Trends Report de Mary Meeker - "AI"

• El reporte de tendencias de Mary Meeker salió después de 5 años. Esta vez, AI es el eje central. Son 340 páginas
• La velocidad de uso y expansión de AI es mucho más rápida que la de internet, y se acerca el momento en que las máquinas superen a los humanos
• Esto está impulsado por la infraestructura global de internet (5.5 mil millones de usuarios), los datasets digitales acumulados durante más de 30 años, y la aparición de grandes modelos de lenguaje (LLM) encabezados por ChatGPT, junto con innovaciones en usabilidad y velocidad
• Las nuevas empresas de AI se están moviendo de forma muy agresiva en innovación, inversión, lanzamiento de productos y levantamiento de capital, mientras que las grandes tecnológicas ya establecidas también están acelerando la inversión centrada en AI y su crecimiento
• La competencia entre China y Estados Unidos en AI y la lucha global por la supremacía tecnológica se están desarrollando con gran intensidad, y se espera que este reporte contribuya al debate sobre los cambios tecnológicos, financieros, sociales, físicos y geopolíticos

Esquema del documento

1. ¿Los cambios están ocurriendo más rápido que en el pasado?
   → Sí, y de hecho se están acelerando
2. Crecimiento de usuarios de AI + uso + gasto de capital (CapEx) =
   → Crecimiento sin precedentes (Unprecedented)
3. El costo de cómputo (Compute) de los modelos de AI sube, y el costo de inferencia (Inference) baja =
   → El rendimiento converge (Performance Converging), aumenta el uso por parte de desarrolladores (Developer Usage)
4. Crecimiento del uso (Usage) + costo (Cost) + pérdidas (Loss) de AI =
   → Nivel sin precedentes (Unprecedented)
5. Amenazas para la monetización (Monetization) de AI =
   → Más competencia, impulso del open source, ascenso de China
6. Fusión del mundo físico con AI (Ramps) =
   → Rápida y guiada por datos (Fast + Data-Driven)
7. Aumento de usuarios globales de internet impulsado por AI =
   → Un crecimiento nunca antes visto
8. Evolución (Evolution) de AI y el trabajo (Work) =
   → Ya está ocurriendo en el mundo real, y rápidamente (Real + Rapid)

Overview

• Decir que "el mundo está cambiando a una velocidad sin precedentes" incluso se queda corto: la velocidad y el alcance del cambio se están expandiendo de forma abrupta
• La innovación tecnológica, la rápida adopción, y los cambios en el liderazgo global son la base (Underpinnings) de todas estas transformaciones

• Misión fundacional de Google (1998): 'organizar la información del mundo y hacerla universalmente accesible y útil'
• Misión fundacional de Alibaba (1999): 'hacer que hacer negocios sea fácil en cualquier lugar'
• Misión fundacional de Facebook (2004): 'dar a las personas el poder de compartir más y hacer que el mundo sea más abierto y conectado'

• Hoy, la combinación de AI (Artificial Intelligence), poder de cómputo acelerado (Computing Power) y capital sin fronteras (Borderless Capital) está impulsando cambios enormes al mejorar drásticamente la organización de la información, la conexión y la accesibilidad

• Así como en el deporte los récords de los atletas mejoran constantemente gracias a datos/insumos/entrenamiento, las empresas también se vuelven cada vez más inteligentes y competitivas a medida que las computadoras aprenden de datasets masivos
• La innovación en Large Models, la caída del cost-per-token, la proliferación del open source, y la mejora en el rendimiento de chips (Chip Performance) elevan de forma dramática la rentabilidad, la potencia y la accesibilidad de la tecnología

• ChatGPT de OpenAI es el caso de “éxito de la noche a la mañana (overnight success)” más rápido de la historia en métricas de usuarios, uso y monetización (logrado 9 años después de su fundación)
• El uso de AI está explotando entre consumidores, desarrolladores, empresas y gobiernos
• En la revolución de Internet 1.0, la tecnología empezó en Estados Unidos y se expandió gradualmente, pero ChatGPT fue adoptado de forma simultánea en todo el mundo y creció rápidamente

• Los gigantes de plataformas ya establecidos (incumbents) y los nuevos retadores (challengers) compiten por dominar nuevas capas de infraestructura de AI, como las interfaces agénticas (agentic interfaces), los copilots empresariales (enterprise copilots), los sistemas autónomos del mundo real (real-world autonomous systems) y los modelos soberanos (sovereign models)
• Los avances radicales en AI, infraestructura de cómputo y conectividad global (global connectivity) están reconfigurando de raíz la forma de trabajar (Work), el despliegue de capital (Capital Deployment) y los propios criterios de liderazgo, tanto en empresas como en países

• Al mismo tiempo, está ocurriendo un cambio en el liderazgo global entre países, y las principales potencias están conteniéndose activamente unas a otras en competitividad y ventajas comparativas
• Los países del mundo se están acelerando de nuevo según sus aspiraciones económicas, sociales y territoriales (Economic / Societal / Territorial Aspiration)

• Ahora, dos grandes fuerzas —la tecnológica (Technological) y la geopolítica (Geopolitical)— están cada vez más entrelazadas
• El CTO de Meta Platforms, Andrew Bosworth, comentó recientemente en el pódcast ‘Possible’ que “hoy AI se parece a una carrera espacial (Space Race), y los principales países, especialmente China, tienen capacidades muy altas; casi no hay secretos y todos siguen avanzando de forma constante”

• El liderazgo en AI (AI Leadership) puede traducirse en liderazgo geopolítico (Geopolitical Leadership) (aunque lo contrario no necesariamente aplica)
• Este fenómeno viene acompañado de una gran incertidumbre (Uncertainty), pero como dijo el ex presidente de T. Rowe Price, Brian Rogers, “estadísticamente, el mundo no se acaba tan seguido”, por lo que una visión optimista sigue siendo importante

• Desde la perspectiva del inversionista, siempre se asume que todo puede salir mal, pero la expectativa de lo que puede salir realmente bien es la verdadera fuente de optimismo (Optimism)
• Ver a AI hacer tareas por nosotros recuerda a la magia de los primeros días del email y la búsqueda web, pero el efecto de mejor / más rápido / más barato (Better / Faster / Cheaper) se está expandiendo mucho más rápido
• Claro que también hay grandes riesgos (Danger) e incertidumbre, pero existe la expectativa de que, a largo plazo, la fuerte competencia (Competition), la innovación (Innovation), el cómputo barato y accesible (Accessible Compute), la rápida expansión de la tecnología de AI, y un liderazgo prudente y calculado (Thoughtful and Calculated Leadership) generen un equilibrio similar a la destrucción mutua asegurada (Mutually Assured Deterrence)

• Para algunos, la evolución de AI puede convertirse en una carrera hacia el fondo (Race to the Bottom), pero para otros es el inicio de una carrera hacia la cima (Race to the Top)
• Las fuerzas especulativas y dinámicas del capitalismo (Capitalism) y la destrucción creativa (Creative Destruction) están provocando un cambio tectónico enorme
• En especial, la competencia feroz entre Estados Unidos (USA), China (China) y los líderes globales de tecnología ya está en modo 'Game On'

• Este reporte busca mostrar de forma multidimensional las tendencias de este momento dinámico (Dynamic Time) a partir de diversos datos, investigaciones y benchmarks de terceros
• En última instancia, el objetivo del reporte es contribuir a esta discusión

1. ¿Los cambios están ocurriendo más rápido que en el pasado?

Technology Compounding = los números detrás del impulso"

"El crecimiento compuesto de la tecnología = las cifras y los datos ocultos detrás del impulso del crecimiento explosivo"

• Historia de los ciclos de computación y llegada de la era de la IA
  • Década de 1960: mainframe (Mainframe, ~1 millón de unidades) → minicomputadora (Minicomputer, ~10 millones de unidades) → PC (~300 millones de unidades) → internet de escritorio (Desktop Internet, ~1.000 millones de usuarios) → internet móvil (Mobile Internet, ~4.000 millones) → era de la IA (AI Era, de miles de millones a decenas de miles de millones)
  • La infraestructura de computación acumulada (CPU, GPU, cloud/big data) se convirtió en la base de la expansión de la IA
  • En la era de los dispositivos con IA, se espera una cantidad de dispositivos de decenas de miles a cientos de miles de veces mayor que en la era de los mainframes
• Crecimiento de los datasets de entrenamiento de modelos de IA (cantidad de palabras)
  • Entre 1950 y 2025, el tamaño de los datasets de entrenamiento (cantidad de palabras) de los principales modelos de IA creció 260% anual en promedio
  • Desde 2018, con la aparición de grandes modelos como GPT-2, GPT-3 y GNMT, el uso de datos aumentó exponencialmente
  • Modelos recientes como Aramco Metabrain AI se entrenan con decenas de billones de palabras
• Crecimiento del cómputo usado para entrenar modelos de IA (operaciones, FLOP)
  • Entre 1950 y 2025, la capacidad de cómputo para entrenar los principales modelos de IA creció 360% anual en promedio
  • Con la aparición de grandes modelos como GPT-4, Grok, AlphaGo y Swift, la métrica de FLOP se disparó
• Mejora en la eficiencia de cómputo impulsada por la innovación algorítmica
  • Entre 2014 y 2023, el cómputo efectivo (Effective Compute) de los modelos de IA aumentó 200% anual en promedio
  • La optimización algorítmica en modelos como Chinchilla y OPT-175B contribuyó enormemente a mejorar el rendimiento y reducir el cómputo
• Crecimiento del rendimiento de las supercomputadoras de IA
  • Entre 2019 y 2025, el rendimiento de las supercomputadoras de IA (clusters) creció 150% anual en promedio
  • Sunway OceanLight, clusters de GPT-3/4, Frontier, El Capitan, xAI Colossus, entre otros
  • Crecimiento simultáneo del rendimiento de los chips y del número de chips por cluster
• Explosión en la cantidad de modelos de IA potentes a gran escala
  • Entre 2017 y 2024, aumento anual de 167%: se disparó la cantidad de lanzamientos de modelos de IA a gran escala con más de 10^23 FLOP
  • Siguen apareciendo diversos actores como DeepMind (AlphaGo), xAI, Anthropic, Meta, NVIDIA y Mistral
• Crecimiento de usuarios, suscriptores e ingresos de ChatGPT
  • Entre 2022.10 y 2025.4, usuarios activos semanales (Users, MM), suscriptores (Subscriber, MM) e ingresos (Revenue, $B) crecieron todos de forma exponencial
  • Más de 8 millones de usuarios semanales, más de 20 millones de suscriptores y cerca de 4.000 millones de dólares en ingresos anuales
• Velocidad para alcanzar 365 mil millones de búsquedas anuales: ChatGPT vs Google
  • ChatGPT: alcanzó 365 mil millones de búsquedas anuales en 2 años (2024)
  • Google: tardó 11 años en llegar a la misma cifra (2009)
  • ChatGPT registró una velocidad de expansión 5,5 veces más rápida que Google

• En 1998, cuando recién comenzaba la adopción de internet, Google nació con el objetivo de “organizar la información del mundo y hacerla universalmente accesible y útil”
• Tras casi 30 años, en medio del cambio más acelerado que ha vivido la humanidad, hoy la mayor parte de la información ya es digital, accesible y utilizable
• El cambio en la forma de acceder y mover la información basado en IA se está desarrollando a una velocidad todavía mayor

• La IA es un compounder (una fuerza que crece de manera compuesta) sobre la infraestructura de internet,
  y está generando un fenómeno en el que servicios fáciles de usar y capaces de captar la atención masiva se expanden a una velocidad extrema

Evolución de la distribución del conocimiento (Knowledge Distribution Evolution)

