IBM se evapora $40 mil millones, Block recorta personal a la mitad pero el precio de las acciones sube: En la era de la IA, ¿qué activos merecen ser tokenizados?

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%, y aproximadamente 40 mil millones de dólares en valor de mercado se evaporaron en pocas horas. La causa no fue un informe financiero desastroso ni una sanción regulatoria, sino un anuncio de producto: la nueva startup de IA Anthropic anunció que su herramienta Claude Code puede modernizar programas en COBOL que se ejecutan en sistemas IBM, justo el lenguaje que ha sido la “fosa” rentable de IBM.

Tres días después, una historia similar se desarrolló de manera completamente opuesta. El 26 de febrero, Block, la fintech fundada por Jack Dorsey, anunció que despediría a aproximadamente 4000 empleados, casi el 50%, bajo la misma excusa de 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? La respuesta quizás apunta a una cuestión más profunda: la IA está redefiniendo qué es un activo valioso. Para los ejecutivos de empresas cotizadas, inversores y decisores tradicionales, entender esta lógica de reevaluación ya no es una estrategia prospectiva, sino una cuestión de supervivencia.

一、El mismo IA, diferentes decisiones del mercado

Para entender la diferencia entre estos dos casos, primero hay que analizar sus estructuras de activos.

La caída de IBM, en apariencia, fue por la amenaza tecnológica de Claude Code, pero en realidad fue una reevaluación del mercado sobre su modelo de activos principales. COBOL, un lenguaje de programación nacido a finales de los años 50, aún soporta aproximadamente el 95% de las transacciones en cajeros automáticos y muchas infraestructuras clave en finanzas, aviación y gobierno. Anthropic escribió en su blog: “Cada día, miles de millones de líneas de código COBOL operan en producción, impulsando sistemas críticos. Sin embargo, el número de programadores que entienden COBOL disminuye cada año.”

Desde hace tiempo, modernizar sistemas COBOL ha sido una tarea compleja y costosa, lo que ha protegido la rentabilidad de IBM en ese negocio. Pero Anthropic afirmó: “Con la ayuda de IA, los equipos pueden modernizar en pocas temporadas el código COBOL sin gastar años.” La implicación en el mercado es clara: los ingresos de IBM por mantenimiento intensivo en mano de obra y servicios en mainframes están siendo erosionados por la tecnología IA.

Curiosamente, el día siguiente, las acciones de IBM se recuperaron un 2.68%. Analistas de Wall Street como Wedbush y Evercore ISI rápidamente defendieron la acción, calificando la caída como una “reacción excesiva sin fundamento”. Argumentaron que no es posible que los clientes abandonen sus sistemas mainframe solo porque una nueva IA puede traducir código heredado. Existe un gran abismo entre traducir sintaxis 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 el lenguaje COBOL, sino la plataforma IBM Z. La traducción de código no captura la complejidad real; el valor de la plataforma proviene de décadas de integración de hardware y software, algo que la traducción de código no puede transferir.

Por otro lado, el caso de Block, también con despidos masivos y impulsado 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 personal, invirtiendo fuertemente en herramientas de IA, incluyendo su propia herramienta Goose.

La CFO de Block, Amrita Ahuja, explicó los despidos: “Estamos tomando decisiones audaces y decididas, pero basadas en nuestra fortaleza.” Y esa fortaleza se refleja en datos: en 2025, su margen bruto fue de 10.36 mil millones de dólares, un 17% más que el año anterior. Un rendimiento financiero sólido proporciona un colchón para una reestructuración a gran escala.

El mercado interpretó claramente: Block no se está reduciendo pasivamente por el impacto de la IA, sino que está optimizando activamente su estructura de activos — usando menos “recursos humanos” para obtener mayor “eficiencia tecnológica”. La reducción del 50% en personal, junto con la mejora en las previsiones anuales, indica que el valor generado por cada empleado se está amplificando gracias a la IA.

二、En la era de IA, cuatro tipos de activos están siendo reevaluados

Estos casos revelan una tendencia en marcha: la IA se está convirtiendo en un “reevaluador” del valor de los activos. Diferentes tipos de activos muestran curvas de valor muy distintas bajo el marco de evaluación de IA.

