La CEO de Microsoft, Satya Nadella, recientemente provocó un debate al sugerir que los modelos de IA avanzados están en el camino hacia la mercantilización. En un podcast, Nadella observó que los modelos fundamentales se están volviendo cada vez más similares y ampliamente disponibles, hasta el punto de “Los modelos por sí mismos no son suficientes” para una ventaja competitiva duradera. Señaló que OpenAi, a pesar de sus redes neuronales de vanguardia, “No es una empresa modelo; Es una compañía de productos que tiene modelos fantásticos.“Subrayando esa verdadera ventaja proviene de la construcción de productos alrededor de los modelos.
En otras palabras, simplemente tener el modelo más avanzado ya no puede garantizar el liderazgo del mercado, ya que cualquier plomo de rendimiento puede ser de corta duración en medio del rápido ritmo de la innovación de IA.
La perspectiva de Nadella tiene peso en una industria donde los gigantes tecnológicos están compitiendo para entrenar modelos siempre mayores. Su argumento implica un cambio de enfoque: en lugar de obsesionarse con la supremacía modelo, las empresas deben dirigir la energía hacia la integración de la IA en “Una pila de sistema completa y excelentes productos exitosos”.
Esto se hace eco de un sentimiento más amplio de que los avances de IA de hoy se convierten rápidamente en las características de referencia del mañana. A medida que los modelos se vuelven más estandarizados y accesibles, el centro de atención se mueve a cómo se aplica AI en los servicios del mundo real. Las empresas como Microsoft y Google, con vastos ecosistemas de productos, pueden posicionarse mejor para capitalizar esta tendencia de IA mercantilizada integrando modelos en ofertas fáciles de usar.
Acceso amplio y modelos abiertos
No hace mucho, solo un puñado de laboratorios podrían construir modelos de IA de última generación, pero esa exclusividad se está desvaneciendo rápidamente. Las capacidades de IA son cada vez más accesibles para las organizaciones e incluso las personas, alimentando la noción de modelos como productos básicos. El investigador de IA Andrew Ng ya en 2017 comparó el potencial de IA para “La nueva electricidad” sugiriendo que justo cuando la electricidad se convirtió en un producto omnipresente que sustenta la vida moderna, los modelos de IA podrían convertirse en servicios públicos fundamentales disponibles en muchos proveedores.
La reciente proliferación de modelos de código abierto ha acelerado esta tendencia. Meta (la empresa matriz de Facebook), por ejemplo, hizo olas al lanzar modelos de idiomas poderosos como Llama abiertamente a investigadores y desarrolladores sin costo. El razonamiento es estratégico: al obtener su IA, Meta puede estimular una adopción más amplia y obtener contribuciones comunitarias, al tiempo que socava las ventajas propietarias de los rivales. E incluso más recientemente, el mundo de la IA explotó con el lanzamiento del modelo chino Deepseek.
En el ámbito de la generación de imágenes, el modelo de difusión estable de estabilidad AI mostró qué tan rápido puede ser comercializado un avance: a los pocos meses de su lanzamiento abierto de 2022, se convirtió en un nombre familiar en IA generativa, disponible en innumerables aplicaciones. De hecho, el ecosistema de código abierto está explotando: hay decenas de miles de modelos de IA disponibles públicamente en repositorios como abrazar la cara.
Esta ubicuidad significa que las organizaciones ya no enfrentan una opción binaria de pagar el modelo secreto de un solo proveedor o nada en absoluto. En cambio, pueden elegir entre un menú de modelos (abierto o comercial) o incluso ajustar los suyos, al igual que seleccionar productos de un catálogo. La gran cantidad de opciones es una fuerte indicación de que la IA avanzada se está convirtiendo en un recurso ampliamente compartido en lugar de un privilegio estrechamente protegido.
Los gigantes de la nube convierten la IA en un servicio de servicios públicos
Los principales proveedores de la nube han sido los facilitadores clave, y los conductores, de la mercantilización de la IA. Empresas como Microsoft, Amazon y Google ofrecen modelos de IA como servicios a pedido, similares a los servicios públicos entregados sobre la nube. Nadella señaló que “Los modelos se están comercializando en (la) nube” Destacando cómo la nube hace que la IA potente sea ampliamente accesible.