• 1440~1992: Static + Physical Delivery
  • Desde la invención de la imprenta (Printing Press) en 1440 hasta 1992, el conocimiento se distribuyó de forma estática (Static) y física (Physical)
  • Es decir, durante siglos se mantuvo una estructura de transmisión del conocimiento centrada en impresos como libros, periódicos y revistas
    – 1993~2021: Active + Digital Delivery
  • Tras la publicación de internet (World Wide Web) en 1993, se pasó a una distribución del conocimiento activa (Active) y basada en lo digital (Digital)
  • Cualquiera podía crear un sitio web y acceder y difundir información en tiempo real
  • Internet provocó una transformación fundamental en la “apertura y circulación del conocimiento”
    – 2022+: Active + Digital + Generative Delivery
  • Con el lanzamiento de ChatGPT en 2022, entramos en la era de la distribución del conocimiento basada en IA generativa
    • Generative AI: IA capaz de generar distintos tipos de contenido como texto, imágenes, audio y código
    • ChatGPT marcó un crecimiento sin precedentes al superar 1 millón de usuarios en solo 5 días tras su lanzamiento
  • Ahora ya no se trata solo de almacenar y buscar conocimiento, sino de una era en la que la IA lo genera de forma creativa y lo entrega al instante

“El conocimiento es la acumulación de hechos (wisdom), pero la sabiduría está en su simplificación” – Martin H. Fischer

• AI = Many Years Before Lift-Off
  • Aunque parece que la IA creció de forma explosiva en poco tiempo, antes de su masificación hubo décadas de preparación y desarrollo
• Línea de tiempo de hitos de la IA 1950~2025 (organizada por Stanford)
  • 1950.10: Alan Turing presenta la prueba de Turing (propone el concepto para evaluar la inteligencia de las computadoras)
  • 1956.6: se celebra la Dartmouth Conference, y John McCarthy acuña el término ‘Artificial Intelligence’
  • 1962.1: Arthur Samuel de IBM derrota al campeón de EE. UU. en damas con un programa de autoaprendizaje
  • 1966.1: Shakey, de Stanford, es desplegado como el primer robot móvil de propósito general
  • 1967~1996: “invierno de la IA” (AI Winter) – disminuyen la inversión y el interés sin grandes avances
  • 1997.5: IBM Deep Blue derrota al campeón mundial de ajedrez Kasparov
  • 2002.9: Roomba lanza la primera aspiradora robot producida en masa
  • 2005.10: Stanley, el vehículo autónomo de Stanford, completa el DARPA Grand Challenge
  • 2010.4: Apple adquiere Siri y luego la integra en el iPhone 4S
  • 2014.6: el chatbot Eugene Goostman supera la prueba de Turing
  • 2018.6: OpenAI presenta GPT-1, el primer gran modelo de lenguaje
  • 2020.6: OpenAI lanza GPT-3 y Microsoft obtiene la licencia exclusiva
  • 2022.11: OpenAI abre ChatGPT al público general
  • 2023.3: OpenAI lanza GPT-4 (multimodal) / Microsoft integra Copilot / Google lanza Bard / Anthropic lanza Claude
  • 2023.11: 28 países, incluidos EE. UU., la UE y China, firman la declaración de seguridad de IA de Bletchley
  • 2024.3~5: Meta publica Llama 3 (open source) / el Departamento de Seguridad Nacional de EE. UU. presenta su hoja de ruta de IA / Google introduce funciones de búsqueda basadas en IA / OpenAI lanza GPT-4o (totalmente multimodal)
  • 2024.7: Apple anuncia Apple Intelligence (para desarrolladores)
  • 2024.9: Alibaba lanza 100 modelos open source de Qwen 2.5 (con rendimiento a la par de Occidente)
  • 2024.12: OpenAI anuncia o3 (modelo de mayor rendimiento)
  • 2025.1: DeepSeek publica los modelos de razonamiento open source R1 y R1-Zero / Alibaba anuncia Qwen2.5-Max (supera el rendimiento de razonamiento de GPT-4o y Claude 3.5)
  • 2025.2: OpenAI lanza GPT-4.5 / Anthropic presenta Claude 3.7 Sonnet / xAI lanza Grok 3
  • 2025.4: ChatGPT alcanza 800 millones de usuarios semanales

Circa Q2:25 - 10 cosas que la IA puede hacer hoy (según ChatGPT)

1. Redactar o editar cualquier cosa: correos electrónicos, ensayos, contratos, poemas, código y más, de forma inmediata y fluida
2. Resumir y explicar materiales complejos: desglosar fácilmente PDF, documentos legales, investigaciones y código, y convertirlos a lenguaje claro
3. Actuar como tutor en casi cualquier tema: apoyo de aprendizaje paso a paso en matemáticas, historia, idiomas, preparación de exámenes y más
4. Servir como compañero de pensamiento: apoyo para lluvia de ideas, depuración lógica, revisión de hipótesis y más
5. Automatizar tareas repetitivas: generación de reportes, organización de datos, resumen de diapositivas, reescritura de texto y más
6. Interpretar el rol necesario: preparación para entrevistas, simulación de clientes, ensayo de conversaciones y otros roles diversos
7. Conectar herramientas: escribir código de integración con distintas herramientas como API, hojas de cálculo, calendarios y código web
8. Brindar apoyo psicológico y compañía: conversar sobre el día, replantear pensamientos o simplemente escuchar
9. Ayudar a encontrar el propósito de vida: clarificación de valores, definición de metas, elaboración de planes de acción y más
10. Organizar la vida: planificación de viajes, diseño de rutinas, estructuración de la semana o del flujo de trabajo y más

Circa 2030? - 10 cosas que se espera que la IA pueda hacer en los próximos 5 años (según ChatGPT)

1. Generar texto, código y lógica a nivel humano: producir resultados comparables a los humanos en chatbots, ingeniería de software, planes de negocio, análisis legal y más
2. Creación completa de películas y juegos: producción automática de contenido integral, incluyendo guiones, personajes, escenas, mecánicas de juego y actuación de voz
3. Comprender y hablar como un humano: asistentes con reconocimiento emocional, agentes de voz multilingües en tiempo real y más
4. Actuar como asistente personal avanzado: planificación de vida, recuperación de recuerdos, sincronización de agenda e información entre todas las apps y dispositivos, etc.
5. Operar robots humanoides: ayuda doméstica, cuidado de adultos mayores, automatización en retail y hospitalidad, etc.
6. Operar servicio al cliente y ventas de forma autónoma: resolución de problemas end-to-end, upselling, integración con CRM, soporte 24/7 y más
7. Personalizar toda la vida digital de una persona: aprendizaje adaptativo, recomendaciones dinámicas de contenido, gestión de salud personalizada y más
8. Construir y operar negocios de forma autónoma: startups impulsadas por IA, optimización de inventario y precios, operación digital integral y más
9. Automatizar el descubrimiento científico: diseño de fármacos, síntesis de nuevos materiales, modelado climático, prueba de nuevas hipótesis y más
10. Colaborar creativamente como un socio: coescritura de novelas, producción musical, diseño de moda, arquitectura y otras colaboraciones creativas

Circa 2035? - 10 cosas que se espera que la IA pueda hacer en los próximos 10 años (según ChatGPT)

1. Realizar investigación científica: generación de hipótesis, ejecución de simulaciones, diseño y análisis de experimentos, etc.
2. Diseñar tecnologías avanzadas: descubrimiento de nuevos materiales, diseño de biotecnología, creación de prototipos de sistemas energéticos y más
3. Simular mentes similares a las humanas: creación de personas digitales con memoria, emociones y conducta adaptativa
4. Operar empresas de forma autónoma: gestionar I+D, finanzas, logística y más con mínima intervención humana
5. Realizar tareas físicas complejas: manipulación de herramientas, ensamblaje de piezas, adaptación en entornos reales, etc.
6. Coordinar sistemas globales: optimización a gran escala de logística, uso de energía, respuesta a crisis y más
7. Modelar sistemas biológicos: simulación de células, genes y organismos, y su uso en tratamiento e investigación
8. Ofrecer toma de decisiones de nivel experto: asesoría legal, médica y de negocios en tiempo real
9. Participar en el debate público y la formulación de políticas: moderación de foros, propuesta de leyes, coordinación de intereses y más
10. Construir mundos virtuales inmersivos: generar entornos 3D interactivos solo con prompts de texto

La velocidad del desarrollo de la IA alcanzó un nivel que nadie había previsto

• Cambio en los actores que desarrollan modelos de machine learning (2003~2024)
  • De 2003 a 2014, la academia lideró el desarrollo de modelos de machine learning (Academia Era)
  • Desde 2015, la industria superó ampliamente a la academia en volumen de datos, cómputo y capital invertido, liderando la innovación (Industry Era)
  • A 2024, la industria desarrolla cada año alrededor de 60 modelos de ML dignos de atención
• Aumento explosivo del número de desarrolladores de IA (según el ecosistema de NVIDIA, 2005~2025)
  • En el ecosistema de NVIDIA, el número global de desarrolladores se multiplicó por 6 en solo 7 años (con proyección de llegar a 6 millones en 2025)
  • El mayor crecimiento se produjo entre 2018 y 2025
• Número de desarrolladores dentro del ecosistema de IA de Google (2024~2025)
  • Mayo de 2024: 1.4 millones → mayo de 2025: 7 millones
  • Crecimiento de 5 veces en un solo año, con una expansión explosiva de la comunidad de desarrolladores de IA centrada en la plataforma Gemini
• Aumento explosivo de patentes estadounidenses relacionadas con computación (1960~2024)
  • En los 8 años posteriores al IPO de Netscape en 2003: +6,300 casos; en los 18 años de 2004 a 2022: aumento de +1,000 casos
  • Tras el lanzamiento de ChatGPT (2022), aumentaron en +6,000 en solo un año
  • Se produjo una avalancha de patentes de innovación relacionadas con computación y tecnologías de IA
• Desempeño de la IA: en 2024 superó el nivel humano
  • En el benchmark MMLU (conocimiento general + razonamiento), a 2024 los sistemas de IA lograron una precisión de 92.3%, superando a los humanos (89.8%)
• Capacidad de la IA para hacerse pasar por humana (Q1 2025)
  • GPT-4o (sin persona incluida): 73% de las respuestas fueron confundidas con respuestas humanas
  • GPT-4.5 (con persona incluida): más de 90% falló al identificar que no era humano
  • La similitud y sensación de realidad de las respuestas de IA mejoraron de forma drástica
• Realismo de las conversaciones con IA (caso de la prueba de Turing)
  • Ejemplo de una conversación real en una prueba de Turing usando GPT-4.5
  • El 87% de los participantes del experimento confundió con humano al lado (A), que en realidad era IA,
    mientras que el humano (B) fue juzgado como con una “vibra de IA”
  • La capacidad conversacional natural de la IA moderna superó a la humana
• Evolución del rendimiento en generación de imágenes con IA
  • Comparación entre Midjourney v1 (2022) y v7 (2025):
    en solo 3 años, la generación de joyería (collar de girasol) avanzó hasta volverse abrumadoramente realista
• Imágenes generadas por IA vs. imágenes reales (2024)
  • A 2024, las fotos de personas creadas por IA (StyleGAN2) se volvieron tan sofisticadas que casi no se distinguen de fotos reales
  • El realismo de las imágenes generadas aumentó de manera drástica
• Realismo en generación/traducción de voz con IA (caso ElevenLabs)
  • La herramienta de generación de voz con IA de ElevenLabs
    • perfeccionó funciones como doblaje automático, traducción multilingüe en tiempo real y preservación de la voz original
    • el tráfico global del sitio superó los 20 millones mensuales en solo 2 años, y el 60% de las empresas Fortune 500 la adoptó
  • La generación y traducción de audio con IA también está avanzando de forma explosiva
• Masificación de la traducción de audio basada en IA (Spotify, mayo de 2025)
  • Spotify comenzó a aceptar traducciones con IA de audiolibros en 29 idiomas en colaboración con ElevenLabs
  • Presentó como visión “una era en la que cualquiera puede crear contenido en su idioma nativo y la IA lo traduce en tiempo real para distribuirlo en todo el mundo” (CEO Daniel Ek)
  • Al primer trimestre de 2025, contaba con 678 millones de usuarios activos mensuales, 268 millones de suscriptores y 16.8 mil millones de euros en ingresos anuales
• Aceleración del rendimiento de la IA: nuevos casos de uso (noviembre de 2024, Morgan Stanley)
  • Protein Folding: DeepMind AlphaFold, predicción de casi todas las estructuras de proteínas
  • Cancer Detection: Microsoft & Paige, construcción del mayor modelo de diagnóstico de cáncer basado en imágenes del mundo
  • Robotics: Google, demo de robots que entienden y ejecutan instrucciones humanas usando LLM
  • Agentic AI: Amazon, presentación de una herramienta que realiza tareas según instrucciones del usuario
  • Universal Translation: Meta, lanzamiento de un modelo multimodal de IA para interpretación y traducción multilingüe
  • Digital Video Creation: Channel 1 AI, demostración de producción de videos de noticias personalizados basados en GenAI