Primero, los activos intensivos en capital humano. La valoración del equipo de mantenimiento COBOL de IBM, analistas tradicionales y programadores, está siendo diluida por la IA. Anthropic mencionó que Claude Code puede identificar “riesgos que tomarían meses para que los analistas humanos descubran”. Pero esto no significa que los humanos dejen de ser importantes; sino que 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, señala en un informe que proyectos exitosos de modernización COBOL requieren definir el alcance del negocio, evaluar tecnologías, planear migraciones de datos, verificar la equivalencia conductual, la observabilidad y la gestión del cambio organizacional. La traducción de código es solo una parte. La capacidad humana para entender sistemas complejos, comprender la esencia del negocio y tomar decisiones estratégicas sigue siendo escasa.

Segundo, los activos de datos. En la era de IA generativa, el valor de los datos se está redefiniendo. Estudios como los de Tang y colegas en PLOS One muestran que la IA generativa cambia cómo se obtiene, procesa y utiliza la información, y que el valor de los datos depende no solo de su calidad y relevancia, sino también de su aplicabilidad, capacidad de transformación y demanda en el marco de IA.

Esto significa que la singularidad, continuidad y gobernanza de los datos se vuelven dimensiones clave de valor. Un conjunto de datos puede ser muy valioso en un escenario, y 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.

Tercero, 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, demuestra 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.

Cuarto, los activos tangibles tradicionales. Están experimentando una segmentación. Los activos que dependen de “asimetría de información” y “intermediación humana” enfrentan depreciación. En cambio, los activos físicos con “resistencia a la sustitución por IA”, como infraestructuras energéticas, recursos escasos y activos críticos, mantienen su valor relativamente estable. La razón es simple: IA puede analizar y optimizar su operación, pero no puede reemplazar su existencia física ni su función de soporte de valor.

三、De “reevaluación de activos” a “inmunidad a IA”

Con base en estos análisis, las empresas necesitan un marco sistemático para determinar si sus activos aumentan o disminuyen de valor en la era de IA. El Instituto RWA propone un marco de identificación de “activos inmunes a IA”, que tiene tres características principales.

Primero, la no codificabilidad. Se refiere a elementos de valor que son difíciles de aprender o copiar completamente por IA. El código COBOL puede ser traducido por IA, pero la capacidad de procesamiento de transacciones de los mainframes Z, la encriptación cuántica, la fiabilidad de ocho nueves, son aspectos que la IA no puede replicar. Futurum Group señala que “la traducción de código no captura la complejidad real; el valor de la plataforma proviene de décadas de integración hardware-software”. Igualmente, el control en escenarios offline, conocimientos tácitos y redes complejas de relaciones, que son difíciles de “codificar”, constituyen la primera barrera inmunitaria del activo.

Segundo, la barrera de datos. ¿La empresa posee datos exclusivos, continuos y gobernables? ¿Utiliza solo datos públicos o puede generar datos que otros no pueden obtener? El Banco CITIC ya explora evaluar el valor de sus activos de datos mediante modelos grandes, intentando “incorporar datos en su balance”. La lógica es que, en la era de IA, los datos no solo son materia prima, sino también un activo en sí mismo. Pero no todos los datos tienen barrera: los datos públicos en la web serán rápidamente consumidos por modelos de IA, mientras que los datos exclusivos confieren una prima en la evaluación de IA.

Tercero, la elasticidad de la IA. ¿El activo puede ser mejorado por IA en lugar de sustituido? Esta es la clave para distinguir entre el impacto de IBM y la transformación de Block. La actividad principal de IBM — mantener sistemas COBOL heredados — es susceptible a ser reemplazada por IA; en cambio, el modelo de negocio de Block — pagos y servicios financieros — puede ser potenciado por IA. De hecho, IBM también 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 crece.

Por otro lado, los activos vulnerables a IA presentan tres características: dependen del “procesamiento de información” como valor central, pueden ser sustituidos por procesos estandarizados y carecen de capacidad de generación y acumulación de datos. Con estas características, las empresas pueden realizar “pruebas de estrés” a su portafolio de activos.

四、Nuevas oportunidades en RWA: ¿qué activos valen la pena tokenizar?

Extendiendo el marco anterior al campo de la tokenización de activos del mundo real (RWA), se puede concluir claramente que RWA no es “todo activo puede subir a la cadena”, sino que en la marea de reevaluación por IA, hay que seleccionar aquellos activos físicos que puedan atravesar ciclos de IA.

