Todo lo que se apellide AI está de moda. El frenesí es imparable.
Open AI y su ecosistema (chips, computo en la nube, etc.) están valuadas como si la salud y la alimentación y salud del planeta dependieran de ello. Creo que estamos viendo apenas la primera ola del cambio, pero no aún la consolidación en los usos o aplicaciones del potencial de integrar AI en modelos de negocio.
Los primeros movimientos en términos de maduración de la tecnología hacia productos de alto valor y diferenciación estarán sobrevalorados. Dominarán titulares, y pavimentarán el camino tecnológico y cultural hacia las siguientes fases en las que podremos observar como la aplicación de una canasta de tecnologías, empoderadas por AI, se vuelven identificables. Aún es temprano para evaluar que modelos realmente transformarán industrias.
Y eso no es crítica. Es el patrón histórico.
La Primera Ola
Cuando Internet se masificó en los años 90, los primeros en capitalizar el momento no fueron los que construyeron los modelos de negocio que hoy denominamos como disruptivos
Yahoo llegó a estar valuado en USD$125 mil millones en su pico a finales de los 90s. Era “el Internet organizado”, un directorio curado sobre todo lo que existía en la web. Yahoo no previó la evolución hacia una búsqueda que aprendía del comportamiento agregado de todos los usuarios. Google, para 2005, le había desplazado completamente.
MySpace dominaba las redes sociales. Fue vendido a News Corporation en 2005 por $580 millones cuando tenía más usuarios que cualquier otra red social. Facebook lo desplazó completamente en solo tres años.
MySpace era fundamentalmente una página web personalizable. Facebook entendió algo de mayor significancia para los usuarios: el valor no estaba en el diseño del perfil sino en el valor de conectarlo, la red de relaciones y las interacciones que fluían a través de esas de conocidos. MySpace optimizaba la expresión individual. Facebook se orientó hacia construir conexión social.
Son solo algunos ejemplos. Los pioneros captaron valor masivo en sus primeros años. Ninguno construyó un modelo que adoptara y se adaptara a las señales de cambio y las oportunidades que la misma tecnología permitía vislumbrar como de mayor escala.
La segunda y tercera generación de empresas aprendieron de los errores de la primera generación:
Amazon fue fundada en 1994, el mismo año que Yahoo. Pero su verdadero despegue vino en los 2000s, no en los 90s. Amazon no fue el primer e-commerce, hubo docenas de intentos antes. Fue el primero en entender que Internet permitía crear un inventario virtualmente infinito, cimentando la logística de entrega como ventaja competitiva y aprovechando los datos de comportamiento de sus clientes como un producto en sí mismo.
Ese modelo solo podría nacer desde internet, una vez que los primeros experimentos demostraron el potencial de lo que se podría construir y habilitar, donde el costo marginal de añadir un producto más al catálogo es esencialmente cero, donde algoritmos de recomendación mejoran con cada compra, donde economías de escala en logística crean barreras de entrada.
Uber se fundó en 2009, más de una década después de que Internet se masificó. No fue la primera aplicación para pedir taxis, hubo muchas antes. Fue la primera en construir un mercado bilateral escalable, precios dinámicos y una coordinación de activos ociosos a escala masiva.
El modelo de Uber solo funciona con conductores y pasajeros en masa. Y eso solo era posible después de que los smartphones se volvieron ubicuos (el iPhone se lanza en 2007), después de que la tecnología de los GPS estaba integrada en cada dispositivo, después de que los pagos digitales integrados se volvieron estándar.
¿Qué tienen en común estos ejemplos? Ninguno surgió en la primera ola de Internet. Vieron la luz de como expandirse una vez que otros experimentaron tecnologías, procesos, conceptos y entre la mezcla de hallazgos. Estas empresas comprobaron desde terceros las hipótesis sobre las que sus modelos de negocio se hicieron viables. Para trascender necesitaban una infraestructura tecnológica madura, costos de conectividad y procesamiento accesibles a su mercado de consumo y que estos mismos integrarán una serie de comportamientos a sus rutinas diarias que solo se establecieron años después de que Internet se masificó.
OpenAI , Anthropic, Mistral, Geminiy, docenas de otras empresas han levantado cientos de millones de dólares. Todas están construyendo variaciones del mismo concepto, desde diferentes arquitecturas, enfoques de entrenamiento, diferentes filosofías sobre seguridad. Pero fundamentalmente, todos hacen lo mismo.
Miles de startups de AI generativa están construyendo herramientas para «X, pero con AI.»: escritura asistida por AI, diseño gráfico con AI, generación de código con AI., creación de presentaciones con AI, resúmenes de documentos con AI, análisis de datos con AI.
Estamos en la fase del Internet, pero… -Tienda de libros, pero en Internet. Clasificados, pero en Internet. Videos, pero en Internet-.
Son y serán herramientas muy útiles. Impresionantes técnicamente. Generarán valor. Pero están fundamentalmente sobrevaloradas en relación con el impacto a largo plazo que tendrán.
Puede que estemos en la antesala de un período de entre 3 a 7 años para que la categoría de Empresas de AI madure. La primera fase podría tomar entre 1a 3 años en los que todos buscan solucionar pasar de la consolidación de datos a síntesis, la fase de procesar el conocimiento delegandolo a la AI. La segunda fase será construir soluciones alrededor de problemas de mayor envergadura. La tercera podría llevar a la reinvención o el nacimiento de nuevas categorías y potencialmente de industrias habilitadas por AGI
Estamos en la antesala.
