He hablado con 3 fundadores de diferentes empresas que juegan este juego en los últimos 10 días. Sus empresas venden datos de entrenamiento a laboratorios de IA de frontera, y todos hablan como la gente habla cuando el suelo se mueve bajo sus pies. Algo así.
Empezamos en abril. En el primer trimestre cerramos $30M en pedidos. Hay órdenes de compra abiertas en mi escritorio por $100M. Para diciembre deberíamos estar por encima de $150M.
. Nada es recurrente, pero todo está creciendo. Este mes podríamos cerrar en $20M. Somos menos de 12 personas, y tal vez algunos pasantes.
Cada conversación que tengo en este mercado suena así ahora. Por un tiempo pensé que esto es un cohete, ¿por qué no habla más gente de ello? Entonces me di cuenta de que los propios fundadores se hacen una mejor pregunta. Saben que el efectivo es real. Saben que los contratos no son para siempre. ¿Qué deberías hacer en una situación así?
Lo que realmente se vende
Seis cosas.
Algunas empresas venden horas: humanos etiquetando imágenes y calificando respuestas de chatbots, el producto de la era de la línea de montaje, ya en declive. Algunas venden juicio: médicos, abogados y físicos escribiendo cómo razonan, a $100-$500 la hora, porque los modelos agotaron lo que los aficionados podían enseñarles. Algunas venden mundos: instancias simuladas de Salesforce, bancos falsos, hospitales réplica donde los agentes practican un trabajo a través de millones de repeticiones. La unidad aquí es juicio experto envuelto en una tarea, un mundo para actuar, una rúbrica que define lo bueno y un verificador que lo puntúa. Algunas venden veredictos: benchmarks, evaluaciones, equipos rojos, los árbitros de la carrera. Algunas venden cuerpos: sensores, guantes táctiles y arneses de cámara en trabajadores reales, porque los robots necesitan ver manos. Y algunas venden derechos: archivos con licencia, los acuerdos al estilo Reddit que valen decenas de millones al año, instituciones que convierten décadas de texto acumulado en una anualidad.
Ahora mira cómo llega el dinero realmente. Casi todo es una orden de compra contra un entregable: un conjunto de datos aceptado, un lote de tareas que pasa el control de calidad, un entorno enviado. Nada se renueva por defecto. Las cifras destacadas que lees son anualizadas, generalmente el mejor mes multiplicado por 12, en un negocio donde un laboratorio puede duplicar o reducir a cero sus pedidos en un trimestre. Y todos los que están dentro saben que el ingreso bruto no es neto. Los marketplaces pasan el 60-70% de la facturación a los expertos que hacen el trabajo. La excepción es estructural: las empresas que ejecutan su entrega desde geografías de menor costo retienen el 70-80%+ de cada dólar, por lo que algunos de los nombres más rentables en este mercado son los que las listas de valoración apenas siguen. A los laboratorios no les importa dónde se fabricó el juicio, al menos por ahora. El P&L del proveedor sí importa.
Los gigantes accidentales
Casi nadie en la cima de este mercado se propuso construirlo.
Mercor comenzó como un marketplace que conectaba ingenieros freelance con empresas, con un entrevistador de IA haciendo la selección. Micro1 comenzó de la misma manera, una reclutadora de IA llamada Zara. Turing pasó años como un marketplace de desarrolladores remotos. Handshake pasó una década como una red de reclutamiento universitario y dio un giro al notar que los laboratorios estaban atrayendo a doctores anotadores de su propia base de miembros. Dejó de alquilar su red y comenzó a vender el trabajo directamente, pasando de 0 a aproximadamente $1B en ingresos brutos anualizados en unos 16 meses. Incluso Scale comenzó como una API para Mechanical Turk antes de encontrar los autos autónomos.
El patrón te dice cuál es realmente el producto. Estas empresas no ganaron porque entendieran los datos. Ganaron porque ya habían construido máquinas para verificar extraños a escala: quién es realmente un médico, qué ingeniero puede codificar de verdad, en quién se puede confiar sin conocerlo. Cuando los laboratorios necesitaron expertos verificados por miles, las empresas de reclutamiento eran las únicas que tenían la oferta. Los datos nunca fueron el producto. El juicio verificado lo fue, y los titulares del juicio verificado eran plataformas de empleo.
