OpenAI entiende algo especial y poco común que está escondido a plena vista. Y es que, como dijo Peter Drucker hace medio siglo, el propósito de un negocio es crear un cliente.
OpenAI no va a ganar por tener los mejores modelos, ni los chips más avanzados, ni la mejor curva costo-rendimiento, ni siquiera el mejor producto, aunque creemos que sí tienen todo eso. Pensamos que OpenAI va a ganar porque son increíblemente buenos creando nuevos tipos de clientes y porque tienen la estrategia de distribución más sólida.
Mientras escribimos esto en septiembre de 2026, los rankings de productos de inteligencia como servicio (intelligence-as-a-service) ya no son lo más importante. La inteligencia está en todas partes. Cualquiera puede hacer casi cualquier cosa; pero la mayoría de la gente todavía no lo hace. Lo que realmente importa es si puedes despertar ese nuevo comportamiento y si puedes ganar en distribución.
El caso de OpenAI se resume en el siguiente argumento: para construir un negocio duradero a escala de frontera de IA, hay cuatro palancas que puedes mover:
- Crear nuevos tipos de comportamiento
- Llegar a muchísimos usuarios
- Fijar el precio de tu producto de forma que capture valor
- Tener altos costos de cambio
La número 4 está prácticamente descartada. La frontera de la IA es una carrera de la Reina Roja, al menos en la capa de modelos. Cambiar entre modelos es facilísimo, incluso tarea por tarea, y todos mejoran constantemente.
La número 3 es lo que todos esperan lograr. Pero, de nuevo, es un mundo muy competitivo y OpenAI (junto con otros) está decidido a liderar la frontera de costo-cómputo, apostando por economías de escala, integración vertical y otras estrategias para bajar el costo de los tokens. Quien termine liderando en relación precio-rendimiento será quien de todos modos esté ganando en escala.
Lo que significa que todo se reduce a la 1 y la 2. Y creemos que OpenAI es claramente el mejor en la 1:
- Tienen un historial bien establecido en IA de encontrar esos avances simples y obvios en retrospectiva que desbloquean nuevos tipos de comportamiento de consumo.
Y también son los mejores en la 2:
- Hoy, todos los laboratorios de IA están intentando acelerar su distribución más allá de sus propios productos. Y hay dos formas de hacerlo: como plataforma o mediante alianzas. Hacerlo como una verdadera plataforma es preferible a largo plazo: los ingresos llegan un poco más lento, pero cuando llegan son mucho más duraderos y valiosos.
Hay una razón de fondo por la que OpenAI domina en la 1 y la 2: poseen una de las inteligencias generales más amplias y equilibradas, no solo en sus modelos, sino en su empresa y en su base de clientes. Están expuestos a la base de usuarios más amplia (consumidores, prosumidores y empresas), tienen el stack tecnológico de mejora continua más profundo (hasta sus propios chips) y por eso encuentran consistentemente los nuevos patrones y primitivas que funcionan. Están pensando a largo plazo sobre cómo construir la plataforma de IA ganadora, y les está dando resultado.
A OpenAI se le da increíble descubrir lo que viene
OpenAI no nació para ser una empresa de consumo. Más bien cayeron ahí por casualidad con el lanzamiento de ChatGPT. Y fue un accidente feliz, porque ese momento es uno de los puntos de inflexión en la historia de la tecnología. Si no lo hubieran hecho, el mundo sería muy distinto. La IA probablemente seguiría bajo llave en manos de los laboratorios y unos pocos clientes cercanos, no estaría mejorando ni de cerca al ritmo actual, y estaríamos en una línea temporal "cerrada por defecto", y no en la infinitamente más rica que tenemos hoy.
Sam Altman contó recientemente una anécdota sobre las semanas posteriores al lanzamiento de ChatGPT, cuando la mayoría en OpenAI pensaba: "Bueno, estuvo divertido, pero deberíamos volver a construir productos de verdad. Un chatbot no puede ser todo, ¿o sí?". Fue específicamente Peter Thiel quien le aconsejó a Sam: no, esto es todo. Creaste un nuevo tipo de cliente. Nada es más importante que esto.