Beneficios y riesgos de la IA (Benefits & Risks)

• Beneficios del desarrollo de la IA
  • Todos los logros de la civilización humana son producto de la inteligencia humana, y cuanto mayor sea el nivel de machine intelligence, más se expandirá la ambición de la humanidad
  • La IA y la robótica pueden liberar a la humanidad del trabajo repetitivo y abrir la posibilidad de una era de paz y prosperidad mediante el aumento de la productividad
  • La aceleración de la investigación científica puede adelantar la solución de problemas como enfermedades, cambio climático y recursos
• Riesgos del desarrollo de la IA
  • Demis Hassabis (Google DeepMind): "Si primero resolvemos la IA, podremos resolver todo lo demás. Sin embargo, antes de llegar a esa oportunidad, pueden surgir usos indebidos y riesgos no intencionales de la IA"
  • Riesgos ya visibles y otros que seguirán creciendo: armas autónomas letales (lethal autonomous weapons), vigilancia (surveillance), toma de decisiones sesgada (biased decision making), impacto en el empleo (employment impact), seguridad y protección (safety-critical applications, cybersecurity), entre otros

"El éxito del desarrollo de la IA podría ser el mayor acontecimiento en la historia de la civilización humana, pero al mismo tiempo, si no aprendemos a evitar sus riesgos, también podría ser el último" - Stephen Hawking

AI User + Usage + CapEx Growth = Unprecedented

• Tomando a ChatGPT como referencia, superó los 800 millones de usuarios activos semanales en solo 17 meses (+8 veces)
• La velocidad de la adopción global de la IA (Global Adoption) también muestra una expansión sin precedentes frente a los inicios de internet (alcanzó 90% de usuarios fuera de Norteamérica en 3 años; internet tardó 23 años)
• ChatGPT llegó a 100 millones de usuarios en 0.2 años (aprox. 2 meses), con un crecimiento muy superior al de grandes servicios de internet como TikTok, Instagram y YouTube
• Hasta alcanzar 1 millón de usuarios (clientes): Ford Model T, 2,500 días; iPhone, 74 días; ChatGPT, 5 días — además, con costo de $0, la accesibilidad alcanzó su punto máximo
• Se estima que la IA llegará al 50% de los hogares en EE. UU. en 3 años, frente a internet móvil (6 años), desktop (12 años), PC (20 años) y la Revolución Industrial (42 años), es decir, la mitad del tiempo
• La velocidad de adopción y difusión de la IA es más rápida que la de cualquier otra tecnología en la historia, y su alcance e impacto también están superando las expectativas

La adopción de IA en las empresas tecnológicas, máxima prioridad

• Big Tech y las principales empresas tecnológicas están concentrando su atención en la IA como eje central de gestión
  • NVIDIA, Google, Microsoft, Meta, Amazon, Baidu, IBM, C3.ai, entre otras
  • Entre 2020 y 2024, la frecuencia de menciones a la IA en las presentaciones de resultados se disparó, marcando el inicio de una competencia centrada en IA
• Amazon (CEO Andy Jassy)
  • "La IA generativa transformará casi todas las experiencias de los clientes"
  • Adopción y mejora de eficiencia con IA en todos los campos: programación, búsqueda, compras, finanzas, salud, robótica y biotecnología
• Google (CEO Sundar Pichai)
  • "La IA es la herramienta más importante para avanzar nuestra misión (organizar la información y hacerla universalmente accesible)"
  • "La oportunidad de la IA está en otra dimensión respecto a todo lo anterior"
• Duolingo (CEO Luis von Ahn)
  • "La IA generativa contribuye a la generación de datos, nuevas funciones y eficiencia a nivel de toda la empresa"
  • Incluso completaron un prototipo del currículo de ajedrez solo con IA
• xAI (CEO Elon Musk)
  • "En Grok AI, la búsqueda de la verdad (truth-seeking) es esencial, y eso es indispensable para la seguridad de la IA"
  • "Debemos crear una IA orientada a la verdad al máximo posible"
• Roblox (CEO David Baszucki)
  • "La IA es una herramienta de aceleración que maximiza las capacidades individuales; en el futuro, cada persona estará acompañada por su propia IA"
• NVIDIA (CEO Jensen Huang)
  • "En 10 años, la IA será la infraestructura de todas las industrias, todos los países y todas las empresas"
  • "Los centros de datos de IA son, en esencia, 'AI factories' y producen un valor enorme"
• Los líderes globales de tecnología están apostando todo a la adopción de IA y la expansión de infraestructura, y subrayan al unísono que la IA es la clave de la competitividad futura de empresas y sociedades

La adopción de IA en las empresas tradicionales también sube rápidamente en prioridad

• Fuerte aumento del interés por la IA en las empresas del S&P 500
  • En el 4T de 2024, 50% de las empresas del S&P 500 mencionaron 'AI' en sus reportes de resultados (un aumento drástico frente a 2015)
  • La IA está emergiendo como agenda estratégica central en todo el mundo corporativo
• En las grandes empresas globales, el objetivo de adoptar IA es el 'crecimiento de ingresos'
  • Durante los próximos 2 años, la mayoría de los objetivos de inversión en IA generativa (GenAI) se concentran en 'crecimiento y rentabilidad', como productividad, servicio al cliente, ingresos y efectividad de marketing
  • La reducción de costos (cost reduction) tiene una prioridad relativamente menor
• El 75% de los CMO globales (chief marketing officers) ya están probando o adoptando herramientas de IA
  • La mayoría de las organizaciones de marketing están realizando pruebas iniciales o pilotos, y una parte considerable ya adoptó IA por completo
• Casos reales de adopción
  • Bank of America: Erica Virtual Assistant
    • 40 millones de clientes, 2,500 millones de interacciones acumuladas, más de 50,000 actualizaciones de desempeño
    • Ya se consolidó como un asistente financiero digital 24/7
  • JP Morgan: modernización integral de IA
    • Con la adopción de AI/ML, espera entre 2023 y 2025 mejoras de +35~65% tanto en ingresos como en eficiencia
  • Kaiser Permanente: registros médicos impulsados por IA (AI Scribe)
    • Miles de profesionales de la salud ya lo adoptaron, reduciendo la carga documental y mejorando la experiencia del paciente y la calidad de la atención
  • Yum! Brands: Byte by Yum!
    • Para 2025, 25,000 restaurantes habrán adoptado sistemas de pedidos y operación basados en IA
• Las grandes empresas tradicionales también están tomando la adopción de IA no como 'reducción de costos', sino como una prioridad estratégica centrada en crecimiento e innovación
  • En cada industria se están acumulando rápidamente casos concretos de éxito en el uso de IA

La adopción de IA en educación, gobierno e investigación también sube rápidamente en prioridad

• Casos de integración de IA en educación (instituciones educativas)
  • Arizona State University: creación de una organización dedicada al desarrollo de herramientas de IA ('AI Acceleration')
  • Alianza Oxford-OpenAI: colaboración de 5 años para fortalecer la investigación y la alfabetización en IA
  • NextGenAI: lanzamiento de un consorcio de 50 millones de dólares con participación de 15 universidades de investigación, incluidas MIT, Harvard y Caltech
  • ChatGPT Gov: lanzamiento de ChatGPT para uso exclusivo de agencias del gobierno federal de EE. UU. (enero de 2025)
  • Laboratorios nacionales de EE. UU.: cooperación en infraestructura de IA para energía nuclear, ciberseguridad y ciencia avanzada
• Expansión de políticas de adopción gubernamental (Sovereign AI)
  • NVIDIA Sovereign AI Partners: en Francia, Suiza, España, Ecuador, Japón, Vietnam, Singapur y otros países ya avanza de lleno la construcción de infraestructura nacional de IA
  • "La forma en que cada país está invirtiendo en infraestructura de IA se parece a lo que ocurrió antes con la electricidad e internet" (CEO de NVIDIA, Jensen Huang)
• Expansión del uso de IA en investigación (R&D) y salud
  • Dispositivos médicos de IA aprobados por la FDA: 223 aprobaciones anuales en 2023, un aumento explosivo frente a 2015 (presupuesto de IA del gobierno federal de EE. UU. FY21~FY25: 14.7 mil millones de dólares)
  • Descubrimiento de fármacos basado en IA: el tiempo para llegar a la etapa preclínica (Pre-Clinical) se redujo entre 30 y 80% frente a los métodos tradicionales (aceleración de 1.5 a 12 veces)
• También en sectores sin fines de lucro o públicos como educación, gobierno, investigación y salud, la adopción e integración de IA se está expandiendo rápidamente
  • Gracias a inversión en infraestructura, flexibilización regulatoria e investigación conjunta, también se acelera la velocidad de innovación en IA fuera del ámbito industrial

AI User + Usage + CapEx Growth = Unprecedented

• Panorama del uso de ChatGPT entre adultos en Estados Unidos
  • La proporción de adultos en EE. UU. que ha usado ChatGPT se disparó de 18% en julio de 2023 a 37% en enero de 2025
  • Entre 18 y 29 años llega a 55%, y entre 30 y 49 años a 44%, mostrando mayor adopción entre los jóvenes
  • El CEO de OpenAI, Sam Altman, señaló que “los jóvenes lo usan como asesor de vida, mientras que los mayores lo usan como reemplazo de la búsqueda”
• Aumento del tiempo promedio diario de uso de la app de ChatGPT
  • Entre julio de 2023 y abril de 2025, el tiempo promedio diario de uso aumentó 202% entre los usuarios de la app de ChatGPT en EE. UU.
  • Pasó de unos 7 minutos al día a casi 20, lo que refleja un fuerte incremento en el nivel de involucramiento con las apps de IA
• Aumento de sesiones y del tiempo por sesión en la app de ChatGPT
  • Entre julio de 2023 y abril de 2025, la cantidad promedio de sesiones creció 106% y el tiempo por sesión también aumentó 47%
  • Los usuarios usan la app con más frecuencia y durante más tiempo, mientras las herramientas de IA se integran en la vida cotidiana
• Comparación de la retención semanal de usuarios entre ChatGPT y Google Search
  • Entre enero de 2023 y abril de 2025, la retención semanal de ChatGPT fue de 80%, muy por encima del 58% de Google Search
  • La lealtad de los usuarios hacia los servicios de IA aparece como más alta que la de la búsqueda tradicional
• Efectos del uso de chatbots de IA en los lugares de trabajo de Estados Unidos
  • Más del 72% de los trabajadores estadounidenses que usan chatbots de IA reportó resultados laborales “más rápidos y mejores”
  • Se reportaron cambios positivos tanto en eficiencia laboral como en calidad del trabajo
• Casos de uso de ChatGPT entre universitarios en Estados Unidos
  • Entre universitarios estadounidenses (18 a 24 años), los usos de ChatGPT se concentran en iniciar ensayos/proyectos, resumir texto, hacer lluvia de ideas, resolver problemas, prepararse para exámenes, investigar y tutoría, con foco en estudio, investigación y orientación profesional
  • La IA se usa activamente desde la resolución práctica de tareas hasta el trabajo creativo y la planeación de carrera
• Servicios de automatización de deep research basados en IA
  • Empresas líderes como Google Gemini, OpenAI ChatGPT y xAI Grok están ampliando sus funciones de deep research
  • Se acelera la automatización del trabajo de conocimiento avanzado, incluyendo investigación web automatizada, obtención de insights, generación automática de reportes de decenas de páginas y búsqueda de hechos

