¿Están convirtiéndose los modelos de IA en commodities?

El CEO de Microsoft, Satya Nadella, ha generado un debate reciente al sugerir que los modelos de IA avanzados están en el camino hacia la commodity. 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 efímera en el ritmo acelerado de la innovación en IA.

La perspectiva de Nadella tiene peso en una industria donde los gigantes de la tecnología 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 deberían dirigir su energía hacia la integración de la IA en “una pila de sistema completa y productos exitosos”.

Esto refleja una sensación más amplia 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 enfoque se desplaza a cómo se aplica la IA en servicios del mundo real. Empresas como Microsoft y Google, con vastas ecologías de productos, pueden estar mejor posicionadas para capitalizar esta tendencia de IA commodity al integrar modelos en ofertas de usuario amigables.

Acceso ampliado y modelos abiertos

No hace mucho, solo un puñado de laboratorios podían construir modelos de IA de vanguardia, pero esa exclusividad se está desvaneciendo rápidamente. Las capacidades de IA son cada vez más accesibles para organizaciones e incluso individuos, alimentando la idea de que los modelos son commodities. El investigador de IA Andrew Ng tan temprano como 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 públicos fundamentales disponibles desde muchos proveedores.

La reciente proliferación de modelos de código abierto ha acelerado esta tendencia. Meta (la empresa matriz de Facebook), por ejemplo, causó un gran revuelo al lanzar modelos de lenguaje potentes como LLaMA abiertamente a investigadores y desarrolladores sin costo. El razonamiento es estratégico: al abrir el código de su IA, Meta puede fomentar una adopción más amplia y obtener contribuciones de la comunidad, mientras socava las ventajas propietarias de los rivales. Y aún 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 convertirse en una commodity: dentro de meses de su lanzamiento abierto en 2022, se convirtió en un nombre conocido 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 ubiquidad significa que las organizaciones ya no enfrentan una elección binaria de pagar por un modelo secreto de un solo proveedor o nada en absoluto. En cambio, pueden elegir entre un menú de modelos (abiertos o comerciales) o incluso afinar sus propios, al igual que seleccionar commodities desde 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.

Gigantes de la nube convirtiendo la IA en un servicio de utilidad

Los principales proveedores de la nube han sido habilitadores clave – y conductores – de la commodity de la IA. Empresas como Microsoft, Amazon 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 potente sea ampliamente accesible.

De hecho, la nube de Azure de Microsoft tiene una asociación con OpenAI, lo que permite a cualquier desarrollador o negocio aprovechar GPT-4 u otros modelos de vanguardia a través de una llamada de API, sin necesidad de 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. AWS Bedrock ofrece una selección de modelos fundamentales 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 commodity: 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 atrae titulares (digamos un avance de una startup), la nube ofrecerá rápidamente.

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 commodity. 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 propia estrategia de OpenAI refleja este cambio. El enfoque de la empresa en los últimos años ha sido ofrecer un producto pulido (ChatGPT y su API) y un ecosistema de mejoras – como servicios de afinación, complementos y interfaces de usuario amigables – en lugar de simplemente lanzar el código del modelo sin procesar.

En la práctica, eso significa ofrecer 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 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 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 gobernar todos, algunas empresas de IA construyen modelos adaptados a dominios o tareas específicas, donde pueden afirmar una calidad superior incluso en un paisaje commodity. Por ejemplo, hay startups de IA que se enfocan exclusivamente en diagnósticos de salud, finanzas o derecho – áreas donde los datos y la experiencia de dominio propietarios pueden producir un mejor modelo para ese nicho que un sistema de propósito general. Estas empresas aprovechan la afinación de modelos abiertos o modelos más pequeños personalizados, 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 el surgimiento 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 para 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 y ecosistemas de usuario 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 cadena de valor: cuando el modelo en sí no es una trinchera, la diferenciación proviene de todo lo que rodea al modelo – los datos, la experiencia del usuario, la experiencia vertical y la integración en sistemas existentes.

Efectos económicos de la IA commodity

La commodity de los modelos de IA conlleva implicaciones económicas significativas. A corto plazo, está impulsando los costos de las capacidades de IA hacia abajo. 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 de token de OpenAI para su serie GPT cayó más de un 80% desde 2023 hasta 2024, una reducción atribuida a una mayor competencia y ganancias de eficiencia.

De manera similar, los nuevos entrantes que ofrecen modelos más baratos o de código abierto obligan a los incumbentes a ofrecer más por menos – ya sea a través de niveles gratuitos, 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 impulsa la innovación (al igual que el hardware de PC barato y commodity en la década de 2000 llevó a una explosión de software y servicios de internet).

Ya estamos viendo una ola de adopción de IA en sectores como el servicio al cliente, el marketing y las operaciones, impulsada por modelos y servicios ampliamente disponibles. La disponibilidad más amplia puede expandir así el mercado general para las soluciones de IA, incluso si los márgenes de beneficio sobre los modelos en sí disminuyen.

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

Sin embargo, la commodity también puede reconfigurar el panorama competitivo de maneras desafiantes. Para los laboratorios de IA establecidos que han invertido miles de millones en desarrollar modelos de vanguardia, la perspectiva de que esos modelos produzcan solo ventajas transitorias plantea preguntas sobre el ROI. Pueden necesitar ajustar sus modelos de negocio – por ejemplo, enfocándose 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 armamentista: 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 novel se reduce. Esta dinámica impulsa a las empresas a considerar fosos alternativos. Uno de esos fosos es la integración con datos propietarios (que no se han commodity): la IA afinada en los propios datos ricos de una empresa puede ser más valiosa para esa empresa que cualquier modelo estándar.

Otro es la característica de regulación o cumplimiento, donde un proveedor podría ofrecer modelos con privacidad garantizada o cumplimiento para uso empresarial, diferenciándose de una manera 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, podríamos ver un cambio en el que los servicios alrededor de la IA (alojamiento en la nube, consultoría, personalizaciones, mantenimiento) se conviertan en los generadores de ingresos principales. Ya, los proveedores de la nube se benefician del aumento de la demanda de infraestructura de cómputo (CPUs, GPUs, etc.) para ejecutar todos estos modelos – un poco como una utilidad eléctrica que se beneficia del uso, incluso si los electrodomésticos son 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 commodity, incluso mientras los proveedores de esa capa enfrentan márgenes más ajustados y la necesidad de innovar constantemente o diferenciarse en otro lugar.