La reciente aparición de Michael Saylor en el podcast Diary of a CEO ha generado un debate que trasciende la anécdota. Saylor declaró que utilizó ChatGPT para diseñar un producto financiero —una acción preferente con dividendo variable respaldada por Bitcoin— que permitió a Strategy (anteriormente MicroStrategy) recaudar aproximadamente 150.000 millones de dólares en financiamiento.
La declaración, formulada en términos categóricos («AI helped me create $15 billion»), invita a un análisis que desagregue el componente de innovación financiera del componente de riesgo estructural.
El diseño del instrumento: una innovación genuina
A comienzos de 2025, Strategy había agotado los canales tradicionales de financiamiento: el mercado de capitales y el de deuda convertible habían llegado a sus límites prácticos. Saylor describió el problema con precisión: necesitaba un instrumento híbrido entre deuda y capital, que no existía en el mercado. Recurrió a ChatGPT para explorar estructuras de acciones preferentes con dividendo variable mensual, diseñadas para mantener un precio estable cercano a los 100 dólares.
El resultado fue STRK (y su variante STRC), una acción preferente convertible respaldada por las acumulaciones de Bitcoin de la compañía. La innovación reside en el mecanismo de dividendo variable: la tasa se ajusta mensualmente para estabilizar el precio del instrumento, una característica que Saylor afirma no tenía precedentes en la historia financiera. Los equipos legales y de banca de inversión reaccionaron con escepticismo: «nunca antes se había hecho». ChatGPT, según Saylor, validó la viabilidad legal y estructural del diseño.
Desde una perspectiva de ingeniería financiera, el caso es notable. La combinación de respaldo en Bitcoin, dividendo variable y estructura preferente no configuraba una violación regulatoria, sino una ausencia de precedente. Saylor supo identificar un espacio de diseño no ocupado y utilizó un modelo de lenguaje para explorar combinatorias de cláusulas y parámetros que ningún asesor humano había propuesto. Eso es, en esencia, una aplicación de IA para descubrimiento de soluciones en un dominio con restricciones complejas.
El instrumento se colocó en el mercado mediante una OPV inicial de 2.500 millones de dólares —descrita como la mayor del año— seguida de emisiones adicionales que elevaron el total a 150.000 millones. La cifra representa capital captado por la compañía, no ganancia personal de Saylor.
La tesis de Saylor sobre IA y creación de valor
Más allá del caso concreto, Saylor articuló una filosofía de creación de riqueza en la era de la IA que merece examen. Su premisa central es que el factor diferencial no es la productividad en tareas existentes, sino la capacidad de formular preguntas que nunca antes se habían planteado. En sus palabras:
«no quieres aprender a hacer cosas que la IA ya puede hacer; quieres aprender a pedirle a la IA que haga algo que nunca se ha hecho antes».
Esta distinción es operativa. La automatización de flujos de trabajo existentes es una estrategia de eficiencia, no de creación de nuevo valor de mercado. La exploración de espacios de diseño inexplorados —donde no hay precedentes, ni jurisprudencia, ni convención de mercado— es donde la IA puede funcionar como motor de descubrimiento y no como mera herramienta de productividad.
Saylor complementa esta visión con un marco temporal: identifica la convergencia de dos tecnologías en fase temprana de adopción —IA y Bitcoin— como el terreno fértil para la innovación financiera. Propone buscar el punto de inflexión en la curva S de adopción tecnológica, donde el crecimiento se acelera. La recomendación para emprendedores es, en esencia, no competir en productividad contra máquinas, sino en capacidad de formulación de problemas.
El costo de la innovación: riesgos y pérdidas realizadas
La narrativa de Saylor omite, sin embargo, un componente central: el rendimiento del activo subyacente y las consecuencias contables y de mercado de la estrategia. Strategy reportó en el segundo trimestre de 2026 una pérdida neta de 8.220 millones de dólares, frente a una ganancia de 10.020 millones en el mismo período del año anterior. La pérdida operativa alcanzó los 8.330 millones, de los cuales 8.320 millones corresponden a pérdidas no realizadas por la revaluación de las tenencias de Bitcoin. La pérdida por acción diluida fue de 24,45 dólares.
