¿Están convirtiéndose los modelos de IA en commodities?

El CEO de Microsoft (MSFT ), Satya Nadella, ha generado un debate reciente al sugerir que los modelos de IA avanzados están en el camino hacia la commoditización. En un podcast, Nadella observó que los modelos fundamentales están volviéndose cada vez más similares y ampliamente disponibles, hasta el punto de que “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 de modelos; es una empresa de productos que casualmente tiene modelos fantásticos”, subrayando que la verdadera ventaja proviene de construir productos alrededor de los modelos.

En otras palabras, simplemente tener el modelo más avanzado ya no garantiza el liderazgo en el mercado, ya que cualquier ventaja en el rendimiento puede ser de corta duración en el ritmo acelerado de la innovación en IA.

La perspectiva de Nadella tiene peso en una industria donde los gigantes tecnológicos están compitiendo para entrenar modelos cada vez más grandes. Su argumento implica un cambio de enfoque: en lugar de obsesionarse con la supremacía del modelo, las empresas deben dirigir su energía hacia la integración de la IA en “una pila de sistema completa y productos exitosos”.

Esto refleja un sentimiento más amplio de que los avances actuales en IA se convierten rápidamente en características básicas del mañana. A medida que los modelos se vuelven más estandarizados y accesibles, el foco se desplaza hacia cómo se aplica la IA en servicios del mundo real. Empresas como Microsoft y Google (GOOGL ), con vastos ecosistemas de productos, pueden estar mejor posicionadas para capitalizar esta tendencia de IA commoditizada al integrar modelos en ofertas de usuario amigables.

Ampliando el acceso y los modelos abiertos

No hace mucho, solo unos pocos laboratorios podían construir modelos de IA de vanguardia, pero esa exclusividad se está desvaneciendo rápidamente. Las capacidades de IA están volviéndose cada vez más accesibles a organizaciones y incluso a individuos, alimentando la idea de que los modelos son commodities. El investigador de IA Andrew Ng tan temprano como en 2017 comparó el potencial de la IA con “la nueva electricidad,” sugiriendo que al igual que la electricidad se convirtió en una commodity ubicua que subyace a la vida moderna, los modelos de IA podrían convertirse en servicios fundamentales disponibles desde muchos proveedores.

La reciente proliferación de modelos de código abierto ha acelerado esta tendencia. Meta (la empresa matriz de Facebook (META )), por ejemplo, causó un gran impacto al lanzar poderosos modelos de lenguaje como LLaMA abiertamente a investigadores y desarrolladores sin costo. La razón es estratégica: al abrir su IA, Meta puede fomentar una adopción más amplia y obtener contribuciones de la comunidad, mientras socava las ventajas propietarias de los rivales. Y 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 Stable Diffusion de Stability AI mostró cómo rápidamente un avance puede volverse una commodity: dentro de meses de su lanzamiento abierto en 2022, se convirtió en un nombre familiar en la 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 Hugging Face.

Esta ubicuidad significa que las organizaciones ya no enfrentan una elección binaria entre pagar por un modelo secreto de un solo proveedor o nada en absoluto. En cambio, pueden elegir de un menú de modelos (abiertos o comerciales) o incluso afinar sus propios modelos, al igual que seleccionar commodities de un catálogo. La gran cantidad de opciones es una fuerte indicación de que la IA avanzada se está convirtiendo en un recurso compartido ampliamente en lugar de un privilegio estrechamente guardado.

Los gigantes de la nube convirtiendo la IA en un servicio de utilidad

Los principales proveedores de nube han sido habilitadores clave – y conductores – de la commoditización de la IA. Empresas como Microsoft, Amazon (AMZN ) y Google están ofreciendo modelos de IA como servicios bajo demanda, similares a servicios públicos entregados a través de la nube. Nadella señaló que “los modelos se están convirtiendo en commodities en [la] nube,” destacando cómo la nube hace que la IA poderosa sea ampliamente accesible.

