Startups de IA priorizan aplicaciones sobre modelos base

Los modelos fundacionales pierden ventaja competitiva según análisis del sector. Las empresas emergentes los tratan como commodity intercambiable, centrándose en fine-tuning e interfaces.

Cambio de estrategia en el desarrollo de IA

Las startups personalizan modelos para tareas específicas en lugar de invertir en pre-entrenamiento. Los beneficios de escalado se han ralentizado, desplazando el progreso hacia el post-entrenamiento y aprendizaje por refuerzo.

Ventajas que se desvanecen

La abundancia de modelos open-source reduce el leverage de precios de grandes laboratorios. Empresas como OpenAI o Anthropic podrían convertirse en proveedores de back-end con márgenes bajos, según un fundador.

Ejemplos concretos

OpenAI perdió liderazgo en modelos de codificación, imagen y video frente a competidores. El capitalista Martin Casado (a16z) afirma que no existe ventaja tecnológica inherente en este stack.

Antecedentes del mercado

Durante años, el desarrollo de modelos fundacionales fue el único negocio de IA, con un rápido progreso que hizo parecer insuperable su ventaja. Se asumía que el mayor beneficio fluiría hacia estas empresas.

Implicaciones futuras

El panorama competitivo se fragmenta en negocios discretos. Las ventajas duraderas de los grandes laboratorios incluyen reconocimiento de marca e infraestructura, pero la estrategia de modelos gigantescos pierde atractivo.