5 tendencias que definirán la nube de IA en 2024

# Los modelos fundacionales de IA preparan el nuevo campo de batalla de Big Tech

• Todo cambio tecnológico desencadena una competencia por controlar la capa base (fundacional). La era de la IA no es la excepción.
• Los modelos fundacionales son el nuevo “petróleo (Oil)” que impulsará las aplicaciones y herramientas de IA downstream.
• En 2023, las empresas de modelos fundacionales representaron más del 60% del financiamiento de venture capital en IA.
  • OpenAI, Anthropic, Mistral y Cohere, entre otras, recaudaron 23 mil millones de dólares con una capitalización de mercado de 124 mil millones de dólares.
  • En particular, esta entrada de capital fue impulsada principalmente por VC corporativo, que según Morgan Stanley representó el 90% del fundraising privado en GenAI en 2023 (frente al 40% en 2022).
  • Empresas Big Tech como Microsoft, Google, Amazon, NVIDIA y Oracle ahora tienen participaciones significativas en compañías de modelos fundacionales.
  • Estas inversiones se están alineando estratégicamente para fortalecer las capacidades de IA de estos gigantes tecnológicos e impulsar el consumo de sus servicios clave de nube y cómputo.
  • Además, también hay empresas Big Tech que avanzan con iniciativas propias de modelos fundacionales, como Gemini de Google y Llama de Meta AI.
• Con tanto capital entrando a esta capa base, la competencia se está intensificando a una velocidad sin precedentes, impulsando una enorme cantidad de innovación en el ecosistema.
• Principales tendencias observadas en 2023:
  • Los modelos base están mejorando rápidamente:
    • Los LLM de propósito general están mejorando no solo en capacidades básicas de rendimiento como precisión y latencia, sino también en la frontera, incluida la capacidad multimodal.
    • El lanzamiento de GPT-4o nos sorprendió a todos, y la nueva versión mostró capacidades para ver y comprender video y audio en archivos subidos, así como para generar videos cortos.
    • La velocidad vertiginosa de mejora de los modelos lleva a cuestionar las estrategias de inversión en modelos con una vida media de apenas meses.
  • Se intensifica la batalla entre código abierto y código cerrado:
    • Con el reciente lanzamiento de Llama 3, y a medida que los líderes open source casi alcanzan el rendimiento de los modelos de código cerrado, el debate entre open source y closed source sigue siendo un tema candente en 2024.
    • También surgen nuevas preguntas sobre si, por el impacto regulatorio, los actores de código cerrado tendrán que abrir modelos anteriores como parte de nuevas estrategias de comercialización, o si los líderes open source podrían convertirse por primera vez en los ganadores de este mercado.
  • Crece el movimiento de modelos pequeños:
    • Clem Delangue, CEO y cofundador de HuggingFace, declaró que 2024 será el año de los SLM.
    • Ejemplos como Mistral 8x22b, lanzado este año, muestran que los modelos más grandes no siempre son mejores en rendimiento, y que los modelos pequeños pueden tener ventajas significativas en costo y latencia.
  • Aparición de nuevas arquitecturas y modelos fundacionales de propósito específico:
    • Hay entusiasmo por la aparición de nuevas arquitecturas de modelos más allá de los transformers.
    • Por ejemplo, los state space models y el geometric deep learning están empujando la frontera de los modelos fundacionales al ser menos intensivos en cómputo, poder manejar contextos más largos o mostrar razonamiento estructurado.
    • También está creciendo de forma explosiva el número de equipos que entrenan modelos de propósito específico para generación de código, biología, video, imagen, voz, robótica, música, física, ondas cerebrales y más.
    • Esto agrega otro vector de diversidad a la capa de modelos.
• Están ocurriendo tantas cosas en la capa base que se siente como si el suelo se estuviera moviendo.
• Pero a pesar de la enorme cantidad de capital invertido aquí, los ganadores actuales aún no están claros.

