Las empresas de inteligencia artificial no cuentan con un modelo de negocio rentable. ¿Importa eso?

Este artículo ha sido elaborado por Working Knowledge de la Harvard Business School y recoge las reflexiones del profesor Andy Wu. En la carrera por dominar la inteligencia artificial, parece que nunca es demasiado. La próxima generación de IA requerirá más terabytes de datos, gigavatios de electricidad y cientos de miles de millones de dólares en talento. Y, sin embargo, los beneficios siguen siendo escasos, y algunos economistas advierten de una burbuja inminente. Eso no impedirá que OpenAI, líder del sector, cierre acuerdos multimillonarios sobre chips con Nvidia, AMD y, más recientemente, Broadcom. Andy Wu, de la Harvard Business School, afirma que, si bien el potencial de la IA es evidente, el rendimiento potencial de estas inversiones masivas sigue siendo incierto. Aunque algunas personas podrían estar dispuestas a pagar una pequeña cuota mensual por ChatGPT, es poco probable que los ingresos por suscripción cubran los costes necesarios para ampliar la tecnología. «El problema es que, en la actualidad, la IA generativa tiene unos costes variables elevados y unos ingresos variables bajos», afirma Wu, catedrático asociado de Administración de Empresas de la Cátedra Arjan y Minoo Melwani. «Una de las cosas en las que el público en general no piensa lo suficiente es en lo ridículamente caro que resulta utilizar la IA generativa». Basándome en su estudio de caso de junio titulado«Las guerras de la IA en 2025», le pedí a Wu que analizara los retos específicos del sector, las fuerzas competitivas y los posibles resultados. La entrevista ha sido ligeramente editada para mayor claridad y brevedad. Suscríbase al boletín de Working Knowledge para recibir cada semana en su bandeja de entrada sus análisis de investigación. ¿Podría ayudarnos a comprender la magnitud de los costes de la IA? La mayoría de las personas son conscientes del elevado coste fijo que supone entrenar los principales modelos de IA generativa, pero también existen importantes costes variables de «inferencia» al utilizar la IA generativa. Estos costes de inferencia se producen cada vez que introducimos un prompt y recibimos una respuesta. Por poner un ejemplo, ¿esas animaciones al estilo Studio Ghibli que la gente crea con IA? La producción de cada una de esas divertidas imágenes supone un coste real. Solo para generar una sola imagen se consumen varios céntimos en electricidad y capacidad de procesamiento. OpenAI prevé ahora gastar más de 150 000 millones de dólares en estos costes de inferencia hasta el año 2030. Hoy en día, las condiciones para obtener beneficios son difíciles. La mayoría de los usuarios acceden a la IA generativa de forma gratuita. Los usuarios avanzados sí pagan, pero lo hacen mediante una cuota de suscripción fija. Estos modelos de negocio son un legado de la última era del software: cuando el coste variable del software era nulo o casi nulo, estos modelos tenían mucho más sentido. Eran viables, ya que no se perdía más dinero a medida que más personas utilizaban el software. Hoy en día, la situación económica es mucho más complicada. ¿Qué empresas están a la cabeza en este momento? En una fiebre del oro, uno podría buscar oro. Eso es hacia lo que la mayoría de nosotros nos sentimos atraídos de inmediato. Pero una fiebre del oro abre otras oportunidades: se podrían vender palas o se podrían fabricar joyas. Para evaluar cómo se comparan estas oportunidades entre sí, podemos fijarnos en cómo las perciben los mercados públicos. Desde finales de 2022 hasta hoy, el mayor beneficiario de la IA generativa es, obviamente, Nvidia. Nvidia es el típico proveedor de herramientas. Después de Nvidia, el siguiente gran ganador es Meta, lo que puede resultar más sorprendente. Y Meta es el fabricante de joyas por excelencia. La IA generativa es complementaria a las plataformas controladas por Meta: las redes sociales y la publicidad en la actualidad, y quizás los dispositivos wearables y el metaverso en el futuro. Meta se encuentra en una posición única para beneficiarse a medida que mejora la tecnología de IA generativa. Meta ha obtenido resultados significativamente mejores que Google y Microsoft, a pesar de que ambas empresas se asocian tradicionalmente mucho más con la IA generativa. ¿Parece que OpenAI es quien está buscando oro? Uno de los debates fundamentales en este campo es si la tecnología de IA generativa propiamente dicha —el modelo en sí mismo o, más precisamente, el modelo base— es un producto básico. Personalmente, comparto ese punto de vista. Si se suscribe a ese punto de vista, entonces todas estas empresas que tanto nos entusiasman, como OpenAI y Anthropic, se enfrentan al enorme reto de tener que