Anthropic y OpenAI están en el centro de la conversación tecnológica y financiera. Wall Street se prepara para lo que podrían ser las tres mayores ofertas públicas iniciales de la historia, con SpaceX ya cotizando y las dos laboratorios de inteligencia artificial en fila para seguir sus pasos. Sin embargo, detrás del entusiasmo inversor crecen las dudas sobre si estos laboratorios podrán generar suficiente valor para justificar sus astronómicos niveles de gasto. La escala es simplemente asombrosa: Anthropic perdió más de 8 mil millones de dólares el año pasado a pesar de generar 4 mil 600 millones en ingresos, y ya ha comprometido más de 500 mil millones de dólares en potencia de cómputo e infraestructura de inteligencia artificial para seguir creciendo en los próximos años. OpenAI, por su parte, espera que sus ingresos se multipliquen casi por diez, de 36 mil millones este año a 350 mil millones para 2030, pero aún proyecta una quema de efectivo acumulada de casi 280 mil millones en el mismo periodo.
A primera vista, la economía del sector luce fea. Aun así, los inversionistas de Anthropic creen que la compañía podría salir a bolsa con una valuación superior a los 2 billones de dólares. Pero esos patrocinadores están mirando en la dirección equivocada. Los laboratorios de inteligencia artificial de frontera podrían nunca ser los mayores ganadores de la carrera que ellos mismos encendieron.
La historia no está del lado de los laboratorios
Las empresas que inventan tecnologías revolucionarias rara vez capturan la mayor parte del valor que esas tecnologías generan. Ese valor suele acumularse en quienes construyen los activos complementarios: los productos, plataformas y servicios que las rodean. Eso significa que los laboratorios de IA de frontera podrían terminar creando un valor enorme sin quedarse con la mayor parte.
El ejemplo de la electricidad es revelador. A principios del siglo XX, la electricidad transformó prácticamente todas las industrias. Pero no fueron las generadoras eléctricas las que más ganaron; las mayores ganancias de productividad provinieron de empresas manufactureras como Ford, que la usaron para revolucionar la producción. El riesgo es que los laboratorios de IA terminen como las compañías eléctricas: proporcionando una base compartida de la que otros se beneficien.
Algo similar ocurrió con internet. Las telecomunicaciones gastaron fuertemente en construir las redes de fibra y conectividad que hicieron posible la web. Pero gran parte del valor a largo plazo fue a parar a los negocios que construyeron servicios sobre esa infraestructura: motores de búsqueda, comercio electrónico, plataformas de redes sociales y software en la nube.
En la misma línea, la IA de frontera se está convirtiendo en infraestructura, no en software. Los laboratorios líderes están invirtiendo sumas estratosféricas en chips de IA, centros de datos, electricidad e infraestructura de nube. Y los modelos mismos se están convirtiendo en una base sobre la cual otros capitalizan, muy parecido a la electricidad o la nube. Además, los modelos de IA se están commoditizando rápidamente. El rendimiento converge, y los laboratorios chinos en particular están cerrando lo que alguna vez pareció una ventaja inalcanzable de sus rivales estadounidenses. Eso hace que el liderazgo tecnológico sea mucho más difícil de defender.
El problema de los activos complementarios
Hay un detalle incómodo: las empresas que hasta ahora controlan los activos complementarios de hoy ya son enormes. Los hiperescaladores —Amazon, Alphabet, Meta, Microsoft y Oracle— poseen gran parte de la infraestructura de nube, el software o las relaciones con clientes a través de las cuales las empresas realmente usan la IA. Microsoft, por ejemplo, puede conectar diferentes modelos a su asistente Copilot y venderlos a través de software que ya usan millones de negocios.
Esto plantea un desafío para los laboratorios: aunque creen la tecnología, la distribución y la relación con el cliente final están en manos de otros. Los hiperescaladores tienen la capacidad de integrar modelos de múltiples proveedores y ofrecerlos como parte de sus suites, lo que reduce el poder de negociación de los laboratorios.
La ventaja de los datos propietarios
Una cosa parece cierta: la fruta al alcance de la mano ya se recogió. Los laboratorios de frontera ya han rasgado gran parte de lo que está públicamente disponible en internet para que sus modelos se alimenten. Pero ese pozo ya se está secando. Esto desplaza la ventaja competitiva hacia quienes tienen datos propietarios, y especialmente los datos en manos de empresas privadas y aquellas con experiencia única o de nicho. Ese conocimiento se convierte en el foso que los protege.
Para los líderes empresariales, esa es una buena noticia. Durante años, muchos temieron que los gigantes tecnológicos se tragaran industrias enteras. Eso no siempre ha sucedido. Los negocios especializados que conocen a sus clientes mejor que nadie han seguido prosperando. Tomemos el caso de Sweetwater, un minorista de música estadounidense que vende muchas de las mismas guitarras y micrófonos que Amazon pero que aún así facturó 1.860 millones de dólares el año pasado. Su ventaja proviene en parte de ingenieros de ventas especializados que conocen el equipo y a sus clientes a fondo, algo que la IA no puede simplemente extraer de internet.
Es poco probable que la IA cambie eso. Si acaso, aumenta el valor de conocer a tus clientes, tus productos y tu mercado mejor que nadie. Las empresas que lo hacen pueden tener mucho más que ganar con la IA que las empresas que construyen los modelos.
¿Dónde termina el valor?
Lo que nos devuelve a la pregunta de dónde termina el valor. Parte de él ya está fluyendo hacia las empresas que venden los “picos y palas” del auge de la IA, como el fabricante de chips Nvidia, cuyo meteórico ascenso a la categoría de empresa más valiosa del mundo muestra lo lucrativo que puede ser. La historia sugiere que las fortunas más ricas aún pueden estar por venir, y podrían ser acuñadas por empresas que ni siquiera hemos identificado. Lo más probable es que sean aquellas que descubran cómo reinventarse en torno a la tecnología, en lugar de simplemente construirla.
La carrera de la IA de frontera puede estar produciendo tecnología extraordinaria. Pero la historia nos dice que inventar tecnología rara vez es lo mismo que ganar dinero con ella. Para México y América Latina, esta lección es clave: las empresas de la región que sepan aplicar la IA a sus conocimientos locales y datos propietarios podrían capturar más valor que los propios creadores de los modelos.