El estado de las startups en 2026, según una encuesta de Supabase

• Tras encuestar a 2,000 builders de startups, entre 2025 y 2026 los fundadores se volvieron de mayor edad, menos técnicos y más centrados en equipos unipersonales; el código escrito por IA se normalizó y las regiones de fundación se ampliaron
• Anthropic pasó a liderar en herramientas de desarrollo, suscripciones pagadas, proveedores de modelos y SDKs de agentes; Claude Code alcanzó 63% de uso, las suscripciones pagadas a Claude 59% y el uso de modelos Anthropic/Claude 64%
• El 61% de los encuestados generó con IA más de la mitad de su base de código, pero los equipos con mayor proporción de código de IA tendieron a no haber monetizado todavía y a señalar la adquisición de clientes como su mayor desafío
• El stack se reorganizó alrededor de bases de datos de la familia Postgres y de Supabase, Vercel y Cloudflare; también se expandieron los agentes y MCP, pero el monitoreo, la gestión de prompts y los sistemas de evaluación quedaron rezagados
• Construir se volvió más fácil, pero vender y operar sigue siendo difícil; aumentaron los equipos que no usan SaaS de CRM, analítica u observabilidad, o que los construyen internamente, y la minoría de startups que creó comunidades muestra tasas más altas de conversión de clientes desde canales open source y de desarrolladores

---

Equipos fundadores más pequeños y diversos

• La proporción de fundadores individuales aumentó 8 puntos porcentuales, de 53% en 2025 a 61% en 2026, mientras que los equipos de dos cofundadores disminuyeron
  • La cantidad de fundadores quedó distribuida así: 1 persona 61%, 2 personas 29%, 3 personas 7% y 4 o más personas 3%
• La proporción de fundadores técnicos bajó de 82% a 78%, por lo que los fundadores no técnicos representaron el 22%; este grupo usa la generación de código con IA más que otros segmentos
• Los fundadores de 40 años o más aumentaron de 18% a 25%; todos los grupos etarios de 40 años o más crecieron de forma estadísticamente significativa, mientras que el grupo de 22 a 29 años cayó 4 puntos porcentuales
  • La distribución por edad es: 22 a 29 años 32%, 30 a 39 años 24%, 18 a 21 años 20%, 40 a 49 años 14%, 50 a 59 años 7% y 60 años o más 2%
• Las sedes centrales se distribuyen en Norteamérica y Europa con 28% cada una, Asia 17%, África 9%, remoto 7% y Sudamérica 6%
  • Europa y África crecieron 3 puntos porcentuales cada una, con dispersión hacia Toronto, Chicago, Denver, Austin y por toda Europa, Asia y África
  • Entre las grandes ciudades norteamericanas, San Francisco Bay Area representa 9%, New York City 8%, Toronto 4%, y Austin y Chicago 3% cada una

El mercado de herramientas de IA se reorganizó alrededor de Anthropic

• Claude Code fue señalada como la herramienta de desarrollo esencial más común y también ocupó el primer lugar en uso de herramientas de coding con IA, con 63%
  • Le siguen Visual Studio Code 44%, Cursor 31%, Antigravity 22%, Lovable 15% y ChatGPT/Codex 13%
  • Cursor cayó 19 puntos porcentuales, v0, Bolt y Windsurf bajaron entre 6 y 9 puntos porcentuales cada una, y la recién llegada Antigravity subió al cuarto lugar
• Las suscripciones pagadas a Claude casi se duplicaron, de 28% a 59%, mientras que OpenAI/ChatGPT cayó de 57% a 39%
  • Gemini quedó en 27%, Cursor en 20%, GitHub Copilot en 17% y Lovable en 11%; los equipos sin suscripciones pagadas de IA representan 3%
• Entre proveedores de modelos, Anthropic/Claude subió de 38% a 64% y se volvió la opción predeterminada, mientras que OpenAI bajó de 69% a 52%
  • Gemini tiene 44%, Grok y los modelos propios 11% cada uno, y Hugging Face 10%
  • Con la fuerte reducción de participación de Hugging Face y los modelos propios, también se observa una tendencia a la baja en los equipos que operan inferencia propia

La generación de código se volvió universal, pero la monetización va rezagada

• El 61% de los encuestados dijo que la IA escribió más de la mitad de su base de código, y solo los equipos que generaron entre 76% y 100% con IA llegan a 40%
  • La proporción de código de IA es: 51% a 75% en 21%, 26% a 50% en 16%, 11% a 25% en 11%, 1% a 10% en 9%, y los equipos que no la usaron en absoluto son 2%
• Entre los fundadores no técnicos, la proporción que generó entre 76% y 100% del código con IA es 54%, y entre los de 50 a 59 años sube a 60%
  • Los fundadores de mayor edad usan IA más que los fundadores jóvenes, y cuanto mayor es la edad, mayor es también la proporción de código de IA
• Cuanto mayor es la proporción de código generado por IA, mayor es la probabilidad de que el equipo aún no haya monetizado y de que señale la adquisición de clientes como su mayor desafío
  • Una forma de interpretar esta relación es que las startups en etapas tempranas usan mucho la IA y, al mismo tiempo, están en fases iniciales de monetización

