísticas.

• Precios y empaquetado
  Retail: precios menos dinámicos, promociones periódicas.
  E‑commerce: precios dinámicos, bundles personalizados, cupones y programas de suscripción.

• Velocidad de innovación
  Retail: cambios de surtido por temporadas, pocas pruebas de modelo.
  Startups: pruebas constantes de UX, catálogo, logística, pricing.

• Dependencia tecnológica
  Retail: sistemas de caja e inventario; presencia digital reactiva.
  E‑commerce: plataformas web/mobile, analítica avanzada, recomendadores.

• Regulación y riesgos
  Retail: inspecciones físicas, riesgos laborales.
  E‑commerce: privacidad de datos, fraude online, dependencia de regulaciones de consumo digital.

Con el tiempo, muchos centros comerciales se reconfiguraron como naves logísticas mixtas: símbolo material de una transición que nadie había diseñado, solo asumido.

2.3. Salud vs healthtech: la consulta de ladrillo frente al algoritmo sin rostro

Modelo tradicional (salud)

Hospitales y clínicas operaban con un modelo complejo:

• Ingresos vía seguros públicos/privados, copagos y servicios adicionales.
• Estructura de costes pesada: personal sanitario y administrativo, equipamiento de alto coste, infraestructuras físicas.

Canales: centros físicos, derivaciones, atención telefónica básica. Partners: aseguradoras, proveedores de tecnología médica, farmacéuticas. Regulación: estricta en seguridad del paciente, protección de datos, autorizaciones profesionales. Barreras de entrada: enormes en capital, licencias y confianza social.

Modelo startup (healthtech)

Las healthtech emergieron en zonas más acotadas del sistema:

• Telemedicina, seguimiento remoto, wearables.
• Gestión de historiales, cita previa inteligente, triaje automatizado.
• Marketplaces de profesionales, terapias digitales.

Monetización:

• Suscripciones B2C (apps de salud mental, fitness clínico, seguimiento crónico).
• B2B con clínicas, aseguradoras o empresas (prevención, bienestar laboral, gestión de pacientes).
• Pay‑per‑use por consulta o servicio digital.

Crecimiento: disciplinado, forzado por la carga regulatoria y la necesidad de evidencia clínica. Unit economics muy dependientes de acuerdos con pagadores (seguros, sistemas públicos) y de mantener un CAC asumible en entornos de desconfianza.

Comparación sistemática en salud/healthtech

• Propuesta de valor
  Sector tradicional: continuidad asistencial, acceso a recursos de alta complejidad, legitimidad profesional.
  Healthtech: accesibilidad, conveniencia, prevención personalizada, monitorización continua.

• Segmentos de clientes
  Hospitales: población general; priorización por patología y urgencia.
  Startups: nichos (salud mental, crónicos concretos, bienestar corporativo, medicina preventiva).

• Estructura de costes
  Hospitales: intensivos en capital y personal, costes fijos altos.
  Healthtech: equipos pequeños, costes de desarrollo y mantenimiento tecnológico, escalabilidad elevada en software.

• Precios y empaquetado
  Tradicional: tarifas reguladas, paquetes por acto médico, GRD.
  Startups: suscripción mensual, paquetes de servicios, freemium con upsells.

• Velocidad de innovación
  Tradicional: cauta, orientada a evidencia y protocolos.
  Startups: rápida en interfaz y experiencia, más lenta en componentes clínicos por requisitos regulatorios.

• Dependencia tecnológica
  Hospitales: sistemas de información fragmentados, historiales poco interoperables.
  Healthtech: nativas API, data-driven, dependientes de integraciones y de estándares de datos.

• Regulación y riesgos
  Tradicional: riesgo clínico directo, fuerte supervisión.
  Startups: riesgo de privacidad, medicalización excesiva mediante apps, brechas de calidad clínica.

El gran malentendido de la época: creer que la telemedicina sustituiría al hospital, cuando en realidad lo más transformador era quién poseería y orquestaría los datos de salud a lo largo de décadas.

2.4. Movilidad y logística: la flota densa y la ruta líquida

Modelo tradicional (movilidad/logística)

Operadores logísticos y de transporte funcionaban como engranajes de baja elasticidad:

• Ingresos por contratos de transporte, tarifas por kilómetro, servicios de almacenaje.
• Costes: flotas propias, combustible, mantenimiento, almacenes, personal de conducción y gestión.

