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 de costo-rendimiento, ni siquiera el mejor producto, aunque creemos que sí tienen todo eso. Pensamos que OpenAI ganará porque son increíblemente buenos creando nuevos tipos de clientes y porque tienen la estrategia de distribución más duradera.
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 aún no lo hace. Lo que realmente importa es si puedes despertar ese nuevo comportamiento y si puedes ganar en distribución.
El argumento a favor de OpenAI se resume en lo siguiente. Para construir un negocio duradero a escala de frontera de IA, hay cuatro palancas que puedes mover:
- Crear nuevos tipos de comportamiento
- Distribuir a muchísimos usuarios
- Fijar el precio de tu producto de forma que capture valor
- Tener altos costos de cambio
La 4 está prácticamente descartada. La frontera de la IA es una carrera de la Reina Roja, al menos en la capa de modelos. Cambiar de un modelo a otro es facilísimo, incluso tarea por tarea, y todos mejoran constantemente.
La 3 es lo que todos aspiran a 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 reducir el costo de los tokens. Quien termine liderando en relación precio-rendimiento será, de todos modos, quien 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 sólido en IA descubriendo esos avances simples y obvios en retrospectiva que desbloquean nuevos tipos de comportamiento de consumo.
Y también son los mejores en la 2:
- 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 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 constantemente 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 genial descubrir lo que viene después
OpenAI no nació con la idea de ser una empresa de consumo. Más bien cayeron en ello por casualidad con el lanzamiento de ChatGPT. Y fue un accidente feliz, porque ese momento es uno de los puntos de inflexión de la historia tecnológica. Si no lo hubieran hecho, el mundo sería muy distinto. La IA probablemente seguiría guardada bajo llave en manos de los laboratorios y unos pocos clientes cercanos, no estaría mejorando ni de lejos 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, ha sido divertido, pero deberíamos ponernos a construir productos de verdad. Un chatbot no puede serlo todo, ¿no?". Fue concretamente Peter Thiel quien aconsejó a Sam: no, esto es todo. Has creado un nuevo tipo de cliente. Nada es más importante que esto.
Y no es solo ChatGPT: OpenAI merece reconocimiento 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 a la hora de encontrar 'lo siguiente'. 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 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 problemas.
¿Por qué se les da tan bien? Quizá en los primeros años simplemente tenían esa fórmula mágica; nadie sabe explicar del todo la energía fundacional y la magia que crea algo así. Pero con el tiempo, claramente se ha convertido en una habilidad cultivada. Aquí hay tres factores clave:
- 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 empresa que de verdad cree que sus usuarios son inteligentes y pueden tomar sus propias decisiones dentro de límites cuidadosamente diseñados.
- Apuestan fuerte por la profundidad técnica, es decir, intentan poseer o controlar cada capa de su stack y refinan continuamente las primitivas de plataforma que sus usuarios necesitan como bloques de construcción.
- Y quizá lo más importante: tienen una enorme amplitud de consumo. Siguen siendo líderes en pura variedad de tipos de consumidores y casos de uso, tanto en la vida personal como profesional de las personas.
La diversidad de personas que los usan es el factor más subestimado aquí. Como dice Hylak de forma sencilla: "Computer use" [por ejemplo] es algo muy genérico e inespecífico. Para ser mejor en ello, 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 problema a resolver), yendo tras esa solución general.
¿Por qué no van más empresas detrás de "soluciones generales"? Porque en realidad es bastante costoso y va en contra de casi todas las buenas prácticas para gestionar una organización de producto enfocada. Necesitas recopilar información de una enorme variedad de clientes, comportamientos y acciones, dejándoles 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 en realidad de tu estrategia de distribución. No es evidente, pero es importante, y OpenAI lo entiende.
¿Cómo le das a todo el mundo, a escala masiva, "exactamente lo que quiero" (que puede ser algo muy personalizado, específico y caprichoso)?
Básicamente hay tres formas. Puedes entregarlo mediante un producto independiente, puedes hacerlo a través de 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 estás creando genuinamente 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 en multitud de casos de uso. Pero al final es el socio quien posee y dirige el instinto de "lo que yo quiera" del cliente. Por tanto, a largo plazo, no solo es probable que ellos capturen 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 el motor detrás de todo, así que no ganas nada de confianza ni buena voluntad por 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 "lo que yo quiera". Pero es potentísimo una vez establecido, porque aunque los ingresos lleguen más despacio o con comisiones menores, has creado un bucle de aprendizaje sobre el mundo realmente poderoso: a medida que los usuarios emplean tus primitivas y patrones, te enseñan cómo funciona el mundo y qué quieren de ti. No en el sentido de "entrenar con datos de clientes", 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 vienen y van, las dinámicas de las alianzas cambian y su rentabilidad puede decepcionar frente a las expectativas. Pero OpenAI vuelve una y otra vez con su impulso por 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!