De hecho, Azure Cloud de Microsoft tiene una asociación con OpenAI, que permite a cualquier desarrollador o negocio aprovechar GPT-4 u otros modelos Top a través de una llamada API, sin construir su propia IA desde cero. Amazon Web Services (AWS) ha avanzado un paso más con su plataforma Batedrock, que actúa como un mercado de modelos. AWS Bedrock ofrece una selección de modelos de cimientos de múltiples compañías de IA líderes, desde modelos de Amazon hasta los de Anthrope, AI21 Labs, Stability AI y otros, todos accesibles a través de un servicio administrado.
Este enfoque de “muchos modelos, una plataforma” ejemplifica la mercantilización: los clientes pueden elegir el modelo que se ajuste a sus necesidades y cambie a los proveedores con relativa facilidad, como si comprara una mercancía.
En términos prácticos, eso significa que las empresas pueden confiar en las plataformas en la nube para tener siempre un modelo de última generación disponible, al igual que la electricidad de una cuadrícula, y si un nuevo modelo toma los titulares (digamos el avance de una startup), la nube lo ofrecerá rápidamente.
Diferenciando más allá del modelo en sí
Si todos tienen acceso a modelos de IA similares, ¿cómo se diferencian las empresas de IA? Este es el quid del debate de la mercantilización. El consenso entre los líderes de la industria es que el valor estará en el solicitud de AI, no solo el algoritmo. La propia estrategia de Openai refleja este cambio. El enfoque de la compañía en los últimos años ha sido entregar un producto pulido (CHATGPT y su API) y un ecosistema de mejoras, como servicios de ajuste fino, complementos de complementos e interfaces fáciles de usar, en lugar de simplemente liberar el código de modelo sin procesar.
En la práctica, eso significa ofrecer un rendimiento confiable, opciones de personalización y herramientas de desarrollador en torno al modelo. Del mismo modo, los equipos DeepMind y Brain de Google, ahora parte de Google Deepmind, están canalizando su investigación en los productos de Google como búsqueda, aplicaciones de oficina y API en la nube, integrando la IA para hacer que esos servicios sean más inteligentes. La sofisticación técnica del modelo es ciertamente importante, pero Google sabe que los usuarios finalmente se preocupan por las experiencias habilitadas por AI (un mejor motor de búsqueda, un asistente digital más útil, etc.), no el nombre o tamaño del modelo.
También estamos viendo a las empresas diferenciarse a través de la especialización. En lugar de un modelo para gobernarlos a todos, algunas empresas de IA crean modelos adaptados a dominios o tareas específicos, donde pueden reclamar una calidad superior incluso en un paisaje comercializado. Por ejemplo, hay nuevas empresas de IA que se centran exclusivamente en diagnósticos de atención médica, finanzas o leyes, áreas donde los datos propietarios y la experiencia en el dominio pueden producir un mejor modelo para ese nicho que un sistema de propósito general. Estas compañías aprovechan el ajuste de modelos abiertos o modelos a medida más pequeños, junto con datos patentados, para destacarse.
Interfaz CHATGPT de OpenAI y colección de modelos especializados (Unite AI/Alex McFarland)
Otra forma de diferenciación es la eficiencia y el costo. Un modelo que ofrece el mismo rendimiento a una fracción del costo computacional puede ser una ventaja competitiva. Esto se destacó por el surgimiento del modelo R1 de Deepseek, que, según los informes, coincidió con algunas de las capacidades GPT-4 de OpenAI con un costo de capacitación de menos de $ 6 millones, dramáticamente más bajo que los $ 100+ millones estimados gastados en GPT-4. Tales ganancias de eficiencia sugieren que mientras el salidas De diferentes modelos podría ser similar, un proveedor podría distinguirse al lograr esos resultados de manera más barata o rápida.
Finalmente, existe la carrera para construir lealtad del usuario y ecosistemas en torno a los servicios de IA. Una vez que una empresa ha integrado un modelo de IA particular profundamente en su flujo de trabajo (con indicaciones personalizadas, integraciones y datos ajustados), cambiar a otro modelo no es sin fricción. Proveedores como OpenAi, Microsoft y otros están tratando de aumentar esta pegajosidad ofreciendo plataformas integrales, desde SDK de desarrolladores hasta mercados de complementos de IA, que hacen que su sabor de IA sea más una solución de pila completa que una mercancía de intercambio.