Predicción: La batalla por los modelos de IA seguirá al rojo vivo en el futuro cercano, porque esta es una importante “disputa territorial” que definirá qué empresa Big Tech dominará el mercado de nube y cómputo en los próximos años.

• Posibles realidades en el corto plazo sobre quién capturará más valor en esta pelea por la capa de modelos:
  • Realidad 1: La capa de modelos se comoditiza
    • ¿Se desperdiciarán cientos de millones de dólares de capital mientras los VC y Big Tech patrocinan el derby por el liderazgo en IA?
    • Eso no significa que el modelo con más capital vaya a ser el ganador.
    • Porque los modelos open source seguirán desafiando a los principales actores del mercado.
    • Pero un futuro en el que los modelos de IA se convierten en commodities no necesariamente significa que su valor disminuya.
    • Los modelos de IA como commodity se parecerán al cómputo como commodity o al petróleo.
    • Algún día se convertirán en un activo esencial para las operaciones de negocio globales.
    • En esta realidad, el valor final del ecosistema de IA no será capturado por los modelos en sí, sino por los proveedores de servicios de cómputo y nube, los marketplaces y las aplicaciones.
    • Sin embargo, en un mundo donde los modelos de IA se comoditizan, como vimos en el mercado del petróleo, podrían surgir una o dos empresas extremadamente valiosas que vendan este “commodity”.
  • Realidad 2: Los gigantes de los modelos de IA se reparten el pastel
    • Al igual que en las guerras de la nube, unas cuantas nuevas empresas de modelos especialmente destacadas, respaldadas masivamente por inversionistas estratégicos Big Tech o por VC corporativo, se adueñarán del ecosistema de modelos fundacionales y se convertirán en gigantes.
    • Cada ganador encontrará una cuña diferenciadora que pueda combinar con diferenciación tecnológica a través de distribución, eficiencia de precio/costo, impacto regulatorio, etc.
    • Aún podría haber muchos actores distintos (especialmente open source), pero el valor se concentrará en unos pocos jugadores líderes de modelos.
    • Lo que determinará a los gigantes de IA del mañana no será solo una tecnología superior, sino también sus canales de distribución ya establecidos.
  • Realidad 3: Los modelos de IA se vuelven tan variados y populares como el mercado de las papas fritas
    • Así como hay infinitos sabores de papas fritas, el futuro de la economía de modelos de IA podría parecerse mucho al pasillo de botanas de una tienda de abarrotes local.
    • Muchas empresas de modelos podrían prosperar, porque hay casos de uso lo suficientemente diferenciados (por ejemplo, forma, rendimiento, latencia, costo, seguridad, etc.) como para que otras compañías de modelos también puedan sobrevivir.
    • Además, si las consideraciones geopolíticas entran en el terreno de los modelos de IA, la geografía y la regulación podrían jugar un papel aquí, ya que los temas regulatorios y de soberanía respaldan la expansión de la diversidad en esta capa.

Predicción: Aunque no llegamos a un consenso, cerca de la mitad de nuestras alianzas prevé que los modelos de código cerrado impulsarán la mayor parte de los ciclos de cómputo de LLM, y que los gigantes de modelos de IA terminarán repartiéndose el pastel económico (realidad #2 de arriba).

• Esperamos que los gigantes de la nube aprovechen su acceso al cómputo, los chips y el capital para inclinar la batalla a su favor.
• Y los líderes ya están en la carrera.
  • Microsoft/OpenAI, AWS/Anthropic, Google/Gemini y Meta/Llama son la alternativa OSS equivalente a Linux, incluido el líder europeo Mistral.

# La IA nos está convirtiendo a todos en desarrolladores 10x

• Hoy en día, un ingeniero siempre es a la vez constructor y estudiante, y además de su trabajo principal tiene que seguir aprendiendo nuevos lenguajes, frameworks, infraestructura y más.
• Con la llegada de la IA, los desarrolladores ahora también tienen que dominar una toolchain completamente nueva y mejores prácticas para aprovechar LLM en constante evolución, incluida una nueva suite de productos de infraestructura para gestión de datos, curación, prompts, pretraining y fine-tuning.
• En la era de la IA, hay que absorber rápidamente cada año el equivalente a una década de nuevo conocimiento para desarrolladores.
• Pero la IA también puede ofrecer una solución a esa complejidad.
  • En 2023, los code copilots se adoptaron ampliamente,
  • y a inicios de 2024 aparecieron primeras versiones de herramientas agentic que sugieren la posibilidad de automatización end-to-end de tareas de código simples.

