El fondo de IA de Bain Capital Ventures apuesta 1.600 millones de dólares por la vida después de la AGI
Bain Capital Ventures ha recaudado 1.600 millones de dólares para el Fund XI, realizando una gran apuesta temprana por empresas diseñadas para la “vida después de la AGI”. El fondo de IA de Bain Capital Ventures apunta a infraestructura, software, robótica, ciencia, seguridad y servicios habilitados por tecnología. Su apuesta central es que las próximas empresas valiosas aplicarán modelos cada vez más capaces, en lugar de limitarse a construir modelos más grandes.
El socio Slater Stich presentó la tesis en una entrevista con Bloomberg el 16 de septiembre. Sostuvo que el trabajo del conocimiento cambiará antes que la mayoría de las actividades físicas, porque los agentes digitales ya operan dentro de entornos de software. Los robots afrontan restricciones adicionales relacionadas con el hardware, la seguridad, la fabricación y entornos físicos impredecibles.
Esa distinción da al anuncio su verdadera tensión. Los laboratorios de IA de frontera están invirtiendo fuertemente para mejorar modelos de propósito general. BCV apuesta a que los fundadores más cercanos a los flujos de trabajo, los clientes y los datos especializados pueden capturar un valor sustancial de esos modelos.
La estrategia también conlleva un riesgo de calendario. La inteligencia artificial general no tiene una definición universalmente aceptada, y los agentes actuales todavía cometen errores importantes. Por tanto, Fund XI debe encontrar empresas que sean útiles antes de que llegue la AGI, sigan siendo defendibles a medida que los modelos mejoren y sobrevivan si el plazo se alarga.
El fondo de IA de Bain Capital Ventures es más que un fondo mayor
Fund XI convierte el lenguaje pos-AGI de BCV en una decisión inmediata de asignación de capital.
BCV anunció el fondo el 16 de septiembre de 2026. Su anuncio del fondo indica que el vehículo realizará inversiones en etapas tempranas y de crecimiento en empresas tecnológicas.
La firma denomina al vehículo Fund XI y afirma que superó su objetivo de recaudación. Entre los inversores figuran fondos de pensiones, dotaciones, fundaciones y personas asociadas con Bain Capital. BCV no proporcionó públicamente un desglose detallado de esos compromisos.
El nuevo vehículo sucede al Fund X, que la firma levantó en 2023. Más del 82 por ciento de los dólares invertidos por Fund X se destinaron a rondas desde pre-seed hasta Serie B, según BCV. Ese historial importa porque un fondo de 1.600 millones de dólares podría, de otro modo, desplazarse hacia operaciones más tardías y grandes.
Fund XI conserva una identidad de etapa temprana al tiempo que da a BCV margen para seguir respaldando a empresas exitosas. Esa combinación permite a la firma establecer participación cuando una startup es joven y volver a invertir a medida que crecen sus necesidades de capital.
Esta estructura encaja con varios sectores objetivo. Una empresa de software empresarial puede llegar a clientes con un equipo inicial relativamente pequeño. Una startup de robótica o infraestructura de IA puede requerir financiación repetida antes de alcanzar una producción fiable.
BCV ya ha invertido en las áreas mencionadas en el anuncio. Sus ejemplos incluyen Crusoe y Poolside en infraestructura, además de Cognition, Decagon y Legora en IA aplicada. La firma también identifica a Atoms y Sunday Robotics como inversiones en IA física.
La salud, la seguridad y los servicios especializados amplían aún más la cartera. BCV señala a Loyal y Forus en salud, Adaptive Security y Dream en seguridad, y Crosby Legal y Norm en servicios.
La amplitud es deliberada, pero complica el mensaje del fondo. La infraestructura, la automatización jurídica, el descubrimiento científico y la robótica tienen ciclos de desarrollo distintos. También enfrentan compradores, márgenes, cuellos de botella técnicos y exigencias regulatorias diferentes.
El hilo común no es una categoría de producto. Es la creencia de que modelos cada vez más capaces reorganizarán cómo se completa el trabajo en múltiples mercados.
BCV aporta recursos considerables a esa tesis. Bain Capital afirma que su plataforma de venture capital gestionaba más de 10.000 millones de dólares al 31 de marzo de 2026. La plataforma invierte desde seed hasta crecimiento y opera desde el Área de la Bahía, Nueva York y Boston.