Evolución de los agentes de IA = de responder en chat a automatizar trabajo real

• Los chatbots tradicionales se limitaban a conversaciones acotadas y respuestas simples, pero los agentes de IA están evolucionando hacia proveedores de servicios capaces de gestionar por sí mismos razonamiento, ejecución y tareas de múltiples pasos
  • Ejemplos: agendar reuniones, entregar reportes, iniciar sesión en herramientas y automatizar flujos de trabajo entre varias plataformas
  • Ejecutan directamente tareas complejas solo con instrucciones en lenguaje natural
• Este cambio se parece a la transición de los sitios web estáticos de inicios de los 2000 a web apps dinámicas como Gmail y Google Maps
  • Evolucionan de una simple interfaz de mensajería a una infraestructura que ejecuta trabajo real
• A diferencia de los asistentes iniciales, que solo ofrecían entradas claras o resultados limitados, los agentes de IA ahora incorporan orientación a objetivos, autonomía y hasta guardrails, lo que les permite ejecutar procesos complejos como interpretación de intención, gestión de memoria y colaboración entre apps
• Las empresas son quienes más rápido están impulsando su adopción y, más allá de simples pruebas, ya están avanzando de lleno en inversión en frameworks y construcción de ecosistemas de agentes

• Aumento acelerado del interés global por AI Agent (tendencias de búsqueda de Google, 2024~2025)
  • El volumen de búsquedas en Google del término “AI Agent” aumentó 1,088% en solo 16 meses
  • Tras el lanzamiento de herramientas de desarrollo para AI Agent por parte de OpenAI en marzo de 2025, las búsquedas crecieron todavía más rápido, lo que sugiere un punto de inflexión técnico en la industria

• Aceleración del lanzamiento de productos de AI Agent por parte de incumbentes de IA (2024~2025)
  • Grandes empresas tecnológicas como Salesforce, Anthropic, OpenAI y Amazon están lanzando de forma continua nuevos productos basados en agentes de IA
    • Salesforce Agentforce: automatización de soporte al cliente, generación de leads, seguimiento de pedidos, etc.
    • Anthropic Claude 3.5 Computer Use: control directo de la pantalla de la computadora, extracción de datos web, compras en línea, etc.
    • OpenAI Operator: automatización de tareas complejas en línea
    • Amazon Nova Act: automatización del hogar, recopilación de información, compras, gestión de agenda, etc.
  • Los productos de AI Agent se están expandiendo más allá del chatbot tradicional hacia herramientas de automatización reales que efectivamente hacen “trabajo” por el usuario

Next Frontier For AI = Artificial General Intelligence

• ¿Qué es Artificial General Intelligence (AGI)?
  • AGI se refiere a un sistema capaz de realizar todo el rango de trabajo intelectual humano (razonamiento, planeación, aprendizaje con pocos datos, generalización del conocimiento entre distintos dominios, etc.)
  • A diferencia de los modelos actuales de IA, que destacan en áreas específicas, AGI podría resolver con flexibilidad problemas nuevos sin reentrenamiento y sin importar el campo
  • El reciente crecimiento exponencial en tamaño de modelos, datos de entrenamiento y eficiencia computacional está acelerando el desarrollo de AGI
• Momento esperado para alcanzar AGI y expectativas
  • Aunque el momento para alcanzar AGI sigue siendo incierto, las expectativas de los expertos se han adelantado significativamente en los últimos años
  • En enero de 2025, el CEO de OpenAI, Sam Altman, comentó que “ahora estamos seguros de cómo construir lo que tradicionalmente hemos entendido como AGI”
  • Esto sugiere que la brecha entre investigación y aplicación real se está reduciendo gracias a avances en arquitectura de modelos, eficiencia de inferencia y entornos de entrenamiento a gran escala
    • La inferencia es el proceso por el cual un modelo completamente entrenado genera predicciones, respuestas o contenido a partir de la entrada del usuario. Esta etapa es mucho más rápida y eficiente que el entrenamiento
  • AGI empieza a percibirse no como un punto final hipotético, sino como un umbral alcanzable
• Qué significaría alcanzar AGI
  • Si AGI se concreta, se redefinirá el papel esencial del software y del hardware
  • En vez de repetir tareas preprogramadas, los sistemas pasarán a comprender objetivos, planificar y autocorregirse en tiempo real
  • Podrían operar flujos de trabajo en investigación, ingeniería, educación y logística sin supervisión humana
  • Se adaptarían al contexto sin reentrenamiento incluso frente a problemas nuevos, funcionando como expertos humanos
  • Los robots humanoides basados en AGI podrían transformar de manera fundamental el entorno físico y la forma de trabajar
• Impacto social que traería AGI
  • AGI no sería un punto final, sino una transición gradual de capacidades
  • Las instituciones, el trabajo y las estructuras de toma de decisiones se reconfigurarán según la forma de adopción de AGI y los mecanismos de control que se establezcan
  • El efecto en productividad podría ser grande, pero también existe la posibilidad de que los beneficios se distribuyan de forma desigual
  • Se prevé que los cambios geopolíticos, éticos y económicos avancen de manera gradual
  • Como en la Revolución Industrial, la transformación digital o la revolución algorítmica, los resultados dependerán no solo de lo que la tecnología pueda hacer, sino de cómo la sociedad la adopte y la regule

AI User + Usage + CapEx Growth = Unprecedented

• En los últimos 20 años, el CapEx en el sector tecnológico ha aumentado con fuerza siguiendo un arco centrado en los datos
  • Al principio la inversión se enfocó en storage y acceso (almacenamiento/acceso), luego en distribución/escalado, y ahora el centro se ha movido hacia computación/inteligencia
• En la primera ola, el capital se concentró en grandes granjas de servidores, cables submarinos y centros de datos iniciales, sentando las bases del cloud computing con empresas como Amazon, Microsoft y Google
  • En esa etapa, el objetivo clave era “almacenar, organizar y ofrecer servicios”
• La segunda ola (aún en curso) se centra en fortalecer la infraestructura de cómputo para cargas de trabajo de IA
  • El CapEx de los hyperscalers (operadores de centros de datos a gran escala) se está desplazando hacia infraestructura especializada como GPU, TPU, aceleradores de IA, enfriamiento líquido y diseño avanzado de data centers
  • En 2019 la IA era una función de investigación, pero para 2023 ya había pasado a ser un rubro clave dentro del CapEx (gasto de capital)
• Brad Smith, presidente de Microsoft (blog del 25/4):
  • “Al igual que una tecnología de propósito general como la electricidad, la IA y los centros de datos en la nube representan la siguiente etapa de la industrialización”
• Las grandes tecnológicas globales están realizando inversiones anuales de decenas de miles de millones de wones
  • Ya no se trata solo de recolectar datos, sino de que la ventaja competitiva radica en la capacidad de aprender rápido, personalizar en profundidad y desplegar ampliamente

• El gasto de CapEx (inversión en infraestructura) de grandes empresas tecnológicas como AWS, NVIDIA, MSFT, Google, Apple y Meta ha venido aumentando de forma sostenida durante años

Data Centers = beneficiarios clave del gasto de CapEx en AI

• Para entender la economía de la infraestructura de AI, es necesario observar la velocidad y la escala de construcción de los data centers
  • Impulsado por la explosión de la demanda centrada en AI, el CapEx (gasto de capital) en data centers de las empresas globales de IT alcanzó un máximo histórico y sigue acelerándose, llegando a 455 mil millones de dólares en 2024
• Tanto los hyperscalers como las empresas AI-first están invirtiendo miles de millones de dólares no solo en almacenamiento, sino también en infraestructura de hardware de alto rendimiento y alto consumo energético para inferencia en tiempo real y entrenamiento de modelos a gran escala
  • A medida que la AI pasa de ser una tecnología experimental a una infraestructura esencial, los data centers también ocupan una posición central en esa transición
  • Jensen Huang, CEO de NVIDIA, destacó que “ahora los data centers de AI son fábricas de AI”
• El data center xAI Colossus en Memphis, Tennessee, completó un complejo equivalente a 418 viviendas en solo 122 días, logrando una velocidad y eficiencia sin precedentes (menos de la mitad del tiempo promedio de construcción de una vivienda en EE. UU.)
  • Gracias a módulos prefabricados, permisos acelerados e integración vertical de electricidad, mecánica y software, ha llegado la era en la que los data centers se construyen a la velocidad del desarrollo de productos de IT
• El CapEx de los data centers está determinado por terreno, energía, chips y sistemas de enfriamiento, y las cargas de trabajo de AI generan demandas de calor y energía muy superiores a las de la computación empresarial tradicional
  • El OpEx (gasto operativo) se concentra en costos de energía y mantenimiento de sistemas, especialmente porque los clústeres de entrenamiento de AI de alta densidad operan de forma continua a carga máxima
• Los ingresos provienen de la venta de cómputo (AI API, tarifas de plataformas empresariales, mejoras internas de productividad, etc.), pero para las empresas que construyen infraestructura por adelantado, el periodo de recuperación de la inversión puede alargarse
  • En las startups, pueden pasar varios trimestres o incluso años desde la construcción de la infraestructura hasta su monetización
• Desde la perspectiva de la cadena de suministro, asegurar infraestructura eléctrica (transformadores, subestaciones, turbinas, GPU, cables, etc.) está emergiendo como un nuevo cuello de botella
  • Los data centers no son solo activos físicos, sino hubs estratégicos de infraestructura para bienes raíces, energía, logística, cómputo y monetización de software
• Las empresas que resuelvan correctamente este rompecabezas complejo definirán en adelante el mapa geográfico de la economía de la AI

Data Centers = grandes devoradores de electricidad

• La tensión entre la AI y la infraestructura energética se está profundizando gradualmente
  • Debido al avance de la AI, los data centers especializados en AI ya registran un consumo eléctrico comparable al de la industria pesada tradicional
  • La enorme capacidad de cómputo necesaria para entrenar y servir modelos de AI es una causa principal del aumento explosivo de la demanda eléctrica
• En 2024, los data centers representaron aproximadamente el 1.5% del consumo eléctrico mundial
  • Desde 2017, el consumo eléctrico global de los data centers ha crecido a una tasa anual compuesta de 12%
  • Esto equivale a más de 4 veces la velocidad de crecimiento del consumo eléctrico total
• En participación del consumo eléctrico por país, EE. UU. ocupa el primer lugar con 45%, seguido por China (25%) y Europa (15%)
  • Casi la mitad de la capacidad de data centers en EE. UU. se concentra en cinco grandes clústeres regionales
  • Los mercados emergentes y países en desarrollo (excluyendo China) representan 50% de los usuarios de internet, pero concentran menos del 10% de la capacidad de data centers
• Con la expansión de la AI, la red eléctrica (grid) y la infraestructura de suministro están emergiendo como cuellos de botella para el desempeño de la AI
  • Ya no son los datos ni los algoritmos, sino el suministro eléctrico el que se está convirtiendo en la principal limitación para el crecimiento de la AI
• Al mismo tiempo, la AI está acelerando la eficiencia operativa y la innovación dentro de la industria energética
  • La optimización basada en AI ya se está aplicando de lleno en toda la cadena de suministro de energía: electricidad, minerales, transmisión y consumo
  • Pero mientras la demanda de AI y los costos energéticos sigan aumentando, los data centers terminarán ofreciendo servicios solo a clientes con capacidad de pagar esos costos

Altos costos de cómputo de modelos de AI / en aumento + costos de inferencia por token a la baja = convergencia del desempeño + aumento en el uso por desarrolladores

• El entrenamiento de modelos de lenguaje grandes (LLM) es una de las tareas más intensivas en costos de la historia de la humanidad, y conforme aumentan el número de parámetros y la complejidad de los algoritmos para mejorar el desempeño, los costos de entrenamiento se disparan a miles de millones de dólares
  • Cuanto más se intensifica la competencia por construir los mejores modelos de propósito general, más difícil se vuelve diferenciar la calidad del resultado y más se deteriora la rentabilidad, generando un fenómeno de “convergencia”
• En cambio, los costos de inferencia están cayendo rápidamente
  • Por ejemplo, la GPU NVIDIA 2024 Blackwell redujo el consumo de energía por token en 105 mil veces frente a Kepler de 2014
  • Gracias a la innovación en hardware y a las mejoras en eficiencia algorítmica de los modelos, el costo de inferencia por token está bajando rápidamente
• La caída del costo de inferencia intensifica la competencia entre proveedores de LLM
  • La competencia ya no es solo por precisión, sino también por latencia, disponibilidad y precio por token
  • Los costos en dólares ya están bajando a unos cuantos centavos, y pronto estarán por debajo de 1 centavo
• Desde la perspectiva del usuario (desarrollador), esto permite acceder a AI potente a bajo costo
  • Se activa el desarrollo de nuevos servicios y productos, y el uso real por parte de usuarios y aplicaciones también está creciendo rápidamente
• Para los proveedores de modelos, surgen nuevos desafíos de deterioro de rentabilidad y cambio en el modelo de negocio
  • Como entrenar es caro y servir es barato, se están explorando nuevas estrategias como integración vertical/horizontal y mercados de LLM especializados
  • Los LLM de propósito general empiezan a mostrar señales de una guerra de desgaste sin rentabilidad
  • Con la aparición de modelos pequeños y personalizados, está entrando de lleno la experimentación con estructuras de ingresos diferenciadas frente a los grandes modelos tradicionales

