ChatGPT cumple tres años: la guerra de modelos grandes llega a su fin, ¿dónde está realmente la ventaja competitiva?

ChatGPTAI de OpenAI cumple tres años. Actualmente, el verdadero campo de batalla se ha trasladado a la potencia computacional, costos y ecosistemas. La victoria final puede no estar en el modelo en sí, sino en quién puede convertir la IA en un sistema completo y sostenible. (Resumen: ChatGPT admitirá pagos directos de PayPal en 2026, la última pieza del rompecabezas del imperio comercial de OpenAI) (Contexto: Las tres grandes funciones del navegador nativo de OpenAI, “ChatGPT Atlas”, ¿pueden los agentes de IA desafiar el dominio de Chrome?) Desde que ChatGPT fue lanzado el 30 de noviembre de 2022, hasta hoy, han pasado exactamente tres años, y la velocidad de evolución de toda la industria tecnológica ha sido abrumadora. En ese entonces, todos pensaban que la competencia de IA sería una pura “guerra de modelos”: quien tuviera parámetros más grandes, datos más abundantes y potencia computacional más intensa, podría reinar en este mercado. Sin embargo, tres años después, al mirar atrás, se da cuenta de que esas primeras imaginaciones fueron en realidad una simplificación excesiva. La verdadera competencia nunca ha sido “quién puede hacer el modelo más grande”, sino “quién puede convertir el modelo en un sistema completo”. Un sistema que pueda implementarse, comercializarse, soportar costos, resistir el consumo de potencia computacional y sobrevivir dentro de los flujos de trabajo empresariales. En estos tres años, la curva tecnológica de los grandes modelos ha avanzado casi a la vista, pero la velocidad de comercialización de las empresas de IA no ha ido a la par, e incluso ha sido más lenta de lo que muchos esperaban. La razón no es la falta de tecnología, sino que toda la industria ha pasado de comparar tamaños de modelos a “quién puede soportar la presión antes de la llegada del amanecer”. La capacidad del modelo, el suministro de potencia computacional, los costos de inferencia y las expectativas de los usuarios, estas cuatro curvas están subiendo locamente al mismo tiempo, como un arco tensado al máximo. Y cada empresa de IA está en esa cuerda, quien pueda sostenerse más tiempo, más firme y soportar los costos, será el verdadero ganador. Desde la carrera armamentista de parámetros hasta la competencia por la eficiencia. En el primer año de vida de la IA, todos solo veían parámetros. Cuanto más grande era el modelo, más avanzado; cuanto más costoso, más exclusivo. La narrativa predominante incluso consideraba la cantidad de parámetros como una especie de “dignidad”, como si un supermodelo pudiera representar por sí mismo el liderazgo tecnológico. Pero después de 2024, la situación comenzó a cambiar sutilmente. Las empresas, tras la implementación real, se dieron cuenta de que el tamaño del modelo ya no era importante, lo crucial era si el modelo podía completar tareas de manera “estable, económica y rápida”. La inteligencia del modelo en sí ya no mostraba un estallido lineal como en años anteriores; el progreso se volvió más como un ajuste gradual. Cuanto más grande es el modelo, más sorprendentes son los costos de inferencia, más altos son los umbrales de implementación, y las empresas son menos propensas a pagar. Por el contrario, esos modelos pequeños, entrenados de manera más eficiente, que pueden ser comprimidos y funcionar en GPUs comunes, se han convertido en los productos de IA más populares entre las empresas en 2025. Muchas compañías incluso han comenzado a utilizar modelos de código abierto en lugar de APIs de código cerrado, no porque el código abierto sea más potente, sino porque el código abierto ha superado todas las expectativas en términos de “costo-beneficio”. Menores necesidades de potencia computacional, mayor velocidad de iteración y métodos de implementación más flexibles han llevado a muchas empresas que originalmente dependían de modelos de código cerrado a preguntarse: “¿Realmente necesitamos pagar tanto?” “¿No es suficiente el 80% de la capacidad de un modelo de código abierto, más la calibración interna?” La competencia de modelos ha pasado de ser una “competencia de fuerza” a una “competencia de eficiencia”. No es quién es más fuerte, sino quién puede hacer que las empresas puedan permitírselo. La GPU ya no es solo hardware, es una estructura de poder. Si el modelo ha pasado de ser un mito a un producto en tres años, la GPU se ha convertido en “material estratégico” en este período. Lo que más temen las empresas de IA no es quedarse atrás en los modelos, sino que no hay suficientes GPUs. Cuando los modelos crecen, las tareas de inferencia aumentan y las expectativas de los usuarios son cada vez más altas, cada empresa de IA parece estar colgada de la cadena de suministro de NVIDIA. No hay