Esa escala puede dar a los fundadores acceso a apoyo de contratación, clientes potenciales, relaciones de infraestructura y financiación posterior. También eleva el listón para Fund XI. Un fondo de este tamaño necesita más que unos pocos experimentos prometedores para generar retornos a escala de capital de riesgo.
Por tanto, el acontecimiento cambia dos cosas. BCV dispone de más capital para perseguir empresas tempranas de IA y se ha comprometido públicamente con una visión específica del mercado. La firma espera que el valor se desplace del desarrollo de modelos hacia negocios que realizan trabajo útil.
Esa visión ahora debe competir con una alternativa igualmente plausible. Los proveedores de modelos de frontera y las grandes plataformas de nube pueden absorber funciones de aplicaciones, reducir los márgenes de infraestructura y vender directamente a los mismos clientes.
Por qué el trabajo del conocimiento llega primero
El trabajo digital del conocimiento ofrece a los agentes de IA un camino más corto desde la capacidad del modelo hasta un valor medible para el cliente.
Stich dijo a Bloomberg que los entornos de software deberían cambiar antes que el mundo físico. Los agentes digitales pueden leer documentos, utilizar herramientas de software, llamar a interfaces de aplicaciones y generar resultados sin manipular objetos físicos.
Un agente de IA es software que completa una secuencia de tareas con una dirección humana limitada. A diferencia de un chatbot básico, puede seleccionar herramientas, seguir resultados intermedios y actuar en sistemas conectados.
Esas capacidades siguen siendo imperfectas. Sin embargo, el entorno operativo es más fácil de controlar que un almacén, laboratorio, hogar o calle pública. El software presenta interfaces estructuradas, errores recuperables y oportunidades económicas para reintentar un paso fallido.
El trabajo del conocimiento también contiene muchas tareas que los compradores pueden aislar y medir. Los equipos jurídicos revisan contratos. Los equipos financieros concilian registros. Los ingenieros investigan incidentes. Los equipos de ventas investigan cuentas y preparan material de seguimiento.
Una startup no necesita automatizar una profesión entera para crear valor. Puede comenzar con un flujo de trabajo acotado en el que importen una finalización más rápida, mayor capacidad de procesamiento o menores tasas de error.
Por eso el fondo pos-AGI de Bain no espera un hito de AGI universalmente aceptado. Los sistemas actuales ya pueden abordar partes más acotadas del trabajo profesional. Mejores modelos pueden ampliar después el alcance y la duración de esas tareas.
La propia tesis de infraestructura de BCV describe agentes que se conectan con datos privados y públicos. Identifica la identidad, los permisos, el movimiento de datos y el almacenamiento como capas que necesitarán nueva infraestructura.
Esos requisitos crean oportunidades más allá de la aplicación visible. Un agente empresarial necesita controles de acceso fiables. Debe saber qué registros puede ver un usuario, qué acciones requieren aprobación y qué información debe permanecer privada.
También necesita contexto. Un modelo puede producir lenguaje fluido mientras omite el historial del cliente, la decisión de un proyecto o la excepción de política que determina la respuesta correcta.
Esta limitación convierte la arquitectura del conocimiento en parte de la competencia. Las empresas que organizan información propietaria pueden hacer que los agentes sean más útiles sin poseer un modelo de frontera. Una base de conocimiento de IA con capacidad de búsqueda puede conectar las respuestas generadas con los registros que sustentan el trabajo real.
El cambio económico podría extenderse más allá de las licencias tradicionales de software. Muchas aplicaciones empresariales cobran por acceso mediante licencias por usuario. Una empresa nativa de IA puede vender en su lugar trabajo completado, casos resueltos o resultados verificados.
Ese modelo crea un mercado potencial mayor porque compite con el gasto laboral, no solo con los presupuestos de software. También genera responsabilidad operativa. Un proveedor que vende resultados debe gestionar excepciones, control de calidad y fallos que un proveedor de software convencional puede dejar a los usuarios.
Por tanto, el trabajo del conocimiento representa tanto la primera oportunidad como la primera prueba de credibilidad. Los clientes preguntarán si un agente completa el trabajo correctamente, no si su modelo subyacente obtiene buenos resultados en un benchmark.
Esta presión alcanza a los proveedores de software establecidos. Ya poseen relaciones con clientes, datos de flujos de trabajo y distribución. Sin embargo, un producto autónomo puede entrar en conflicto con modelos de precios basados en un número creciente de usuarios.
