El 23 de febrero de 2026, un lunes que debería haber sido tranquilo, el precio de las acciones de IBM sufrió la caída más severa en un solo día desde octubre de 2000. Al cierre, la caída se fijó en un 13,2%, evaporando aproximadamente 40 mil millones de dólares en valor de mercado en pocas horas. La causa no fue un informe financiero desastroso ni una sanción regulatoria, sino un anuncio de producto: la startup de IA Anthropic anunció que su herramienta Claude Code podía modernizar programas en COBOL que se ejecutan en sistemas de IBM, justo en el negocio “foso protector” que ha sido muy rentable para la compañía.
Tres días después, una historia similar se desarrolló de manera completamente opuesta. El 26 de febrero, la fintech Block, fundada por Jack Dorsey, anunció que despediría aproximadamente a 4,000 empleados, casi el 50% de su plantilla, con la misma razón: mejorar la eficiencia mediante IA. Pero la reacción del mercado fue totalmente diferente: las acciones de Block subieron más del 24% en operaciones posteriores al cierre. Dorsey confesó en una carta a los accionistas: “Creo que en el próximo año la mayoría de las empresas llegarán a la misma conclusión y harán ajustes estructurales similares.”
Dos eventos, un mismo motor — IA —; dos reacciones de mercado completamente opuestas — una caída y una subida. ¿Qué está pasando realmente detrás de esto? La respuesta quizás apunta a una cuestión más profunda: la IA está redefiniendo qué se considera un activo valioso. Para los ejecutivos de empresas cotizadas, inversores y decisores tradicionales, entender esta lógica de reevaluación ya no es solo una estrategia prospectiva, sino una cuestión de supervivencia.
1. La misma IA, decisiones de mercado distintas
Para entender la diferencia entre estos dos casos, primero hay que analizar sus respectivas estructuras de activos.
La caída de IBM, en apariencia, se debió a una amenaza tecnológica por parte de Claude Code, pero en realidad refleja una reevaluación del mercado sobre su modelo de activos principales. COBOL, un lenguaje de programación nacido a finales de los años 50, todavía soporta aproximadamente el 95% de las transacciones en cajeros automáticos y muchas operaciones clave en finanzas, aerolíneas y gobiernos a nivel mundial. Anthropic escribió en su blog: “Cada día, miles de millones de líneas de código COBOL se ejecutan en producción, alimentando sistemas críticos. Sin embargo, el número de programadores que entienden COBOL disminuye año tras año.”
Históricamente, modernizar sistemas COBOL ha sido una tarea compleja y costosa, que ha protegido la rentabilidad del negocio de IBM. Pero Anthropic afirmó: “Con la ayuda de IA, los equipos pueden modernizar sus bases de código COBOL en solo unas pocas temporadas, sin gastar años.” La implicación en el mercado es clara: los ingresos de IBM por mantenimiento intensivo en mano de obra y servicios relacionados con mainframes, que han sido un pilar de su rentabilidad, están siendo erosionados por la tecnología IA.
Curiosamente, al día siguiente, las acciones de IBM rebotaron un 2,68%. Analistas de Wall Street como Wedbush y Evercore ISI rápidamente salieron a defender la acción, calificando la caída como una “respuesta excesiva e infundada”. Argumentaron que los clientes empresariales no abandonarían sus sistemas mainframe solo porque una nueva herramienta de IA pueda traducir código heredado. Existe una brecha enorme entre traducir sintaxis de código y modernizar sistemas profundamente integrados en hardware y software.
IBM también respondió ese mismo día, señalando un punto clave: el reto de la modernización no es un problema del lenguaje COBOL, sino del sistema IBM Z. La traducción de código apenas captura la complejidad real; el valor de la plataforma proviene de décadas de integración hardware-software, algo que la traducción de código no puede replicar.