Por lo general, tenemos un concepto amplio y difuso de plataforma que dice: "las plataformas permiten a la gente construir lo que necesita para su caso concreto".
En software, hay varias formas de lograrlo. Hace diecinueve años, Marc escribió un ensayo llamado "Three kinds of platforms you meet on the internet" que sigue siendo útil hoy. La definición de Marc es: "Una 'plataforma' es un sistema que puede ser programado y, por tanto, personalizado por desarrolladores externos —usuarios— y, de ese modo, adaptado a innumerables necesidades y nichos que los desarrolladores originales de la plataforma no podrían haber imaginado, y mucho menos tenido tiempo de cubrir."
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 creación que desbloquean.
- El Tipo 1 es lo que hoy llamaríamos "Headless": dar a los usuarios acceso a algo útil mediante una API (como Flickr en su momento, o incluso 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 dan a los usuarios las experiencias a medida que quieren.
- El Tipo 3 es el crucial: es un verdadero entorno de ejecución que la gente puede programar para crear lo que quiera. Son dificilísimos de construir, pero pura magia cuando funcionan. iOS, AWS, Ethereum y, más 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, guiados por 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 exponerte a la mayor variedad posible de usos, conocimiento tácito y prueba y error por parte 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 dejarles escribir instrucciones arbitrarias (es decir, código) para lo que quieran hacer. Asegurar la seguridad, los accesos, las estructuras de datos y las restricciones es una tarea titánica que a las empresas "orientadas a producto" les cuesta priorizar; solo los verdaderamente comprometidos llegarán a la tierra prometida.
La razón práctica, para la IA ahora mismo, es que para que los agentes sean útiles, necesitan escribir código. Esto quizá no sea evidente, pero es algo que hemos aprendido 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 se les da genial. Una pregunta abierta ahora mismo en la adopción empresarial de IA es "¿cómo van a soportar esto las personas y organizaciones de forma segura?", y probablemente deberías apostar por quienes piensan en clave de plataforma para resolverlo.
Una de las grandes preguntas abiertas hoy es qué tipo de efectos de red, costos de cambio y otros fosos defensivos surgirán en las distintas capas del stack de IA. Por ahora, la capa de modelos sigue siendo escandalosamente 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 de verdad en la pelea general de "más uso, menos costos" que vemos con el gasto de tokens. La pregunta principal no es "¿tu modelo genera retención?", sino "¿estás creando un nuevo comportamiento?". Como bien dijo 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 guía, los próximos grandes avances en usabilidad multijugador y defendible de la IA por parte de la gente normal 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 que construyan sobre las empresas de modelos como plataformas; podría venir de las propias empresas de modelos. De cualquier forma, OpenAI obviamente quiere ser el motor detrás de ello y entregárselo a los usuarios.
En un mundo de abundancia, la causalidad se invierte
Las viejas costumbres cuestan de dejar. En las formas habituales de analizar un laboratorio de frontera de IA como negocio, podrías fijarte en todo tipo de cosas evidentes 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 la causalidad al revés si pensamos que tener todo eso significa que vas a ganar. Creemos que, en el futuro, OpenAI tendrá los mejores modelos, chips y productos porque tiene la mejor distribución, y no al revés. Hasta ahora han tomado grandes decisiones para asegurar suficiente cómputo, entrenar modelos de forma muy eficaz, desarrollar Jalapeno como chip optimizado y otras cuestiones 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 acaparar la atención de todos durante una o dos semanas, pero a largo plazo no vemos a OpenAI cediendo su posición de liderazgo en lo que realmente importa:
- Han conservado la marca de consumo dominante 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" no se detiene nunca, y todo mejora a la vez.
Sam describe el estado futuro de los productos de OpenAI con solo dos opciones: o puedes crear lo que quieras, o simplemente puedes hablar con ChatGPT. Así es como se ve la verdadera abundancia en un producto. O describes exactamente lo que quieres que te ayude y lo consigues, o puedes recurrir a: "o simplemente hablo con este cuadro de texto y descubro hacia dónde voy".
Esa abundancia está disponible de forma generalizada; hoy. Hay un grupo bastante pequeño de personas que usan la IA de forma intensiva para todo en su vida; y hay un grupo algo más grande y diverso que usa ChatGPT de forma habitual. Estos últimos aún no han despertado como clientes. ¿Quién lo logrará?
Creemos que OpenAI sabe cómo hacerlo.