Canales: contratos B2B, licitaciones públicas, acuerdos a largo plazo. Partners: fabricantes, aseguradoras, operadores de infraestructuras. Regulación: seguridad vial, tiempos de conducción, normativas medioambientales, licencias. Barreras: capital en flota e infraestructuras, licencias, redes de clientes consolidadas.

Modelo startup (mobility/logistics tech)

Las startups atacaron los intersticios:

• Plataformas on‑demand de movilidad urbana.
• Marketplaces de transporte de mercancías, matching entre carga y camión disponible.
• SaaS de optimización de rutas, gestión de flota, seguimiento en tiempo real.

Monetización:

• Comisiones por transacción (marketplaces de carga, ride‑hailing).
• Suscripciones SaaS o tarifas por uso (optimización de rutas, TMS en la nube).
• Modelos híbridos con publicidad o tarifas dinámicas.

Crecimiento: agresivo en plataformas de movilidad urbana (subvencionado por capital riesgo), más gradual en SaaS B2B, donde primaba la retención y el ARPU elevado.

Unit economics:

• Plataformas: margen por viaje ajustado, presionado por regulaciones laborales y competencia.
• SaaS logístico: márgenes brutos altos, CAC recuperable si se lograba stickiness en flotas medianas y grandes.

Comparación sistemática en movilidad/logística

• Propuesta de valor
  Tradicional: fiabilidad, capacidad de mover grandes volúmenes, red estable.
  Startups: flexibilidad, transparencia en tiempo real, eficiencia de última milla.

• Segmentos de clientes
  Tradicional: grandes cargadores, organismos públicos, corporaciones.
  Startups: pymes logísticas, comercio electrónico emergente, usuarios urbanos finales.

• Estructura de costes
  Tradicional: capex alto en flotas e infra, opex fijo relevante.
  Startups: ligeras en activos (asset‑light), foco en software y datos, externalización del riesgo físico.

• Precios y empaquetado
  Tradicional: tarifas negociadas a largo plazo, estructuras por volumen.
  Startups: precios dinámicos, por uso, segmentación granular por servicio.

• Velocidad de innovación
  Tradicional: lenta, condicionada por contratos y hardware.
  Startups: rápida en algoritmos, app, sistemas de seguimiento, más lenta cuando necesitaban escalar físicamente.

• Dependencia tecnológica
  Tradicional: sistemas de gestión robustos pero poco flexibles.
  Startups: dependientes del móvil, GPS, cloud, integraciones con múltiples sistemas.

• Regulación y riesgos
  Tradicional: estabilidad regulatoria relativa, riesgos laborales y de accidentes.
  Startups: controvertidas en empleo (falsos autónomos), licencias urbanas, conflictos con ciudades.

El resultado fue un extraño híbrido: ciudades gobernadas por algoritmos de asignación de vehículos, pero con infraestructuras y normas diseñadas para un siglo anterior.

3. El conflicto invisible: lo que ni gigantes ni startups quisieron mirar

Desde 2050, el contraste entre modelos de negocio de aquellos años parece evidente. Lo que no se veía tan claro dentro de 2024 era el punto ciego común.

Los incumbentes creían que la ventaja estaba en el control: de activos, reglas, licencias, canales. Las startups apostaron a la velocidad: de adopción, de iteración, de crecimiento. Ambos bandos subestimaron la fragilidad de sus propias métricas.

• Bancos celebraban ROE y CET1, ignorando la erosión silenciosa de la atención de sus clientes, que ya vivían su economía diaria en apps fintech.
• Retail medía ventas por metro cuadrado mientras perdía la batalla por el contexto digital de la compra.
• Hospitales contaban camas y quirófanos, pero no controlaban el ecosistema de datos de salud que crecía fuera de sus muros.
• Logísticas tradicionales presumían de flota, mientras nuevas plataformas convertían el transporte en una variable ajustable por API.

El conflicto invisible no era entre lo viejo y lo nuevo, sino entre dos formas de ceguera:

1. Ceguera de infraestructura: pensar que poseer el activo físico equivalía a poseer el futuro.
2. Ceguera de atención: asumir que capturar la pantalla del usuario era suficiente para capturar el valor a largo plazo.