Costos de inferencia por token a la baja

• La reducción en los costos de inferencia de AI repite un patrón clásico del avance computacional
  • Como dijo en 1997 Nathan Myhrvold, CTO de Microsoft, “el software es como un gas: llena por completo el recipiente que se le da”; del mismo modo, la demanda de AI está creciendo hasta aprovechar toda la infraestructura disponible
  • Cuanto mejor es el desempeño del modelo, más explota el uso (consultas, tokens, número de modelos), y también se expande rápidamente el alcance y la frecuencia de uso de la inteligencia artificial
• La velocidad de avance de la infraestructura también está en niveles récord
  • En 2024, la GPU NVIDIA Blackwell mejoró 105 mil veces la eficiencia energética en generación de tokens frente a Kepler de 2014
  • Esto implica que no se trata solo de una reducción de costos, sino del resultado de innovaciones en arquitectura de hardware y materiales
• La mejora en la eficiencia del hardware es un factor clave para compensar la carga eléctrica de la creciente demanda de AI e internet
  • Pero hasta ahora, estas mejoras no han logrado frenar por completo el aumento de la demanda eléctrica total
  • Este fenómeno es similar a la Paradoja de Jevons de 1865
    • La paradoja según la cual, cuanto mayor es la eficiencia de un recurso, más aumenta su consumo total también se está repitiendo en la AI
• En consecuencia, la vieja fórmula tecnológica de caída de costos, mejora del desempeño y aumento del uso también se repite en la AI
  • El avance de la infraestructura vuelve a impulsar el aumento en el uso de AI y genera nuevas preocupaciones sobre la infraestructura eléctrica y la producción de energía

Convergencia del desempeño

• Rápida convergencia entre los modelos de AI mejor posicionados en desempeño
  • Según los datos de LMSYS Chatbot Arena de Stanford HAI (2024~2025), las puntuaciones de evaluación de chatbot de los modelos de Google, OpenAI y DeepSeek fueron 1,385, 1,366 y 1,362, dejando apenas una diferencia mínima de alrededor de 1~2%
  • En un año, la brecha de puntajes entre los modelos líderes se ha ido reduciendo, y la tendencia hacia una nivelación de facto en la competencia de desempeño es cada vez más clara
• Cada vez es más difícil diferenciar la calidad entre los LLM más recientes
  • Desde la perspectiva del usuario, se está formando un entorno en el que “casi da igual qué modelo uses”
  • Es cada vez más probable que los proveedores de modelos se desplacen hacia competir en factores no relacionados con el desempeño, como costo, estabilidad del servicio y funciones especializadas

Aumento en el uso por desarrolladores

• El aumento explosivo en la actividad de desarrolladores de AI se debe a la caída drástica de los costos de inferencia y a la mayor accesibilidad a modelos capaces
  • Entre 2022 y 2024, el costo por token de ejecutar modelos de lenguaje cayó aproximadamente 99.7%
    • Esto se debe a avances acelerados en hardware y eficiencia algorítmica
    • Tecnologías que antes solo estaban al alcance de grandes empresas ahora pueden ser usadas fácilmente por desarrolladores individuales, creadores independientes de apps, investigadores y pequeños negocios
  • El colapso de costos abarata la experimentación y acelera la iteración y la productización
    • Cualquiera con una idea puede desarrollar servicios de AI con facilidad
• A medida que el rendimiento de los modelos converge rápidamente, cambia la fórmula para elegir modelos
  • Se reduce la brecha entre los grandes modelos de gama alta y las alternativas más pequeñas y eficientes
  • En muchas tareas reales como resumen, clasificación, extracción y routing, casi no hay diferencia en el rendimiento real
  • Ahora los desarrolladores pueden obtener resultados similares con modelos más baratos o con ejecución local/APIs de bajo costo, en lugar de modelos premium costosos
  • El efecto se maximiza especialmente al hacer fine-tuning con datos específicos de la tarea
• Este cambio debilita el apalancamiento de precios del "estatus establecido" de los modelos y promueve la democratización del desarrollo de AI
  • En vez de depender de un solo proveedor, se combinan y distribuyen modelos de distintos ecosistemas
  • OpenAI ChatGPT, Meta Llama, Mistral Mixtral, Anthropic Claude, Google Gemini, Microsoft Phi, etc.
    • Entre modelos con fortalezas diferentes, es posible elegir el modelo óptimo según necesidades técnicas y financieras
  • Se deja atrás el lock-in de plataforma y se pasa a una era de elección y distribución liderada por desarrolladores
• Se está formando un flywheel de crecimiento de infraestructura impulsado por desarrolladores
  • A medida que más desarrolladores crean apps AI-native, se dispara el ecosistema de herramientas/wrappers/librerías/frameworks
  • Frameworks de frontend, pipelines de embeddings, routers de modelos, vector DBs, capas de serving, etc.
    • Cada ola de actividad de desarrolladores reduce la barrera de entrada para la siguiente
• Se acorta el tiempo entre la idea y el prototipo, y entre el prototipo y el producto
  • No solo bajan los costos, también disminuye rápidamente la complejidad
  • Más allá de un cambio de plataformas, se está abriendo una era de explosión creativa
• Históricamente, se repite el patrón de que las plataformas con más desarrolladores (y uso sostenido) terminan siendo las ganadoras
  • Como se vio en el discurso de Steve Ballmer de Microsoft: “Developers! Developers! Developers!”, los desarrolladores son clave
  • La plataforma que logre adopción de desarrolladores, escala sostenida y mejora continua terminará dominando el mercado

The AI Developer Next Door

• La adopción de herramientas de desarrollo con AI se disparó (2023~2024, Stack Overflow)
  • Frente a 2023, en 2024 aumentó con fuerza la proporción de desarrolladores que usan herramientas de AI
  • Entre desarrolladores profesionales subió de 44% a 63%, y entre quienes aprenden a programar de 55% a 65%
• Explosión de repositorios open source de desarrolladores de AI (GitHub, 2022.11~2024.3)
  • La cantidad de repositorios de desarrolladores de AI en GitHub creció cerca de 175% en 16 meses
  • Tras la aparición de modelos/herramientas clave como ChatGPT y Stable Diffusion, el ecosistema de desarrollo creció de forma explosiva
• Expansión del ecosistema de desarrolladores de AI (según Google, uso mensual de tokens)
  • De 10 billones de tokens en mayo de 2024 a 480 billones en mayo de 2025, un aumento de 50 veces en solo un año
  • El uso de desarrolladores se expandió fuertemente a través de Google Gemini, AI API y otros servicios
• Crecimiento del ecosistema de Microsoft Azure AI Foundry (uso trimestral de tokens)
  • De 20 billones en el 1T de 2024 a 100 billones de tokens en el 1T de 2025, un crecimiento de 5 veces
  • Más de 70 mil empresas y desarrolladores ya lo utilizan
• Diversificación de casos de uso de desarrolladores de AI (2024, según IBM)
  • El uso de AI se acelera en una amplia variedad de áreas, como generación de código, detección/corrección de bugs, automatización de pruebas, gestión de proyectos/workflows, documentación, refactorización/optimización, refuerzo de seguridad, CI/CD, diseño UX y arquitectura

AI Usage + Cost + Loss Growth = Unprecedented

• El crecimiento de AI, junto con la escala de sus costos y pérdidas, está aumentando a niveles sin precedentes
  • Señales de riesgo como “esta vez es diferente”, “la rentabilidad llegará con economías de escala” o “monetizaremos a los usuarios después” antes solían terminar en fracaso, pero en las inversiones de big tech también ha habido casos reales de éxito
  • La actual carrera de AI reúne al mismo tiempo capital de escala sin precedentes y grandes empresas con liderazgo fundador
  • La competencia entre potencias globales como Estados Unidos y China acelera la innovación en AI
• Cada gran adopción tecnológica ha tenido un punto de inflexión
  • En computadoras personales fueron Macintosh (1984) y Windows 3.0 (1990); en internet, el IPO de Netscape (1995); en móvil, el App Store del iPhone (2008); en cloud, AWS (2006~09); y en AI, NVIDIA A100 (2020) y ChatGPT (2022) fueron detonantes decisivos
  • En 2025, la aparición de DeepSeek en China marcó una nueva señal de intensificación de la competencia global en AI
• El financiamiento para el crecimiento de AI proviene de los enormes flujos de caja de las grandes tecnológicas y del capital global
  • La combinación de competencia feroz, capital y espíritu emprendedor acelera el avance de la AI
• Aun así, todavía no está claro cuál será el modelo de negocio ganador final

Technology Disruption Pattern Recognition = Hundreds of Years of Consistent Signals

• En la historia de la innovación tecnológica se repite el ciclo de sobrecalentamiento inicial, entrada de capital, intensificación de la competencia y separación entre ganadores y perdedores
  • Ejemplo: los ferrocarriles del siglo XIX, la burbuja de la década de 1840, el colapso de expectativas, etc.
• Las tecnologías que requieren grandes inversiones de capital suelen mostrar retornos decepcionantes al inicio, pero si tienen éxito cambian la estructura industrial a largo plazo
  • Aun así, si no están protegidas frente a la competencia, implican un riesgo elevado
• El ganador final no siempre es quien tiene la mejor tecnología, sino quien interpreta con mayor claridad la dirección del mercado y de la industria
• En mercados sin barreras de entrada, la ventaja del first mover desaparece rápidamente
  • Vale la pena recordar la lección de que “es difícil predecir a los ganadores de una nueva tecnología, pero es fácil ver a los perdedores”

AI-Related Monetization = Very Robust Ramps

• Evolución de la estrategia de hardware para AI: el liderazgo en el diseño de chips se está moviendo de los vendors tradicionales a las empresas de plataforma
  • Los GPU de NVIDIA han sido por mucho tiempo el motor base del entrenamiento y la inferencia en AI, asegurando una posición dominante
  • Debido al aumento explosivo de la demanda, la escasez de oferta persiste incluso con la rápida expansión productiva de NVIDIA, y los hyperscalers y proveedores cloud avanzan en la diversificación de la cadena de suministro
• Ascenso de los chips personalizados (ASIC): se acelera la adopción de ASIC optimizados para cargas específicas de AI frente a los GPU de propósito general
  • Los TPU de Google y los chips Trainium de Amazon ya son componentes centrales de sus respectivos stacks de AI
    • Amazon Trainium2 ofrece 30~40% mejor precio/rendimiento que los GPU convencionales, con potencial para reducir costos de inferencia a gran escala
  • Estos chips personalizados no son simples experimentos, sino una estrategia central para controlar rendimiento, economía y arquitectura
• Se expanden los esfuerzos por mejorar la economía de la infraestructura de AI
  • El CEO de Amazon, Andy Jassy: "La AI no necesariamente tiene que ser tan cara como ahora, y en el futuro será más barata"
  • El silicio personalizado es una de las herramientas clave para reducir el costo de la infraestructura de AI
• Crecimiento de empresas especializadas en infraestructura de AI
  • CoreWeave: creció rápidamente al reconfigurar cadenas de suministro de hardware de gaming y criptomonedas en una nube de GPU para AI
  • Oracle: pasó del IT tradicional a una plataforma cloud de GPU especializada en AI
  • Astera Labs: suministra interconexiones de ultra alta velocidad entre GPU y memoria, ayudando a superar los límites de rendimiento de modelos a gran escala
• Estas empresas no desarrollan directamente modelos fundacionales, pero construyen infraestructura esencial para ese ecosistema
  • A medida que la demanda de cómputo se dispara, velocidad, disponibilidad y eficiencia emergen como factores centrales de competitividad