Las startups enfrentan el problema opuesto. Pueden diseñar en torno a agentes desde el principio, pero carecen de distribución establecida y de acceso de confianza a sistemas sensibles. Su velocidad técnica debe superar la posición de cliente de un incumbente.
Fund XI apuesta a que un grupo selecto de startups puede cruzar esa brecha. Los candidatos más fuertes combinarán la capacidad de los modelos con conocimiento de dominio, integración en flujos de trabajo y un enfoque creíble de supervisión humana.
La apuesta pos-AGI va más allá de los modelos de frontera
BCV posiciona aplicaciones y sistemas habilitadores frente a la carrera intensiva en capital por poseer el modelo general más capaz.
La principal división estratégica no es IA frente a no IA. Es la propiedad de modelos de frontera frente a empresas construidas en torno a las consecuencias de mejorar los modelos.
Los laboratorios de frontera compiten mediante talento investigador, capacidad de cómputo, datos y programas de entrenamiento cada vez más costosos. Sus productos proporcionan capacidades generales a las que otras empresas pueden acceder mediante servicios en la nube o interfaces de aplicaciones.
BCV puede invertir en empresas de modelos, pero el enfoque público de Fund XI apunta más abajo en la pila tecnológica. La firma destaca infraestructura, software aplicado, IA física, ciencia, seguridad y servicios.
Esta vía encaja con la economía del capital de riesgo de varias maneras. Un equipo pequeño puede combinar un modelo disponible con datos especializados y experiencia en flujos de trabajo. Puede probar la demanda de los clientes sin financiar un esfuerzo de entrenamiento a escala de frontera.
El enfoque también evita que el éxito del fondo dependa de una definición de AGI. Si los modelos mejoran gradualmente, las empresas verticales útiles todavía pueden crecer. Si la capacidad aumenta de forma pronunciada, esas empresas pueden automatizar una mayor parte de cada flujo de trabajo.
Sin embargo, construir sobre modelos externos introduce dependencia. Los costes, la fiabilidad y los límites de producto de una startup pueden cambiar cuando su proveedor de modelos modifica sus precios, políticas o condiciones de acceso.
Los proveedores de modelos también pueden entrar en aplicaciones atractivas. Una función que antes respaldaba a una empresa independiente puede convertirse en parte de un asistente más amplio, una suite de productividad o una plataforma de nube.
La mejor defensa rara vez es una interfaz ligera sobre un modelo. Las empresas duraderas necesitan activos que mejoren con el uso, como datos de flujos de trabajo propietarios, distribución de confianza, conocimiento regulatorio u operaciones profundamente integradas.
La estrategia de capital de riesgo en IA de BCV parece diseñada para identificar esos activos pronto. La firma afirma que busca fundadores capaces de establecer empresas que definan categorías mientras los mercados todavía se están formando.
Ese lenguaje puede parecer subjetivo, pero la inversión en etapas tempranas siempre implica juicio antes de que existan métricas fiables. Una empresa joven de IA puede tener pocos ingresos, un producto cambiante y tecnología suministrada en parte por otra empresa.
Los inversores deben evaluar cómo razonan los fundadores bajo incertidumbre. Necesitan determinar si un equipo puede revisar su producto sin abandonar el problema subyacente del cliente.
Las cuatro áreas principales mencionadas por Stich también exigen perfiles de fundador diferentes.
Los fundadores de infraestructura necesitan un profundo criterio técnico y paciencia con clientes de ingeniería exigentes. Deben anticipar los cuellos de botella que surgen a medida que cambian los modelos y las cargas de trabajo.
Los fundadores de software necesitan distribución y dominio del sector. Su producto debe encajar en el trabajo real y, al mismo tiempo, resistir la rápida imitación por parte de empresas consolidadas y otras startups.
Los fundadores de robótica deben coordinar software, hardware, fabricación y seguridad. Las mejoras en los modelos de visión y lenguaje ayudan, pero no eliminan el coste físico de las pruebas y el despliegue.
Los fundadores científicos necesitan investigación creíble y una vía que lleve de la comprensión computacional a la validación experimental. Una hipótesis generada prometedora tiene poco valor hasta que supera las pruebas de laboratorio o produce un material, una molécula o un proceso útil.
