Las empresas de IA se centran en aplicaciones frente a modelos base

Las startups de IA priorizan el ajuste fino y el diseño de interfaz sobre el desarrollo de modelos base, que empiezan a verse como una mercancía intercambiable.

Un cambio en la estrategia de desarrollo

El beneficio de escalar el preentrenamiento de modelos base ha disminuido. El progreso futuro se busca ahora en el postentrenamiento y el aprendizaje por refuerzo. Esto hace que las empresas se centren en personalizar modelos para tareas específicas en lugar de invertir miles de millones en el entrenamiento inicial.

Ventajas que se desvanecen

La ventaja del primer movil en modelos base no es clara. Startups usan modelos como GPT-5, Claude o Gemini de forma intercambiable, pudiendo cambiar entre ellos sin que el usuario final note diferencia. Esto socava la ventaja competitiva de los grandes laboratorios.

Un futuro incierto para los gigantes

Compañías como OpenAI, Anthropic y Google podrían convertirse en proveedores de bajo margen. Un fundador lo compara con «vender granos de café a Starbucks». La abundancia de alternativas de código abierto reduce su posible influencia en los precios.

Antecedentes del sector

El éxito de la IA estuvo inicialmente ligado al de las empresas que construían modelos base. Se asumía que la parte más difícil de replicar les daría una ventaja insuperable y la mayor parte del beneficio económico.

Implicaciones a considerar

El panorama competitivo cambia hacia negocios discretos como desarrollo de software o gestión de datos. La estrategia de construir modelos base cada vez más grandes parece menos atractiva y conlleva más riesgo, como muestran las grandes inversiones de Meta.