Por qué los laboratorios siguen pagando
La razón por la que los laboratorios firman órdenes de compra de nueve cifras es una guerra de la que no pueden salir. Casi parecía que Anthropic estaba adelante por un tiempo, pero las últimas dos semanas han nivelado en gran medida el campo de juego. Ningún laboratorio tiene una ventaja de capacidad duradera. Nadie retiene la corona por una temporada completa, los modelos abiertos están a meses de la frontera, y cada nivel de precios sigue colapsando. Están en una cinta de correr. Los proveedores de datos venden lo que se necesita para alimentar esa cinta. Sus ingresos no requieren elegir un ganador. Es un impuesto sobre el hecho de que nadie gana.
Alex Karp ha pasado este mes acusando a Silicon Valley de sobredimensionar la IA, diciéndole al público que no crea en sus propios ojos. Las órdenes de compra están de acuerdo con él. Si los modelos estuvieran casi terminados, los laboratorios no estarían pagando tanto por el juicio humano. Cada factura en esta industria es una confesión sobre lo que los modelos aún no pueden hacer.
Pero la misma cinta de correr está ejecutando a sus propios proveedores. En 2023 el producto eran trabajadores de crowdsourcing calificando respuestas. Una vez que los modelos superaron a los calificadores, las calificaciones se convirtieron en ruido, y 2024 perteneció a los expertos acreditados. Luego los modelos de razonamiento aprendieron a calificarse a sí mismos contra respuestas comprobables, y 2025 movió el dinero a entornos y rúbricas. Cada generación de modelos se gradúa más allá de los datos que los entrenaron. Los escalones debajo de la frontera siguen disolviéndose. La frontera sigue pagando.
Hablé con un amigo en un laboratorio de frontera este fin de semana y le pregunté con cuántos proveedores de datos trabaja directamente. Siete, dijo. A los siete se les ha encomendado producir el mismo tipo de conjuntos de datos. No hace falta decir que dentro de un año, algunos de ellos verán desaparecer esa orden de compra. Ese es todo el mercado en una anécdota: una demanda enorme, una oferta duplicada deliberadamente, y un comprador que posee el reloj.
El reloj dentro de cada contrato
Investigadores de Epoch AI entrevistaron a proveedores y publicaron la hoja de precios: una réplica simple de sitio web para entrenamiento de agentes cuesta unos $20k, y se dice que un laboratorio compró cientos de ellas, una vez, como compras conos para una escuela de manejo. Una clonación de alta fidelidad de una herramienta empresarial con tareas escritas por expertos cuesta . Las tareas individuales se cotizan entre $200 y $2k, y la exclusividad multiplica todo 4-5x, porque una tarea en la que también entrena tu rival no te enseña nada sobre cómo vencerlo.
Pero aquí está el giro: una vez que los modelos pasan una tarea aproximadamente el 70% de las veces, la tarea se descarta. El producto se deprecia al tener éxito. Eso garantiza pedidos repetidos, por lo que las curvas de ingresos se ven verticales, y también garantiza que nada se anualice por sí solo. Todo debe reconstruirse más difícil, para siempre. En cierto modo, los proveedores también están corriendo en una cinta más débil, justo al lado de los laboratorios de frontera.
Tengo la sensación de que los fundadores en este espacio son optimistas sobre el negocio de datos para los próximos 3-4 años al menos, y tal vez deberían serlo, pero los compradores aquí, los laboratorios de frontera, están eligiendo trabajar en ambos lados del mostrador. Se dice que Anthropic discutió gastar más de $1B en entornos en un año mientras trabajaba con una docena de proveedores y obligaba a todos a adaptarse a sus marcos de trabajo, la comoditización por adquisición. Se dice que OpenAI ha registrado una plataforma interna de datos destinada a reducir la dependencia de los mismos proveedores que enriquece, y ha pedido a los contratistas que suban artefactos de trabajo real pasado, la forma más cortés de decir: "queremos la fuente, no el revendedor". xAI redujo un tercio de su equipo interno de anotación para cultivar tutores especializados en su lugar. Karpathy, optimista sobre los entornos como concepto, es públicamente pesimista sobre la técnica de entrenamiento que toda la categoría monetiza.