Y no es solo ChatGPT: OpenAI merece crédito por ser generalmente bueno encontrando los patrones y primitivas revolucionarios que de verdad importan, y despertando nuevos comportamientos en los usuarios. Ben Hylak lo explicó muy bien en un artículo hace unos días: "OpenAI es el rey (casi) invicto descubriendo 'lo que sigue'. Siempre es mucho más simple de lo que pensarías y muy obvio en retrospectiva." La interfaz de chat de GPT, el razonamiento, la llamada a herramientas (tool calling) y Computer Use fueron grandes avances que simplificaron y enfocaron la dirección de la tecnología, haciéndola utilizable. La única gran excepción donde OpenAI no lideró la ruptura fue en programación, y lograron ponerse al día sin problema.
¿Por qué son tan buenos en esto? Quizás en los primeros años simplemente tenían esa fórmula mágica; nadie puede explicar del todo la energía fundacional y la magia que crea algo así. Pero con el tiempo, claramente se convirtió en una habilidad cultivada. Hay tres factores clave aquí:
- Piensan y actúan como una empresa que quiere ser una plataforma. "Plataforma" es un término cargado y lo analizaremos en detalle en un momento, pero esta es una compañía que realmente cree que sus usuarios son inteligentes y pueden tomar sus propias decisiones dentro de límites cuidadosamente diseñados.
- Están apostando fuerte por la profundidad técnica, es decir, intentan controlar cada capa de su stack y refinar continuamente las primitivas de plataforma que sus usuarios necesitan como bloques de construcción.
- Y quizás lo más importante: tienen una enorme amplitud de consumo. Siguen siendo líderes en la pura variedad de tipos de consumidores y casos de uso, tanto en la vida personal como laboral de las personas.
La amplitud de personas que los usan es el factor más subestimado aquí. Como lo resume Hylak: "Computer use" [por ejemplo] es algo muy genérico e inespecífico. Para ser mejor en eso, necesitas aumentar tu inteligencia de forma general. En muchos dominios, en muchos flujos de trabajo." La gente subestima constantemente lo difícil que es pasar de una solución específica a una solución general. Pero normalmente solo descubres lo que es simple y obvio (en retrospectiva), aunque genérico e inespecífico (como problemas a resolver), cuando vas detrás de esa solución general.
¿Por qué no más empresas buscan "soluciones generales"? Porque en realidad es bastante costoso hacerlo y va en contra de casi todas las mejores prácticas para gestionar una organización de producto enfocada. Necesitas recopilar información de una enorme variedad de clientes, comportamientos y acciones, dejándolos hacer esencialmente lo que quieran, para lograr un progreso general en un dominio, en lugar de un progreso específico en un producto.
Eso significa que la capacidad de integrar "conocimiento general" en tu producto depende, de hecho, de tu estrategia de distribución. No es obvio, pero es importante, y OpenAI lo entiende.
¿Cómo le entregas "exactamente lo que quiero" (que puede ser algo muy personalizado, específico y caprichoso) a escala masiva y a todo el mundo?
Básicamente hay tres caminos. Puedes entregarlo como un producto independiente, puedes hacerlo mediante alianzas, o puedes ofrecerlo como una plataforma.
- Los productos independientes tienen una restricción ventajosa: tu producto debe, por naturaleza, permitirle al usuario "hacer lo que quiera" (es decir, preguntarle cualquier cosa a ChatGPT), así que realmente estás creando la experiencia del cliente, desde ponerlo en sus manos hasta ver cómo lo usa a diario.
- Distribuir mediante alianzas tiene la ventaja de que los socios te dan mucho alcance rápidamente, abarcando muchos casos de uso. Pero al final es el socio quien posee y dirige el instinto de "lo que yo quiera" del cliente. Por lo tanto, a largo plazo, no solo es probable que ellos se queden con la parte atractiva del negocio, sino que también controlan lo que el usuario termina pudiendo hacer y lo que se aprende. Además, tus clientes podrían ni saber que tú eres quien impulsa todo, así que no ganas nada de confianza ni buena voluntad de su parte.
