Mientras los mercados tradicionales duermen el fin de semana, Markets.xyz opera acciones tokenizadas, oro y perpetuos las 24 horas → Descargá la app.
Espacio patrocinadoLa inteligencia artificial podría convertirse en una herramienta indispensable para las empresas sin que los grandes laboratorios conserven el mismo poder sobre el negocio. Esa es la posibilidad que explora Anthony Pompliano en su carta Are The Leading AI Model Labs In Trouble?, donde cuestiona si una mayor adopción necesariamente beneficiará a quienes hoy desarrollan los modelos más avanzados.
Su argumento parte de un cambio de prioridades. Para una empresa, acceder al modelo más potente puede ser menos importante que resolver una tarea con precisión, rapidez y un coste sostenible. Si consigue hacerlo mediante tecnología especializada o alternativas más económicas, su dependencia de proveedores como OpenAI y Anthropic podría disminuir.
El éxito de la IA como tecnología y el éxito comercial de sus principales laboratorios son dos cuestiones diferentes. Pompliano utiliza esa distinción para plantear dónde podría desplazarse el valor a medida que las empresas aprendan a utilizarla mejor.
Los clientes más avanzados también buscan pagar menos
Pompliano cita datos de Ramp sobre las empresas que más dinero destinan a inteligencia artificial. Dentro de ese grupo -el 1% con mayor gasto-, el desembolso mensual en IA, dividido entre la cantidad de empleados, bajó de 8.000 dólares en julio a 7.200 dólares en agosto. La caída del 10% corresponde a ese segmento, no al conjunto del mercado.
El alcance importa: se trata de un segmento concreto y de una comparación mensual. No demuestra que todo el mercado esté reduciendo su inversión ni que las empresas estén abandonando estas herramientas.
Kharazian atribuye el movimiento a la competencia entre modelos, los recortes de precios y un desplazamiento hacia versiones estándar y ligeras, más baratas que las de frontera.
Pompliano añade otra interpretación: las empresas estarían descubriendo que necesitan controlar una mayor parte de su propia inteligencia. Esa explicación es su hipótesis; el dato de gasto, por sí solo, no permite establecerla como causa.
Resolver una tarea puede valer más que saber de todo
Para ilustrar su postura, Pompliano presenta Silvia, el proyecto de IA financiera con el que está involucrado. Explica que comenzó como una aplicación construida sobre ChatGPT y que evolucionó hacia una infraestructura especializada.
El objetivo que describe es concreto: ofrecer mejores resultados en finanzas personales, sin competir simultáneamente en física, filosofía, salud y todas las demás disciplinas que abarcan los modelos generalistas.
Según el texto, Silvia combina datos y evaluaciones propias, herramientas, agentes, selección de modelos y entrenamiento especializado. La propuesta consiste en ajustar el conjunto a las necesidades del producto.
La distinción es importante: un sistema especializado puede obtener buenos resultados gracias a cómo combina sus componentes, sin que eso signifique que un único modelo sea superior en cualquier contexto.
Silvia afirma que, desde julio, redujo un 59% el coste por pregunta y un 48% la mediana del tiempo de respuesta. Son resultados comunicados por la propia empresa, que también diseñó las evaluaciones mencionadas. Sirven para explicar la apuesta de Pompliano, pero no constituyen una validación independiente de superioridad general.
Quién controla la inteligencia de una empresa
El argumento también incluye una cuestión de autonomía. Pompliano sostiene que las compañías buscarán mayor control sobre sus datos, propiedad intelectual y funcionamiento tecnológico.
Para expresarlo, adapta el principio de autocustodia de Bitcoin al terreno de la IA: vincula la propiedad de los pesos del modelo con la propiedad de la inteligencia utilizada.
La comparación condensa su visión, aunque tiene límites. Controlar un modelo no elimina todas las dependencias: siguen siendo necesarios infraestructura, mantenimiento y capacidad técnica.
Aun así, el incentivo que plantea resulta claro. Una empresa que consigue ajustar costes y prestaciones a sus necesidades podría quedarse con una mayor parte del valor generado por la IA, mientras reduce el dinero destinado a proveedores externos.
El dilema de los grandes laboratorios
Pompliano termina con una pregunta comercial: si las alternativas económicas se vuelven suficientemente buenas, ¿los grandes laboratorios competirán bajando precios o apostarán a mantener una ventaja tecnológica que justifique cobrar más?
Su carta no demuestra que OpenAI o Anthropic vayan a perder esa carrera. Tampoco establece que todas las empresas puedan replicar el camino de Silvia. Además, el autor está promoviendo su propio proyecto mientras defiende esta visión del mercado.
Lo que sí plantea es una tensión relevante: cuanto mejor aprendan los clientes a utilizar la IA, más exigentes podrían volverse respecto de su precio.
La tecnología puede seguir creciendo mientras cambia quién captura sus beneficios. En ese escenario, el desafío de los gigantes sería convertir su liderazgo técnico en una ventaja por la que los clientes sigan dispuestos a pagar.
