Resumen ejecutivo — cinco hallazgos
- El referente de la categoría más "sofisticada" quebró. Soul Machines —humanos digitales con simulación de neurotransmisores, cofundada por un ganador del Óscar— entró en receivership el 5 de febrero de 2026. Levantó más de USD 135 millones, pasó de 253 a 45 empleados y perdió a Mercedes-Benz, ANZ y Air New Zealand. KPMG está vendiendo sus activos.
- Las capas "aburridas" son las que capitalizan. ElevenLabs cerró USD 500 millones a una valuación de USD 11.000 millones (febrero 2026), triplicando su valor en un año. fal levantó USD 140 millones a USD 4.500 millones y ya negocia cerca de USD 8.000 millones. Voz e inferencia — no la empatía simulada — son donde se está acumulando el valor.
- El video corporativo se consolidó en dos jugadores con estrategias opuestas. Synthesia (USD 4.000 millones, enero 2026, más del 90% de las Fortune 100) apuesta al cumplimiento y la escala empresarial. HeyGen apuesta a la velocidad de lanzamiento y los creadores.
- Higgsfield es mucho más grande de lo que suele reportarse. Cerró a USD 1.300 millones en enero de 2026 y en junio negociaba a una valuación pre-money cercana a los USD 5.000 millones, con ingresos anualizados estimados en USD 500 millones.
- La lección práctica no es de funcionalidades: es de continuidad. Un avatar queda incrustado en la experiencia de cliente. Antes de comparar características, hay que preguntar si el proveedor va a existir en tres años — y si los activos son exportables cuando no lo esté.
1. El caso que hay que mirar primero
Casi todos los análisis de este mercado empiezan por el tamaño proyectado. Vamos a empezar por otro lado, porque es la información con más valor práctico para quien tiene que decidir un proveedor.
Soul Machines era, sobre el papel, la empresa más impresionante del sector. Fundada en 2016 como spin-off de la Universidad de Auckland por Greg Cross y Mark Sagar —este último ganador de un Óscar técnico por su trabajo en Avatar y King Kong—. Su propuesta era un "cerebro digital" que simulaba neurotransmisores como la dopamina y la oxitocina para producir reacciones emocionales autónomas. Levantó más de USD 135 millones de Temasek, Salesforce Ventures y Horizons Ventures. Sus clientes incluían a Mercedes-Benz, ANZ y Air New Zealand.
El 5 de febrero de 2026 entró en receivership. KPMG fue designado para vender los activos y la propiedad intelectual.
Anatomía de un colapso: Soul Machines, 2023–2026
Fuente: reportes de prensa neozelandeses sobre el proceso de receivership (febrero 2026) y registros financieros del Reino Unido. Elaboración GrowMkTech.
Advertencia sobre una recomendación que todavía circula
Buena parte de los análisis de este mercado —incluidos varios publicados en 2026— siguen listando a Soul Machines como líder de la categoría de humanos digitales y la recomiendan para despliegues empresariales de tres a seis meses, con proyecciones de valuación para 2028. Si está evaluando proveedores con un informe de este tipo en la mano, verifique el estado societario de cada empresa antes de firmar. En este sector, un análisis de seis meses de antigüedad puede estar recomendando a una compañía que ya está en manos de un liquidador.
2. El mapa real: cinco capas, líderes distintos
El error más común al abordar este mercado es tratarlo como una sola categoría en la que hay que elegir un ganador. No lo es. Son capas apiladas, y la mayoría de las empresas de la capa superior son clientes de las de abajo — Synthesia y HeyGen usan proveedores de voz; casi todos corren inferencia sobre infraestructura de terceros.
Las cinco capas del ecosistema y su valuación conocida
Valuaciones de la última ronda cerrada y verificada a julio de 2026. Elaboración GrowMkTech.
Ese gráfico contiene la observación estratégica central del informe: el valor no se está acumulando arriba, donde está la magia visible, sino abajo, donde está la infraestructura. La capa de humanos digitales emocionales —la más ambiciosa técnicamente y la que mejor se demostraba en una conferencia— es la que está consolidándose por quiebra. Las capas de voz e inferencia, que nadie ve, son las que multiplicaron su valor.
3. Capa por capa: quién es quién
Infraestructura de inferencia — fal
Es el proveedor sobre el que corren buena parte de las aplicaciones de generación de medios. Unifica cientos de modelos de imagen, video, audio y 3D bajo una sola API, con inferencia sin servidor sobre GPUs de NVIDIA. Cerró en diciembre de 2025 una Serie D de USD 140 millones a una valuación de USD 4.500 millones, liderada por Sequoia con participación del brazo de inversión de NVIDIA. En marzo de 2026 trascendió que negociaba entre USD 300 y 350 millones adicionales a una valuación cercana a los USD 8.000 millones, en tramos con precios distintos.
Reporta unos 3 millones de desarrolladores y más de 50 millones de generaciones diarias. Es el clásico negocio de "palas y picos": no compite por el usuario final, le vende a todos los que sí compiten.