- Distribuir como plataforma significa que la gente construye lo que quiera sobre ti. Esto es lento, porque tienes que crear desde cero todos los productos nuevos que soporten ese "lo que yo quiera". Pero es sumamente poderoso una vez establecido, porque aunque los ingresos lleguen más despacio o con comisiones menores, has creado un ciclo de aprendizaje sobre el mundo realmente potente, ya que los usuarios emplean tus primitivas y patrones, enseñándote sobre el mundo y sobre lo que quieren de ti. No en el sentido de "entrenar con datos del cliente", sino en el sentido de que "las primitivas se convierten en un mejor mapa del territorio".
https://x.com/GavinSBaker/status/2100240010695827959
Con el tiempo suficiente, los productos van y vienen, las dinámicas de las alianzas cambian y su rentabilidad puede decepcionar frente a las expectativas. Pero OpenAI sigue volviendo una y otra vez con su impulso de construir la plataforma perdurable. Y lo que están haciendo funciona.
Las plataformas reales son raras, pero valen la pena
Las plataformas son difíciles de construir y difíciles de analizar. ¡Incluso son difíciles de definir!
En general, tenemos un concepto amplio y difuso de plataforma que dice: "las plataformas permiten que la gente construya lo que necesita para su caso específico".
En software, hay varias formas de lograrlo. Hace diecinueve años, Marc escribió un ensayo llamado "Tres tipos de plataformas que encuentras en internet" que sigue siendo útil hoy. La definición de Marc es: "Una 'plataforma' es un sistema que puede ser programado y, por lo tanto, personalizado por desarrolladores externos —los usuarios— y, de esa manera, adaptado a innumerables necesidades y nichos que los desarrolladores originales de la plataforma no podrían haber imaginado, y mucho menos tenido tiempo de contemplar."
Los "tres tipos" corresponden a tres formas distintas de organizar computadoras para que un usuario obtenga el resultado personalizado que desea. Son progresivamente más difíciles de construir (a medida que subes del 1 al 3), pero más mágicos en cuanto al tipo de comportamiento y desarrollo que desbloquean.
- El Tipo 1 es lo que hoy llamaríamos "Headless": darle a los usuarios acceso a algo útil mediante una API (como Flickr en aquel entonces, o incluso algunas empresas tan valiosas como Stripe entrarían aquí).
- El Tipo 2 usa lo que llamarías "Plugins": como la antigua plataforma de Facebook, o la mayoría de las apps de Shopify o HubSpot hoy. Tienes un servicio central que cubre el primer 80 % de las necesidades de los usuarios, y luego aplicaciones personalizadas que corren en su propio servidor, probablemente gestionadas a través de algún tipo de tienda de apps, que les dan a los usuarios las experiencias a medida que quieren.
- El Tipo 3 es el crucial: es un verdadero entorno de ejecución (runtime) que la gente puede programar para crear lo que quiera. Son realmente, realmente difíciles de construir, pero son pura magia cuando funcionan. iOS, AWS, Ethereum y, recientemente, Cloudflare son algunos ejemplos.
Lo interesante de la IA hoy es que todas las empresas de modelos y proveedores de inferencia, en cierto sentido, pueden afirmar que están aportando trabajo de "plataforma Tipo 3". (¡Los modelos son una especie de entorno de ejecución que se activa con instrucciones personalizadas!). Pero los modelos por sí solos no desbloquean nuevos comportamientos, ni son tan defendibles. Como vimos con la programación, donde el entorno de ejecución importa igual, aquí lo que realmente cuenta es la superestructura de restricciones y primitivas. Te daremos una razón teórica y una práctica de por qué.
La razón teórica es que, si quieres descubrir los patrones y primitivas obvios en retrospectiva que importan, necesitas estar expuesto a la gama más amplia posible de usos, conocimiento tácito y prueba y error de tus usuarios, para poder evolucionar de un producto específico (un avance local) a un producto general (un avance global). Y la forma más pura de hacerlo es dejarlos escribir instrucciones arbitrarias (es decir, código) para lo que quieren hacer. Asegurar la seguridad, los accesos, las estructuras de datos y las restricciones es una tarea monumental que a las empresas "orientadas al producto" les cuesta priorizar; solo los verdaderamente comprometidos llegarán a la tierra prometida.
La razón práctica, para la IA en este momento, es que para que los agentes sean útiles, necesitan escribir código. Esto quizás no sea obvio, pero es algo que aprendimos en el último año. Dado lo increíbles que son los modelos de IA escribiendo código, sorprendentemente son malos llamando herramientas y ejecutando instrucciones en el trabajo de conocimiento cotidiano... a menos que le des la vuelta al guion y digas: "escribe un programa que haga estas tareas", y entonces son excelentes. Una pregunta abierta en la adopción empresarial de IA hoy es "¿cómo van a dar soporte a esto las personas y organizaciones de forma segura?", y probablemente deberías apostar por quienes piensan como plataforma para resolverlo.