De hecho, la nube de Azure de Microsoft tiene una asociación con OpenAI, lo que permite a cualquier desarrollador o negocio acceder a GPT-4 o a otros modelos de vanguardia a través de una llamada de API, sin tener que construir su propia IA desde cero. Amazon Web Services (AWS) ha ido un paso más allá con su plataforma Bedrock, que actúa como un mercado de modelos. La plataforma Bedrock de AWS ofrece una selección de modelos de base de varias empresas de IA líderes – desde los modelos propios de Amazon hasta los de Anthropic, AI21 Labs, Stability AI y otros – todos accesibles a través de un servicio administrado.

Este enfoque de “muchos modelos, una plataforma” ejemplifica la commoditización: los clientes pueden elegir el modelo que se adapte a sus necesidades y cambiar de proveedor con relativa facilidad, como si estuvieran comprando una commodity.

En términos prácticos, eso significa que las empresas pueden confiar en las plataformas en la nube para tener siempre un modelo de vanguardia disponible, similar a la electricidad de una red – y si un nuevo modelo llama la atención (digamos un avance de una startup), la nube ofrecerá rápidamente ese modelo.

Diferenciación más allá del modelo en sí

Si todos tienen acceso a modelos de IA similares, ¿cómo se diferencian las empresas de IA? Esta es la esencia del debate sobre la commoditización. El consenso entre los líderes de la industria es que el valor radicará en la aplicación de la IA, no solo en el algoritmo. La estrategia de OpenAI refleja este cambio. La empresa ha centrado su atención en los últimos años en ofrecer un producto pulido (ChatGPT y su API) y un ecosistema de mejoras – como servicios de afinamiento, complementos y interfaces de usuario amigables – en lugar de simplemente lanzar el código del modelo sin procesar.

En la práctica, eso significa ofrecer un rendimiento confiable, opciones de personalización y herramientas para desarrolladores alrededor del modelo. De manera similar, los equipos DeepMind y Brain de Google, ahora parte de Google DeepMind, están canalizando su investigación hacia los productos de Google como la búsqueda, las aplicaciones de oficina y las API de 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 se preocupan en última instancia por las experiencias habilitadas por la IA (un mejor motor de búsqueda, un asistente digital más útil, etc.), no por el nombre o el tamaño del modelo.

También estamos viendo que las empresas se diferencian a través de la especialización. En lugar de un modelo para gobernarlos a todos, algunas empresas de IA construyen modelos adaptados a dominios o tareas específicas, donde pueden reclamar una calidad superior incluso en un paisaje commoditizado. Por ejemplo, hay startups de IA que se centran exclusivamente en diagnósticos de atención médica, finanzas o derecho – áreas donde los datos y la experiencia en el dominio pueden producir un mejor modelo para ese nicho que un sistema de propósito general. Estas empresas aprovechan el afinamiento de modelos abiertos o modelos personalizados más pequeños, combinados con datos propietarios, para destacarse.

Interfaz de 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 un rendimiento igual a una fracción del costo computacional puede ser una ventaja competitiva. Esto se destacó con la aparición del modelo R1 de DeepSeek, que supuestamente igualó algunas de las capacidades de 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, aunque los resultados de diferentes modelos pueden volverse similares, un proveedor podría distinguirse logrando esos resultados de manera más barata o rápida.

Finalmente, hay una carrera para construir lealtad del usuario y ecosistemas alrededor de los servicios de IA. Una vez que una empresa ha integrado profundamente un modelo de IA particular en su flujo de trabajo (con prompts personalizados, integraciones y datos afinados), cambiar a otro modelo no es sin fricción. Proveedores como OpenAI, Microsoft y otros están tratando de aumentar esta adherencia ofreciendo plataformas integrales – desde SDK de desarrollador hasta mercados de complementos de IA – que hacen que su sabor de IA sea más una solución de pila completa que una commodity intercambiable.