Ambos fallos de percepción alimentaron una década de movimientos tácticos —corporate venture, rondas de financiación récord, fusiones y adquisiciones— que rara vez cuestionaron la pregunta estructural: ¿qué tipo de dependencia estábamos construyendo?

4. Evidencia fragmentada: lo que decían los números mientras mirábamos a otro lado

Si miramos los informes de 2023–2026 desde 2050, los datos parecen señales de neón que nadie quiso interpretar como advertencia.

• La banca española en 2023 mostraba rentabilidad en máximos, solvencia reforzada y resiliencia, pero al mismo tiempo el país se situaba como medalla de bronce europea en número de fintech activas, con 977 iniciativas atacando partes del negocio bancario.
• Revolut alcanzaba cinco millones de clientes en España, un número enorme para una entidad que, en muchos casos, ni siquiera tenía la misma carga de infraestructura regulada que un banco local.
• Operaciones como los 4 millones de financiación a TaxDown o los 30 millones a Embat mostraban cómo la IA se introducía por los laterales de la fiscalidad y la tesorería, no por el core bancario.
• En e‑commerce, la obsesión por el CAC/LTV ocultó durante años el verdadero cuello de botella: la logística de última milla y la sostenibilidad de ofrecer envíos casi gratuitos.
• En salud, las apps de bienestar y seguimiento proliferaron sin un modelo claro de integración en el sistema público o en los seguros, generando islas de datos valiosos pero desperdigados.
• En movilidad, el crecimiento de plataformas de ride‑hailing vino acompañado de conflictos regulatorios, protestas de taxistas y debates sobre precariedad que anticipaban el coste social del modelo.

Una forma de ver la década desde 2050 es como un scorecard incompleto que todos daban por bueno.

Cuadro 1. Marcador parcial de ganadores y perdedores (circa 2025)

Los datos estaban ahí. Lo que faltaba era la pregunta adecuada: ¿qué ocurre cuando la infraestructura y la atención se concentran en manos distintas, pero ambas son frágiles?

5. El giro estratégico que casi nadie formuló a tiempo

Desde mi 2050, el consejo a cualquier incumbente de 2024 no habría sido "copie a las startups" ni "adquiera más tecnología". Habría sido distinto: reconozca qué parte de su modelo es jaula y cuál es columna vertebral.

5.1. Movimientos que los incumbentes podían haber hecho con menos miedo y más precisión

1. Separar explícitamente dos sistemas:

   • Un sistema estable, regulado, lento, donde vive la infraestructura crítica (balance bancario, red logística, hospitales, cadenas de suministro).
   • Un sistema experimental, rápido, no crítico, donde se prueban nuevos modelos de relación con el cliente, precios, empaquetado, automatización.

   Eso significaba:

   • Corporate venture y CVC no como "teatro de innovación", sino como laboratorio con métricas y gobierno separados del core.
   • Spin‑offs con P&L independiente para canales digitales o verticales específicos.

2. Rediseñar el portafolio con brutalidad honesta:

   • Banca: abandonar productos de bajo margen que solo generaban fricción, apoyarse en fintech para fiscalidad, tesorería avanzada, nichos de inversión, conservando el rol de custodio de confianza.
   • Retail: convertir parte de la red de tiendas en microhubs logísticos o showrooms de alto valor, admitiendo que la estantería de reposición masiva sería online.
   • Salud: integrar healthtech como extensión de la atención primaria y la prevención, en lugar de competir contra ellas como amenazas.
   • Logística: reorientar parte de la flota y de los almacenes a operar como infraestructura para plataformas de terceros.

3. Usar el poder regulatorio como campo de pruebas, no como muro:

   • Abogar activamente por sandboxes regulatorios donde incumbentes y startups pudieran operar bajo reglas experimentales (por ejemplo, en criptoactivos antes de MiCA, en datos de salud, en movilidad urbana).
   • Aceptar que la regulación no solo protege, también anquilosa modelos obsoletos si se defiende solo el status quo.

4. Tomar posiciones en economía de API, no solo consumirla:

   • Exponer funciones clave (pagos, scoring, logística, datos clínicos anonimizados) como servicios regulados, cobrando por acceso seguro.
   • Dejar de ver a las startups como front‑ends bonitos, y tratarlas como clientes de infraestructura.

5. Reescribir incentivos internos:

   • Bonificar a directivos por cerrar líneas de negocio ineficientes, no solo por hacer crecer las existentes.
   • Ligar parte de la compensación al éxito de partnerships con startups, M&A efectivas, integración de nuevas capacidades.

