Reseña del libro: Invertir en IA: seis modelos mentales para distinguir ventajas competitivas de trampas, de Rob May

Me hacía ilusión leer Invertir en IA: seis modelos mentales para distinguir ventajas competitivas de trampas, sobre todo porque llevo años siguiendo a Rob May a través de su boletín sobre inversión en IA. En mi opinión, lo que distingue a Rob May de muchos inversores es su disposición a evitar el pensamiento grupal y a razonar a partir de principios básicos. Va más allá de la narrativa dominante para preguntarse cómo funciona realmente una empresa, de dónde proceden sus ventajas y si estas pueden sobrevivir al siguiente cambio tecnológico.

Ahí es donde destaca este libro. Es el primero que encuentro que aborda la inversión en IA de esta manera. En lugar de limitarse a identificar una tecnología prometedora o un mercado en crecimiento, invita a los lectores a replantearse cómo analizan las empresas que se están construyendo en torno a ella. La oportunidad es enorme, pero reconocer una capacidad de IA prometedora y reconocer una empresa en la que vale la pena invertir son habilidades muy distintas.

Cuando la narrativa sobre la IA choca con la realidad

Rob May sustenta su análisis en historias que resultarán familiares a cualquiera que haya seguido el ecosistema de la IA. Jasper se convirtió en una sensación mediática y recaudó 125 millones de dólares con una valoración de 1,5 mil millones de dólares. Luego, ChatGPT llevó a los consumidores directamente una potente generación de texto, poniendo en entredicho el valor de un producto basado en el acceso a capacidades subyacentes similares. Rob May recurre a este cambio de rumbo para examinar con qué rapidez una ventaja aparente puede volverse vulnerable.

Lo que me interesa de este ejemplo es la pregunta que obliga a plantearse a inversores y fundadores: ¿qué sigue necesitando el cliente de tu empresa cuando la tecnología subyacente está ampliamente disponible? ¿Qué diferencia a una empresa con una ventaja competitiva defendible de otra que simplemente envuelve un modelo de IA? Una ventaja inicial puede dar tiempo, pero no responde a esa pregunta. El control de los flujos de trabajo, la distribución, los conocimientos especializados y las relaciones con los clientes cobran mucha más importancia cuando el acceso al modelo se convierte en un producto indiferenciado.

DeepSeek representa la otra cara de esa incertidumbre. El libro aborda el impacto de la aparición de un modelo de nivel GPT-4 con un costo de entrenamiento declarado de 5,576 millones de dólares. La lección para los inversores es importante: las suposiciones sobre el costo de competir pueden cambiar mucho más rápido de lo que prevé un modelo de valoración.

Por qué hay que replantearse el manual de SaaS

Rob May vuelve sobre los inviernos de la IA del pasado y sostiene que la amplitud del despliegue actual ha roto el antiguo patrón de demostraciones prometedoras seguidas de una decepción generalizada. Su argumento es que la IA útil está ahora integrada en demasiados flujos de trabajo reales como para que pueda replegarse sin más en el laboratorio. Aun así, aunque la adopción continúe, todavía puede ser difícil identificar al próximo unicornio capaz de aprovecharla.

Identifica cuatro diferencias fundamentales que ayudan a explicar el cambio: la IA puede realizar trabajo cognitivo, aprender de los datos, cambiar las expectativas de quienes la utilizan y convertirse en parte habitual de la vida de una generación que está creciendo con ella. El tercer punto —la reflexividad— resulta especialmente interesante. Cuando los clientes experimentan una capacidad, empiezan a esperarla en otros ámbitos. El mercado al que sirve una empresa cambia a medida que se adopta la tecnología.

El mayor factor de cambio es la velocidad de escalado. Las empresas de IA pueden alcanzar un tamaño considerable en plazos que antes solo se veían en casos excepcionales. Pero para evaluarlas sigue siendo necesario comprender su modelo de negocio. Cobrar por tarea o por resultado crea una relación entre valor, ingresos y costos distinta de la que supone vender un número fijo de licencias de software.

Algunas lecciones de SaaS siguen siendo muy pertinentes. La experiencia en el sector sigue importando. Las herramientas específicas para cada sector que comprenden sus problemas reales pueden generar ventajas significativas. Los bucles de datos exclusivos pueden acumular valor, y las integraciones profundas pueden generar costos de cambio. El reto consiste en distinguir esas fortalezas duraderas de las funciones que el cliente podría obtener de decenas de otros proveedores.

Seis modelos mentales que ayudan a plantear mejores preguntas

El libro organiza su argumento central en torno a seis modelos mentales: entender la IA como un conjunto de tecnologías; cuestionar los supuestos tradicionales sobre SaaS; anticipar grandes dislocaciones del mercado; reconocer los cambios en los mercados y las estrategias corporativas; comprender el escalado más rápido; y evaluar con cuidado el costo de los bienes vendidos de la IA.

Estos modelos funcionan bien en conjunto porque cada uno pone de manifiesto una debilidad distinta de las tesis de inversión superficiales. Llamar a una empresa empresa de IA dice poco sobre su economía. Un aumento espectacular de los ingresos dice poco sobre su durabilidad. Un margen bruto sólido hoy dice poco sobre lo que ocurrirá cuando los clientes empiecen a pedirle al producto que realice tareas más difíciles.