Un stack tecnológico consolidado en Postgres y frontend emergente

• El 80% de los encuestados eligió Postgres en alguna forma, frente al 76% del año anterior
  • El uso por base de datos es: Supabase 49%, PostgreSQL 22%, Redis 6%, MySQL y Firebase 5% cada una, SQLite y MongoDB 4% cada una
  • MongoDB cayó 5 puntos porcentuales, MySQL 3 puntos y Firebase 2 puntos; Neon, DynamoDB y Convex se incluyeron por primera vez como opciones y captaron pequeñas cuotas
• Entre los proveedores de autenticación relevados por primera vez en 2026, Supabase Auth alcanza 72%
  • Le siguen Auth0 13%, NextAuth/Auth.js 12%, desarrollo propio 11%, Firebase Auth 9% y Clerk 4%
  • Aproximadamente 25% que no eligió ninguna opción de Supabase representa el límite inferior claro del margen posible de migración
• En hosting y nube, Supabase registra 65%, Vercel 45%, Cloudflare 27% y AWS 21%
  • Vercel ya estaba por delante de AWS en 2025 y en 2026 amplió la brecha en otros 9 puntos porcentuales
  • Cloudflare fue la de más rápido crecimiento y superó a AWS, mientras que todos los hyperscalers perdieron participación
• En frontend, React 56% y Next.js 53% crecieron, mientras que Expo 10%, TanStack 8%, HTMX 4% y Astro 3% alcanzaron nuevas cuotas significativas
  • El mobile nativo llegó a 18%, con un aumento de 3 puntos porcentuales; Flutter registra 11%, Vue 7% y Svelte 3%

Los agentes y MCP se expandieron, pero falta base operativa

• El 52% de los encuestados está construyendo agentes o planea hacerlo; la cifra es estadísticamente similar a la del año anterior, pero disminuyó el grupo que aún no toma una decisión
  • Los principales usos son automatización de workflows 59%, análisis de datos 49%, personalización y recomendaciones 40%, automatización de soporte al cliente 38%, generación de contenido 37% y apoyo a investigación 31%
  • También se usan en ventas y generación de leads 29%, educación y capacitación 27%, herramientas internas 25%, y modelado financiero y pronósticos 20%
• Entre quienes construyen agentes, el multiagente en producción alcanza 24%, en desarrollo 21% y en planes 35%
• El 47% de los equipos no tiene un sistema formal para gestionar prompts de producción; le siguen prompts hardcodeados en el código fuente con 26% y archivos de prompts versionados con 25%
  • Las plataformas dedicadas de gestión de prompts tienen 11%, los feature flags para variantes 10% y los CMS o servicios de configuración 8%
• Para evaluar modelos de IA, las pruebas manuales y la iteración de prompts son lo más común, con 52%, y los equipos sin un proceso formal de evaluación llegan a 36%
  • Los loops de feedback de usuarios representan 27%, evaluación por LLM 26%, pruebas A/B en producción 20%, conjuntos propios de evaluación automática 17% y herramientas de evaluación de terceros 7%
• El 59% de los equipos no monitorea por separado las cargas de trabajo de IA; los dashboards propios llegan a 20%, OpenTelemetry 9%, y Langfuse, LangSmith y Datadog 7% cada uno
• A un año del lanzamiento de Model Context Protocol, el uso de MCP en producción llega a 29% y la experimentación a 28%, para un total de 57%
  • El 29% lo conoce pero aún no lo ha usado, y 14% no conoce MCP
  • Supabase ofrece documentación relacionada sobre servidores MCP y Agent Skills

Startups que no compran SaaS operativo

• Entre las startups con actividad comercial, la proporción sin CRM ni herramientas formales de ventas aumentó 11 puntos porcentuales, de 43% a 53%
  • Google Sheets alcanza 23%, Notion/Airtable 14%, HubSpot 11% y Salesforce 4%; todos los CRM principales perdieron participación
  • Los equipos se están moviendo hacia construir su propio CRM o directamente no usar ninguno
• El 56% de los equipos no usa herramientas de observabilidad; entre quienes sí las usan, las soluciones propias son las de crecimiento más rápido y llegaron a 10%
  • Sentry mantiene el liderazgo con 19% y crece ligeramente; Grafana tiene 9%, OpenTelemetry 6%, y Datadog y Prometheus 5% cada una
  • El mercado parece dividirse entre Sentry para tracking de errores y dashboards propios para el resto de los usos
• En herramientas de analítica y crecimiento, los dashboards propios aumentaron 6 puntos porcentuales, y la respuesta de que aún no hacen tracking creció 5 puntos
  • HubSpot, Salesforce, Mixpanel y Segment perdieron participación, repitiendo el patrón de saltarse productos de proveedores para crear herramientas internas o no medir

