Valuación de activos digitales y modelos de IA: cómo ponerle precio a lo intangible

Una empresa mexicana de logística pasa cinco años construyendo un algoritmo propio de ruteo que reduce sus costos de combustible en 18%. En su balance, ese algoritmo no aparece en ningún lado, porque se desarrolló internamente y las normas contables no permiten reconocerlo como activo mientras se construye. El día en que un fondo de inversión evalúa comprar una participación en la empresa, ese algoritmo, invisible en la contabilidad, se vuelve una de las razones principales por las que el inversionista está dispuesto a pagar.

Esto no es exclusivo de las startups. Cada vez más empresas mexicanas, sin importar su sector, acumulan valor en algoritmos propios, bases de datos, modelos de inteligencia artificial y otros activos digitales que nunca pasaron por caja y que, sin embargo, sostienen buena parte de su ventaja competitiva. Este artículo explica cómo se valuán estos activos y por qué entenderlo importa antes de vender, levantar capital o simplemente conocer el valor real del negocio.

¿Por qué estos activos son tan difíciles de valuar?

Los activos digitales comparten un problema de origen: casi nunca se generan a través de una compra que deje un precio de referencia. Un algoritmo de ruteo, un modelo de recomendación o una base de datos de comportamiento de clientes se construyen internamente, mes tras mes, con el trabajo del equipo de datos. Bajo las normas contables (NIF C-15 en México, IFRS 3 a nivel internacional), un intangible generado internamente casi nunca se puede reconocer como activo en el balance mientras se desarrolla.

El resultado es una brecha entre lo que la empresa vale realmente y lo que su contabilidad refleja. Esa brecha se vuelve visible, casi siempre, hasta el momento en que alguien externo (un comprador, un inversionista, un banco) necesita ponerle un número.

¿Qué tipo de activo digital estás valuando?

No todos los activos digitales se valuán igual. Antes de elegir una metodología, conviene distinguir qué tipo de activo está en juego.

Los tres métodos que se usan en la práctica

La valuación de intangibles digitales se apoya en los mismos tres enfoques que se usan para cualquier activo intangible, adaptados a las particularidades de los activos basados en datos y algoritmos.

• Enfoque de ingresos: proyecta los flujos de efectivo incrementales que el activo genera (ahorro de costos, ingresos adicionales, retención de clientes) y los trae a valor presente. Es el método más usado para algoritmos y modelos de IA que ya están en producción y generan un beneficio medible.
• Enfoque de mercado: compara el activo con transacciones recientes de intangibles similares. Es difícil de aplicar en México por la escasez de transacciones públicas comparables de activos digitales, pero es útil como referencia cuando existen datos de mercados más desarrollados.
• Enfoque de costo: estima cuánto costaría reconstruir el activo desde cero (horas de desarrollo, licencias de datos, infraestructura de cómputo). Funciona mejor para software y plataformas que todavía no generan un flujo de beneficio claramente separable del resto del negocio.

En la práctica, la mayoría de las valuaciones de algoritmos y modelos de IA usan el enfoque de ingresos, porque es el que mejor conecta el activo con lo que realmente le importa a un comprador o inversionista: cuánto valor económico genera, no cuánto costó construirlo.

Un ejemplo simplificado

Retomemos el caso del algoritmo de ruteo. Si ese algoritmo reduce el gasto en combustible en 18% sobre una flota que gasta 40 millones de pesos al año, el ahorro anual atribuible al activo es de 7.2 millones de pesos.

Este cálculo es una simplificación con fines ilustrativos: en la práctica, la tasa de descuento, la vida útil y la sostenibilidad del ahorro requieren un análisis más detallado, que considere si el algoritmo seguirá funcionando igual de bien conforme la operación crece, o si necesitará reinversión constante para mantener su ventaja.

Un reto adicional: el riesgo de ciberseguridad y regulación

Los activos basados en datos traen consigo un tipo de riesgo que los activos físicos no tienen: la exposición a incidentes de ciberseguridad y a cambios regulatorios sobre el uso de datos personales. Cada vez es más común incorporar una prima de riesgo específica en la tasa de descuento cuando el activo depende de datos sensibles, precisamente para reflejar que una brecha de seguridad o un cambio normativo puede reducir su valor de forma abrupta.

Ignorar este riesgo en la valuación es uno de los errores más frecuentes: un modelo de IA que procesa datos personales sin el marco de cumplimiento adecuado puede valer, en la práctica, mucho menos de lo que su desempeño técnico sugiere.

Errores comunes al valuar activos digitales

• Confundir el costo de desarrollo con el valor del activo: lo que costó construir un algoritmo no tiene relación directa con el beneficio económico que genera hoy.
• Atribuir al algoritmo todo el ahorro o ingreso incremental, sin descontar la parte que depende de otros factores (el equipo que lo opera, la infraestructura, las condiciones de mercado).
• Ignorar la dependencia de proveedores externos de datos o de cómputo en la nube, cuyo costo o disponibilidad puede cambiar el valor futuro del activo.
• Usar una vida útil genérica sin considerar qué tan rápido se vuelve obsoleta la tecnología subyacente en ese sector específico.

Por qué esto le conviene revisar a cualquier empresa, no solo a las tecnológicas

No hace falta ser una startup de inteligencia artificial para tener este tipo de activos. Una empresa manufacturera con un modelo propio de mantenimiento predictivo, una empresa de retail con un motor de recomendación basado en su propia base de clientes, o un despacho de servicios con una plataforma interna de gestión de proyectos, todos tienen intangibles digitales que probablemente nunca han sido valuados de forma independiente.

Conocer ese valor sirve para varias decisiones: negociar mejor una venta o ronda de inversión, sustentar una valuación fiscal cuando esos activos se transfieren entre entidades del mismo grupo, o simplemente entender qué parte del negocio conviene proteger y seguir invirtiendo. También ayuda a tomar decisiones internas de asignación de presupuesto: si un algoritmo o una base de datos ya demuestra un valor económico medible, invertir en mantenerlo y mejorarlo deja de ser un gasto de tecnología y se convierte en una decisión de inversión con retorno cuantificable.

El valor que no aparece en el balance también se puede sostener

Que un algoritmo, una base de datos o un modelo de IA no aparezca en los estados financieros no significa que carezca de valor, significa que ese valor todavía no se ha medido con la metodología correcta. Para cualquier empresa que esté considerando una venta, una ronda de inversión o una reestructura, identificar y valuar estos activos digitales puede cambiar de forma significativa la conversación sobre cuánto vale realmente el negocio.

En Flint Consulting® acompañamos a empresas mexicanas en la valuación de activos digitales, algoritmos propios y modelos de inteligencia artificial, con la metodología que permite sostener esa cifra frente a un comprador, un inversionista o la autoridad fiscal.

Si tu empresa ha desarrollado algoritmos, modelos de IA o bases de datos propias y quieres saber cuánto valen realmente, conversemos sobre cómo valuarlos.

¿Quieres saber más?
connect@flintconsulting.mx  |  +52 81 1351 8242  |  flintconsulting.mx