5.2. Cómo las startups podían haber explotado mejor las grietas del modelo tradicional

1. Especialización radical y no dispersa:

   • Fintech centradas en un solo dolor (por ejemplo, tesorería con IA como Embat, fiscalidad como TaxDown) sin caer en la tentación de convertirse en "bancos omnipresentes" antes de tener un core rentable.

2. Unit economics como religión, no como apéndice del pitch:

   • Tratar el CAC/LTV como sistema nervioso del negocio desde la Serie A, no como nota a pie de página.
   • Ajustar el tipo de crecimiento (blitzscaling vs disciplinado) según la fricción regulatoria de cada sector.

3. Arquitectura de dependencia consciente:

   • Diseñar desde el inicio cuánta dependencia de un partner bancario, de un marketplace, de una aseguradora o de un operador logístico era aceptable.
   • Tener un plan explícito para renegociar esa dependencia o diversificarla.

4. Negociar con el regulador como actor de primera clase:

   • Pasar de la lógica "pedir perdón después" a la lógica "codiseñar la norma" en sectores como cripto, salud y movilidad.

5. Ser transparentes con la asimetría de riesgo:

   • Reconocer ante clientes y socios que el riesgo de quiebra, de cambio de condiciones o de pivot brusco es mayor en una startup, y diseñar contratos, SLA y garantías que reflejen esa realidad.

En los 2020, muchas de estas decisiones se tomaron parcialmente. Lo que faltó fue una estrategia que aceptara que la coexistencia entre modelos no era transitoria, sino estructural.

6. El cuadro final: similitudes incómodas y convergencias forzadas

Desde nuestra perspectiva de 2050, el gran error intelectual fue tratar "tradicional" y "startup" como especies distintas. En realidad, eran dos fases del mismo experimento: cuánto riesgo estamos dispuestos a asumir —financiero, tecnológico, social— para sostener una idea de crecimiento.

Ambos modelos compartían una obsesión: expansionarse hacia el máximo posible de segmentos, geografías y productos. Y ambos ignoraron durante años la pregunta contraria: ¿dónde debemos aprender a no crecer?

Lo que vemos en las series históricas es un patrón: tras una década de euforia fintech, la banca conservó el corazón regulado del sistema, mientras muchas startups se integraron como capas de experiencia o de servicio especializado. En retail, la frontera entre tienda física y e‑commerce se disolvió en cadenas híbridas. En salud, las healthtech más relevantes se convirtieron en infraestructura de datos y de seguimiento, no en sustitutos de hospitales. En movilidad, los algoritmos ganaron, pero a costa de conflictos laborales que obligaron a rediseñar modelos.

El resumen se puede comprimir en una última tabla, que muchos habrían necesitado colgar en sus salas de consejo en 2024.

Cuadro 2. Resumen comparativo de modelos: 2024 visto desde 2050

Mirado así, la pregunta estratégica de 2024 —"¿quién ganará, incumbentes o startups?"— era una distracción. La pregunta que de verdad importaba, y que apenas se formuló, era otra: ¿seremos capaces de diseñar modelos de negocio que no dependan solo de crecer, sino de decidir juntos qué límites queremos no cruzar?

La respuesta, en 2050, sigue en construcción; pero al menos ya sabemos que ninguna de las dos formas de ceguera inicial nos servirá para verla.

7. Referencias

1. KPMG Tendencias, "Radiografía de la banca española: prudencia tras un récord de rentabilidad" (2023).
2. Muypymes, "España, medalla de bronce europea en fintechs activas" (2023).
3. Cinco Días (El País), "Las fintech y el sector bancario: una relación de largo recorrido" (2023).
4. Cinco Días (El País), "BBVA Spark cierra una financiación de cuatro millones con la 'fintech' TaxDown para impulsar el crecimiento y sus soluciones de IA" (2026).
5. Cinco Días (El País), "La 'fintech' española Embat levanta 30 millones para la expansión internacional de su gestión de tesorería con IA" (2026).
6. El País Economía, "MiCA en España: una regulación exigente, con liderazgo bancario y oportunidades aún por activar" (2025).
7. IE Insights, "Innovación del modelo de negocio: ecosistemas, orquestadores y plataformas".
8. Fem Consultoría, "Modelos organizativos en startups ágiles".