AI Monetization = Chips

• Los ingresos por chips de IA de grandes empresas como NVIDIA, Google y Amazon están creciendo rápidamente
  • Los ingresos trimestrales de NVIDIA aumentaron 78% interanual y superaron los 39 mil millones de dólares, impulsados principalmente por la división de centros de datos
  • En la última década, los ingresos de NVIDIA crecieron 28 veces, y la inversión en CapEx + R&D de las big tech de EE. UU. (Apple, Microsoft, Alphabet, Amazon, Meta y NVIDIA) también se multiplicó por 6
  • Se estima que los ingresos de TPU (Tensor Processing Unit) de Google crecieron 116% anual hasta alcanzar 8.9 mil millones de dólares
    • El TPU de Google es un chip ASIC especializado para el entrenamiento de modelos de IA, y desde el lanzamiento de su primera versión en 2015 se han producido más de 100 mil unidades acumuladas
  • Se proyecta que los ingresos por chips AWS Trainium de Amazon crecerán 216% anual hasta llegar a 3.6 mil millones de dólares en 2025
    • Trainium2 ofrece una ventaja de precio/rendimiento de 30~40% frente a las instancias tradicionales basadas en GPU, con hasta 4 veces más rendimiento
• Factores detrás del crecimiento del mercado de chips de IA
  • Con el aumento explosivo de la demanda de entrenamiento e inferencia de IA, la demanda por chips de alto rendimiento como GPU y ASIC está creciendo de forma acelerada
  • Las principales empresas de nube e hyperscalers se están enfocando en diseñar sus propios chips y fortalecer su cadena de suministro, mejorando su competitividad en precios y la eficiencia de su infraestructura
  • Los chips especializados para IA como GPU, TPU y Trainium se están consolidando como fuentes clave de ingresos para los centros de datos y como factores decisivos de competitividad en la infraestructura de IA

AI Monetization = Compute Services

• Crecimiento del mercado de servicios de cómputo de IA
  • Los ingresos de 2024 de CoreWeave, empresa de nube especializada en infraestructura de IA, aumentaron 730% interanual hasta llegar a 1.9 mil millones de dólares
  • El crecimiento del negocio se está acelerando gracias a grandes contratos con clientes clave como OpenAI, su IPO y la adquisición de Weights & Biases
  • A medida que se dispara la demanda de infraestructura de nube de alto rendimiento para cargas de trabajo de IA, continúa el crecimiento ultrarrápido de ingresos entre las empresas proveedoras de infraestructura
• Expansión del mercado de infraestructura de IA
  • Según estimaciones de Morgan Stanley, los ingresos de infraestructura de IA de Oracle crecieron 50 veces en solo 2 años y llegaron a 950 millones de dólares en 2024
  • Con el aumento de la demanda de infraestructura de IA, hay grandes contratos con nuevos clientes en espera y existen reservas importantes que aún no han empezado a atenderse de lleno
  • El CEO de Oracle mencionó que, con la llegada masiva de clientes de infraestructura de IA, hay “más de 40 nuevos contratos de más de mil millones de dólares”
• Crecimiento de la conectividad de infraestructura de IA
  • Astera Labs registró ingresos de 396 millones de dólares en 2024, un crecimiento de 242% interanual
  • Su portafolio de productos de conectividad de alta velocidad como PCIe, CXL y Ethernet se está implementando en múltiples clientes y plataformas, consolidándose como infraestructura esencial dentro de los centros de datos de IA, como la conexión de GPU y los clústeres de aceleradores de IA de backend
• Recolección de datos de IA y supercómputo
  • Gracias al supercomputador Dojo y a la adopción masiva de GPU, Tesla aumentó su capacidad de entrenamiento de IA en 8.5 veces frente a junio de 2021 (con base en septiembre de 2024)
  • Se considera que Dojo no solo tiene un enorme potencial para revolucionar los costos internos de entrenamiento, sino también para convertirse en un servicio externo al estilo de AWS
  • Elon Musk comentó que “el potencial de Dojo es muy grande”

AI Monetization = Data Layer

• La monetización de la capa de datos de IA se está acelerando
• Scale AI incrementó sus ingresos 160%, al pasar de 335 millones de dólares en 2023 a 870 millones en 2024
  • Proporciona infraestructura clave para la expansión de frontier LLM, incluyendo etiquetado de datos, evaluación y construcción de pipelines
  • Presentó la visión de que “la abundancia de datos es una elección, y no permitiremos que los límites de la IA estén definidos por la escasez de datos”
  • Solo en 2024 aseguró más de 1.5 mil millones de dólares en nuevos contratos
• VAST Data alcanzó 2 mil millones de dólares en ingresos acumulados entre enero de 2019 y mayo de 2025
  • Simplifica la capa de infraestructura de IA y ofrece servicios de almacenamiento, gestión y procesamiento de datos
  • Con el auge de los modelos de AI Reasoning, se vuelve más evidente la importancia de la infraestructura de datos
  • Destacó que “para materializar el mayor potencial en la era de la IA, la clave es simplificar los problemas fundamentales”

Alto crecimiento de ingresos, enorme consumo de efectivo, altas valuaciones, gran escala de inversión = buenas noticias para los consumidores, para lo demás todavía no está claro

• A medida que crece la base global de usuarios digitales y aumenta la posibilidad de un fuerte salto en el uso, el área de inversión empresarial se está volviendo cada vez más competitiva e intensiva en capital
  • La destrucción creativa del ciclo tecnológico de la IA muestra similitudes con el proceso de crecimiento de grandes empresas de TI del pasado
• Casos de grandes tecnológicas del pasado como Apple, Amazon, Google, Uber y Tesla:
  • Apple: pasó de una capitalización bursátil de 1.7 mil millones de dólares en 1997, cuando estaba al borde de la quiebra, a 3.2 billones de dólares en la actualidad
  • Amazon: registró una pérdida anual de -545 millones de dólares en 2000, acumuló -3 mil millones de dólares en pérdidas durante 27 trimestres desde su fundación, y en los 27 trimestres más recientes reportó 176 mil millones de dólares en utilidad neta, con una capitalización de mercado de 2.2 billones de dólares
  • Google: al momento de su IPO en 2004, invertía 22% de sus ingresos de 390 millones de dólares en CapEx, y pasó de una valoración de 23 mil millones de dólares en la IPO a 2 billones de dólares actualmente
  • Uber: quemó -17 mil millones de dólares entre 2016 y 2022, logró su primer año rentable en 2023, y pasó de una capitalización bursátil de 82 mil millones de dólares en su IPO a 189 mil millones de dólares actualmente
  • Tesla: consumió -9.2 mil millones de dólares entre 2009 y 2018, logró su primer año rentable en 2019 y acumuló 40 mil millones de dólares en utilidad neta durante los 5 años siguientes; hoy su capitalización bursátil es de 1.1 billones de dólares
• Todas estas empresas construyeron efectos de red basados en datos y ventajas competitivas basadas en tecnología al asumir inversiones agresivas y pérdidas prolongadas, y finalmente demostraron su valor en el mercado
• En última instancia, la valuación empresarial debe justificarse por el valor presente del flujo de caja libre futuro
• También en el campo de la IA, el tiempo demostrará qué actores podrán generar ingresos sostenibles de forma definitiva

Usage + Cost + Loss Growth = niveles sin precedentes… ¿rentabilización y ganancias en el futuro?

AI Monetization Possibilities = New Entrants & / Or Tech Incumbents?

• Para entender hacia dónde va la estructura económica de los modelos de IA, hay que observar la tensión entre capacidad y costo
• El entrenamiento de LLM hiperescalados es uno de los intentos más costosos en la historia de la humanidad, y el costo se está disparando hacia miles de millones de dólares debido al aumento en la cantidad de parámetros y la complejidad de la arquitectura
• En cambio, el costo de la inferencia (Inference) está cayendo drásticamente gracias a la innovación en hardware y a la eficiencia algorítmica
  • Ejemplo: la GPU Blackwell 2024 de NVIDIA reduce en 105,000 veces la energía por token frente a Kepler 2014
• Cuanto más barata se vuelve la inferencia, más se intensifica la competencia entre proveedores de LLM en precisión, latencia, disponibilidad y costo por token, y tareas que antes eran costosas ahora pueden realizarse a un costo casi despreciable
• Para usuarios y desarrolladores, la caída del costo unitario representa una oportunidad, impulsando una explosión de nuevos servicios y usos
• En cambio, para los proveedores de modelos, el modelo de monetización y rentabilidad se vuelve incierto
  • El entrenamiento sigue siendo caro, mientras que la provisión (serving) se abarata, debilitando el poder de fijación de precios
  • Está surgiendo un mercado de modelos pequeños personalizados, lo que debilita los business moats existentes
• Ejemplo: Google introdujo AI Overviews en Search desde mayo de 2024 (1.5 mil millones de MAU al 15 de abril de 2025), y recientemente comenzó a aplicar publicidad en parte del servicio
• Hacia adelante, se espera una aceleración de la competencia entre estrategias de plataforma (expansión horizontal), aplicaciones especializadas y diversos modelos de monetización como suscripciones y publicidad
• En el corto plazo, la economía de los LLM de propósito general se está acercando cada vez más a pérdidas de nivel venture y a una competencia de comoditización

AI – New Entrants = Rapidly Laying Groundwork

• Estado de adopción de modelos de suscripción para consumidores entre los principales proveedores de modelos fundacionales de IA (a mayo de 2025)
  • Diversos modelos como OpenAI ChatGPT, xAI Grok, Google Gemini, Anthropic Claude y Perplexity ofrecen suscripciones gratuitas/de pago
    • OpenAI ChatGPT: $0 (gratis) / $20 (Plus) / $200 (Pro) (mensual)
    • xAI Grok: $0 (gratis) / $3 (Basic) / $8 (Premium) / $40 (Premium+) (mensual)
    • Google Gemini: $0 (gratis) / $19.99 (AI Pro) / $250 (AI Ultra) (mensual)
    • Anthropic Claude: $0 (gratis) / $17 (Plus) / $100 (Max) (mensual)
    • Perplexity: $0 (gratis) / $20 (Pro) (mensual)
• Estado de adopción de planes de precios de API para desarrolladores entre los proveedores de modelos fundacionales de IA (a mayo de 2025)
  • OpenAI, xAI Grok, Google Gemini, Anthropic Claude y Perplexity, entre otros, cobran tarifas por llamada de API
    • OpenAI ChatGPT: $0.40 (GPT-4.1 nano) ~ $40 (o3) por 1 millón de tokens
    • xAI Grok: $0.50 (grok-3-mini-beta) ~ $25 (grok-3-fast) por 1 millón de tokens
    • Google Gemini: $0.15 (1.5 Flash-8B) ~ $15 (2.5 Pro Preview) por 1 millón de tokens
    • Anthropic Claude: $1.25 (Claude 3 Haiku) ~ $75 (Claude 3 Opus) por 1 millón de tokens
    • Perplexity: $1 (Sonar) ~ $15 (Sonar Pro) por 1 millón de tokens

AI – New Entrants = Rapid Revenue Growth

• Crecimiento del número de suscriptores de pago y de los ingresos anuales de OpenAI (octubre de 2022 ~ abril de 2025)
  • Los suscriptores de pago de ChatGPT crecieron 153% anual, llegando a cerca de 20 millones en abril de 2025
  • Los ingresos anuales de OpenAI crecieron 1050%, superando los 3.7 mil millones de dólares en abril de 2025
• Los ingresos anualizados de Anthropic basados en API y búsqueda generativa crecieron 20 veces (2 mil millones de dólares) en 18 meses
  • Estrategia de nuevos modelos centrados en reasoning, como Claude 3.7 Sonnet, y expansión del uso de IA orientado a trabajo real
  • Crecimiento de 6.4 veces en un año
• Los ingresos anualizados de Perplexity basados en búsqueda generativa crecieron 7.6 veces (120 millones de dólares) en 14 meses
  • Se enfatiza la entrega de fuentes de respaldo en cada respuesta y la función de asistente de investigación personalizado
• Los ingresos anualizados de Glean en búsqueda empresarial y agentes crecieron 10 veces (100 millones de dólares) en 24 meses
  • Diseñado para apoyar la adopción de IA en grandes empresas y permitir el uso del conocimiento de toda la organización
• Las empresas de IA (las 100 principales) tardan en promedio 24 meses en alcanzar ingresos anualizados de 5 millones de dólares
  • Un ritmo 35% más rápido que las empresas SaaS tradicionales (promedio SaaS: 37 meses, promedio IA: 24 meses)