Predicción: El rol del desarrollador cambiará más drásticamente por la IA que el de cualquier otra profesión. En 10 años, toda persona con una computadora tendrá una capacidad significativa de desarrollo, lo que hará que la velocidad de desarrollo de software se acelere drásticamente y que la edad promedio de los fundadores de startups tecnológicas baje de forma considerable.

• Tres áreas clave que impulsan la rápida evolución de la economía de desarrolladores de IA:
  • 1. La industria de los code copilots se ha convertido en un foco de innovación y competencia, y en 2023 recibió US$3.9 mil millones en financiamiento de VC para tecnologías y herramientas de GenAI.
    • El producto Copilot existente de GitHub, basado en los modelos GPT-4 y Codex de OpenAI, ha superado los 14 millones de instalaciones
    • Muchos competidores startup bien financiados y en crecimiento, como Tabnine, Magic.dev, Augment, Poolside, Cursor AI, OpenDevin, Devin de Cognition y Supermaven, están construyendo e iterando junto con los desarrolladores
  • 2. El "Graduation Motion" de los copilots con capacidades integradas de búsqueda y generación agéntica creará un enorme valor en los próximos años.
    • Devin, SWE-agent y OpenDevin muestran el potencial de herramientas agénticas end-to-end que interactúan con el entorno del desarrollador (por ejemplo, editores de archivos, shell de bash) y con internet para completar tareas de programación
  • 3. El razonamiento código-lenguaje seguirá siendo el centro de la actividad de IA, y se beneficiará tanto de la innovación en la capa de modelos (por ejemplo, GPT-4, Claude 3 Opus) como de nuevos paradigmas de razonamiento/agentes (por ejemplo, Devin de Cognition, SWE-agent, OpenDevin).
    • Las mejoras en la capa de modelos se traducirán en una mejor calidad de edición y autocompletado de código, lo que en última instancia aportará valor a los desarrolladores y a las organizaciones de software
    • Los sistemas que amplíen los límites de la latencia y del tamaño de contexto, y extiendan los dominios de lenguaje y los conjuntos de preentrenamiento, también generarán un enorme valor para los desarrolladores
• La IA está impulsando tanto la innovación como la disrupción, acelerando la velocidad de los desarrolladores, la productividad y el apalancamiento de las organizaciones de software
• Las organizaciones de software con visión de futuro evalúan regularmente herramientas y proveedores emergentes, y priorizan y adoptan rápidamente software de alto valor para desarrolladores
• Los presupuestos para desarrolladores vuelven a fluir, y existe una alta disposición a pagar por herramientas con impacto visible
• Para los emprendedores del mundo developer, este es un momento emocionante para construir algo. Hay muchas oportunidades no solo en copilots, sino también en infraestructura, herramientas de desarrollo, QA, configuración y aprovisionamiento de TI, monitoreo de operaciones de seguridad, pruebas de penetración y más
• Los copilots pueden ser hoy la oportunidad más evidente, pero probablemente también sea el espacio más competitivo
  • Hemos visto una explosión de herramientas en dominios más específicos para desarrolladores, desde SecOps en seguridad hasta SRE, QA y pentesting
  • Estas herramientas usan LLM para abstraer la complejidad de bajo nivel y automatizar tareas de ingeniería dolorosas y que consumen mucho tiempo, liberando recursos de ingeniería para trabajo de mayor nivel
  • Integrar IA en los procesos de DevOps mejora los pipelines de CI/CD, las pruebas automatizadas y las estrategias de despliegue, lo que permite una entrega de software más rápida y confiable
• La refactorización de código es otro gran ejemplo del impacto de la IA en los flujos de trabajo y el ecosistema de desarrolladores
  • Muchos equipos de ingeniería modernos dedican solo una parte de su tiempo FTE a escribir código completamente nuevo
  • Especialmente en organizaciones grandes, una parte importante del tiempo de los SWE se destina al mantenimiento de código, seguridad y pruebas, la parte "menos glamorosa" del rol de ingeniería de software
  • Muchas tareas como la refactorización de código requieren un conocimiento profundo del stack y suelen ser proyectos difíciles que incluso los ingenieros senior abordan con temor
• La IA tiene un potencial claro para resolver estos desafíos
  • Startups como Gitar, Grit y ModelCode aprovechan modelos de generación de código, análisis estático y parsers de AST para interpretar la estructura del código y migrarlo entre lenguajes, bibliotecas de paquetes y frameworks
  • Algunos de estos esfuerzos se enfocan en frameworks web modernos, mientras que otros trabajan sobre stacks de ingeniería legacy frágiles (por ejemplo, COBALT, PEARL, etc.) donde con el tiempo los ingenieros con experiencia se han vuelto obsoletos
  • Muchos flujos de trabajo adyacentes a funciones centrales de ingeniería de software también consumen mucho tiempo, son repetitivos y se prestan bien para la automatización
    > Predicción: para 2030, la mayoría de los desarrolladores de software empresarial desempeñarán un rol parecido al de revisor de software. A medida que bajen los costos de desarrollo y aumente la productividad de los desarrolladores experimentados, los salarios subirán
• La IA afectará el alcance y las habilidades requeridas en todos los mercados laborales, pero probablemente en ninguno tanto como en el de los desarrolladores
• Las mejoras en IA no solo aumentarán enormemente la productividad de esta profesión, sino que también expandirán las fronteras del mundo developer
• Dentro de 10 años, la capacidad de desarrollar software será una habilidad accesible para la mayoría de la población mundial