Esto ha sucedido antes, dentro de esta misma industria. Entre 2016 y 2021, una generación de empresas de datos se alimentó de programas de autos autónomos, luego los fabricantes de automóviles sobrevivientes internalizaron el etiquetado y los proveedores más puros fueron absorbidos o cerrados. Scale sobrevivió porque saltó a la ola de los LLM a tiempo. Considera a Appen. Una empresa australiana, una vez un darling cotizado de $4 mil millones que suministraba datos humanos a grandes tecnológicas, con, en su apogeo, el 80% de los ingresos de cinco clientes. En enero de 2024, Google canceló su contrato sin previo aviso. La acción ha caído más del 95% desde ese pico. Un correo electrónico de un cliente, un cambio de técnica, y el titular de toda la categoría se convirtió en un caso de estudio. Pharma fue por el otro lado, nunca recuperó los ensayos de medicamentos internamente, y 40 años después, la industria de ensayos subcontratados sigue creciendo. Ambos finales son posibles aquí. Cuál te toca se decide por una ley.
Pero, ¿cuál es la ley? Todo lo que una máquina puede verificar, las máquinas eventualmente lo aprenderán sin ti. Todo lo que aún necesita que un humano diga "esto está bien" sigue pagando a los humanos. El código se puede verificar, por lo que fue la primera víctima, y los laboratorios ahora extraen sus propias tareas de entrenamiento de repositorios públicos por decenas de miles. El gusto, la ambigüedad, el juicio regulado y el mundo físico caen al final, tal vez nunca. No hay una prueba unitaria para lo que ve un cirujano senior, y no puedes hacer una prueba unitaria a una camisa doblada. La verificación es la escasez. Vende en contra de eso y el reloj trabaja a tu favor en lugar de en tu contra.
Qué debería comprar el efectivo
Nada de esto significa que la ola de datos sea falsa. El dinero es real, el crecimiento es real, y la física de la cinta de correr garantiza demanda de tareas más difíciles durante años. Significa que la ola recompensa una forma muy específica de empresa, y castiga a los clones, en un nicho donde una empresa completamente autofinanciada puede enviar un producto y un equipo de entrega offshore puede subcotizar cualquier precio que cotices. Cuando el cliente número uno de un mercado está construyendo tu reemplazo mientras paga tus facturas, tu producto no es el foso. Tu posición lo es.
Así que aquí está la pregunta real, la que los fundadores que están imprimiendo este dinero se hacen durante la cena. Nadie que dirija un negocio que genera $100M-500M en efectivo de órdenes de compra con estos márgenes va a parar. Ni deberían. Toma cada pedido. Corre la máquina a toda máquina. El único error disponible en esta etapa es tratar el botín como el negocio en lugar de como el financiamiento para el negocio. El ingreso por órdenes de compra es un gran combustible, pero lo que sigue es el menú de lo que puede comprar, y una lectura honesta de cada opción.
Profundiza en los datos, no en amplitud. El movimiento perezoso es horizontal: más dominios, más oferta generalista, compitiendo con 4 gigantes que poseen la confianza. El movimiento que se acumula es vertical: elige un dominio donde la verificación siga siendo difícil, contrata a los 200 mejores expertos como propios, y conviértete en el único interlocutor al que los laboratorios llaman para eso. Una empresa joven posee el audio. Una posee el diseño de chips. Una posee las matemáticas avanzadas. Nuevos escalones seguirán apareciendo a medida que los modelos avancen, y que los laboratorios generen sus propios datos no termina esta demanda, la mueve hacia arriba en la curva de dificultad hacia quien sea dueño de la cima de un dominio. Funciona cuando realmente posees expertos escasos. Falla cuando tus expertos son intercambiables con la hoja de cálculo de un rival.
Ve a lo físico, y posee el ciclo completo. El error en los datos físicos es pensar que los guantes son el negocio. La captura de hardware es la parte barata. Las empresas que importarán ejecutan la operación de recolección de principio a fin: emplean a los trabajadores, construyen los equipos, contratan expertos internos de la industria que saben cómo se ve una soldadura, sutura o procedimiento de bloqueo correcto, codifican cómo opera realmente una industria, y venden el subproducto anotado con términos de exclusividad. Los cuadros más vacíos en el mapa que he logrado crear en mi cabeza son plataformas industriales, refinerías, pisos de fábrica, minas, lugares donde no existe ningún conjunto de datos a ningún precio mientras todos se agolpan en el comercio minorista, las finanzas y las demostraciones relacionadas con la salud. Sin embargo, esto funciona cuando controlas la captura, la calidad y los derechos, y falla cuando eres un intermediario para las cámaras de otros.