Resolviendo problemas heredados de la era de Internet con herramientas de procesamiento analítico avanzando.
ChatGPT hace más eficiente buscar y sintetizar información. Pero búsqueda y síntesis de información ya fueron resueltas. Google se consolido en esa categoría. ChatGPT es una interfaz diferente, más natural, más conversacional. Pero no cambia fundamentalmente qué información existe o cómo se crea.
Adobe AI, Canva AI, Midjourney y DALL-E democratizan creación visual. Pero creación de imágenes ya era posible. Solo era caro y requería habilidades específicas. Estas herramientas lo hacen más accesible y rápido. Pero no crea una categoría nueva, elimina muchas fricciones, cambia el modelo de monetización. Pero no es el siguiente desdoble en la escena.
GitHub Copilot acelera escritura de código. Pero el cuello de botella en desarrollo de software nunca fue escribir código. Es entender qué código escribir, cómo estructurar sistemas complejos, cómo mantener código a largo plazo, cómo coordinar equipos que trabajan en la misma base de código. Copilot no resuelve ninguno de esos problemas.
Estamos ante optimizadores de paradigmas, no creadores de nuevos paradigmas.
El patrón se repite
La primera generación de cualquier tecnología sigue una secuencia en su proceso de adopción:
Paso 1: Asombro. ¡Mira lo que esta tecnología puede hacer! Demostraciones impresionantes, prototipos que parecen hacer magia. Cobertura mediática y todos hablando del potencial transformador.
Paso 2: Sobrevaloración. Inversores apostando miles de millones tratando de identificar “el próximo Google o Amazon.” Valuaciones que asumen que el ganador capturará todo el valor de la industria completa.
Paso 3: Proliferan los imitadores. Cientos de empresas construyendo variaciones casi idénticas del mismo concepto resolviendo en micro nichos. Cada una afirmando tener una ventaja técnica marginal o un enfoque ligeramente diferente. Todas compitiendo por el mismo talento limitado, la misma base de usuarios temprana.
Paso 4: Consolidación. Un gran porcentaje desaparecerá. Algunos son adquiridos, otros fusionados. Unos pocos sobreviven como herramientas especializadas capturando márgenes modestos.
Paso 5: Emerge la siguiente ola de cambio. Modelos de negocio que solo podían existir después de que la primera generación construyó la infraestructura, los conceptos y se demostró la viabilidad de una mezcla de recursos que educó al mercado, que normalizó comportamientos, y fracasó los suficiente para enseñar qué no hacer.
Con lo que vemos sobre las empresas que se apuntan a resolver desde AI puede que estemos abarcando entre los pasos 2 y el 3.
Los modelos de negocio que la AI habilitará necesitan creo, de cuatro condiciones que todavía no están presentes:
Escala de Costos . GPT-4 cuesta centavos por cada mil tokens procesados. Eso no suena como mucho hasta que lo multiplicas por millones de usuarios haciendo cientos de queries cada uno. Además de las implicaciones en el consumo de energía y los recursos naturales asociados a la infraestructura.
Infraestructura. AI vive principalmente en centros de datos. Los modelos verdaderamente disruptivos necesitarán que AI viva en dispositivos -latencia cero, sin dependencia de conectividad constante, procesamiento local que preserva privacidad de la información-. Eso requiere una arquitectura tecnológica altamente eficiente que apenas están comenzando a emerger.
Regulación clara y sencilla de implementar. Cada aplicación de AI enfrenta un escenario legal que está aprendiendo a ponerse al corriente y va tarde ante las potenciales implicaciones y aplicaciones. Mientras no haya marcos legales, la adopción masiva de aplicaciones de AI enfrentará resistencia institucional constante.
La AI necesita llegar a un punto de integración en la cultura. Cuando simplemente se asume que todo tiene inteligencia embebida. Cuando sea tan ubicuo y poco notable como lo es la corriente eléctrica en los hogares o la ha llegado a ser el tener internet disponible en todos los espacios de ocio y trabajo.
Llegar a ese punto obliga a que la siguiente generación de proyectos o empresas se aboque a cuestionar que es necesario resolver y que porque es rentable-responsable y sostenible hacerlo ahora:
¿Qué pasa cuando cada objeto físico tiene AI y puede negociar con otros objetos sin intermediación humana?
¿Qué modelos son posibles cuando la predicción es tan barata que puedes simular millones de escenarios antes de cada decisión?
¿Cómo cambian industrias enteras cuando coordinación de millones de agentes autónomos es trivial?
¿Qué puedo construir que antes era completamente imposible?
¿Qué segmento de los problemas que resuelve o se generan por la irrupción de AI es una oportunidad de hacer rentabilidad e impacto?
Al día de hoy, todavía estamos preguntando ¿Cómo hago lo que ya hago, pero con AI? o sea, más rápido, más barato.
Cuando la pregunta cambie a ¿Qué categorías completamente nuevas de productos y servicios son posibles ahora que la inteligencia es un recurso al alcance? Ahí estaremos listos para argumentar sobre la siguiente generación de proyectos.