# Los modelos multimodales y los agentes de IA cambiarán la relación humana con el software

• El auge de los modelos multimodales y los agentes de IA está impulsando la próxima ola de innovación en IA
• Está ampliando drásticamente el alcance potencial de aplicación de la IA a casos de uso mucho más amplios que los de los primeros modelos basados en texto
• Para los emprendedores de IA, surgen nuevas oportunidades para innovar no solo en flujos de trabajo agénticos, sino también en nuevas modalidades como voz, imagen y video
• Estas modalidades dotan a la IA de capacidades equivalentes a las humanas, como visión, audición y lenguaje, abriendo oportunidades para que la IA complemente una parte significativa del trabajo humano que depende de estos sentidos

Voz

• La primera ola de empresas de voice AI está aprovechando principalmente los avances en Automatic Speech Recognition (ASR)
  • Abridge registra notas sobre conversaciones entre médicos y pacientes
  • Rillavoice captura conversaciones entre representantes de ventas en campo y clientes para apoyar la capacitación comercial
• Está surgiendo una nueva generación de empresas de voice AI que desarrolla productos de voz conversacional capaces de encargarse de flujos de trabajo tediosos y repetitivos
  • Esto permite que las personas se concentren en tareas de mayor valor en casos de uso de ventas, reclutamiento, customer success y administración
  • Ada integra voz conversacional en su producto de soporte al cliente basado en chat aprovechando innovaciones recientes en voz
• Detrás de estos avances hay nuevas arquitecturas de voz
  • Pueden procesar y razonar sobre datos de audio en bruto sin transcribir la voz a texto
    • La transición de arquitecturas en cascada a arquitecturas nativas de voz, como se ve en nuevos modelos como GPT-4o
  • Esta transición permitirá productos de voz conversacional con una latencia mucho menor y una comprensión mucho más alta de información no textual como emoción, tono y estado de ánimo
• Las aplicaciones de voz con IA están apareciendo en muchas industrias, como concesionarios de autos, retail, restaurantes y servicios para el hogar
  • A menudo se pierde una parte significativa o incluso la mayoría de las llamadas entrantes de ventas fuera del horario laboral, y en esos casos la IA es ideal para cubrir ese vacío
  • Las aplicaciones de voz con IA en ventas son casos de uso con un ROI muy alto, porque en esencia la IA está recuperando ingresos perdidos para estas empresas
• Los emprendedores que construyen en la frontera de la voice AI pueden ofrecer interfaces más naturales, conversacionales y con un desempeño casi humano que nunca antes