Las empresas están moviéndose hacia la parte superior de la cadena de valor: cuando el modelo en sí no es un foso, la diferenciación proviene de todo lo que rodea al modelo – los datos, la experiencia del usuario, la experiencia en el dominio y la integración en sistemas existentes.

Efectos económicos de la IA commoditizada

La commoditización de los modelos de IA conlleva implicaciones económicas significativas. A corto plazo, está impulsando hacia abajo 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 reminiscente de los mercados de commodities clásicos.

En los últimos dos años, OpenAI y otros proveedores han reducido drásticamente los precios para acceder a los modelos de lenguaje. Por ejemplo, el precio por token de la serie GPT de OpenAI cayó más de un 80% de 2023 a 2024, una reducción atribuida a la mayor competencia y las ganancias de eficiencia.

De manera similar, los nuevos entrantes que ofrecen modelos más baratos o abiertos obligan a los incumbentes a ofrecer más por menos – ya sea a través de versiones gratuitas, lanzamientos de código abierto o ofertas de paquete. Esto es una buena noticia para los consumidores y las empresas que adoptan la IA, ya que las capacidades avanzadas se vuelven cada vez más asequibles. También significa que la tecnología de IA se está extendiendo más rápido por la economía: cuando algo se vuelve más barato y estandarizado, más industrias lo incorporan, lo que fomenta la innovación (al igual que el hardware de PC barato y commoditizado en la década de 2000 llevó a una explosión de software y servicios de internet).

Ya estamos viendo una oleada de adopción de IA en sectores como el servicio al cliente, el marketing y las operaciones, impulsada por modelos y servicios fácilmente disponibles. La mayor disponibilidad puede expandir así el mercado general para las soluciones de IA, incluso si los márgenes de beneficio de los modelos en sí se reducen.

Dinámica económica de la IA commoditizada (Unite AI/Alex McFarland)

Sin embargo, la commoditización también puede remodelar el panorama competitivo de maneras desafiantes. Para los laboratorios de IA establecidos que han invertido miles de millones en el desarrollo de modelos de vanguardia, la perspectiva de que esos modelos produzcan solo ventajas transitorias plantea preguntas sobre el ROI. Es posible que necesiten ajustar sus modelos de negocio – por ejemplo, centrarse en servicios empresariales, ventajas de datos propietarios o productos de suscripción construidos sobre los modelos, en lugar de vender solo acceso a la API.

Hay un elemento de carrera armamentística: cuando cualquier avance en el rendimiento es rápidamente igualado o superado por otros (o incluso por comunidades de código abierto), la ventana para monetizar un modelo novedoso se reduce. Esta dinámica empuja a las empresas a considerar fosos económicos alternativos. Uno de esos fosos es la integración con datos propietarios (que no se han commoditizado) – la IA ajustada en los propios datos ricos de una empresa puede ser más valiosa para esa empresa que cualquier modelo estándar.

Otro es la regulación o las características de cumplimiento, donde un proveedor podría ofrecer modelos con privacidad garantizada o cumplimiento para uso empresarial, diferenciándose de una manera que va más allá de la tecnología cruda. A escala macro, si los modelos de IA fundamentales se vuelven tan ubicuos como las bases de datos o los servidores web, es posible que veamos un cambio donde los servicios alrededor de la IA (alojamiento en la nube, consultoría, personalizaciones, mantenimiento) se conviertan en los principales generadores de ingresos. Ya los proveedores de nube se benefician de la mayor demanda de infraestructura de cómputo (CPUs, GPUs, etc.) para ejecutar todos estos modelos – un poco como una empresa de servicios públicos se beneficia del uso incluso si los electrodomésticos se han vuelto commodities.

En esencia, la economía de la IA podría reflejar la de otras commodities de TI: menores costos y mayor acceso impulsan un uso generalizado, creando nuevas oportunidades construidas sobre la capa commoditizada, incluso mientras los proveedores de esa capa enfrentan márgenes más ajustados y la necesidad de innovar constantemente o diferenciarse en otra parte.