• entaina
  • Posts
  • ¿Está la batalla en los modelos o en los productos?

¿Está la batalla en los modelos o en los productos?

La nueva arquitectura del mercado de IA: entre la carrera por los modelos y el valor de las aplicaciones

¿Está la batalla en los modelos o en los productos?

Uno de los grandes debates del momento en el mundo de la inteligencia artificial gira en torno a una pregunta estratégica: ¿la competencia real estará en los modelos o en los productos que se construyen sobre ellos?

No es solo un dilema técnico. Es una cuestión que definirá la estructura del mercado, los ganadores de los próximos años y las decisiones clave de inversión y desarrollo. En el fondo, es también un reflejo de tensiones geopolíticas (China vs. EE. UU.), filosóficas (cerrado vs. abierto) y de modelo de negocio (infraestructura vs. aplicaciones).

Para quienes llevamos años viendo cómo emergen las olas tecnológicas, este momento recuerda al nacimiento de Internet en los años noventa. Por entonces, lo importante no era competir por quién tenía el mejor barco, sino lograr que subiera la marea. Todos colaboraban para hacer crecer el mercado, sabiendo que ya habría tiempo para la competencia real. Con la IA empieza a pasar algo parecido.

Un mercado aún en construcción

Lo que se está jugando hoy no es solo quién tiene el modelo más grande o más inteligente. Lo que está en disputa es la arquitectura futura del mercado de la inteligencia artificial. Y, a día de hoy, esa arquitectura no está nada clara.

Existen varios ejes de competencia simultáneos en el terreno de los modelos de lenguaje. Por un lado, sigue la carrera por el tamaño: más parámetros, más datos, más capacidad. Aunque los rendimientos marginales se han ido reduciendo, todavía se anuncian modelos gigantescos como el recientemente presentado por Meta. Y no parece que ese impulso haya tocado techo.

Por otro lado, está el eje del postentrenamiento: ya no basta con predecir la palabra siguiente, ahora se diseñan modelos “razonadores” que aprenden a seguir pasos intermedios, a estructurar sus respuestas y a optimizar no solo el resultado, sino el camino hacia él. Esto mejora las capacidades cognitivas, pero también incrementa el coste de inferencia, porque requiere más cómputo por cada resultado generado.

A esto se suma la estrategia del destilado: modelos grandes que se utilizan para generar datasets optimizados, con los que se entrenan modelos más pequeños pero más eficientes. Estos modelos comprimidos prometen mantener una parte relevante de la inteligencia original a menor coste. Todo esto mantiene viva la carrera entre fabricantes, tanto por escala como por eficiencia.

Y por si fuera poco, hay otro frente abierto: el debate sobre si es posible lograr una inteligencia artificial general solo con lenguaje. Algunos investigadores, como Yann LeCun en Meta, defienden que es necesario incorporar capacidades de visión y modelado físico del mundo. Esta línea plantea una arquitectura más multimodal, menos centrada exclusivamente en el texto.

Modelos abiertos, inteligencia como commodity

En paralelo, ha emergido con fuerza una estrategia alternativa: la de los modelos abiertos. Meta, Alibaba, DeepSeek y otras grandes empresas tecnológicas chinas están liberando modelos de alto nivel con una premisa clara: el modelo no es el diferenciador, es una commodity. Lo importante es lo que se construye sobre él.

Esta estrategia busca activar ecosistemas, captar uso, generar comunidad. Las empresas no están liberando modelos por altruismo, sino porque entienden que la ventaja competitiva estará en las aplicaciones, en los productos, en los servicios que logren crear valor para los usuarios.

Facebook no quiere que mejoren sus modelos por el simple hecho de contribuir al avance de la IA; quiere que sus modelos estén integrados en todos sus productos, desde el feed hasta la publicidad. Las grandes tecnológicas chinas también están orientadas a construir servicios concretos que se integren en comercio electrónico, productividad o servicios a usuarios. Liberar el modelo no es perder el control, es acelerar la adopción.

¿Dónde está el verdadero espacio de oportunidad?

Hace un par de años, Luis Martín Cabiedes me decía que aún era pronto para saber cómo se estructuraría el mercado de la inteligencia artificial. Que en ese momento la oportunidad estaba en manos de las grandes empresas con músculo para construir modelos masivos. Que solo cuando se estabilizara la infraestructura, emergerían oportunidades reales en el desarrollo de productos.

No sé si ya hemos llegado a ese punto. Pero empiezo a ver señales que indican que ese momento se acerca. Y aquí vuelve la pregunta clave: ¿quedará espacio para aplicaciones construidas sobre modelos existentes, o estos modelos acabarán absorbiendo todas las funciones, dejando sin margen a los desarrolladores de productos?

El caso del marketplace de GPTs de OpenAI es ilustrativo. En cuanto los modelos base mejoraron, muchos GPTs afinados dejaron de tener sentido. Si el modelo general resuelve casi cualquier tarea, ¿para qué construir una aplicación especializada?

Y esto sin entrar en el terreno de la inteligencia artificial general o la superinteligencia, donde los modelos no solo aprenden durante su entrenamiento, sino que son capaces de seguir aprendiendo durante la propia inferencia. Un modelo que razona, aprende y adapta su comportamiento en tiempo real puede cambiar completamente la lógica de la oferta de software.

Una transición en curso

No hay respuestas cerradas. Lo que sí parece evidente es que estamos en plena transición. Y que las decisiones estratégicas que tomemos hoy, tanto a nivel de producto como de inversión, marcarán el posicionamiento de nuestras organizaciones en los próximos años.

La inteligencia artificial está dejando de ser un fenómeno limitado a la infraestructura para convertirse en una capa ubicua de los productos y servicios. Queda por ver si esa capa será dominada por unos pocos grandes modelos o si, como ha ocurrido en otros ciclos tecnológicos, habrá espacio para una explosión de innovación sobre la base común.

Mientras tanto, merece la pena observar, experimentar y, sobre todo, reflexionar. Porque lo que está en juego no es solo quién liderará el desarrollo de modelos, sino quién sabrá construir el futuro sobre ellos.

Por cierto recuerda que en https://theresanaiforthat.com/ van ya por mas de 35.000 aplicaciones de IA.