Las empresas están subiendo la cadena de valor: cuando el modelo en sí no es un foso, la diferenciación proviene de todo lo que rodea el modelo: los datos, la experiencia del usuario, la experiencia vertical y la integración en los sistemas existentes.
Efectos de ondulación económica de la IA mercantilizada
La mercantilización de los modelos de IA conlleva implicaciones económicas significativas. A corto plazo, está impulsando el costo de las capacidades de IA. Con múltiples competidores y alternativas abiertas, el precio de los servicios de IA ha estado en una espiral descendente que recuerda a los mercados clásicos de productos básicos.
En los últimos dos años, Operai y otros proveedores han reducido los precios de acceso a modelos de idiomas dramáticamente. Por ejemplo, el precio de token de Openai para su serie GPT cayó en más del 80% de 2023 a 2024, una reducción atribuida al aumento de la competencia y las ganancias de eficiencia.
Del mismo modo, los participantes más nuevos que ofrecen modelos más baratos o abiertos obligan a los titulares a ofrecer más por menos, ya sea a través de niveles gratuitos, lanzamientos de código abierto o ofertas de paquetes. Esta es una buena noticia para los consumidores y las empresas que adoptan la IA, a medida que las capacidades avanzadas se vuelven cada vez más asequibles. También significa que la tecnología de IA se está extendiendo más rápido en toda la economía: cuando algo se vuelve más barato y más estandarizado, más industrias la incorporan, alimentando la innovación (al mismo tiempo que el hardware de PC comercializado económico en la década de 2000 condujo a una explosión de software e servicios de Internet).
Ya estamos viendo una ola de adopción de IA en sectores como servicio al cliente, marketing y operaciones, impulsada por modelos y servicios fácilmente disponibles. La disponibilidad más amplia puede expandir el mercado general de soluciones de IA, incluso si los márgenes de ganancia en los modelos se encogen.
Dinámica económica de la IA mercantilizada (Unite AI/Alex McFarland)
Sin embargo, la mercantilización también puede remodelar el panorama competitivo de manera desafiante. Para los laboratorios de IA establecidos que han invertido miles de millones en el desarrollo de modelos fronterizos, la perspectiva de aquellos modelos que producen solo ventajas transitorias plantean preguntas sobre el ROI. Es posible que necesiten ajustar sus modelos de negocio, por ejemplo, centrarse en los servicios empresariales, las ventajas de datos propietarias o los productos de suscripción construidos sobre los modelos, en lugar de vender el acceso de API solo.
También hay un elemento de carrera armamentista: cuando cualquier avance en el rendimiento se cumple o excede rápidamente por otros (o incluso por comunidades de código abierto), la ventana para monetizar un nuevo modelo se estrecha. Esta dinámica empuja a las empresas a considerar fosas económicas alternativas. Uno de esos foso es la integración con datos propietarios (que no se comercializan): la IA sintonizada en los datos ricos de una empresa puede ser más valioso para esa compañía que cualquier modelo listo para usar.
Otro son las características regulatorias o de cumplimiento, donde un proveedor puede ofrecer modelos con privacidad garantizada o cumplimiento para el uso empresarial, diferenciando de una manera más allá de la tecnología sin procesar. A escala macro, si los modelos de IA fundamentales se vuelven tan ubicuos como bases de datos o servidores web, podríamos ver un cambio donde el servicios Alrededor de la IA (alojamiento en la nube, consultoría, personalizaciones, mantenimiento) se convierten en los principales generadores de ingresos. Los proveedores de la nube ya se benefician de una mayor demanda de infraestructura informática (CPU, GPU, etc.) para ejecutar todos estos modelos, un poco como cómo una utilidad eléctrica se beneficia del uso, incluso si los electrodomésticos se comercializan.
En esencia, la economía de la IA podría reflejar la de otros productos de TI: menores costos y un mayor uso de uso generalizado, creando nuevas oportunidades construidas sobre la capa comercializada, incluso cuando los proveedores de esa capa enfrentan márgenes más estrictos y la necesidad de innovar constantemente o diferenciar en otro lugar.