suficientes chips, no se pueden entrenar nuevos modelos; no hay suficientes chips, no se puede aumentar la velocidad de inferencia; no hay suficientes chips, no se puede expandir la base de usuarios; no hay suficientes chips, ni siquiera se pueden recaudar fondos, porque los inversores saben claramente: sin potencia computacional, no hay futuro. Esto ha creado una extraña situación en la competencia de IA: la tecnología avanza, pero los cuellos de botella están en la electricidad, los chips y la cadena de suministro. Todo el mercado parece estar pisando el acelerador y el freno al mismo tiempo, avanzando tan rápido que es difícil de seguir, pero cualquier pequeño déficit de chips puede hacer que una empresa se detenga de inmediato. Este es el punto de dolor más real y fundamental de la industria de IA: no estás compitiendo con tus rivales, estás compitiendo con la cadena de suministro. Por ello, los costos de inferencia se han convertido en la línea de vida de las empresas. Cuanto más fuerte es el modelo, más caros son los costos de inferencia, y cuanto más usuarios hay, mayores son las pérdidas. Las empresas de IA se han convertido en un modelo comercial contrintuitivo: cuanto más populares, más pérdidas; cuanto más usuarios, más peligro. Esta es también la razón por la que la verdadera ventaja de la IA ha empezado a volverse clara. La verdadera ventaja no está en el modelo. Después de tres años, el mercado finalmente ha alcanzado un consenso casi cruel: la capacidad del modelo en sí ya no es la ventaja más importante. Porque los modelos pueden ser replicados, comprimidos, ajustados y perseguidos por la comunidad de código abierto. Lo que realmente puede diferenciar a los ganadores de los perdedores son solo dos cosas. La primera es “distribución”. Las empresas con entradas a nivel de sistema no necesitan el modelo más fuerte para dominar el mercado. Google garantiza un flujo estable para Gemini con su motor de búsqueda y todo su ecosistema; Microsoft, con Windows y Office, hace que Copilot se convierta naturalmente en la entrada mundial; Meta, aún más audaz, integra modelos de código abierto directamente en Instagram, WhatsApp y Facebook, dominando la distribución. La distribución es la competitividad más tradicional y real en el mundo tecnológico. Si tienes la entrada, tienes el poder de decisión, y esa es también la razón por la que marcas emergentes como OpenAI, Perplexity y Manus están bajo cada vez más presión. La segunda es “si puede hacer que la IA realmente trabaje”. La capacidad de conversación ya no es un punto destacado, y la multimodalidad no es rara. Lo realmente importante es si el modelo puede invocar herramientas adecuadamente, si puede programar, si puede analizar documentos, si puede conectar APIs, si puede descomponer tareas, y si puede convertirse en un verdadero ejecutor de trabajo dentro de la empresa. Cuando el modelo evoluciona a un “agente inteligente” que puede completar procesos, tomar decisiones y ejecutar tareas por sí mismo, es cuando realmente genera productividad. Las empresas que pueden construir una cadena de herramientas completa serán, en el futuro, como las plataformas en la nube de hoy, infraestructura básica indispensable. En el mercado tres años después, la ventaja finalmente se ha vuelto clara: no es quién tiene el modelo más fuerte, sino quién puede convertir la IA en un sistema de trabajo completamente funcional. El futuro del mercado de IA se está dividiendo gradualmente en tres ecosistemas. A medida que la brecha de capacidad del modelo se estrecha, la presión de potencia computacional aumenta y los costos se convierten en el núcleo, las empresas de IA en realidad ya se han dividido silenciosamente en tres campamentos; estos tres campamentos existirán en el futuro, pero tendrán destinos completamente diferentes. El primer tipo son los gigantes de nivel de plataforma. Estas empresas no necesariamente tienen los modelos más fuertes al principio, pero tienen una ventaja abrumadora en ecosistemas y recursos, permitiéndoles alcanzar a otros más tarde. Empresas como Microsoft, Google y Meta tienen entradas de distribución global, tienen su propia nube, reservas de GPU, tuberías de datos y productos integrados. Para ellos, el modelo no es un producto, sino una “herramienta que acompaña al ecosistema”. El segundo tipo son las empresas puramente de modelos. Empresas como OpenAI, Anthropic y Mistral son jugadores puramente técnicos, con capacidades de modelo líderes, pero carecen de un sistema operativo, carecen de teléfonos móviles, carecen de motores de búsqueda, carecen de plataformas sociales y, más crucialmente, carecen de “distribución”. Sus modelos, por más potentes que sean, necesitan depender de los ecosistemas de otros para llegar a una gran cantidad de usuarios. En los próximos tres años…