Imagen / video

• Los modelos de computer vision existen desde hace años, pero lo interesante de la nueva generación de LLM multimodales es que pueden combinar comprensión de imágenes y datos de texto (entre otras modalidades)
  • Esta combinación es muy útil para muchas tareas
• La primera ola de aplicaciones empresariales basadas en imágenes se ha centrado principalmente en casos de uso de extracción de datos
  • Empresas como Raft recopilan documentos de carga, extraen información clave para cargarla en el ERP del cliente y automatizan flujos de conciliación de facturas
• A medida que los modelos fundacionales sigan mejorando, se espera que surjan aplicaciones verticales específicas de procesamiento de imagen y video capaces de recopilar volúmenes cada vez mayores de datos para alimentar aplicaciones
• También existen aplicaciones en ingeniería y diseño, como Flux.ai, que aprovechan modelos de visión y de generación de imágenes para ayudar al razonamiento sobre datos gráficos y generar renderizados de diagramas o diseños de edificios

Agentes de IA autónomos

• Uno de los temas nuevos más interesantes de la IA es el desarrollo de agentes de IA capaces de gestionar de forma totalmente autónoma tareas complejas de varios pasos
• Aunque la mayoría de los agentes de IA todavía no operan de forma confiable en casos de uso complejos, el progreso en los flujos de trabajo con agentes avanza muy rápido y ya estamos viendo destellos de lo que es posible
  • Devin de Cognition AI (ingeniero de software con IA) muestra lo que puede lograrse a medida que las capacidades de planificación y razonamiento de la IA siguen expandiéndose
• Más aplicaciones están empezando a implementar agentes de IA en casos de uso muy acotados, donde se puede limitar el impacto de errores compuestos en procesos de varios pasos
  • Las empresas están aprovechando soluciones como Leena AI para ofrecer agentes de IA que apoyen tareas de TI, RR. HH. y finanzas, ayudando a estos equipos a liberarse de tareas tediosas y a mejorar la experiencia de los empleados
• También están apareciendo nuevos modelos con sólidas capacidades de razonamiento para permitir que los agentes ejecuten flujos de trabajo más complejos
  • Aún más interesante es que hay mucha investigación enfocada en nuevos enfoques de arquitectura para mejorar la implementación de agentes mediante diversos métodos, incluidos razonamiento de cadena de pensamiento, autorreflexión, uso de herramientas, planificación y colaboración multiagente

# Vertical AI muestra el potencial para superar al SaaS legado

• Vertical SaaS demostró ser un gigante oculto que transformó industrias durante la primera revolución de la nube
  • La capitalización de mercado combinada de las 20 principales empresas estadounidenses cotizadas de Vertical SaaS es de aproximadamente 300 mil millones de dólares, y más de la mitad salió a bolsa en la última década
• Ahora, con la llegada de los modelos de lenguaje grande (LLM), comienza la siguiente ola de Vertical SaaS, mientras vemos nacer nuevas empresas basadas en LLM dirigidas a industrias que cruzan las fronteras del Vertical SaaS legado y nuevas capacidades
  • Las aplicaciones de Vertical AI apuntan a tareas repetitivas basadas en lenguaje y de alto costo que representan una gran parte de muchas industrias y de la economía
• Según la Oficina de Estadísticas Laborales de EE. UU., la industria de servicios empresariales y profesionales representa el 13% del PIB estadounidense
  • Solo este sector, dominado por tareas repetitivas basadas en lenguaje, equivale a cerca de 10 veces el tamaño de la industria del software
  • Más allá de los servicios profesionales, en todas las industrias las tareas verticales repetitivas basadas en lenguaje representan una proporción significativa
  • Creemos que la IA vertical competirá por una parte relevante de estos costos y también impulsará actividad en áreas donde ha faltado mano de obra humana
  • Por ejemplo, EvenUp automatiza servicios legales de terceros y flujos de trabajo internos de asistentes legales, abriendo nuevas posibilidades en áreas de trabajo donde antes era difícil aplicarla porque el costo laboral era demasiado alto o la consistencia insuficiente