Sigue construyendo entornos, pero véndelos más arriba en la pila. El nivel de réplica de sitio web de $20k ya se está comoditizando en hubs de código abierto. El nivel duradero es de alta fidelidad, calificado por expertos, exclusivo, y apunta a 2 compradores, no a 1. Laboratorios hoy. Empresas mañana, y ese segundo comprador lo cambia todo. Satya Nadella le ha estado diciendo a cada empresa que pagan por la inteligencia dos veces, una en dinero y otra en el juicio propietario que se filtra a través de cada prompt, por lo que deben construir sus propias evaluaciones y sus propios entornos de aprendizaje dentro de sus propios muros. Lee eso como una especificación de producto. La habilidad exacta que construiste para el trabajo de laboratorio, convertir un flujo de trabajo desordenado en un mundo con rúbricas y verificadores, se convierte en gimnasios de entrenamiento privados detrás del firewall de un cliente: su proceso de reclamos, su mesa de operaciones, su hospital, simulados para que sus agentes puedan aprender sin que su juicio salga del edificio. Multiplica tu número de compradores de 5 a 5,000. Funciona porque usa el mismo músculo. Falla solo si esperas a que las órdenes de compra de los laboratorios se ralenticen antes de construirlo.
Entra en los flujos de trabajo empresariales con los ojos abiertos. Desplegar agentes dentro de las empresas es trabajo de despliegue avanzado: mapear cómo se mueven realmente las facturas, descubrir que el SOP es ficción, sentarse con el equipo hasta que las excepciones se detengan (recientemente escribí un artículo completo sobre esto). Es un destino real, y algunas empresas de datos construirán negocios reales allí. Pero conoce la física antes de comprometer el efectivo en esto. Los ingresos de datos llegan como órdenes de compra de $25M firmadas en semanas, los ingresos empresariales llegan como pilotos de $500k-$2M firmados en trimestres, y aproximadamente el 95% de los pilotos de IA empresariales hoy no muestran un retorno medible. El movimiento funciona como una unidad operada por separado con expectativas separadas y su propio liderazgo. Falla como un proyecto secundario atendido por quien el negocio de datos pueda liberar, porque el músculo es diferente y necesita paciencia, integración y código de pegamento en lugar de rendimiento.
Compra cómputo solo si el cómputo alimenta tu producto. Más de un fundador en este mercado se pregunta si el efectivo debería convertirse en GPUs y una plataforma de RL alojada. La respuesta honesta es que alquilar cómputo bruto es un commodity aplastado entre los hiperescaladores y las neoclouds, y un tesoro lleno de silicio depreciado no es un foso. La versión que funciona es más estrecha: alojar los bucles de entrenamiento que se ejecutan dentro de tus propios entornos, donde la utilización es tuya para garantizar y el cliente está comprando el mundo más el gimnasio más el cómputo como un solo producto. Prime Intellect ya ejecuta esta jugada en abierto. Regaló un hub de más de 2,500 entornos comunitarios y vende el cómputo y el entrenamiento alojado que se ejecuta sobre ellos. Los entornos son el escaparate. Las GPUs son la caja registradora. Esa es una apuesta de riesgo, no una decisión de estacionar efectivo. Si yo fuera un fundador haciendo esto, tomaría la decisión deliberadamente o no la tomaría.
Adquiere el siguiente escalón en lugar de construirlo tarde. La asignación de capital más instructiva en este mercado hasta ahora es que un gigante usó su botín de órdenes de compra para comprar 2 startups de entornos en 5 meses, comprando su camino hacia el nuevo escalón mientras los competidores todavía estaban contratando para ello. En unos 18 meses, es probable que el modelo posicione a empresas con ingenieros de entornos reales que les encantaría ser adquiridas. La velocidad es la única ventaja aquí. Estás sentado sobre montones de efectivo, por lo que un cofre de guerra más un mapa claro de qué escalón viene después supera a la velocidad orgánica en un mercado que se rehace cada 18 meses.
Vende a gobiernos. Hay una nueva clase de clientes llegando. Los gobiernos que compran programas de IA soberanos necesitarán tuberías de datos nacionales, corpus en idioma nativo, evaluaciones locales y datos físicos de sus propias fábricas y campos, por las mismas razones por las que compran sus propias redes eléctricas.
Y convierte lo que puedas en ingresos que se renueven. Las órdenes de compra son como el clima. Parte de ellas se puede convertir en clima: suscripciones de evaluación en lugar de ventas de benchmarks únicos, contratos de mantenimiento de entornos en lugar de construcciones únicas, retenedores de actualización de datos, programas de certificación que facturan anualmente. Nada de eso se verá tan espectacular como una orden de compra de $50M, y esa es la parte complicada: cubrirte con piezas menos brillantes. Porque todo eso sobrevive al trimestre en que la orden de compra no llega.