Lo que más valoro es el hábito de plantear una segunda pregunta. Después de preguntar si la tecnología funciona, hay que preguntarse si funciona con suficiente fiabilidad para el flujo de trabajo real del cliente. Después de preguntar si los clientes pagan, hay que preguntarse por qué pagan y si es probable que sigan haciéndolo. Esto hace que el libro siga siendo útil más allá del momento en que se escribieron sus ejemplos.

Botkeeper y la importancia de la evolución de los costos

Uno de los casos prácticos más útiles es Botkeeper, una empresa de automatización de la contabilidad en la que invirtió Rob May. Describe una empresa que al principio dependía en gran medida de contables humanos y tenía márgenes brutos de aproximadamente entre el 20 y el 25 %. Eso resultaba poco atractivo para los inversores que esperaban márgenes propios del software convencional. Sin embargo, el trabajo de esas personas también generaba datos que podían ayudar a automatizar el proceso. Rob May señala que, más adelante, los márgenes brutos superaron el 70 % a medida que se trasladaba más trabajo al software.

La lección que extraigo de esto es que conviene analizar qué se está construyendo gracias a la intervención humana. Si cada tarea completada ayuda al sistema a resolver la siguiente con mayor eficiencia, es posible que los primeros costes de prestación del servicio estén financiando un negocio más escalable. Si cada nuevo cliente exige indefinidamente un aumento proporcional del trabajo manual, la economía del negocio cuenta otra historia.

Rob May también examina la trayectoria opuesta: unos costes de inferencia que aumentan a medida que crece el uso. Para completar tareas más complejas, un sistema de IA puede necesitar más capacidad de cómputo, varios intentos o revisión humana. Un producto que parece atractivo en una prueba piloto pequeña puede encarecerse cuando los clientes lo utilizan para trabajos complejos. Por eso, la evolución de los costes importa tanto como el margen actual.

La eficiencia no constituye automáticamente una ventaja competitiva

Otro marco que me resultó útil es la tríada de valor de la IA de Rob May: IA comoditizada, IA central e IA de expansión. En términos generales, estas categorías describen capacidades que los competidores pueden adoptar fácilmente, capacidades que refuerzan la ventaja existente de una empresa y capacidades que abren nuevas oportunidades de negocio.

Su ejemplo hipotético de una aerolínea permite entender fácilmente la primera categoría. Una aerolínea incorpora un agente de soporte basado en IA y gana eficiencia. Después, sus competidores adoptan herramientas similares. Lo que por un momento parecía un factor diferenciador se convierte en una expectativa del sector, y parte del beneficio económico puede desaparecer por la competencia.

Esto ayuda a contrarrestar la tendencia a considerar cada anuncio relacionado con la IA como una prueba de que una empresa se ha fortalecido. Quiero saber qué conserva su carácter distintivo cuando los competidores tienen acceso a herramientas comparables. Una empresa que combina la IA con datos propios de retroalimentación, un profundo conocimiento operativo o un flujo de trabajo del cliente difícil de replicar ofrece una respuesta más convincente que otra que anuncia la misma automatización que cualquiera puede comprar.

Busca directivos capaces de aprovechar la IA

El libro está repleto de observaciones prácticas, entre ellas la importancia de apostar por directivos capaces de incorporar realmente la IA. Un plan concreto para cambiar los flujos de trabajo y las responsabilidades resulta mucho más convincente que una presentación que promete integrar la IA en toda la organización.

El análisis de Rob May sobre la calidad de los ingresos refuerza esta idea. Los proyectos piloto remunerados y las pruebas de concepto pueden generar cifras iniciales impresionantes, pero deben distinguirse de los ingresos vinculados al trabajo continuo en producción. La pregunta útil es qué parte del negocio seguiría existiendo si los clientes dejaran de experimentar mañana.

Creo que esto es especialmente valioso para los fundadores. Ganar un proyecto piloto es un avance, pero crear un producto que pase a formar parte de las operaciones de un cliente es un logro distinto. Comprender esa diferencia desde el principio puede influir en las prioridades de producto, las contrataciones y la forma en que una empresa mide el éxito.

Veredicto final

Mi principal conclusión es que este libro no debería reservarse exclusivamente a los inversores. Los emprendedores también pueden beneficiarse mucho de entender qué hace que una empresa de IA resulte atractiva para la inversión, cómo se crean ventajas duraderas y qué errores comunes de las empresas emergentes pueden evitarse antes de que resulten costosos.

Conviene abordarlo como un marco para tomar decisiones, no como una lista de acciones que comprar. Su mayor aportación consiste en ayudar a los lectores a precisar por qué creen en una empresa. Es inevitable que los ejemplos envejezcan a medida que avance el sector; lo que hace que el libro siga siendo útil es la disciplina de cuestionar las propias premisas.

Invertir en IA: seis modelos mentales para distinguir las ventajas competitivas de las trampas ofrece el pensamiento desde los primeros principios que me llevó a leer el boletín de Rob May. Para los inversores que intentan distinguir una empresa con una ventaja defendible de una historia convincente, y para los emprendedores que quieren construir la primera, es una lectura reflexiva y valiosa.