Predicción: la capitalización de mercado de Vertical AI será al menos 10 veces mayor que la del Vertical SaaS existente, a medida que Vertical AI impulse la economía de servicios y presente nuevos modelos de negocio

Copilot, Autopilot y servicios habilitados por IA: tres nuevos modelos de negocio

• Los tres nuevos modelos de negocio de la economía de Vertical AI se componen de Copilot, Autopilot y servicios habilitados por IA
• Vertical AI también puede ofrecerse a través de varios otros modelos de negocio, lo que aumenta la probabilidad de alinear las capacidades de IA con las necesidades específicas de cada industria
• Copilot
  • Mejora la eficiencia de los trabajadores al automatizar tareas con LLM
  • Sixfold ayuda a los suscriptores de seguros a analizar mejor los datos y comprender el riesgo
  • En el modelo Copilot, la aplicación de IA se sienta junto al usuario y lo apoya para que tenga más éxito
• Agent
  • Mientras que Copilot ayuda a los empleados a realizar su trabajo, Agent automatiza por completo los flujos de trabajo y sustituye al usuario
  • Agent se enfoca en funciones específicas dentro de empresas verticales, como ventas salientes o atención de llamadas entrantes
  • Slang AI gestiona las llamadas entrantes de restaurantes para realizar reservas y responder preguntas, entre otras tareas
• Servicios habilitados por IA
  • Servicios que por lo general se subcontratan a proveedores externos, como contabilidad, servicios legales y facturación médica
  • Como estos negocios son intensivos en mano de obra, tradicionalmente tienen márgenes bajos, son difíciles de escalar y de diferenciar frente a negocios tecnológicos, por lo que también tienen menor valoración
  • Al automatizar tareas mediante software, estas empresas de servicios habilitados por IA buscan ofrecer al mercado servicios mejores y más baratos con mayor rapidez, y captar participación de negocios tradicionales orientados a servicios
  • SmarterDx usa IA para auditar facturas de internación en nombre de sistemas de salud y hospitales antes de enviarlas, junto con la documentación clínica correspondiente, a los pagadores
    • Tradicionalmente, este trabajo de auditoría se subcontrataba a proveedores especializados