Voz — ElevenLabs
Es la capa donde ocurrió el movimiento financiero más grande del año. En febrero de 2026 levantó USD 500 millones liderados por Sequoia a una valuación de USD 11.000 millones, más del triple de los USD 3.300 millones que valía tras su Serie C de enero de 2025. Se reporta que evalúa una salida a bolsa.
La razón de fondo es simple: en un avatar, la voz es la mitad de la experiencia — y a diferencia de la imagen, una voz mal sintetizada arruina la credibilidad de inmediato. Su posición como proveedor de voz para plataformas de video la convierte en un estándar de hecho.
Video corporativo — Synthesia y HeyGen
Dos estrategias claramente distintas dentro del mismo espacio:
| Synthesia | HeyGen | |
|---|---|---|
| Apuesta | Empresa grande: capacitación, comunicación interna, cumplimiento | Marketing, ventas y economía de creadores |
| Última valuación verificada | USD 4.000 millones (Serie E, enero 2026, liderada por GV) | USD 500 millones tras su Serie A de 2023; sin ronda pública posterior |
| Tracción | Usada por más del 90% de las Fortune 100 | Cerca de USD 95 millones de ingresos recurrentes anuales reportados a septiembre de 2025 |
| Fortaleza | Certificaciones, seguridad y previsibilidad para comprador corporativo | Velocidad de lanzamiento de funcionalidades y avatares en tiempo real |
| Cuándo conviene | Cuando el comprador es un área de RRHH o cumplimiento y el volumen es alto | Cuando se necesita iterar rápido en contenido comercial o social |
Un matiz importante sobre HeyGen: su valuación pública sigue siendo la de 2023. Las cifras de "USD 1.000 a 2.000 millones" que circulan son estimaciones de terceros, no rondas anunciadas. Dado su nivel de ingresos reportado, es razonable suponer que vale bastante más que en 2023 — pero conviene tratarlo como estimación y no como dato.
Video cinematográfico — Higgsfield
Es el jugador cuya escala más se subestima en los análisis del sector. Fundada por Alex Mashrabov —ex responsable de IA generativa en Snap— apunta a producción audiovisual con control de cámara: movimientos tipo dolly, crane y bullet-time que las herramientas de video corporativo no ofrecen.
Su trayectoria de valuación en menos de un año es llamativa: USD 1.000 millones en septiembre de 2025, USD 1.300 millones en enero de 2026 con una extensión de Serie A liderada por Accel, y en junio de 2026 se reportaron conversaciones para levantar entre USD 300 y 500 millones a una valuación pre-money cercana a USD 5.000 millones, con ingresos anualizados estimados en torno a USD 500 millones.
Renderizado 3D — Unreal Engine
No es un generador de avatares con IA, sino el motor sobre el que se construye la fidelidad visual cuando el requisito es máximo realismo: MetaHuman para crear personajes, MetaHuman Animator para captura facial desde un teléfono. Es la capa que importa en videojuegos, cine virtual y experiencias inmersivas — y la menos relevante para una empresa que solo quiere producir videos de capacitación.
4. Qué se puede afirmar sobre el tamaño del mercado (y qué no)
Las proyecciones que circulan —"de USD 9.780 millones en 2025 a USD 142.620 millones en 2035"— provienen de consultoras de investigación de mercado que venden esos informes, no de fuentes auditadas. Conviene usarlas como indicación de dirección, no como dato.
Lo que sí está respaldado por evidencia observable es más modesto y más útil:
- El capital privado se está moviendo con fuerza y velocidad: ElevenLabs triplicó su valuación en doce meses; fal la triplicó y negocia casi duplicarla otra vez; Higgsfield pasó de USD 1.000 a 1.300 millones en cuatro meses.
- La adopción empresarial es real en el segmento de video: que más del 90% de las Fortune 100 use Synthesia es un indicador de penetración concreto, no una proyección.
- La categoría de humanos digitales conversacionales está en consolidación, no en expansión: su referente quebró y sus clientes emblemáticos migraron.
Sobre la cifra de Gartner que suele citarse
La afirmación de que "el 25% de las interacciones serán con humanos digitales para 2027" no pudimos localizarla en las publicaciones de Gartner. Lo que sí publica la consultora en esta línea es que el 50% de los compradores B2B interactuará con un humano digital en el ciclo de compra hacia 2026 y una estimación de la economía de humanos digitales en torno a USD 125.000 millones hacia 2035. Son afirmaciones distintas y conviene no intercambiarlas.
5. Cómo decide una empresa en Chile o Latinoamérica
Para una empresa de la región, la mayor parte de este mapa es irrelevante. La decisión práctica se reduce a identificar el trabajo que hay que hacer:
Qué capa necesita según el problema que quiere resolver
Elaboración GrowMkTech.
La pregunta que evita la mayoría de los proyectos fallidos
¿El rostro agrega valor, o solo agrega costo? En capacitación y comunicación interna la respuesta suele ser sí: un video con presentador se termina de ver, un documento no. En atención al cliente la respuesta suele ser no: quien tiene un problema quiere resolverlo rápido, y un avatar hablando a velocidad humana es más lento que un texto que se lee en diagonal. El avatar brilla donde la presencia importa; estorba donde lo que importa es la eficiencia.