La brecha entre adquisición de clientes y comunidad

• La fuente más común de los primeros clientes pagos fueron las redes personales y laborales, con 56%, seguida de cold outreach y ventas 35%, inbound desde redes sociales 29% y contenido 21%
  • Las comunidades de desarrolladores representan 14%, los usuarios open source convertidos 8%, las aceleradoras 7% y Hacker News o Product Hunt 6%
  • La proporción que no intentó conseguir clientes pagos en absoluto aumentó de 62% el año anterior a 67%
• Las ventas lideradas por fundadores siguen siendo comunes, y el personal dedicado de ventas normalmente se suma recién después de contratar al décimo empleado
  • La proporción que eligió un enfoque de crecimiento product-led aumentó 4 puntos porcentuales y llegó a la mitad del total, mientras que disminuyeron los equipos que aún no habían definido un enfoque
• Los planes escalonados por funcionalidad pasaron de 23% a 36% entre quienes eligieron un modelo de precios, un aumento de 12 puntos porcentuales
  • Las startups empezaron a definir estructuras de precios más temprano en su ciclo de vida, y disminuyó el grupo que todavía está experimentando
• Solo 10% a 11% de las startups construyó una comunidad de desarrolladores; 47% a 48% no la construyó y 24% la está planeando o ya está en proceso
• Los equipos que construyeron comunidades consiguieron muchos más primeros clientes en canales de desarrolladores y open source que los equipos que no lo hicieron
  • La proporción de Discord, Slack y Reddit fue 38% frente a 7%; la de usuarios open source convertidos, 29% frente a 3%; y la de contenido, 35% frente a 20%
  • El inbound social fue similar, 30% frente a 27%, pero el cold outreach fue mayor en equipos sin comunidad, 32% frente a 36%, al igual que las redes personales, 47% frente a 57%
  • En un entorno donde cualquiera puede lanzar un producto, la distribución es el cuello de botella, y los equipos que construyeron comunidades tienen rutas distintas de adquisición de clientes

Salida de canales por parte de fundadores y nuevas ansiedades de negocio

• El uso de redes sociales por parte de los fundadores disminuyó en las principales plataformas, salvo TikTok
  • Las plataformas usadas al menos 3 veces por semana son YouTube 61%, Instagram y LinkedIn 51% cada una, X 38%, Reddit 28%, Discord 21% y TikTok 18%
  • X cayó 6 puntos porcentuales, LinkedIn 3 puntos, y Reddit y Discord entre 3 y 4 puntos
  • El 11% respondió que abandonó las redes sociales, y la proporción sin persona online aumentó 5 puntos porcentuales hasta 33%
• Las respuestas de quienes no asisten a conferencias de la industria aumentaron 10 puntos porcentuales y llegaron a 60%
  • Google Cloud Next registra 12%, AWS re:Invent 11%, Y Combinator Demo Day y Web Summit 9% cada una, Microsoft Build y Open Source Summit 8% cada una
  • Al caer la participación de los principales eventos, también se reduce el mercado al que llega el marketing para desarrolladores centrado en conferencias
• Entre los mayores desafíos de negocio, la complejidad técnica bajó de 24% a 11%, el mayor cambio de toda la encuesta
  • La adquisición de clientes encabeza con 32%, seguida de product-market fit 14%, fundraising 13%, burnout 11%, competencia y disrupción por IA 7%, y consumo de caja y runway 4%
  • Las nuevas opciones agregadas —burnout, competencia de IA e incertidumbre sobre runway— capturan una proporción similar a la que antes elegía complejidad técnica
  • En equipos de 1 a 10 personas, el burnout ya superó a la complejidad técnica y se convirtió en el segundo mayor desafío
• El 57% respondió que es optimista sobre la situación mundial, 1 punto porcentual menos que el año anterior, aunque no es estadísticamente significativo
  • Los fundadores son optimistas en 58%, frente a 49% entre no fundadores; del total, 27% es neutral y 16% pesimista
• Cuanto mayor es la proporción de código de IA, mayor es el optimismo y menor la tasa de monetización
  • La proporción optimista entre fundadores que no usan código de IA es 49%, mientras que en el grupo que usa mucha IA es 61%
  • La proporción que monetiza actualmente es 56% entre quienes no usan IA y 31% entre quienes usan mucha IA
  • Los equipos que más usan IA tienen mayor proporción de bootstrapping y están en etapas más tempranas de su ciclo de vida, por lo que aún están menos expuestos a la demanda de mercado de los productos que construyeron

[ligion]

Como alguien que ha creado dos proyectos con IA, incluso conectándolos a un dominio, me identifico con muchos de estos puntos.