Señales iniciales sobre la fortaleza del modelo de negocio de Vertical AI

• Nosotros (Bessemer) hemos tenido la fortuna de apoyar a líderes de SaaS legado en múltiples industrias, y ahora contamos con una de las carteras de Vertical AI más grandes
• Como resultado, ya disponemos de datos relevantes para comparar empresas de Vertical AI con compañías comparables de Vertical SaaS legado
• Tres análisis de nuestra cartera de Vertical AI muestran la fortaleza de esta nueva clase de aplicaciones
  • Los actores de Vertical AI están liderando el mercado con funcionalidades que no compiten contra el SaaS legado
    • La utilidad de estas aplicaciones suele complementar los productos de SaaS legado y no requiere reemplazar ni replicar productos existentes
    • Estas startups de Vertical AI ya están capturando aproximadamente el 80% del ACV de los sistemas centrales tradicionales de Vertical SaaS
    • Esto demuestra la capacidad de Vertical AI para generar un gasto considerable dentro de los mercados verticales finales al sustituir gasto en servicios, y en última instancia ofrecer un TAM que puede ser un múltiplo significativo del SaaS existente
  • El perfil de eficiencia y crecimiento de empresas de Vertical AI con escala relevante (más de $4M en ARR) también es alentador
    • Están creciendo aproximadamente un 400% anual, lo que representa una de las tasas de crecimiento más rápidas que hemos visto hasta ahora
    • También muestran una eficiencia sana, con un margen bruto promedio de alrededor del 65% y una proporción de eficiencia BVP de aproximadamente 1.1x (CARR neto nuevo / pérdida neta)
  • Analizamos la proporción de ingresos que las empresas de Vertical AI gastan en costos de modelo para disipar la preocupación de que estas aplicaciones sean simplemente wrappers delgados
  • En promedio, estas empresas actualmente gastan solo alrededor del 10% de sus ingresos, o cerca del 25% de su COGS total, en costos de modelo
  • Por lo tanto, estas aplicaciones verticales construidas sobre LLM ya están generando márgenes de aproximadamente 6 veces el costo del modelo subyacente
• En general, se espera una enorme creación de valor en la capa de modelos, pero según estos datos, al igual que en innovaciones previas de infraestructura, la mayor parte del valor empresarial volverá a capturarse en la capa de aplicaciones
• Los actores tradicionales del software vertical tampoco están completamente dormidos
  • Empresas como Thomson Reuters (adquirió CaseText por 650 millones de dólares) y DocuSign (adquirió Lexion por 165 millones de dólares) ya realizaron las primeras adquisiciones destacables en Vertical AI
• Sin embargo, creemos que todavía estamos cerca de la línea de salida del maratón de Vertical AI
  • Esperamos que en unos años surjan nuevas empresas públicas duraderas de IA vertical
  • Dada la velocidad de crecimiento, prevemos que al menos 5 Centaurs de Vertical AI (más de 100 millones de dólares en ARR) emerjan en los próximos 2 a 3 años

Predicción: el primer IPO de Vertical AI ocurrirá dentro de los próximos 3 años

# La nube de consumo revive gracias a la IA

• Es un hecho ampliamente conocido que la nube de consumo ha mostrado un crecimiento débil durante la última década
  • La nube de consumo se define como empresas que ofrecen directamente a consumidores individuales almacenamiento, cómputo y aplicaciones digitales basadas en la nube (incluyendo también productos B2B y para “prosumidores”)
• Tras analizar los datos de Cloud 100, iniciados hace 9 años, solo el 4% de la lista acumulada corresponde a empresas con productos de consumo
  • Puede decirse que no ha habido salidas de empresas de nube de consumo “puras” desde el IPO de Dropbox en 2018
• Los unicornios de nube de consumo han surgido a raíz de grandes cambios tecnológicos
• Pero no ha habido un cambio sísmico amplio en la tecnología orientada al consumidor desde el lanzamiento del iPhone hace 15 años y el desarrollo posterior de las plataformas de redes sociales
• Sin embargo, hace 2 años los consumidores se enfrentaron a una gran disrupción
  • Gracias a las capacidades multimodales de rápida evolución de los LLM, que permiten expandir y mejorar los sentidos de texto, visuales y auditivos de formas antes imposibles, se está abriendo la posibilidad de disrupción en todas las categorías existentes de la nube de consumo
• La medida de la capacidad de consumo de la IA es cuánto tiempo y atención capturan estas aplicaciones en nuestras vidas
  • ChatGPT ahora compite con líderes de la economía de la atención como Reddit, y otros asistentes de IA de propósito general, incluidos Claude y Gemini, también están ganando tracción rápidamente
• Además de los asistentes de propósito general, ya pueden verse ejemplos de empresas de IA para consumo que lideran la innovación en sus categorías: Perplexity para búsqueda, Character.ai para compañía, Midjourney para creatividad de imágenes, Suno y Udio para generación musical, y Luma, Viggle y Pika para generación de video
  • Estas empresas están atrayendo y reteniendo bases de usuarios dedicadas, y en algunos casos muestran el potencial de las aplicaciones basadas en LLM para reemplazar de forma efectiva a incumbentes modernos
• A medida que la IA cambia la forma en que interactuamos con la tecnología y la disfrutamos, este es uno de los momentos más emocionantes para constructores e inversionistas de la nube de consumo
• Se espera que en los próximos 5 años ocurran múltiples IPO de nube de consumo