Esta variedad explica por qué Fund XI es amplio. Nadie sabe qué capa captará la mayor parte de la futura economía de la IA. Repartir las inversiones entre capas relacionadas ofrece a BCV varias formas de participar.
Sin embargo, la amplitud no equivale a protección. Si demasiadas empresas dependen de los mismos proveedores de modelos y servicios en la nube, la cartera puede contener una concentración oculta.
Una interrupción de un modelo, un cambio de política o una variación brusca de costes podría afectar a varias empresas al mismo tiempo. Una mejora importante también podría beneficiar a la cartera y, a la vez, facilitar la copia de algunos productos existentes.
Por ello, la tesis de BCV se apoya en una distinción cuidadosa. La inteligencia puede volverse más abundante, pero los negocios defendibles no se volverán automáticamente más abundantes con ella.
La selección de fundadores se convierte en la verdadera ventaja competitiva
Cuando los ingredientes técnicos están ampliamente disponibles, el criterio de los fundadores y la selección de mercado cobran más peso.
El desafío de BCV no es encontrar personas capaces de crear una demostración de IA. El desafío es encontrar equipos que puedan convertir capacidades cambiantes de los modelos en negocios fiables.
Los fundadores técnicos deben decidir qué limitaciones son temporales y cuáles siguen siendo estructurales. Un flujo de trabajo bloqueado hoy por un razonamiento débil podría volverse viable tras otra versión del modelo. Un flujo bloqueado por la falta de derechos sobre los datos podría seguir siendo difícil durante años.
El momento importa porque entrar tanto demasiado pronto como demasiado tarde tiene costes. Una empresa que llega antes de tiempo puede agotar su capital mientras espera a los modelos o a los clientes. Una que llega tarde puede encontrarse con una distribución ya establecida y márgenes comprimidos.
Los fundadores sólidos ponen a prueba esas hipótesis mediante despliegues reales. Observan dónde los usuarios anulan los resultados, qué integraciones retrasan la adopción y qué tareas implican costes de error inaceptables.
La diferencia entre un prototipo impresionante y una empresa suele aparecer en los casos límite. Los entornos empresariales contienen registros incompletos, rutas de aprobación inusuales, políticas contradictorias y sistemas instalados en épocas diferentes.
Un agente jurídico puede resumir rápidamente un acuerdo estándar. El problema más difícil es reconocer cuándo una cláusula interactúa con una política específica de un cliente o una jurisdicción inusual.
Un agente de programación puede generar un parche. El problema más difícil es comprender una dependencia de servicio no documentada, respetar las normas internas de seguridad y saber cuándo el parche requiere revisión humana.
Un modelo científico puede sugerir una molécula candidata. El problema más difícil es validar si la candidata se comporta como se predijo en condiciones físicas.
La robótica eleva aún más el umbral. Un robot que opera cerca de personas debe manejar variaciones que no aparecen en una demostración controlada. La fiabilidad, el mantenimiento, el suministro de componentes y los fallos seguros afectan al producto.
Estos ejemplos muestran por qué la selección de fundadores no puede basarse únicamente en el prestigio técnico. El equipo debe comprender el despliegue, los incentivos de los clientes y la economía necesaria para alcanzar un rendimiento fiable.
BCV puede utilizar su organización más amplia para ayudar. La firma afirma que las empresas de su cartera pueden acceder a clientes potenciales y capacidades de todo Bain Capital. Esas conexiones pueden acortar el camino hacia la retroalimentación empresarial.
Sin embargo, el acceso no garantiza la adopción. Los compradores corporativos a menudo prueban productos de IA sin ampliarlos al resto de la organización. Las revisiones de seguridad, la gobernanza de datos, el trabajo de integración y cálculos de retorno poco claros pueden frenar un piloto prometedor.
Por tanto, los fundadores deben diseñar una ruta de adopción, no solo una hoja de ruta técnica. Una tarea inicial delimitada con precisión puede generar confianza antes de que un producto obtenga permisos más amplios.
También deben identificar al comprador adecuado. La persona que utiliza un agente quizá no controle el presupuesto. El ejecutivo que lo aprueba puede preocuparse más por la auditabilidad y el riesgo que por la calidad de la interfaz.
La escala de Fund XI permite a BCV respaldar a las empresas durante estas etapas. También genera presión para invertir suficiente capital sin debilitar los estándares de selección.
