Un techo de 4.000 millones y una caída que lo explica todo
Blend llegó a los mercados públicos en 2021 como uno de los nombres más citados del fintech hipotecario estadounidense. Su plataforma de automatización para bancos y prestamistas procesaba solicitudes de préstamos, reducía la fricción del onboarding y prometía modernizar una de las industrias más lentas del sistema financiero. El mercado le creyó: la compañía alcanzó una capitalización cercana a los 4.000 millones de dólares en su pico bursátil.
Lo que vino después no requiere demasiada interpretación. La Reserva Federal subió las tasas de interés de forma agresiva entre 2022 y 2023, el volumen de originación hipotecaria en Estados Unidos colapsó, y Blend, cuyo modelo de ingresos estaba directamente atado a la actividad transaccional de sus clientes bancarios, sintió el impacto de forma inmediata y proporcional. Cuando el mercado que sostiene tu motor de ingresos se contrae a la mitad, ningún software, por eficiente que sea, absorbe ese golpe sin dejar marcas en el estado de resultados.
Ahora, según reporta Fortune, el CEO Nima Ghamsari está reorientando la compañía hacia la automatización impulsada por inteligencia artificial como vector de recuperación. La tesis es atractiva en el papel: si la IA puede reducir el costo de procesar cada transacción y ampliar el alcance de la plataforma más allá del crédito hipotecario, Blend podría reconstruir su base de ingresos sobre una estructura menos vulnerable a los ciclos de tasas. El problema es que esa tesis, para ser válida, exige un tipo de gestión organizacional que rara vez acompaña a las empresas en modo de supervivencia.
El error que nadie llama por su nombre
Blend construyó su modelo de negocio sobre un supuesto implícito: que el mercado hipotecario seguiría siendo el mismo durante suficiente tiempo como para justificar una dependencia casi total de ese segmento. Eso no es una crítica a la inteligencia del equipo fundador; es una descripción de cómo funciona la lógica de hipercrecimiento en un entorno de capital barato. Cuando el dinero es abundante y los inversores premian el crecimiento a cualquier costo, concentrar recursos en el segmento de mayor tracción tiene una lógica financiera impecable a corto plazo.
El problema estructural es que esa concentración deja a la empresa sin amortiguadores. Un portafolio de negocios bien diseñado no depende de un único motor de ingresos para sobrevivir un ciclo adverso. Blend, en su momento de mayor valoración, no parecía estar incubando líneas de negocio paralelas con suficiente autonomía presupuestaria como para convertirse en un segundo motor cuando el primero se apagara. La automatización hipotecaria era todo: el producto, el cliente, el argumento ante los inversores y el criterio con el que se medía cada iniciativa interna.
Esa homogeneidad del portafolio es exactamente el tipo de fragilidad que no aparece en los roadshows de IPO, pero que los ciclos económicos siempre terminan exponiendo. Y cuando aparece, la respuesta corporativa más frecuente —la que vemos aquí— es señalar una tecnología emergente como la salida. La IA, en este contexto, corre el riesgo de convertirse en un argumento narrativo antes de convertirse en un motor operativo verificable.
Automatizar no es lo mismo que explorar
Aquí es donde el análisis se vuelve técnicamente más exigente. Ghamsari está apostando por la IA para reducir costos operativos y mejorar márgenes en el negocio que ya existe. Eso es, por definición, una iniciativa de eficiencia dentro del portafolio actual, no una exploración de nuevos modelos de ingresos. La distinción importa porque tiene consecuencias directas sobre cómo se debe gestionar, financiar y medir esa apuesta.
Si la IA se despliega como una capa de eficiencia sobre el negocio hipotecario existente, el riesgo de base no desaparece: simplemente se vuelve más barato de operar. Un ciclo adverso de tasas seguirá comprimiendo el volumen de transacciones, y la reducción de costos por automatización solo mejora el punto de equilibrio, no diversifica la fuente de ingresos. Para que la apuesta de IA sea realmente transformadora en términos de portafolio, Blend necesitaría usarla para abrir categorías adyacentes —otros productos de crédito, otros tipos de clientes bancarios, otros mercados geográficos— con una lógica de exploración genuina, no de optimización del presente.
El peligro organizacional clásico en este tipo de pivotes es medir las iniciativas de IA con los mismos indicadores de rentabilidad que se le exigen al negocio hipotecario maduro. Si la dirección financia un proyecto de automatización inteligente pero le exige que justifique su presupuesto con métricas de ingresos en el corto plazo, lo que obtiene no es una startup interna que explore nuevos mercados, sino una iniciativa de IT glorificada con un presupuesto precario. Ese tipo de gestión no produce expansión de portafolio; produce reportes.
Lo que Blend necesita —y lo que no está claro que esté implementando— es una separación presupuestaria y operativa entre lo que mantiene vivo el negocio de hoy y lo que financia las apuestas de mañana. Eso implica proteger la caja del núcleo operativo, definir métricas de aprendizaje para los proyectos exploratorios y darles suficiente autonomía como para que puedan validar hipótesis de mercado sin que cada trimestre sean evaluados como si ya fueran negocios maduros.
El diseño organizacional decide si la IA es una palanca o un argumento
La historia de las empresas que apostaron por tecnologías emergentes después de una crisis de modelo de negocio tiene un patrón reconocible. Las que lo hicieron bien separaron con claridad el presupuesto de supervivencia del negocio actual del presupuesto de exploración de nuevas líneas. Las que fracasaron trataron de usar la nueva tecnología para hacer más eficiente lo que ya existía, sin construir la capacidad organizacional para descubrir algo distinto.
Blend está en un momento en que ambas presiones conviven: necesita mejorar márgenes en el corto plazo para mantener la confianza del mercado público, y simultáneamente necesita construir una base de ingresos menos expuesta a los ciclos hipotecarios. Esas dos necesidades tienen lógicas de gestión opuestas. La primera exige control, eficiencia y predictibilidad. La segunda exige tolerancia a la experimentación, ciclos de validación largos y métricas que no son las del balance trimestral.
Con la información disponible, la apuesta de Ghamsari parece inclinarse hacia el primer vector: usar la IA para hacer más rentable lo que ya existe. Eso es racionalmente defensable dado el contexto, pero no resuelve el problema estructural que dejó a Blend tan expuesto cuando el mercado hipotecario se contrajo. Un portafolio que depende de un solo sector para generar ingresos, aunque ese sector opere con mayor eficiencia tecnológica, sigue siendo un portafolio de un solo sector.
La viabilidad del reset de Blend depende de si la dirección logra construir, en paralelo a la eficiencia operativa actual, una capacidad de exploración con presupuesto protegido y métricas propias. Sin esa separación, la IA será una mejora de márgenes, no una expansión de portafolio, y el próximo ciclo adverso encontrará a la empresa en la misma posición estructural que la dejó aquí.