monetizar un bien de consumo en cuya creación han invertido cientos de miles de millones de dólares. Pero, aunque no se llegara a afirmar que la IA generativa es un producto básico, hay que reconocer que se han puesto de manifiesto algunas deficiencias evidentes en la capacidad de las empresas para proteger y diferenciar su IA generativa. El régimen de propiedad intelectual en torno a todo esto es bastante débil. Aunque se logren avances significativos en los modelos, no está claro que se puedan proteger frente a la competencia. En muy poco tiempo, empresas como xAI’s Grok y DeepSeek han sido capaces de acercarse a OpenAI con una inversión mucho menor. Si las barreras de entrada en este sector siguen siendo bajas, no habrá mucho margen para que OpenAI y otras empresas suban los precios. Se correría el riesgo de ceder el mercado a nuevos participantes dispuestos a ofrecer IA generativa a un precio más barato o incluso de forma gratuita. Dicho esto, no quiero que nada de lo anterior se interprete como una sugerencia de que soy escéptico respecto a la creación de valor de la IA generativa. La IA generativa es apasionante porque está ampliamente disponible: las barreras de entrada son bajas. Esto significa que muchos podrán crear valor con esta tecnología, lo que también hace más difícil que alguien pueda acaparar ese valor. ¿Qué modelos de negocio es probable que surjan en el ámbito de la IA? Al final, el modelo de negocio más viable es algo equivalente al pago por uso. El problema es que aún no hemos llegado a ese punto en nuestro comportamiento de compra. Los modelos de negocio del software evolucionan constantemente, pero ese cambio lleva tiempo. Quizás recuerde una época en la que se podía comprar una licencia de software en un CD una sola vez y, a continuación, instalarla en cualquier lugar a su antojo. Posteriormente, tuvimos que pasar por una transición realmente molesta hacia el modelo de negocio de suscripción, y ahora tenemos que pagar por el software cada mes y por cada usuario. Tendremos que realizar otra transición que va a ser aún más molesta: con el tiempo, pagaremos por cada instancia de uso. Ya estamos viendo esta transición. Las «suscripciones» actuales a la IA generativa no son verdaderas suscripciones porque limitan el uso, lo que las convierte, en mi opinión, en modelos esencialmente basados en el uso con otro nombre. El problema es que estas «suscripciones» siguen teniendo un precio demasiado bajo para ser viables. El precio habitual —20 dólares al mes— no es suficiente para cubrir los costes variables de la mayoría de estos servicios. Lamentablemente, en un futuro previsible, el número de personas dispuestas a pagar 20 dólares al mes por una IA generativa es menor que el de quienes pagarían 20 dólares al mes por Netflix. Dicho esto, animo a la gente a que utilice estos servicios tanto como pueda, mientras pueda. Nosotros, como usuarios, estamos obteniendo hoy en día una gran ventaja gracias a un servicio subvencionado por los inversores. ¿Todo se reducirá a quién tenga el modelo de lenguaje más grande? Históricamente, la teoría era que cuanto más grande fuera el modelo, mayor sería su calidad. Esto quedó patente cuando OpenAI pasó de GPT-2 a GPT-3 y luego a GPT-4, y de forma paralela en el resto de desarrolladores de modelos. Estos modelos tan, tan grandes realizan muchos cálculos y contienen mucha información. Pero al crear estos modelos de mayor calidad, también se incurre en mayores costes de entrenamiento, que son fijos, y en mayores costes variables de inferencia. Los servicios de suscripción limitan el número de veces al día que se pueden utilizar estos modelos, que son los que requieren mayor potencia de cálculo. Le imponen esta limitación porque el coste variable es muy elevado. Ya hemos llegado a un punto en el que los costes variables de estos modelos más grandes superan los límites de cualquier modelo de negocio conocido capaz de cubrirlos. Por ello, la atención se ha centrado últimamente en el desarrollo de modelos más pequeños que puedan ofrecer una calidad comparable a la de un modelo más grande, pero con un coste variable menor. ¿Cómo podría evolucionar el marketing a corto plazo? No me sorprendería que se produjera un ajuste en los próximos años. Las empresas de IA más mediáticas del sector están registrando enormes pérdidas, y la rentabilidad sigue estando muy lejos para la mayoría de ellas. OpenAI y otras empresas tendrán que seguir recaudando fondos para mantenerse a flote. Para atraer a futuros inversores, tendrán que ser capaces de seguir aumentando sus valoraciones hasta niveles sin precedentes. Otro indicador de peligro en este contexto es el riesgo que asumen las empresas del sector, lo que las hace especialmente vulnerables incluso a