Por otro lado, el caso de Block, también con despidos masivos y motivado por IA, resultó en una subida del 24%. La clave está en que la estructura de activos de Block está cambiando. Desde 2024, la compañía ha estado reestructurando su modelo de negocio y su plantilla, invirtiendo fuertemente en herramientas de IA para mejorar la eficiencia operativa, incluyendo su propia herramienta Goose.
La CFO de Block, Amrita Ahuja, explicó los despidos diciendo: “Estamos tomando decisiones audaces y decididas, pero basadas en una base sólida.” Y esa “base sólida” tiene respaldo en datos: en 2025, el margen bruto anual fue de 10,36 mil millones de dólares, un aumento del 17%. Un rendimiento financiero fuerte proporciona un colchón para avanzar en una reestructuración a gran escala en este momento.
El mercado interpretó claramente: Block no se está reduciendo pasivamente ante el impacto de la IA, sino que está optimizando activamente su estructura de activos — usando menos “activos humanos” para obtener mayor “eficiencia de activos tecnológicos”. Al reducir su plantilla en un 50% y al mismo tiempo elevar las previsiones anuales, está demostrando que el valor generado por cada empleado se está amplificando gracias a la IA.
2. En la era de la IA, cuatro tipos de activos están siendo reevaluados
Estos dos casos revelan una tendencia en marcha: la IA se está convirtiendo en un “reevaluador de valor de activos”. Diferentes tipos de activos muestran trayectorias de valor muy distintas bajo el marco de evaluación de la IA.
La primera categoría son los activos intensivos en capital humano. El valor del equipo de mantenimiento de COBOL de IBM, analistas tradicionales, programadores y otros “procesadores de información” está siendo diluido por la IA. Anthropic mencionó que Claude Code puede identificar “riesgos que tomarían meses para que los analistas humanos los detectaran”. Esto no significa que los humanos dejen de ser importantes, sino que aquellos trabajos que dependen de información asimétrica y conocimientos de procesos están siendo comprimidos en valor por la tecnología.
Pero hay que tener cuidado: la IA reemplaza la “procesamiento de información”, no la “creación de valor”. Mitch Ashley, analista de Futurum Group, en su informe, señala que proyectos exitosos de modernización de COBOL requieren definir el alcance del negocio, evaluar tecnologías, planear migraciones de datos, verificar la equivalencia conductual, gestionar la observabilidad y el cambio organizacional. La traducción de código es solo una parte. Las capacidades humanas para entender sistemas complejos, captar la esencia del negocio y tomar decisiones estratégicas siguen siendo escasas.
La segunda categoría son los activos de datos, que se están convirtiendo en un campo de alto valor en la era de la IA. Con el rápido avance de la IA generativa, el valor de los datos se está redefiniendo. Investigadores como Tang en PLOS One afirman que la IA generativa cambia cómo se adquieren, procesan y utilizan los datos, y que su valor no solo depende de su calidad y relevancia intrínseca, sino también de su aplicabilidad, capacidad de transformación y demanda en escenarios de IA.
Esto implica que la singularidad, continuidad y gobernanza de los datos se vuelven dimensiones clave de valor. Un conjunto de datos puede ser extremadamente valioso en un escenario, y prácticamente inútil en otro. Las empresas que puedan proporcionar datos exclusivos, continuos y de alta calidad para entrenar modelos de IA están ganando poder de fijación de precios.
La tercera categoría son los activos de algoritmos y modelos. La colaboración entre OpenAI y Paradigm en EVMbench, que evalúa la capacidad de IA para detectar, reparar y explotar vulnerabilidades en contratos inteligentes, muestra que los algoritmos se están convirtiendo en activos cuantificables. Los pesos de modelos, marcos algorítmicos y metodologías de entrenamiento se vuelven activos intangibles que se pueden identificar, controlar y monetizar.
La cuarta categoría son los activos tangibles tradicionales, que están experimentando una segmentación. Los activos físicos que dependen de “asimetría de información” y “intermediación humana” enfrentan depreciación, mientras que aquellos con atributos de “resistencia a la sustitución por IA” — como infraestructuras energéticas, recursos escasos y activos críticos — mantienen su valor relativamente estable. La razón es simple: aunque la IA puede analizar y optimizar su operación, no puede reemplazar su existencia física ni su función de soporte de valor.
