📺 Vídeo de estudio recomendado hoy: https://www.youtube.com/watch?v=ktl8mNiWqMM
Más allá del chatbot: ¿Es la IA el próximo gran “commodity”?
Benedict Evans analiza cómo la IA generativa está repitiendo patrones históricos de plataformas anteriores, desde el PC hasta el smartphone. Lo que hoy parece magia, mañana será infraestructura invisible y, quizás, poco rentable para sus creadores.
Pregunta central: ¿Quién se quedará con los beneficios cuando los modelos fundacionales sean indistinguibles entre sí y el valor se desplace hacia las aplicaciones específicas?
Puntos clave
- El “agentic coding” (programación agéntica) es el primer caso de éxito masivo con un encaje de mercado (PMF) real y tangible.
- Existe un riesgo real de que los modelos fundacionales se conviertan en mercancías (commodities) sin poder de fijación de precios, similar a las operadoras móviles.
- La inversión masiva en infraestructura (Capex) se enfrenta a una brecha de ingresos que solo se cerrará cuando la IA resuelva problemas fuera del sector tecnológico.
- El valor futuro no reside en el chatbot como producto, sino en cómo la IA se integra en flujos de trabajo verticales como el derecho, las finanzas o la publicidad.
⏱️ Tiempo de lectura: aprox. 8 minutos · Te ahorra unos 52 minutos frente a ver el vídeo.
¿Quieres tomar notas mientras ves el vídeo? Haz clic en la imagen de abajo y deja que AI Notebook extraiga los puntos clave por ti 👇
El auge del “Agentic Coding” y la brecha de utilidad
Por qué la programación fue el primer dominio conquistado
El “agentic coding” ha pasado de ser una promesa lejana a convertirse en el primer caso de éxito masivo con un encaje de mercado indiscutible entre los desarrolladores.
A diferencia de otras herramientas, los programadores están adoptando estas soluciones de manera compulsiva porque resuelven problemas reales e inmediatos en su flujo de trabajo diario, eliminando la fricción de las tareas más tediosas y repetitivas.
Benedict Evans señala que este fenómeno es determinista: quienes crean las herramientas son ingenieros, por lo que es natural que los primeros problemas complejos que resuelvan sean los suyos propios. Estamos en una fase similar a la de los PCs a finales de los 70, donde los ordenadores se usaban principalmente para diseñar mejores ordenadores, antes de expandirse hacia el resto de la economía global de forma masiva y silenciosa, transformando industrias enteras por el camino sin que el usuario final tuviera que entender la arquitectura interna.
Sin embargo, fuera del desarrollo de software, la adopción sigue siendo desigual y experimental, con muchas empresas aún preguntándose qué hacer realmente con un chatbot de propósito general.
💡 Profundizando
Q: ¿Por qué el coding funcionó primero?
A: Porque los desarrolladores son los usuarios más cercanos a la tecnología y están automatizando sus propios procesos antes de intentar automatizar los de otros.
Q: ¿Qué ha aprendido OpenAI de su estrategia reciente?
A: Han pivotado de intentar hacerlo “todo a la vez” a enfocarse en áreas donde hay tracción real, como la programación, ante la competencia de modelos especializados.
Q: ¿Cómo afecta esto a la estructura de los equipos de ingeniería?
A: Aún no lo sabemos. La automatización de tareas junior plantea dudas sobre cómo se formará la próxima generación de ingenieros senior si eliminamos su campo de entrenamiento.
La trampa de la infraestructura y el fantasma de las operadoras
La paradoja del valor en la capa de modelos
El gran interrogante es si los modelos fundacionales son un producto final o simplemente una infraestructura básica que se venderá al coste marginal.
Si observamos la historia de las telecomunicaciones, vemos que el tráfico de datos móviles creció miles de veces, pero las operadoras no capturaron ese valor; lo hicieron Apple y Google.
Las empresas de modelos están gastando cientos de miles de millones en chips y energía para crear productos que, en última instancia, hacen cosas muy parecidas. Cuando tienes a cinco o seis empresas compitiendo con modelos similares en capacidades, la disciplina de precios desaparece y el mercado entra en una guerra de desgaste donde el único ganador es el proveedor de chips, dejando a los creadores de modelos en una posición financiera extremadamente precaria a largo plazo.
Actualmente vivimos en un desequilibrio extremo donde la demanda de tokens parece infinita, pero la oferta y la eficiencia están creciendo a un ritmo que forzará un nuevo equilibrio de precios.
💡 Profundizando
Q: ¿Tienen los modelos efectos de red?
A: A diferencia de Instagram o YouTube, no parece haber una ventaja competitiva sostenible basada en que más gente use un modelo específico.
Q: ¿Es el chatbot la interfaz definitiva?