Y he fallado como fundador al saber esto: hay dos errores que evitar. Entrar en el carril generalista de los gigantes, donde la prima de confianza no se puede replicar desde cero. Y una ronda moderada a un múltiplo inmoderado, que compra obligaciones valoradas como software en economías que no lo son, mientras cierra las dos salidas que realmente existen aquí: mantenerse privado y rico, o convertirse en infraestructura que alguien debe poseer.
La confianza es el activo que se acumula
Cada opción en ese menú de arriba pasa por la misma puerta. Las empresas no te entregarán su proceso de reclamos, los laboratorios no te entregarán sus prioridades de entrenamiento de frontera, y los gobiernos no te entregarán corpus nacionales a menos que la confianza se haya construido deliberadamente, y la confianza en este mercado no es una vibra, es una pila de compromisos verificables.
Las empresas que entienden esto lo construyen como un producto. Primero viene convencer a la empresa de la que estás tomando los datos de que no estás sacando nada sensible y de que no están cometiendo ningún error legal que los meta en problemas. Las certificaciones de seguridad y residencia antes de que el cliente las solicite son la norma. Los benchmarks públicos son otra forma de máquina de confianza aquí. Del otro lado, los laboratorios que compran estos datos también quieren rieles de procedencia: sesiones verificadas por cámara, atestación de credenciales, prueba de que un humano específico hizo el pensamiento, porque el secreto sucio de la cadena de suministro es que los anotadores pegan la salida del modelo como trabajo humano.
Ayuda tener pactos de neutralidad: por ejemplo, ningún laboratorio en el cap table, ningún comprador único por encima de una participación establecida de los ingresos, aprendido de la manera difícil por todos los que vieron a los clientes de un rival huir el día en que un laboratorio compró la mitad de este, aunque para el equipo de Scale AI tal vez fue un resultado brillante. Los programas de certificación de expertos ayudan si puedes construir una marca, de modo que "calificado por tu red" comience a significar algo que una industria reconoce. Cada uno de estos es un activo que se acumula mientras los formatos de tarea mueren o cambian. Cuando el formato cambia, y lo hará, aproximadamente cada 2 años, la confianza es lo que se transfiere al siguiente producto.
La empresa número 50
Scale y Mercor llegaron primero y llegaron enormes, entonces, ¿qué debería hacer la empresa número 50?
Comienza con lo que realmente enseña el ascenso de Mercor, porque todos copian la parte equivocada. La parte visible es la velocidad. Scale tardó unos 4 años en alcanzar su primer . La siguiente cohorte tardó 2. Mercor tardó menos de 20 meses, Micro1 y AfterQuery cerca de un año, y una startup de entornos pasó de $1M a $63M en 6 meses. Los fundadores leen esto como que el mercado se está volviendo más amable. Es lo contrario. Cada escalón es más empinado y más corto, y la misma aceleración que lleva a un recién llegado a $100M en un año saca el escalón de debajo de ellos igual de rápido. La velocidad es una propiedad de la ola, no del barco. Piensa en esto y tendrás segundas dudas sobre subirte a ese barco, porque este juego no es para todos.
La parte que vale la pena copiar es más silenciosa. Mercor construyó su motor de verificación antes de que existiera la demanda, para un negocio completamente diferente, así que cuando llegó la ola, incorporó expertos confiables más rápido que nadie. Nunca necesitó incrustar ingenieros dentro de los clientes ni ejecutar equipos de servicios; el marketplace se mantuvo como la máquina, y cuando apareció el siguiente escalón, se compró su camino en lugar de construir desde atrás. Y el líder autofinanciado en este mercado enseña la lección inversa con la misma moraleja: al mantenerse rentable y nunca vender capital, mantuvo la opción que todos los demás vendieron: la opción de decir que no, a cualquier cliente, cualquier estructura de acuerdo, cualquier trimestre. En un mercado donde tus clientes son tus futuros competidores, la opcionalidad no es un lujo. Es lo que tus márgenes están comprando.