3. De “reevaluación de activos” a “activos inmunes a la IA”
Con estos análisis, las empresas necesitan un marco sistemático para determinar si sus activos se valoran más o menos en la era de la IA. El Instituto RWA propone un marco de identificación de “activos inmunes a la IA”, que tiene tres características principales.
La primera es la no codificabilidad. Se refiere a elementos de valor que son difíciles de aprender o replicar completamente por IA. El código COBOL puede ser traducido por IA, pero la capacidad de los mainframes Z para procesamiento de transacciones, cifrado cuántico, y una fiabilidad de “ocho nueves” — casi 99.999999% — son capacidades que la IA no puede copiar. Futurum Group señala que “la traducción de código no captura toda la complejidad real; el valor de la plataforma proviene de décadas de integración hardware-software”. Igualmente, el control en escenarios offline, conocimientos tácitos de la industria y redes complejas de relaciones, que son difíciles de “codificar”, constituyen la primera línea de inmunidad del activo.
La segunda característica es la protección mediante datos. ¿La empresa posee datos exclusivos, continuos y gobernables? ¿Solo usa datos públicos o puede generar datos que otros no pueden obtener? Citic Bank ya está explorando usar grandes modelos para evaluar el valor de sus datos y “registrar” activos de datos en sus balances. La lógica es que, en la era de la IA, los datos no solo son materia prima, sino también un activo en sí mismo. Pero no todos los datos tienen protección: los datos públicos en la web serán rápidamente “consumidos” por los modelos de IA, mientras que los datos exclusivos generan una prima de valoración.
La tercera característica es la capacidad de potenciarse con IA. ¿El activo puede ser mejorado por IA en lugar de ser reemplazado? Esto distingue entre impactos tipo IBM y transformaciones tipo Block. La principal actividad de IBM — mantener sistemas COBOL heredados — es susceptible a ser sustituida por IA; en cambio, el modelo de negocio de Block — pagos y servicios financieros — puede ser potenciado por IA. De hecho, IBM desarrolló watsonx Code Assistant for Z, una herramienta que permite a los clientes reestructurar y modernizar código heredado de forma segura en la plataforma, manteniendo la seguridad empresarial. Cuando un activo puede colaborar con IA en lugar de enfrentarse a ella, su valor aumenta.
Por otro lado, los activos frágiles a IA comparten tres características: dependen del “procesamiento de información” como valor central, pueden ser sustituidos por procesos estandarizados y carecen de capacidad de generar y acumular datos. Con estas características, las empresas pueden hacer una “prueba de resistencia” a su portafolio de activos.
4. Nuevas oportunidades en RWA: ¿qué activos vale la pena tokenizar?
Aplicando este marco al campo de la tokenización de activos del mundo real (RWA), se concluye claramente que RWA no es “todo activo que pueda estar en la cadena”, sino que en la marea de reevaluación por IA, solo aquellos activos físicos que puedan atravesar ciclos de IA tienen sentido para tokenizar.
A marzo de 2026, el valor total de RWA en blockchain superó los 25 mil millones de dólares, casi cuadruplicando respecto al año anterior. Sin embargo, el White Paper de la Asociación de Estándares de Web3.0 de Hong Kong, publicado en agosto de 2025, afirma: “La idea de que todo puede ser RWA es un mito”. Para lograr una escala efectiva, los activos deben cumplir con tres requisitos: estabilidad de valor, claridad en la propiedad legal y verificabilidad de datos off-chain.
Siguiendo el marco de “activos inmunes a la IA”, podemos precisar qué activos son adecuados para tokenizar: los que mantienen su valor en la reevaluación por IA.