6. Tres criterios de selección que casi nadie aplica
1 · Viabilidad del proveedor
El caso Soul Machines lo demuestra: financiamiento abundante, tecnología premiada y clientes de primer nivel no garantizan continuidad. Señales que conviene mirar antes de firmar: rotación de fundadores y ejecutivos, caída de dotación, ausencia de rondas recientes, y clientes emblemáticos que dejan de aparecer en el sitio del proveedor. Ninguna de las cuatro requiere información privilegiada.
2 · Portabilidad de los activos
Pregunte por escrito, antes de contratar: ¿los guiones, avatares y clonaciones de voz son exportables? ¿En qué formato? ¿Qué pasa con ellos si el servicio se discontinúa? Un avatar corporativo que los clientes ya reconocen es un activo de marca — y quedar sin acceso a él por una quiebra ajena es un riesgo evitable con una cláusula.
3 · Consentimiento y cumplimiento
Clonar la voz o la imagen de una persona real —un ejecutivo, un vendedor, un vocero— exige consentimiento explícito, por escrito y con alcance delimitado: para qué se usará, por cuánto tiempo y qué ocurre si esa persona deja la empresa. Es un tema que hoy se resuelve con un correo informal y que dentro de dos años va a generar conflictos laborales y regulatorios previsibles.
7. Conclusión
El mercado de avatares digitales está creciendo de verdad — el capital que se movió en los últimos doce meses no deja dudas. Pero está creciendo de forma desigual y contraintuitiva.
La capa más espectacular, la de humanos digitales con emociones simuladas, resultó ser la más frágil: prometió más de lo que el mercado necesitaba, costó más de lo que la mayoría podía pagar y su referente terminó en manos de un liquidador. Mientras tanto, las capas invisibles —la voz que suena natural, la infraestructura que hace la inferencia rápida y barata— son las que están capturando el valor.
Para una empresa de la región, eso se traduce en una recomendación poco glamorosa pero sólida: empiece por el caso de uso aburrido y de bajo riesgo —capacitación, comunicación interna, contenido multilingüe—, use plataformas establecidas, exija portabilidad por contrato, y deje el humano digital conversacional a medida para cuando exista una razón de negocio que lo justifique más allá de que se ve impresionante en una demostración.
La pregunta no es qué avatar usar, sino en qué capa necesita operar y con qué proveedor puede comprometerse por tres años. En un mercado donde el líder de una categoría puede pasar de referente a liquidación en dieciocho meses, la diligencia sobre la continuidad del proveedor vale más que cualquier comparación de funcionalidades.
Metodología y fuentes
Valuaciones y hechos verificados en fuentes primarias y prensa especializada: ElevenLabs — Serie D de USD 500 millones a USD 11.000 millones y CNBC (febrero 2026) · Synthesia — Serie E de USD 200 millones a USD 4.000 millones · TechCrunch — fal levanta USD 140 millones a USD 4.500 millones (diciembre 2025) y comunicado oficial · Sacra — Higgsfield: rondas, valuación e ingresos estimados · Sacra — HeyGen: financiamiento e ingresos recurrentes · B2B News NZ — Soul Machines en receivership: cronología, salida de fundadores y clientes · Análisis de las predicciones de Gartner sobre humanos digitales.
Nota de precisión. Este informe corrige cinco puntos frecuentes en los análisis de este mercado. (1) Soul Machines está en receivership desde el 5 de febrero de 2026; recomendarla como proveedor para despliegues empresariales, como todavía hacen varios informes en circulación, es un error con consecuencias prácticas. (2) La ronda de ElevenLabs no está "en conversaciones": cerró en febrero de 2026 por USD 500 millones a USD 11.000 millones. (3) La Serie D de fal es de diciembre de 2025, no de mayo de 2026, y desde marzo de 2026 la empresa negocia a una valuación cercana a USD 8.000 millones; sus cifras operativas verificadas son de aproximadamente 3 millones de desarrolladores y más de 600 modelos, no 2,5 millones ni 1.000 modelos. (4) La valuación de HeyGen que circula (USD 1.000 a 2.000 millones) es una estimación de terceros: la última ronda pública la ubica en USD 500 millones en 2023, cifra probablemente desactualizada dado su nivel de ingresos, pero que no debe presentarse como dato. (5) La predicción de que "el 25% de las interacciones serán con humanos digitales para 2027" no pudimos localizarla en las publicaciones de Gartner; sí existe una proyección distinta sobre compradores B2B hacia 2026. Las proyecciones de tamaño de mercado a 2035 provienen de consultoras que comercializan esos informes y se presentan aquí como indicación de dirección, no como dato auditado. Las proyecciones de valuación a 2028 que circulan en otros análisis son especulativas y se omiten. La matriz de decisión, los criterios de selección y el mapa de capas son elaboración propia de GrowMkTech.