Hay una hoja de términos sobre la mesa, y el equipo técnico del comprador hace una pregunta para la que tu CTO no ensayó: "¿Cómo evitan que sus ingenieros peguen código fuente, diagramas de arquitectura o investigación no publicada en herramientas de IA públicas?" Un encogimiento de hombros —o un PDF de política que nadie sigue— es hoy un hallazgo de diligencia. Para una empresa de deep-tech o biotecnología cuya valoración es su propiedad intelectual, esa respuesta puede mover la cifra o frenar el trato.
La diligencia se ha puesto al día con cómo funciona realmente la ingeniería en 2026. Las personas más cercanas a tu propiedad intelectual más valiosa —los ingenieros fundadores, los científicos principales, los arquitectos de plataforma— son también quienes más usan la IA, porque la IA los hace más rápidos. Los inversores lo saben, y han empezado a sondear la costura exacta donde chocan la velocidad y la confidencialidad.
Por qué el uso de IA entró en la lista de verificación de la diligencia
La diligencia es una búsqueda de valor que quizás no sobreviva al contacto con la realidad. Una patente que resulta inaplicable, un secreto comercial que en realidad nunca fue secreto, una práctica de datos que invita a la exposición regulatoria: cada uno es un descuento esperando a aplicarse. La IA generativa creó una nueva categoría de los tres.
Las cifras de uso explican por qué. La encuesta de 2026 de Gartner encontró que el 88% de los empleados con acceso a IA empresarial también usa herramientas de IA personales para el trabajo, y que el 69% de las organizaciones sospecha o tiene evidencia de uso prohibido de GenAI pública. Los datos de 2025 de LayerX lo plantean de forma más directa: el 77% de los usuarios de IA pega datos en los prompts, y el 82% de eso proviene de cuentas personales no gestionadas. Cuando tu personal más técnico está entre esa mayoría, un comprador tiene que asumir que parte de tu propiedad intelectual ya pasó por una herramienta pública, a menos que puedas demostrar lo contrario.
Y el equipo de diligencia sabe algo que los fundadores a veces pasan por alto: una vez que los datos se envían a una herramienta de IA pública, no se pueden recuperar. Pueden retenerse, procesarse por subencargados o usarse para entrenar los modelos del proveedor. El contenido pegado queda sujeto a los términos de uso del proveedor, que pueden otorgar amplios derechos para retenerlo y usarlo. No existe una cláusula de recuperación para un prompt.
El escenario que aparece en una sala de datos
Imagina a una ingeniera de machine learning seis meses antes de una ronda. Está depurando una pipeline de entrenamiento que codifica el enfoque de modelado central de la empresa: aquello sobre lo que descansa toda la valoración. Pega un bloque de 200 líneas en un chatbot público para que la ayude a desenredar un stack trace. Funciona. Envía el arreglo antes del almuerzo. Nada se rompe, no salta ninguna alerta, y el momento se olvida.
Ahora reprodúcelo durante la diligencia. El abogado del comprador pregunta si alguna invención previa a la patente o algún algoritmo propietario se ha divulgado a terceros. La respuesta honesta es: nadie lo sabe, porque no hay registro de qué salió. Esa incertidumbre es el hallazgo. No importa que la ingeniera tuviera buenas intenciones o que el arreglo fuera elegante: lo que importa es que la empresa no puede demostrar que la divulgación no ocurrió.
Aquí es donde el riesgo abstracto se convierte en dinero concreto. Un secreto comercial depende de esfuerzos razonables para mantenerlo en secreto. En Trinidad v. OpenAI (N.D. Cal., ene. 2026), se desestimó una demanda por secreto comercial porque desarrollar los supuestos secretos a través de ChatGPT contó como divulgación voluntaria: el secreto se perdió. El caso es temprano y direccional, no jurisprudencia establecida, pero nombra el mecanismo exacto que busca un equipo de diligencia: valor que se evaporó en el momento en que entró en un cuadro de prompt público.
Qué quieren ver realmente los compradores
La respuesta tranquilizadora no es una prohibición. Los inversores saben que las prohibiciones fracasan: Samsung prohibió ChatGPT en toda la empresa en 2023 solo después de que los ingenieros ya hubieran pegado código fuente, un algoritmo de detección de defectos y una transcripción de una reunión en él, en unos 20 días desde que se permitió la herramienta. Una prohibición sobre el papel le dice a un equipo de diligencia que identificaste el riesgo y luego confiaste en la esperanza.
Lo que resiste es la evidencia de un control que funciona. Tres cosas, en concreto:
- Visibilidad. ¿Puede el liderazgo ver dónde se usa la IA en toda la ingeniería y dónde se concentra el riesgo? El informe de 2025 de IBM encontró que el 63% de las organizaciones no tiene ninguna política de gobernanza de IA, así que simplemente tener visibilidad del uso ya te pone por delante de la mayor parte de lo que ve un equipo de diligencia.
- Un control que actúa antes del envío. El único lugar para proteger una invención es antes de que el prompt salga, porque después del envío no queda nada que controlar. IBM encontró que solo el 17% de las organizaciones tiene controles técnicos para redactar o bloquear datos sensibles en el punto de entrada. Estar en ese 17% es un factor diferenciador al que puedes apuntar.
- Un registro de que el control funcionó. No un registro de lo que escribieron tus ingenieros, sino un registro de que el contenido sensible fue capturado antes de poder salir. Ese es el artefacto que convierte el "confíen en nosotros" en diligencia demostrable.
El último importa más en una sala de datos. "No lo permitimos" es una afirmación. "Aquí está el registro de nuestro control capturando y deteniendo contenido propietario antes de que llegara a una herramienta pública" es una prueba, y permite que tus ingenieros sigan trabajando a toda velocidad en lugar de esquivar una política que los ralentiza.
El hilo conductor hacia la valoración
El costo de la shadow AI no es solo una brecha futura. Las cifras de 2025 de IBM sitúan la propiedad intelectual en 178 dólares de costo por registro y encontraron que las brechas que implican altos niveles de shadow AI cuestan unos 670 000 dólares más en promedio. Pero en una transacción, el costo más agudo es el descuento que un comprador aplica a la propiedad intelectual que no puede confirmar que siga siendo exclusiva. La incertidumbre tiene precio. Quieres a tus ingenieros rápidos y tus invenciones demostrablemente intactas, y esos dos objetivos solo coexisten cuando el control vive en el prompt, no en un documento de política.
Este es el principio sobre el que está construido Sanitized AI: los datos sensibles —código fuente, invenciones previas a la patente, investigación propietaria— se capturan y se redactan antes de que un prompt llegue a la herramienta de IA, y el evento se registra sin capturar lo que la persona escribió. Gobernanza que mantiene la velocidad y produce la evidencia que pide un equipo de diligencia.
Antes de tu próxima ronda o adquisición, haz la pregunta que hará tu comprador: si un ingeniero pegó nuestra propiedad intelectual central en una herramienta pública el mes pasado, ¿siquiera lo sabríamos? Si la respuesta es no, ese es el control que hay que implementar este trimestre, mucho antes de que se convierta en una partida en el informe de diligencia de otra persona. Solicita una demostración para ver cómo se ve ese registro.