AI –Tech Incumbents = Broad & Steady Product / Feature Rollouts

• Situación global de usuarios y dispositivos de IA de los Tech Incumbents, en comparación con los usuarios de ChatGPT (800 millones)
  • Google, Meta, Apple, TikTok, Microsoft, Spotify, Amazon, X y Canva, entre otros, están expandiendo gradualmente sus productos de IA sobre una base de cientos de millones a miles de millones de usuarios
• Canva – Background Remover & Magic Media (12/19)
  • La función de eliminación de fondo de imágenes lanzada en 2019 ha mantenido una popularidad constante y ya supera los 3 mil millones de usos acumulados
  • Magic Media (texto → imagen/video), lanzado en 2024, ha tenido una fuerte respuesta de la comunidad, con más de 290 millones de creaciones generadas en su primer año
• Spotify – AI DJ (2/23)
  • Funciones innovadoras como AI DJ y videos musicales con IA se lanzaron globalmente desde febrero de 2023, y a mayo de 2024 estaban disponibles en más de 60 países
  • AI DJ mejora la satisfacción de los usuarios y la calidad del servicio de Spotify mediante recomendaciones musicales personalizadas, interacción y reasoning en tiempo real basado en datos
• Microsoft – Copilot (2/23)
  • Microsoft introdujo Copilot en Bing y Edge en febrero de 2023, y en diciembre de 2024 registró más de 15 mil millones de conversaciones acumuladas
  • Copilot ofrece una nueva experiencia de usuario impulsada por IA en búsqueda web, navegador y herramientas de oficina, contribuyendo a mejorar la eficiencia y la creatividad en el trabajo diario
• Meta Platforms – Meta AI (9/23)
  • A abril de 2025, Meta AI está cerca de los 1,000 millones de usuarios activos mensuales (MAU) sumando todas sus apps, como Instagram, Messenger y WhatsApp
  • Se destaca una estrategia orientada a asegurar liderazgo futuro en el desarrollo de agentes de IA a nivel de ingeniero intermedio y en la aplicación de la investigación de IA en campo
• X – Grok (11/23)
  • Grok de xAI lanzó la versión 3.0 en febrero de 2025, y al mismo tiempo sus visitantes globales en desktop se dispararon 42 veces frente al mes anterior, superando los 150 millones
  • Se enfatizan la búsqueda de la verdad de la IA (value alignment) y el despliegue a gran escala, mientras se expande la experiencia de IA dentro de la plataforma X
• Google – Gemini & AI Overviews (12/23)
  • A mayo de 2024, el chatbot Gemini tenía 400 millones de MAU, y AI Overviews, integrado en Google Search, llegó a 1,500 millones de usuarios mensuales
  • Sus fortalezas son los modelos de IA multimodales que abarcan distintos tipos de datos (texto, código, imagen, audio, etc.) y la función de resúmenes con IA dentro de la búsqueda
• Amazon – Rufus (2/24)
  • Amazon introdujo Rufus AI en el área de retail de Norteamérica en febrero de 2024, mejorando las recomendaciones personalizadas en información de productos y resúmenes de reseñas
  • Junto con el crecimiento del volumen bruto de mercancías (GMV) del negocio retail, el uso de IA sigue expandiéndose de forma continua
• TikTok – Symphony AI Assistant (6/24)
  • Desde la introducción de Symphony Assistant en junio de 2024, las visitas al sitio web global de TikTok se contabilizaron en más de 2 mil millones
  • Se han obtenido resultados concretos en generación de contenido para marcas y creadores, eficiencia publicitaria y favorabilidad de marca mediante IA
• Apple – Apple Intelligence (10/24)
  • Entre septiembre de 2024 y marzo de 2025, las ventas de dispositivos compatibles con Apple Intelligence, como iPhone 15 Pro/Pro Max y la serie iPhone 16, alcanzaron entre 50 y 70 millones de unidades
  • El enfoque está en ofrecer experiencias de IA basadas en personalización, privacidad y cómputo local mediante la integración de hardware y software

AI –Tech Incumbents = Rapid Revenue + Customer Growth

• Ingresos de productos de IA de Microsoft
  • En 2024, se estima que los ingresos anuales del segmento de productos de IA de Microsoft alcanzaron los 13 mil millones de dólares, un aumento interanual de 175%
  • Diversas líneas de productos de IA, como Azure AI Services, Microsoft 365 Copilot y Dynamics 365 Copilot, impulsaron el crecimiento de los ingresos
  • El CEO Satya Nadella mencionó que “están ayudando a materializar el retorno sobre la inversión (ROI) en IA y aprovechando una enorme oportunidad”
  • En la presentación de resultados del primer trimestre de 2025, destacó que las reservas comerciales (Commercial bookings) aumentaron 18%
• xAI: búsqueda generativa
  • Se espera que en 2025 los ingresos anuales de xAI comiencen a aumentar de forma significativa
  • Su modelo más reciente, Grok 3, basado en la supercomputadora Colossus y con más de 10 veces la capacidad de cómputo, mejoró su desempeño en tareas exigentes de razonamiento, matemáticas, programación y conocimiento
  • El CEO Elon Musk enfatizó que se trata de una “IA orientada a la búsqueda de la verdad, incluso si se trata de verdades políticamente incómodas”
• Clientes comerciales de Palantir en EE. UU.
  • Palantir alcanzó 432 clientes comerciales en Estados Unidos, un aumento de 65% en solo un año
  • Su plataforma de IA AIP (Artificial Intelligence Platform) contribuyó a atraer nuevos clientes y a expandir los existentes
  • En 2025, sus ingresos comerciales en Estados Unidos superaron los mil millones de dólares en términos anuales
  • La ventaja competitiva de Palantir radica en “maximizar el contexto dentro de la empresa mediante AI Ontology y ofrecer una capacidad de ejecución diferenciada”

Posibilidades de monetización de la IA – Empresa = ¿plataforma horizontal y/o software especializado?

• Dirección de la monetización de la IA empresarial
  • El software empresarial tradicional ha crecido como herramientas especializadas para industrias y tareas específicas (Vertical SaaS)
  • Soluciones especializadas por industria como Toast (restaurantes), Guidewire (seguros) y Veeva (ciencias de la vida) han liderado sus respectivos mercados
  • Sin embargo, con la aparición de los foundation models y la IA generativa, se están abriendo nuevas oportunidades de monetización en diversos sectores
• El auge de las plataformas horizontales
  • Están surgiendo plataformas empresariales horizontales que integran productividad nativa de IA, búsqueda, comunicación y gestión del conocimiento en una sola interfaz
  • Ejemplo: una combinación de Slack + Notion + ChatGPT, que integra inteligencia de IA en el contexto de trabajo de toda la organización frente a los SaaS individuales tradicionales
  • Se está produciendo un desplazamiento de valor desde la venta de licencias SaaS hacia esquemas de cobro basados en resultados generados con IA
• Competencia entre plataformas horizontales y software especializado
  • Microsoft integra Copilot en toda la empresa, mientras que Zoom y Canva incorporan IA generativa en los flujos de trabajo de los usuarios
  • Databricks y otros están integrando IA en el stack de datos y de desarrolladores
  • Startups como Glean desafían el modelo de suite tradicional con flujos de trabajo AI-first
  • Por otro lado, los proveedores de software especializado ya establecidos también están respondiendo al integrar IA, automatizar flujos de trabajo e incorporar rápidamente modelos personalizados con datos específicos por industria
  • Estos proveedores especializados ya cuentan con confianza, datos estructurados y flujos de trabajo operativos, lo que les da ventaja en el despliegue de IA especializada por dominio
• Perspectiva a futuro
  • Las plataformas horizontales tienen fortalezas en la integración de múltiples funciones y la conexión del conocimiento de toda la empresa
  • Los proveedores especializados se diferencian con funciones de IA profundas adaptadas a regulaciones, contratos y contexto del cliente en cada industria
  • La clave será quién logra abstraer la capa central y dominar la interfaz de usuario y la lógica de negocio
  • La monetización en la era de la IA no estará determinada solo por el uso, sino por la “Atención”, el “Contexto” y el “Control”

Incumbentes de SaaS

• Microsoft GitHub Copilot
  • Lanzamiento oficial en junio de 2022
  • Adoptado por más de 77,000 empresas
  • Crecimiento interanual de 180% en 2 años
  • Comunidad de desarrolladores de 150 millones, un aumento de 50% en 2 años
  • Más de 500 millones de dólares en ingresos anuales (con base trimestral)
• Microsoft 365 Copilot
  • Anunciado en marzo de 2023; disponibilidad general para empresas desde noviembre de 2023
  • Dentro del primer trimestre tras el lanzamiento, muchos clientes existentes ampliaron el número de asientos en más de 10 veces
  • El número de usuarios se duplicó o más en cada trimestre
  • La tasa de uso entre empleados también se disparó, con un aumento reciente de más de 60%
  • Más de 75% de los CIO planean adoptarlo en los próximos 12 meses
• Adobe Firefly
  • Beta pública en marzo de 2023; comercialización del modelo de video con IA en febrero de 2024
  • Alta valoración entre marcas y creadores
  • Superó las 20 mil millones de generaciones de assets de Firefly
  • Más de 90% de los usuarios de pago ha probado la generación de video
  • Los usuarios activos mensuales de GenAI en Photoshop/Lightroom registraron 35% y 30%, respectivamente
• Atlassian Intelligence
  • Beta en diciembre de 2023; superó 1 millón de MAU en diciembre de 2024
  • El uso de funciones de IA creció 25 veces en un año
  • Más de 10% de los clientes adoptó Atlassian Intelligence
• Zoom AI Companion
  • Lanzado en septiembre de 2023; adoptado por 3.5 millones de cuentas en diciembre de 2024
  • El número de cuentas activas aumentó 68% trimestralmente
  • AI Companion 2.0 ofrece funciones avanzadas como memoria, razonamiento e integraciones
• Canva Magic Studio
  • Lanzado en octubre de 2023; acumuló 16 mil millones de usos de herramientas de IA en mayo de 2025
  • Utilizado por toda la comunidad creativa, empresarial y sin fines de lucro
  • Registra más de 10 mil millones de usos de herramientas de IA
• Salesforce Agentforce
  • Anunciado en septiembre de 2024; para febrero de 2025 había cerrado 3,000 contratos de pago
  • Impulsa una transformación a gran escala de la experiencia del cliente al integrarse con Data Cloud
  • Mantiene un crecimiento de AI ARR superior a 120% anual

OpenAI ChatGPT = ¿potencial plataforma empresarial horizontal?