Las tenencias de Bitcoin de Strategy ascienden a 840.447 BTC, con un costo promedio de adquisición de 75.385 dólares por unidad. Al precio de cotización vigente, la posición registra una pérdida no realizada de aproximadamente 9.900 millones de dólares, equivalente a un -15,6%. Todas las compras realizadas en 2024 y 2026 se encuentran bajo el agua.
El precio de la acción MSTR ha reflejado esta dinámica. Acumula una caída del 38% en lo que va de 2026 y del 73% interanual. Desde el lanzamiento de STRC en julio de 2025, el precio de MSTR ha descendido un 75%. La acción cotiza cerca de los 95-98 dólares, muy por debajo del máximo de 414 dólares alcanzado en los últimos 52 semanas.
La compañía ha vendido Bitcoin en tres ocasiones para cubrir obligaciones de dividendos de las acciones preferentes. La venta más reciente involucró 1.638 BTC a un precio promedio de 63.957 dólares, generando aproximadamente 104,7 millones. El total acumulado de ventas asciende a 5.226 BTC por unos 321 millones de dólares. Saylor ha defendido estas operaciones señalando que la compañía «nunca tuvo una política de ‘no vender nunca'».
Para hacer frente a las obligaciones de dividendos e intereses —que totalizan 1.760 millones de dólares anuales—, Strategy ha incrementado su reserva en efectivo hasta los 4.800 millones de dólares, mediante la emisión de acciones ordinarias y la venta de Bitcoin.
Evaluación: IA como habilitadora, no como garante
El caso de Saylor permite extraer una conclusión que el sector crypto debería considerar con atención. La IA demostró ser un habilitador de innovación financiera en un dominio con restricciones complejas. El diseño de STRK/STRC es, desde la perspectiva de la ingeniería de productos financieros, un logro: identificó una combinación de parámetros —respaldo en Bitcoin, dividendo variable, estructura preferente— que ningún asesor humano propuso y que resultó legalmente viable.
Sin embargo, la creación del vehículo de financiamiento no resuelve el problema subyacente de la estrategia de negocio: la dependencia del rendimiento de un activo volátil para generar valor. El instrumento permitió apalancar la exposición a Bitcoin, pero no alteró la naturaleza del activo subyacente. La pérdida no realizada de 9.900 millones de dólares y la caída del 38% en el precio de la acción son consecuencias directas de esa exposición, no fallos del diseño del instrumento ni de la IA que lo diseñó.
Por un lado, la IA puede acelerar la exploración de espacios de diseño financiero que los equipos humanos, limitados por convención y precedente, no consideran. Por otro, la innovación en el instrumento no compensa la vulnerabilidad del activo subyacente. La capacidad de ChatGPT para estructurar un producto financiero novedoso no implica capacidad para evaluar el riesgo de mercado de la estrategia que ese producto financia.
Saylor ha sugerido que la convergencia de IA y Bitcoin permitirá construir productos financieros que aún no existen. Eso es cierto en el plano de la ingeniería de productos. Lo que el caso de Strategy demuestra es que la viabilidad técnica y legal de un instrumento es condición necesaria pero no suficiente para la creación sostenida de valor.
La pregunta que la IA no puede responder —y que el mercado ya está respondiendo— es si el apalancamiento de exposición a un activo volátil mediante instrumentos innovadores constituye una estrategia de creación de valor o una transferencia de riesgo hacia los tenedores de esos instrumentos.
El sector crypto, al evaluar las declaraciones de Saylor, debería distinguir entre la capacidad de la IA para diseñar soluciones en espacios no ocupados y la capacidad de esas soluciones para generar retornos ajustados por riesgo.
La primera es una afirmación sobre capacidades computacionales y de exploración. La segunda es una afirmación sobre fundamentos económicos y de mercado. La IA puede asistir en la primera; no puede sustituir el análisis de la segunda.