Predicción: debido al sorprendente auge de los medios sintéticos, las nuevas aplicaciones de consumo y los agentes conversacionales de IA, para 2030 los 3 principales negocios que dominen la economía de la atención estarán basados en contenido o productos generados por IA

• Está apareciendo una actividad considerable en etapa temprana en la larga cola de aplicaciones de IA para consumo con funciones específicas (por ejemplo, generación y edición de contenido, educación)
  • La buena noticia es que es una señal temprana de que los consumidores están buscando IA para mejorar sus vidas
  • La mala noticia es que no hay más de 10 apps nativas de IA para consumo por categoría que hayan demostrado profundidad de producto más allá del wrapper o probado el amor sostenido de sus clientes con una fuerte retención
  • Seguimos creyendo que aún existe una oportunidad clara de construir empresas de nube sostenibles que resuelvan muchas necesidades insatisfechas de los consumidores
• Dos preguntas clave sobre las necesidades del consumidor:
  • ¿Qué tan dolorosa o intensiva en trabajo es la situación actual para el consumidor?
  • ¿Qué tan repetitivo y predecible es el esfuerzo lingüístico/visual/auditivo requerido?
• La IA no solo reinventará pasatiempos que nos encantan, como social, entretenimiento, compras y viajes, sino que también ayudará a las personas a descubrir e imaginar nuevas formas de conectarse con el mundo, jugar, comprar y explorar

# Conclusión - Nube de IA: realidad vs. hype

• Roy Amara dijo que “tendemos a sobreestimar el efecto de una tecnología en el corto plazo y a subestimarlo en el largo plazo”
  • Esto ha descrito con precisión la conducta del VC en muchas olas tecnológicas del pasado, como dot-com, nanotecnología, cleantech y blockchain
  • Incluso el viejo y aburrido SaaS se sobreaceleró en exceso en 2021
• Entonces, ¿el hype de la nube de IA está superando a la realidad?
  • ¿Estamos destinados a admitir en los próximos 1 o 2 años que la promesa de la IA sobrepasó al VC de nube?
  • ¿O la IA amenaza con romper la “ley de Amara”?
  • ¿Será la primera ola tecnológica en la que la realidad supere a un hype desquiciado?
• Los resultados de una encuesta global entre inversionistas de Bessemer ofrecen una respuesta clara
  • Hasta ahora, el hype ha valido completamente la pena
  • Mires donde mires, puede verse evidencia de un nivel de impacto de la IA sin precedentes históricos
• La mayoría de nuestro portafolio ha adoptado internamente tecnologías de IA y está actualizando su hoja de ruta de producto para integrar IA
• Las empresas de nuestro portafolio impulsadas por IA están mostrando una tracción comercial significativa y creciendo más rápido y con mayor eficiencia que cualquier cohorte que hayamos visto hasta ahora
• Al mirar atrás a las predicciones del año pasado, incluso con un fuerte optimismo y entusiasmo, no pudimos anticipar por completo la velocidad y magnitud de este cambio
  • En concreto, predijimos que las empresas impulsadas por IA alcanzarían los 1.000 millones de dólares en ingresos un 50% más rápido que las empresas tradicionales de nube
  • OpenAI registró 2.000 millones de dólares en ingresos en febrero de este año, y se reporta que pocos meses después superó los 3.400 millones de dólares en ingresos anualizados
  • Se espera que Anthropic alcance 850 millones de dólares en ingresos anuales para finales de 2024
  • Según otros reportes, Midjourney está generando 200 millones de dólares en ingresos y se estima que Character.ai está en una escala similar
• Nuestra predicción final es que, cuando miremos atrás dentro de un año en State of the Cloud 2025, la IA no habrá perdido nada de la atención que recibe actualmente