Una de las grandes preguntas abiertas ahora mismo es qué tipo de efectos de red, costos de cambio y otros fosos defensivos surgirán en las distintas capas del stack de IA. Hasta ahora, la capa de modelos sigue siendo sorprendentemente sustituible. Hay una sensación general de que el "modo multijugador" (por ejemplo, colaboración en proyectos, agentes en los que confían los agentes de tus amigos) tiene buenos ingredientes para defender un modelo de negocio, pero aún no ha impactado realmente la pelea generalizada de "más uso, menos costos" que vemos en el gasto de tokens. La pregunta principal no es "¿tu modelo genera retención?", sino "¿estás creando un nuevo comportamiento?". Como bien lo expresó Steve Hou: "La elasticidad que importa no es la elasticidad de sustitución entre modelos, sino la elasticidad de la demanda agregada de IA."
Buscar patrones históricos nunca es perfecto, pero si los últimos cuatro años de IA sirven de indicio, los próximos grandes avances en usabilidad multijugador y defendible de la IA por parte de personas comunes van a surgir de momentos de revelación donde encontremos la combinación óptima de modelos inteligentes, primitivas de cómputo y patrones de comportamiento, y emerja algo simple y obvio. Podría venir de startups construyendo sobre las empresas de modelos como plataformas; podría venir de las propias empresas de modelos. De cualquier forma, OpenAI obviamente quiere impulsarlo y entregárselo a los usuarios.
En un mundo de abundancia, la causalidad se invierte
Las viejas costumbres cuestan morir. En las formas habituales en las que podrías analizar un laboratorio de frontera de IA como negocio, mirarías todo tipo de cosas obvias para evaluar ventajas competitivas: ¿quién tiene los mejores modelos? ¿Quién tiene los mejores chips? ¿Quién tiene la mejor relación costo-rendimiento? ¿Quién tiene los mejores productos?
Obviamente, todo eso sigue importando. Pero en un mundo de inteligencia abundante, disponible bajo demanda en cualquier lugar, probablemente estamos entendiendo mal la causalidad si pensamos que tener todas esas cosas significa que ganas. Creemos que, en el futuro, OpenAI tendrá los mejores modelos, chips y productos porque tiene la mejor distribución, y no al revés. Han tomado excelentes decisiones hasta ahora para asegurar suficiente cómputo, entrenar modelos de forma muy eficaz, desarrollar Jalapeno como un chip optimizado y otras cosas prácticas que marcan la diferencia competitiva dentro del abanico de opciones de IA. Pero en el futuro, creemos que seguirán ganando porque se mantendrán en la frontera de recopilar información sobre el mundo a partir de sus propios usuarios recién despertados, y mejorando continuamente a partir de ahí.
Los nuevos productos y modelos pueden captar la atención de todos por una o dos semanas, pero a largo plazo realmente no vemos a OpenAI cediendo su liderazgo en lo que importa:
- Han conservado la marca dominante en consumo y una enorme amplitud de usuarios.
- Han despertado nuevos tipos de comportamiento de usuario, que son obvios en retrospectiva y cambian las reglas del juego sobre lo que es posible.
- Han empujado la frontera de "mejores modelos, mejor precio" en su oferta.
- Su "círculo virtuoso" nunca se detiene y todo mejora en conjunto.
Sam describe el estado futuro del producto de OpenAI con solo dos ofertas: o puedes crear lo que quieras, o simplemente puedes hablar con ChatGPT. Así luce la verdadera abundancia en un producto. O describes exactamente lo que quieres que te ayude y lo obtienes, o puedes recurrir a: "o simplemente hablo con este cuadro de texto y descubro hacia dónde voy".
Esa abundancia está disponible de forma general; hoy. Hay un grupo bastante pequeño de personas usando IA intensivamente para todo en su vida; hay un grupo algo más grande y amplio que usa ChatGPT de forma regular. Todavía no han sido despertados como clientes. ¿Quién lo hará?
Creemos que OpenAI sabe cómo.