cambios relativamente pequeños en el mercado. Por ejemplo, la empresa de alquiler de coches Hertz se vio especialmente afectada por la pandemia, más que sus competidores, porque no solo había pedido dinero prestado para comprar sus vehículos, sino que además solicitó préstamos adicionales además de los destinados a la compra de los coches con fondos prestados. Por lo tanto, en cierto sentido, hipotecó dos veces sus activos. En el ámbito de la IA, estamos observando indicios de esa vulnerabilidad entre las empresas denominadas «neocloud», que suministran chips y servicios de computación en la nube a las empresas de IA. Aunque el mercado siguiera creciendo, pero a un ritmo más lento de lo previsto, varias de estas empresas se verían en una situación financiera delicada. ¿Cómo gestiona Google su inversión en IA? En teoría, Google cuenta con todas las capacidades técnicas para integrar la IA generativa en todo lo que hace. Resulta sorprendente que hayan optado por no hacerlo. Tomemos como ejemplo los resúmenes de IA en la Búsqueda de Google. Google podría colocarlos en la parte superior de cada página de búsqueda. Sin embargo, a medida que han ido implementando los resúmenes de IA, uno de los aspectos más fascinantes es que a menudo restringen las consultas que dan lugar a dichos resúmenes. A Google no le conviene financieramente, a corto plazo, implementar la IA de forma generalizada. En cambio, Google preferiría implementar la menor cantidad posible de IA generativa para frenar la pérdida de cuota de mercado frente a los nuevos competidores, pero nada más que eso. Las consultas para las que la IA generativa resulta más útil son, además, aquellas con las que Google no obtiene beneficios de todos modos. Nos referimos a prompts de búsqueda del tipo: «escribe mi redacción de tercer curso sobre dinosaurios». Google obtiene beneficios de las consultas comerciales, como las búsquedas de vuelos y las recomendaciones de compra, para las que la IA generativa actual tiene menos ventajas, si es que tiene alguna, frente a la búsqueda tradicional. ¿Y qué hay de Meta y Microsoft? Meta, Amazon y Microsoft han tomado diversas medidas para posicionarse de manera que puedan beneficiarse del auge de la IA generativa, al tiempo que limitan su propia exposición a los riesgos. Microsoft es el caso más fascinante. La mayoría de los observadores dan por sentado que Microsoft es un aliado y socio cercano de OpenAI. Sin embargo, Microsoft ha invertido o prestado su apoyo a varias alternativas de código abierto a OpenAI. Hasta ahora, Meta ha sido el líder en código abierto con su modelo Llama. Cabe destacar que el socio preferido de Meta para implementar Llama es Microsoft Azure. Microsoft también ha contratado a uno de los fundadores de Google DeepMind para desarrollar su propio modelo internamente. De este modo, pueden acceder a parte del conocimiento entre bastidores de la mayor apuesta del momento. ¿Qué opina de los rumores sobre una posible burbuja de la IA? En mi investigación sobre estrategia tecnológica, he estudiado detenidamente la historia de la tecnología durante los últimos 40 años. Hemos sido testigos de numerosas «burbujas» o «ciclos de expectación» durante ese tiempo: la burbuja de las puntocom; una burbuja de la economía colaborativa (por ejemplo, WeWork y Bird); una burbuja pandémica del teletrabajo (piense en Zoom y Peloton); la realidad virtual; y un sinfín de burbujas de las criptomonedas. El sector tecnológico atraviesa regularmente estos altibajos. En mi opinión, la definición de una burbuja en tecnología es cuando todo el mundo puede ver la creación de valor, pero nadie piensa en la captura de valor. A finales de la década de 1990, existía una empresa llamada Pets.com. Su idea principal consistía en enviar comida para perros a los hogares de los clientes. Se trata de una iniciativa maravillosa. El potencial de creación de valor era enorme. Sin embargo, en medio de todo ese entusiasmo, perdimos temporalmente de vista la captación de valor: en aquel momento no existía un modelo de negocio real que lo hiciera funcionar. Ahora, con el paso del tiempo, la situación económica ha mejorado, lo que ha permitido que Chewy llegara más tarde y lograra que el negocio funcionara. Así pues, ese sería el riesgo en este caso: una brecha entre la inmensa creación de valor que se prevé y la cantidad de ese valor que estas empresas pueden realmente capturar. Más recursos de HBR: Guía práctica sobre la IA generativa para organizaciones Abordar el problema del control de calidad de la IA generativa Las empresas tecnológicas, la energía nuclear y el problema de la sincronización estratégica

Las empresas de inteligencia artificial no cuentan con un modelo de negocio rentable. ¿Importa eso?

Resumen.

Partner Center