Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
La fiebre de la inteligencia artificial ya no gira solo alrededor de quién tiene acceso al mejor modelo. Empieza a girar alrededor de algo menos vistoso y bastante más áspero, que es cuánto cuesta usarlo sin destruir el margen por el camino.
Harvey lo comprobó de forma brusca.
La startup de servicios legales, valorada en 15.600 millones de dólares, vio caer sus márgenes brutos del 50 % a principios de año a un -50 % en junio después de una actualización de sus agentes de inteligencia artificial en marzo. Mientras su uso de tokens se multiplicaba por veinte en lo que va de año, la empresa acabó lanzando en agosto un modelo propio basado en Kimi K3, de la china Moonshot AI, y devolvió sus márgenes a terreno positivo.
Cuando crecer más también encarece más
No es un caso aislado. Uber agotó su presupuesto anual para inteligencia artificial en abril tras maximizar el uso del código Claude de Anthropic, una señal bastante clara de que el problema ya no es solo técnico, sino contable.
Esa presión explica que varias startups antes felices como clientes de grandes laboratorios ahora quieran parecerse un poco más a ellos. Decagon gestiona el 80 % de sus consultas con modelos propios, Abridge desarrolla un modelo base personalizado para entornos clínicos entrenado a partir de modelos abiertos de Nvidia, y Ramp y Rogo exploran el entrenamiento de sus propios sistemas.
También Cursor, ahora integrada en SpaceX, y Cognition, valorada en 48.000 millones de dólares, han lanzado modelos a medida.
Hace un año la idea sonaba prematura para muchas empresas. Ahora, con el coste de los tokens metido de lleno en la cuenta de resultados, el debate ya no consiste solo en acceder a la mejor inteligencia artificial, sino en decidir cuánto control conviene recuperar dentro de casa.
"Hace un año no tenía ningún sentido. Ahora empieza a tener mucho más sentido" - Karim Atiyeh, codirector ejecutivo de Ramp
Atiyeh va un paso más allá cuando habla de eficiencia empresarial, un terreno donde la fascinación tecnológica dura poco si los números no acompañan.
"Es una auténtica imprudencia no pensar en ello y no optimizar en consecuencia" - Karim Atiyeh, codirector ejecutivo de Ramp
Ramp no habla desde la escasez. La empresa recaudó 750 millones de dólares en junio, lo que da una idea de la escala a la que ya se está discutiendo este giro hacia modelos propios.
El modelo propio no siempre resuelve el problema
No todos compran esa tesis sin matices.
Matt Kraning, socio de Menlo Ventures, cuestiona la forma misma de la discusión. Para él, preguntarse si una empresa debe tener o no un modelo propio plantea mal el problema, y añade que en la mayoría de los casos todo eso suele ser mucho cosplay.
Omer Gotlieb, cofundador y director ejecutivo de Salespeak, ofrece el contrapunto práctico. Abandonó el desarrollo de modelos propios tras no observar ventajas significativas, algo que recuerda que construir uno no garantiza ni ahorro ni mejor producto.
Strib Walker, director de producto de Rogo, describe ese proceso de otra manera. Para él, cuando la empresa adapta un sistema abierto, pasan de ser un modelo de código abierto a un modelo de Rogo.
La discusión, en el fondo, no trata solo de propiedad intelectual. Trata de hasta qué punto una startup puede ajustar coste, rendimiento y dependencia externa sin cargar con el peso completo de entrenar un sistema desde cero, una tensión que ya asomó en modelos propios para reducir dependencia.
El dinero sigue entrando mientras crece la dependencia
Mientras unas compañías miran sus facturas de inferencia, otras siguen alimentando la gran máquina financiera del sector. SoftBank busca más de 11.000 millones de dólares en bonos de alto riesgo para financiar su inversión en OpenAI, que además evalúa una ronda de financiación con una valoración superior a 1,2 billones de dólares.
Ahí aparece una contradicción difícil de ignorar. Cuanto más caras y centrales se vuelven estas herramientas para las startups que las usan, más poder acumulan los proveedores de modelos a gran escala y más capital necesitan quienes quieran competir con ellos o dejar de depender de ellos.
Lan Xuezhao, fundador y socio gerente de Basis Set, lo formula en términos tajantes. Sostiene que si una empresa no optimiza sus costos ajustando su propio modelo, por definición no es eficiente, y añade que no cree que sea financiable si no busca desarrollar modelos para su propio uso.
Ni siquiera el acceso puede darse por descontado.
SpaceX cerró la adquisición de Cursor y, una semana después, OpenAI anunció la suspensión del acceso de la startup de programación a sus modelos. Logan Bartlett, director general de Redpoint Ventures, introdujo ahí un matiz importante al recordar que esas plataformas no van a perjudicarse a sí mismas por capricho.
Entre márgenes que pasan del 50 % al -50 %, presupuestos agotados en abril y valoraciones que ya superan 1,2 billones de dólares, la inteligencia artificial empieza a parecerse menos a una simple capa de software y más a una negociación permanente entre dependencia, coste y control.