Los grandes fondos pueden enfrentarse a un problema de despliegue. Los cheques iniciales pequeños no afectan materialmente a los retornos generales, mientras que los cheques grandes pueden empujar a los inversores hacia empresas en fases más avanzadas y con valoraciones más altas.
El historial de Fund X de BCV ofrece una respuesta. La firma afirma que más del 82 por ciento de los dólares invertidos se destinó a rondas desde pre-seed hasta Series B. Fund XI tendrá que preservar esa concentración en la práctica.
La estrategia solo tendrá éxito si el acceso temprano genera una participación significativa en empresas excepcionales. Emitir muchos cheques en categorías de moda proporcionaría exposición, pero no necesariamente sólidos retornos de capital riesgo.
Por tanto, la selección de fundadores es el mecanismo que conecta la narrativa post-AGI con el rendimiento financiero. La narrativa identifica una transición amplia. Los equipos individuales aún deben descubrir dónde se forma valor duradero.
Lo que los $1.600 millones no demuestran
Un gran fondo demuestra el compromiso de los inversores, pero no valida el calendario de la AGI ni garantiza que las startups capturen el valor resultante.
La primera incertidumbre es definicional. AGI puede significar rendimiento a nivel humano en la mayoría de las tareas cognitivas, sustitución económica en muchos empleos o simplemente una gran mejora respecto a sistemas anteriores.
Stich reconoció esa ambigüedad durante la conversación con Bloomberg. Sugirió que las capacidades visibles hoy habrían parecido AGI desde una perspectiva anterior.
Esa observación explica la urgencia de BCV, pero no establece un umbral medible. Los inversores y fundadores pueden coincidir en que los modelos mejoran y, al mismo tiempo, discrepar sobre cuándo los sistemas autónomos se vuelven lo bastante fiables para trabajos sensibles.
Los agentes de larga duración siguen siendo especialmente importantes. Un modelo que ejecuta bien un paso aún puede fallar a lo largo de una secuencia extensa. Los errores se acumulan a medida que el sistema recopila información, selecciona herramientas y actualiza su plan.
La verificación puede limitar el daño en flujos de trabajo de programación, investigación o documentos. Sin embargo, la verificación añade tiempo y gasto. También puede requerir profesionales cuyo trabajo el producto pretendía reducir.
La economía del cliente crea otra incertidumbre. Un agente puede completar una tarea con un bajo coste directo y, aun así, generar gastos significativos de integración, supervisión, soporte y cumplimiento.
Una startup que vende trabajo terminado hereda esas responsabilidades. Si promete un resultado, debe absorber el coste de las excepciones y las correcciones.
El saturado mercado de aplicaciones añade presión. Los bajos costes de desarrollo facilitan que muchos equipos persigan flujos de trabajo similares. La adquisición, la confianza y la retención de clientes pasan entonces a ser más importantes que la demostración técnica inicial.
Las empresas consolidadas tienen respuestas creíbles. Pueden añadir agentes a productos existentes, agrupar funciones y utilizar datos de clientes ya almacenados en sus sistemas.
Los proveedores de nube y modelos también pueden pasar de la infraestructura a las aplicaciones. Su distribución y acceso a los modelos pueden reducir rápidamente la ventaja técnica de una startup.
El fondo post-AGI también abarca categorías intensivas en capital. La robótica y el descubrimiento científico requieren validación física que el software no puede comprimir por completo. La producción de hardware y el trabajo de laboratorio imponen calendarios reales.
Esas inversiones pueden crear barreras más fuertes una vez que tienen éxito. También pueden consumir más capital y tardar más en producir evidencia.
La flexibilidad multietapa de Fund XI ayuda a BCV a acompañar a empresas prometedoras. No puede eliminar el riesgo de que los despliegues físicos avancen más lentamente de lo que espera un fondo de capital riesgo.
También hay una cuestión de asignación. Un mandato amplio puede adaptarse a medida que cambian los mercados, pero puede dificultar la falsación de la tesis de inversión. El éxito en cualquier categoría relacionada con la IA podría parecer que confirma la estrategia.
Una evaluación significativa necesita evidencia más acotada. Fund XI debería producir empresas con un uso creciente por parte de los clientes, una economía unitaria en mejora y defensibilidad más allá del acceso a un modelo de terceros.
Los informes independientes sobre el historial de Fund X confirman la asignación declarada por BCV a etapas tempranas. También señalan que Fund XI cubre infraestructura, software, robótica, ciencia, seguridad y servicios.