Así que la empresa número 50 entra donde la escalera todavía se está construyendo: un dominio difícil poseído por completo, rúbricas y verificadores y entornos vendidos en lugar de horas, benchmarks publicados desde el primer día, la segunda clase de compradores construida antes de que sea necesaria, la historia de capital decidida desde el primer día: autofinanciarse y mantener la opción, o recaudar grande y comprar escalones, nunca el medio. Y si no estás fundando una, sino decidiendo si unirte a una, hazte las mismas preguntas desde dentro: ¿cuál de los 6 productos vende realmente esta empresa?, ¿de quién posee la confianza?, ¿en qué reloj está su formato actual?, ¿a dónde va el efectivo de las órdenes de compra?, y ¿quién es el segundo cliente después de los laboratorios? Una empresa con buenas respuestas a esas vale la pena unirse, porque en los cohetes a menudo aprendes cosas en un cronograma comprimido.
Dentro de 5 años
¿Cuál es el punto de escribir todo esto si no estoy increíblemente acertado o terriblemente equivocado en algunas de estas cosas? Así que aquí está mi visión a 5 años.
El mercado bruto crece durante años. El mecanismo de demanda no se detiene mientras la carrera de laboratorios no se resuelva, y hay una prueba de estrés programada en el calendario: las primeras OPI de laboratorios (que están muy cerca hoy, a julio de 2026), cuando el gasto en datos se convierte en una partida que los analistas públicos cuestionan cada trimestre. Mi corazonada es que la composición gira violentamente debajo del crecimiento. Las horas mueren primero, y ya están casi muertas. Los entornos genéricos se comoditizan en hubs abiertos. El valor se concentra en el juicio de frontera, la verificación y la procedencia, los árbitros, la captura física y los gimnasios privados para empresas, y si tuviera que clasificarlos, la verificación y los gimnasios empresariales primero, porque ambos se fortalecen a medida que los laboratorios se fortalecen; lo físico segundo, porque es el único segmento donde la oferta, no la demanda, es el cuello de botella. De las 100+ empresas que venden a laboratorios hoy (hice una lista y me rendí a mitad de camino cuando me di cuenta de que el intento era inútil porque se vuelve obsoleta al minuto siguiente), espero que menos de 10 sigan siendo independientes y a escala en 2031. La mayoría cesará operaciones con algunos fundadores ricos. El resto será absorbido, por los gigantes que compran escalones, o por los propios laboratorios, en silencio, por las personas.
Los ganadores son legibles si observas lo que ya están haciendo. El líder de calidad autofinanciado se convierte en el referente, el nombre cuya aceptación es en sí misma una certificación. El gigante adquisitivo se convierte en un intercambio donde el trabajo experto se valora, verifica y vende, sea quien sea el comprador, y si los laboratorios alguna vez son desplazados como clientes, los empleadores se ponen en la fila. Los constructores de entornos que sobreviven despiertan como la industria de simulación empresarial. Los árbitros, si se mantienen sin dueño, terminan la década pareciéndose a las agencias de calificación, escritos en las reglas de adquisición y tal vez en la ley. Y en algún lugar del mundo físico, una empresa que recolecta datos industriales con sensores se está acumulando para ser la Scale de la era corpórea, 5 años antes en esa curva que todos los que se agolpan en la digital.
Un fundador en este mercado ha argumentado que los datos humanos se convierten en un negocio de un billón de dólares al año, y acierta en lo más profundo: los modelos aprenden de los humanos en cada etapa, para siempre. Lo que el billón pasa por alto es que valora el tiempo humano, no al intermediario. La parte del intermediario se decide por si posee algo más escaso que una hoja de cálculo de contratistas. La buena noticia para todos los que construyen aquí es que las cosas escasas ahora se conocen, y cada una de ellas se puede construir exactamente con el efectivo que este mercado está generando: redes de expertos propias, rieles de procedencia, franquicias de árbitros, bucles cerrados en el mundo físico.
Cada fiebre del oro termina de una de dos maneras: el oro se agota o los mineros se industrializan. Esta termina de una tercera. El oro aprende a minarse a sí mismo. Cuando eso ocurra, los proveedores que queden en pie serán aquellos que le vendieron a la mina lo único que nunca podrá excavar: la respuesta a la pregunta que todo modelo se hace y ninguno puede resolver: ¿cómo se ve lo bueno? Sostén esa respuesta en un dominio estrecho y tendrás una empresa. Si la sostienes con suficiente credibilidad, por el tiempo suficiente, dejarás de ser un proveedor en la carrera de otro. Te conviertes en parte de cómo se puntúa la carrera.