Para marzo de 2026, el valor total de RWA en cadena superó los 25 mil millones de dólares, casi cuadruplicando respecto al año anterior. Pero en el White Paper de la Asociación de Estándares Web3.0 de Hong Kong, publicado en agosto de 2025, se afirma que “todo puede ser RWA” es un falso concepto. Para lograr una escala real, los activos deben cumplir con tres requisitos: estabilidad de valor, claridad legal y verificabilidad de datos off-chain.

Aplicando el marco de “inmunidad a IA”, podemos refinar aún más: los activos que valen la pena tokenizar son aquellos cuya valoración se mantiene estable en la reevaluación por IA.

Primero, los activos físicos con “inmunidad a IA”. Incluyen activos energéticos, infraestructura, recursos escasos. Su valor no depende del procesamiento de información, sino de su existencia física y utilidad real. Los ejemplos en el white paper, como activos de energías renovables (estaciones de carga, plantas fotovoltaicas) y recursos de computación como GPU, entran en esta categoría. Las GPU, con una demanda rígida en la industria de IA y un “gen digital” confiable, se están convirtiendo en activos ideales para RWA.

Segundo, los activos de datos programables. Datos exclusivos que pueden ser monetizados automáticamente mediante contratos inteligentes, combinan “barrera de datos” y “elasticidad de 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, ser claramente propiedad y verificables, tienen base para tokenización.

Tercero, los 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 — el control en escenarios offline — sigue en manos de instituciones especializadas. Esta estructura “física + digital” aprovecha la liquidez de blockchain y mantiene un anclaje de valor “inmunizable a IA”.

Por el contrario, hay dos tipos de activos que deben abordarse con cautela en la tokenización en la era de IA: aquellos altamente dependientes de intermediarios humanos, cuyo valor puede comprimirse por IA; y los activos sin barrera de datos, que en la evaluación de IA carecen de poder de negociación.

五、Guía de acción: de la percepción a la decisión

La evaporación de 40 mil millones de 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 contra de la tendencia, es otra señal: las empresas que puedan adoptar IA y optimizar su estructura de activos están siendo reevaluadas 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 CEO 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 operativas:

Primero, iniciar inmediatamente una “prueba de estrés de IA” en los activos. Evaluar cada unidad de negocio clave según las tres características del marco de “inmunidad a IA”: no codificabilidad, barrera de datos y elasticidad de IA. Identificar qué negocios son más vulnerables a la pérdida de valor por IA, y cuáles pueden beneficiarse de su potenciación.

Segundo, establecer un mecanismo dinámico de gestión de portafolio de activos. En un contexto de reevaluación por IA, la asignación de recursos no debe ser estática. Las empresas deben aumentar la proporción de activos “inmunes a IA” y planear la transformación o desinversión de los activos vulnerables. Esto requiere la colaboración de áreas estratégicas, tecnológicas y operativas.

Tercero, revisar la estrategia de RWA. Antes de tokenizar, filtrar los activos subyacentes con el marco de “inmunidad a IA”. La clave del valor de RWA no es solo “subir a la cadena”, sino obtener mejor liquidez y valoración mediante la tokenización. Si los activos subyacentes se deprecian en la era de IA, la tokenización solo acelerará la pérdida de valor.

Por último, cabe señalar que, según el documento 42 emitido por ocho departamentos en China, en el territorio continental está prohibido realizar cualquier tipo de emisión de tokens y transacciones de tokens. La discusión sobre la tokenización de RWA en este artículo se refiere únicamente a prácticas digitales en marcos regulatorios internacionales. Las empresas que exploren estos negocios deben cumplir estrictamente con las regulaciones de “prohibición interna y registro externo”.

Cuando la IA empieza a determinar los precios de los activos, la única seguridad radica en aquello que la IA no puede valorar: no en el código, no en los datos, sino en la capacidad humana de juzgar el valor en sí mismo.

（Este artículo se basa en información y datos públicos, incluyendo Nasdaq, Tencent News, Futurum Group, PLOS One, 21st Century Business Herald, Industrial and Commercial Times, entre otros medios y centros de investigación reconocidos. Las opiniones expresadas no constituyen recomendaciones de inversión.)