Esa cobertura es notable, pero las etiquetas de categoría no revelan la calidad de la cartera. Las preguntas más difíciles se refieren a la participación, el capital de seguimiento, la durabilidad de los ingresos y las salidas finales.
Por tanto, la captación de fondos debe interpretarse como convicción, no como prueba. BCV ha reunido el capital para poner a prueba su tesis en varios mercados. Los resultados dependerán de la ejecución a nivel de empresa durante muchos años.
Tres señales pondrán a prueba el próximo acto de BCV
La próxima evidencia debería proceder del comportamiento de despliegue, la construcción de cartera y la validación en el mundo físico.
La primera señal es si las empresas amplían los agentes de IA más allá de pilotos controlados. Permisos más amplios, uso recurrente y contratos basados en resultados respaldarían el énfasis de BCV en el trabajo del conocimiento.
La evidencia más sólida no será otra demostración pulida. Será que los clientes confíen a los agentes flujos de trabajo más largos y renueven tras medir los resultados.
Esta señal también pone a prueba la idea de que las startups pueden vender trabajo en lugar de acceso al software. Si los clientes pagan por resultados completados, los proveedores nativos de IA pueden acceder a presupuestos mayores que el gasto convencional en software.
Si la adopción sigue limitada a asistentes y borradores supervisados, la tesis se debilita. Las startups aún pueden crear productos útiles, pero el cambio económico sería menor de lo que sugiere el marco post-AGI.
La segunda señal es la combinación real de inversiones de Fund XI. Los próximos acuerdos anunciados por BCV mostrarán si las empresas en fases tempranas siguen siendo centrales y qué capa técnica recibe la mayor convicción.
Una concentración en infraestructura sugeriría que los sistemas habilitadores aún ofrecen las oportunidades más claras. Más inversiones en agentes verticales respaldarían la afirmación de que el valor de las aplicaciones es cada vez más fácil de capturar.
Una mayor proporción de financiación en etapas avanzadas plantearía una pregunta distinta. Podría indicar que BCV ve mejores oportunidades ajustadas al riesgo en empresas establecidas que en startups post-AGI recién formadas.
La tercera señal es un despliegue físico creíble. La robótica y la ciencia impulsada por IA deben producir evidencia fuera de los benchmarks de software, incluida la operación repetida, el progreso de fabricación o la validación experimental.
El éxito en entornos físicos ampliaría la oportunidad de Fund XI más allá del trabajo del conocimiento. También respaldaría la secuencia de Stich, en la que los sistemas digitales se transforman primero y las aplicaciones físicas les siguen.
Un progreso lento no invalidaría todo el fondo. Concentraría el valor a corto plazo en software e infraestructura, mientras ampliaría el calendario para la robótica y la ciencia.
Estas tres señales deben considerarse conjuntamente. El despliegue empresarial mide la demanda. La construcción de cartera revela la convicción interna de BCV. La validación física pone a prueba si la tesis puede pasar del trabajo digital a la economía material.
El fondo de IA de Bain Capital Ventures es, en última instancia, una apuesta por la migración de valor. BCV espera que modelos cada vez más capaces hagan que la inteligencia esté más disponible y, después, desplacen la competencia hacia el despliegue, los datos, el control del flujo de trabajo y la confianza.
Esa conclusión es plausible sin asumir que la AGI llegará en una fecha fija. También deja margen para el fracaso. Los proveedores de modelos pueden captar una mayor parte de la capa de aplicaciones, las empresas consolidadas pueden defender su distribución y los clientes pueden resistirse a los sistemas autónomos.
Para los desarrolladores, la cuestión práctica es dónde la capacidad técnica se cruza con un flujo de trabajo costoso y repetible. Para los compradores empresariales, la cuestión es si los agentes ofrecen resultados auditables bajo restricciones operativas reales.
Los trabajadores del conocimiento deberían observar con qué rapidez la IA pasa de sugerir acciones a completarlas. Esa transición determinará si las herramientas actuales siguen siendo asistentes o se convierten en una capa operativa para el trabajo profesional.
Fund XI proporciona a BCV capital suficiente para explorar ambas posibilidades. Ahora la firma debe demostrar que “la vida después de la AGI” identifica empresas duraderas, y no solo un nombre convincente para el próximo ciclo de inversión.