La primera categoría son activos físicos con características inmunes a la IA. Incluyen energía, infraestructura, recursos escasos. Su valor no depende del procesamiento de información, sino de su existencia física y utilidad real. Ejemplos en el white paper son activos de energías renovables (como estaciones de carga y plantas fotovoltaicas) y activos de computación como GPUs, que por su demanda “rígida” en IA y su “ ADN digital” confiable, se consideran activos ideales para RWA.
La segunda categoría son activos de datos programables. Aquellos con fuentes de datos exclusivas y que puedan monetizarse automáticamente mediante contratos inteligentes, combinan “protección de datos” y “potenciación por IA”. El white paper agrupa datos, propiedad intelectual y créditos de carbono como activos intangibles. Pero hay que tener cuidado: no todos los datos son activos. Solo aquellos que puedan generarse continuamente, tener derechos claros y verificables, y ofrecer valor sostenido, son aptos para tokenizar.
La tercera categoría son activos híbridos, que combinan control físico “no codificable” con derechos digitales “programables”. Por ejemplo, la propiedad de bienes raíces comerciales puede tokenizarse, pero la operación, mantenimiento y arrendamiento — control en escenarios offline — permanecen en manos de instituciones especializadas. Esta estructura “física + digital” aprovecha la liquidez de blockchain, pero mantiene un anclaje de valor “inmunizable” en el mundo físico.
Por el contrario, hay dos tipos de activos que en la era de la IA deben abordarse con cautela para su tokenización: aquellos altamente dependientes de intermediarios humanos, cuyo valor puede comprimirse por IA; y los que carecen de protección de datos, que en la evaluación IA no tienen poder de negociación.
5. Guía de acción: de la percepción a la decisión
La evaporación de 40 mil millones de dólares en IBM es una señal de una era: los activos que dependen de asimetrías de información y acumulación de mano de obra están siendo reevaluados por IA. La subida de Block, en cambio, es un aviso de otra era: las empresas que puedan adoptar IA y optimizar su estructura de activos están siendo revaloradas por el mercado.
Para los decisores de empresas cotizadas y tradicionales, esto no es solo una cuestión tecnológica, sino una reconfiguración fundamental del sistema de valor de los activos. Los CEOs deben responder a una pregunta ineludible: ¿Cuánto valen mis activos en la mirada de la IA?
Con base en este análisis, se proponen tres recomendaciones prácticas.
Primero, activar inmediatamente una “prueba de resistencia a IA” de los activos. Comparando con el marco de “activos inmunes a la IA” — no codificabilidad, protección de datos, potencial de potenciación IA — evaluar cada unidad de negocio clave. Identificar cuáles son más vulnerables a la pérdida de valor y cuáles podrían beneficiarse de la amplificación por IA.
Segundo, establecer un mecanismo dinámico de gestión de portafolio de activos. En un contexto de reevaluación por IA, la asignación de activos no puede ser estática. La empresa debe incrementar la proporción de “activos inmunes a la IA” y planear la transformación o desinversión de los activos frágiles. Esto requiere colaboración entre áreas financiera, estratégica, tecnológica y operativa.
Tercero, revisar la estrategia de RWA. Antes de tokenizar, filtrar los activos con el marco de “activos inmunes a la IA”. La clave no es “poner en la cadena” en sí, sino usar la tokenización para mejorar liquidez y valoración de activos de calidad. Si el activo base en sí mismo se deprecia en la era de la IA, la tokenización solo acelerará la pérdida de valor.
Por último, cabe destacar que, según el documento 42 emitido por ocho departamentos en China, está estrictamente prohibido en el territorio continental realizar cualquier emisión o transacción de tokens. La discusión sobre la tokenización de RWA en este artículo se refiere únicamente a prácticas en marcos regulatorios internacionales y fuera de China. Las empresas que exploren estos negocios deben cumplir estrictamente con las regulaciones locales, que prohíben y restringen la emisión y circulación de tokens en el país.
Cuando la IA comience a determinar los precios de los activos, la única seguridad radica en aquello que la IA no puede valorar: no el código, no los datos, sino la capacidad humana de juzgar el valor en sí mismo.