A: Probablemente no. Es una versión v1 limitada; el software real requiere flujos de trabajo configurados, datos propios y controles que un chat abierto no ofrece.
Q: ¿Cómo se compara el gasto actual con otras industrias?
A: El gasto de 700.000 millones de dólares de las Big Tech es comparable al de toda la industria mundial del petróleo y el gas, una cifra astronómica que exige retornos masivos.
Hacia dónde se mueve el valor: De San Francisco a Los Ángeles
La IA fuera de la burbuja tecnológica
El valor real de la IA se desbloqueará cuando las preguntas dejen de ser técnicas y pasen a ser preguntas específicas de cada industria.
Evans pone el ejemplo de Netflix: aunque es posible gracias a la tecnología, sus problemas reales son de la industria del entretenimiento: qué programas comprar o cuánto pagar al talento.
De la misma manera, el impacto de la IA en la abogacía o la consultoría será definido por expertos en leyes y negocios que entiendan qué es lo que el cliente realmente paga. Una firma de abogados no compra “IA”, compra una herramienta que automatiza el análisis de contratos para mejorar sus márgenes o su velocidad de respuesta, lo que significa que el software agéntico debe integrarse en procesos que hoy son invisibles para los ingenieros de Silicon Valley que diseñan los modelos base.
La gran oportunidad reside en identificar qué tareas eran anteriormente imposibles por coste y ahora son viables gracias a la automatización cognitiva a gran escala.
💡 Profundizando
Q: ¿Qué industrias verán cambios primero?
A: Aquellas con estructuras piramidales de servicios profesionales (leyes, banca, consultoría) donde el trabajo de la base de la pirámide es altamente automatizable.
Q: ¿Sustituirá la IA al software tradicional (SAS)?
A: No necesariamente, pero forzará una fragmentación donde habrá mucho más software personalizado para tareas que antes se gestionaban de forma ineficiente en Excel.
Q: ¿Cuál es el riesgo de no invertir?
A: Para las grandes tecnológicas es una amenaza existencial; no pueden permitirse quedar fuera de la próxima plataforma de computación, aunque el ROI sea incierto a corto plazo.
Conclusiones clave
Estamos en un momento de “magia” tecnológica similar a 1997 con Internet o 2007 con el iPhone. La fascinación inicial por lo que la IA “puede decir” está dando paso a la realidad pragmática de lo que la IA “puede hacer” dentro de las estructuras corporativas existentes. La transición desde el chatbot generalista hacia herramientas integradas y verticales es inevitable, y en ese proceso, muchos de los nombres que hoy dominan los titulares podrían acabar convertidos en simples proveedores de servicios básicos.
La historia nos enseña que el valor tiende a subir por la pila tecnológica. Aquellos que controlan la interfaz con el cliente y el flujo de trabajo específico tienen más probabilidades de retener beneficios que quienes simplemente proporcionan la potencia de cálculo. En veinte años, no hablaremos de “IA” como algo especial; será simplemente el estándar de cómo funcionan los ordenadores, tan invisible y necesario como la electricidad o el protocolo TCP/IP.
Preguntas y Respuestas
Q1: ¿Por qué comparas la IA con los datos móviles de 2010?
A1: Porque las operadoras invirtieron miles de millones en redes 3G/4G viendo cómo el tráfico explotaba, pero fueron las aplicaciones (Uber, Instagram) las que se quedaron con el valor económico, mientras las operadoras se comoditizaban.
Q2: ¿Es el “software agéntico” el fin del programador junior?
A2: Es una preocupación real. Si automatizamos las tareas básicas que suelen hacer los juniors, perdemos el camino de aprendizaje que crea a los expertos senior del futuro. Aún no sabemos cómo resolver esa brecha.
Q3: ¿Qué es el “problema de Los Ángeles” para la IA?
A3: Se refiere a que las preguntas importantes para empresas como Netflix no son técnicas (San Francisco), sino de contenido y negocio (Los Ángeles). La IA tendrá que responder a preguntas de “industria”, no de “tecnología”.
Q4: ¿Por qué dices que el chatbot no es un producto?
A4: Porque la mayoría de las tareas profesionales requieren precisión, herramientas específicas y flujos de trabajo que una caja de texto vacía no puede gestionar eficientemente para un usuario medio.
Q5: ¿Podrá la IA mejorar el comercio electrónico significativamente?
A5: Sí, al pasar de buscar palabras clave a entender el contexto. La IA podrá sugerir productos no solo por lo que compraste, sino analizando tu estilo de vida o preferencias estéticas complejas.
Q6: ¿Cuál es el límite financiero de la IA?
A6: Los límites son físicos y económicos. No se pueden gastar 10 billones de dólares al año porque ese dinero no existe en el presupuesto global de infraestructura. El crecimiento del gasto tendrá que moderarse y alinearse con los ingresos reales.