• Microsoft Office Suite
  • Compuesto por 9 aplicaciones (Outlook, Word, Excel, PowerPoint, etc.)
  • Obtuvo más de 400 millones de usuarios de pago en 34 años (1990~2024)
• OpenAI ChatGPT
  • A pesar de ser una sola aplicación, logró 20 millones de usuarios de pago en apenas 2.5 años (noviembre de 2022~abril de 2025)
• Expansión de ChatGPT Enterprise
  • En solo 9 meses desde su lanzamiento, fue adoptado por equipos en más de 80% de las empresas Fortune 500
  • Las empresas usuarias respondieron que prefieren una forma de despliegue fácil y segura
  • Las empresas que lo adoptaron en etapas tempranas están usando activamente ChatGPT Enterprise para mejorar la comunicación interna, acelerar tareas de programación, responder rápidamente preguntas de negocio complejas y apoyar trabajo creativo
  • ChatGPT Enterprise no tiene límites de uso y ofrece un rendimiento de hasta 2 veces más rápido que la versión gratuita
  • También ofrece acceso ilimitado a análisis avanzado de datos (antes Code Interpreter)
  • Entre agosto de 2023 y febrero de 2025, la cantidad de usuarios empresariales, de equipos y educativos aumentó rápidamente hasta los 2 millones

Software especializado habilitado por IA en grandes industrias de servicios = crece muy rápido

• Ingeniería de software
  • Cursor AI: alcanzó un ARR (ingresos recurrentes anuales) de $1M → $300M en 25 meses
  • Cursor es un editor de código con IA que ofrece una experiencia de usuario innovadora en escritura de código, refactorización y automatización
  • Edita más de mil millones de caracteres al día y registra más de $100M en ingresos recurrentes
• Desarrollo de productos (No-Code Product-Building)
  • Lovable: su ARR creció 13 veces en 5 meses, hasta llegar a $50M
  • Plataforma no-code impulsada por IA que, al ingresar una idea de producto en lenguaje natural, genera automáticamente código de frontend/backend, integración de DB y despliegue
  • Ayuda a que cualquier persona pueda crear productos rápidamente e iniciar un negocio
• Salud (conversaciones clínicas)
  • Abridge: creció de $50M a $117M en CARR (ingresos recurrentes anuales contratados) en 5 meses
  • La adoptaron unos 25,000 profesionales de la salud, 40 hospitales y 600 instituciones médicas, y se ha usado más de 10 millones de veces para resumir registros de visitas de pacientes
  • Cuenta con abundante retroalimentación positiva de los profesionales que la usan
• Legal (automatización de flujos de trabajo)
  • Harvey: su ARR creció de $10M a $70M en 15 meses y consiguió 235 clientes en 42 países
  • La mayoría de las 10 firmas legales más grandes de EE. UU. la han adoptado, liderando la automatización de flujos de trabajo legales/profesionales y una transformación en eficiencia
• Soporte al cliente (AI Support Agents)
  • Decagon: su ARR creció de aproximadamente $1M a $10M en 1 año
  • Los agentes de soporte con IA automatizan tareas repetitivas, y los roles de atención al cliente están pasando a funciones de gestión de IA
  • Se proyecta crecimiento adicional en 2025
• Servicios financieros (investigación y análisis)
  • AlphaSense: su ARR creció de aproximadamente $150M a $420M en 2 años
  • A medida que los insights impulsados por IA se consolidan como estándar del mercado, ofrece soluciones avanzadas de información de mercado y flujos de trabajo
  • Enfocada en innovación de producto e inversión tecnológica, con crecimiento acelerado sostenido en 2025

Amenazas para la monetización de la IA = mayor competencia + impulso del open source + ascenso de China

Mayor competencia = lanzamientos de modelos de IA

• Tras el paper de transformadores de Google de 2017, ‘Attention is All You Need’, comenzó la primera ola de innovación en IA centrada en los LLM (modelos de lenguaje de gran escala)
  • GPT-3 de OpenAI y Llama-1 de Meta, entre otros, demostraron el potencial de capacidades de razonamiento general mediante entrenamiento de predicción de texto a gran escala
• Sin embargo, la comunicación humana no se limita solo al texto
  • Imágenes, audio, video, datos de sensores y otras señales transmiten con mucha más riqueza el contexto de situaciones reales
  • Varias empresas como Google, Anthropic y xAI han expandido los modelos de lenguaje hacia lo multimodal (procesamiento de múltiples formatos de datos)
    Evolución de los modelos de IA multimodales
  • Integran y comprenden información de texto, fotos, voz y video dentro de un solo espacio vectorial, y también pueden generarla
  • Frente a una sola consulta, pueden consultar al mismo tiempo párrafos + gráficos, y devolver la respuesta como resumen de voz o imagen anotada
  • Estructura que permite pasar libremente entre todos los formatos de datos sin necesidad de cambiar de sistema
• Principales casos de evolución por etapas
  • 2021 OpenAI CLIP: integración de visión + lenguaje
  • 2023 Meta ImageBind, 2024 Chameleon: fusión de imágenes, voz y video
  • 2024-2025 GPT-4o, Claude 3, Chameleon: aparición de modelos frontier completamente multimodales
• Efecto en la práctica
  • Un ingeniero de campo puede verificar en tiempo real diagnósticos de fallas en equipos con la cámara de un smartphone
  • El personal médico puede generar al instante un borrador estructurado de reporte clínico junto con un X-ray adjunto
  • Un analista puede consultar de una sola vez gráficos, transcripciones y clips de audio para hacer un análisis integrado
  • En comparación con los modelos basados en texto, se reduce el cambio de contexto, se captura información más rica y se impulsa la innovación en servicios centrados en visión y voz

Impulso de los modelos open source

• El desarrollo de modelos de IA en la etapa inicial (2012-2018) avanzó principalmente alrededor del open source
  • Con base en la academia y la cultura de colaboración, se publicaban modelos, código y datos
• Desde 2019, con la comercialización, la seguridad y una competencia más intensa, surgieron los modelos cerrados (closed source)
  • Desde el momento en que se publicó GPT-2, los principales modelos pasaron a no divulgar pesos ni datos de entrenamiento
  • OpenAI GPT-4, Anthropic Claude y otros se ofrecen vía API, con grandes volúmenes de datos propietarios y fuertes inversiones de capital
  • Tienen fortalezas en rendimiento, usabilidad y confiabilidad, por lo que son preferidos por grandes empresas, gobiernos y consumidores
  • En cambio, su limitación es la falta de transparencia sobre datos de entrenamiento, arquitectura del modelo y métodos de fine-tuning
• Recientemente, los modelos open source han vuelto a cobrar fuerza
  • Tienen menores costos de desarrollo y uso, además de gran accesibilidad, por lo que son populares entre startups, desarrolladores y la academia
  • En plataformas como Hugging Face, se pueden descargar y aprovechar fácilmente modelos recientes como Meta Llama y Mistral Mixtral
  • El desarrollo de IA vuelve a expandirse desde enormes laboratorios hacia laboratorios personales y comunitarios
  • La experimentación rápida, la colaboración y la participación de la comunidad aceleran la innovación
• China ocupa el primer lugar mundial en 2025 en cantidad de grandes modelos de IA open source publicados
  • En 2025 se publicaron grandes modelos como DeepSeek-R1, Alibaba Qwen-32B y Baidu Ernie 4.5
• Diferenciación clara entre closed source y open source
  • Open source: lidera la IA soberana, los modelos de lenguaje localizados y la innovación impulsada por comunidades
  • Closed source: mantiene ventaja en el mercado de consumo y en adopción empresarial, con foco en optimización y usabilidad
  • Los dos paradigmas —apertura/velocidad/libertad vs. seguridad/optimización/control— compiten y definirán el futuro de la IA

Mejor desempeño de los modelos open source + caída de los costos por token = explosión del uso por parte de desarrolladores que usan IA

• Al principio, los modelos closed source como GPT-4, Claude y Gemini lideraban el mercado de consumo y empresarial
  • Gracias a un onboarding sencillo, una UI/UX pulida y alta confiabilidad, tenían ventaja en percepción pública y adopción corporativa
  • También ofrecían seguridad, comodidad y reconocimiento de marca que incluso el personal no técnico podía aprovechar fácilmente
• Recientemente, la brecha de desempeño de los modelos open source se ha reducido con rapidez
  • Llama 3, DeepSeek y otros ya alcanzaron un nivel competitivo frente a modelos cerrados en razonamiento, coding y multilingüismo
  • Se pueden descargar, hacer fine-tuning y desplegar localmente libremente, con costos mucho más bajos
• Se acelera la adopción de modelos de IA open source entre desarrolladores
  • Los desarrolladores prefieren personalización y bajo costo/alto rendimiento más que una UX terminada y refinada
  • Hay una intensa experimentación innovadora basada en modelos open source en apps, agentes, pipelines y muchas otras áreas
• Gracias a la caída del precio por token y a la mejora en el desempeño de los modelos open source, aumenta de forma explosiva la cantidad de desarrolladores que usan IA
  • Antes había una fuerte dependencia de APIs cerradas, pero ahora ya es posible construir y escalar directamente tanto en local como en la nube
• Todavía hay límites para su masificación entre consumidores y grandes empresas
  • El open source sigue débil en poder de marca, UX amigable y servicios administrados
  • Pero si la infraestructura se vuelve más conveniente y se mantiene la brecha favorable de costo/rendimiento, también podría expandirse al mercado masivo

Ascenso de China

• El CTO de Meta, Andrew Bosworth, compara actualmente la IA con una “carrera espacial” (space race) y valora muy altamente, en particular, las capacidades de China
  • Así como la carrera espacial del pasado tenía el carácter de una competencia entre sistemas (velocidad de innovación y credibilidad global), la competencia en IA también puede influir en el orden mundial
• China, a partir de la política ‘Made in China 2025’, pasó rápidamente de manufactura de bajo costo a país líder en tecnología avanzada
  • Ha fortalecido rápidamente sus capacidades en industrias estratégicas centradas en robótica, electrificación, tecnología de la información y IA de clase mundial
• Aplicación militar y estratégica estatal de la IA en China
  • El uso de IA se está expandiendo en toda la seguridad nacional, incluyendo logística en el campo de batalla, reconocimiento de objetivos, operaciones cibernéticas y plataformas autónomas de toma de decisiones
  • En 2025, los medios estatales también destacaron la aplicación de IA en áreas de apoyo militar (no combate), por ejemplo, hospitales militares
  • El Ministerio de Ciencia y Tecnología dejó claro que la ‘innovación autónoma’ (indigenous innovation) es una tarea clave a nivel nacional
• Impacto global de la ventaja de China en IA
  • Sam Altman de OpenAI advirtió en un artículo de 2024 que “si regímenes autoritarios obtienen ventaja en IA, podrían obligar a empresas de EE. UU. y otros países a compartir datos, y usar la IA para vigilar a sus ciudadanos o desarrollar armas cibernéticas”
• Se intensifica la competencia por la hegemonía tecnológica entre EE. UU. y China
  • La disputa por el control se amplía no solo en IA, sino también en tierras raras, semiconductores y sectores de tecnología avanzada
  • China mantiene su posición como potencia global en el suministro de tierras raras (material clave para electrónica avanzada, defensa y energía limpia), mientras que EE. UU. busca contenerla mediante el reshoring de semiconductores (retorno de la producción al país) y el fortalecimiento de la cooperación con aliados (Japón, Corea, Países Bajos, etc.)
  • TSMC de Taiwán es un eje clave de la fundición global de semiconductores y se encuentra en el centro de los cálculos estratégicos tanto de EE. UU. como de China
• Cambio en la orientación de las políticas dentro de EE. UU.
  • Dejando atrás 20 años de respuesta tibia, ambos partidos reconocen activamente a las industrias de tecnología avanzada como “núcleo del interés nacional”
  • Administración Biden: controles de exportación; administración Trump: nacionalismo económico y reshoring, entre otros enfoques
  • Los senadores John Cornyn y Mark Warner: “La innovación en semiconductores de Estados Unidos ha sostenido a toda la economía, pero la complacencia ha dado a los competidores (incluidos los adversarios) la oportunidad de alcanzarlo”
• Importancia de proteger la propiedad intelectual (IP) tecnológica de EE. UU.
  • OpenAI mencionó que “competidores como China siguen intentando hacer ingeniería inversa de los modelos líderes de IA de EE. UU., y la cooperación estrecha con el gobierno es indispensable”
• Cambio de perspectiva sobre la relación entre EE. UU. y China
  • A diferencia del inicio tras el ingreso a la OMC (años 2000), hoy EE. UU. reconoce claramente que las tecnologías avanzadas como la IA, los semiconductores y los minerales críticos son, más allá de activos económicos e industriales, un eje central de la resiliencia nacional y del poder geopolítico

Public Market Capitalization Leader Tells of Last Thirty Years = Extraordinary USA Momentum…China Rising

• En los últimos 30 años (1995~2025), de las 30 empresas con mayor capitalización bursátil global, solo 6 se han mantenido de forma continua
  • Microsoft, Walmart, Exxon Mobil, Procter & Gamble, Johnson & Johnson, Coca-Cola
  • Empresas que entraron recientemente al grupo líder
    • NVIDIA, Apple, Amazon, Alphabet(Google), Saudi Aramco, Meta Platforms(Facebook), Tesla, Broadcom, Berkshire Hathaway, TSMC, JP Morgan Chase, Visa, Eli Lilly, Tencent, Mastercard, Netflix, Costco Wholesale, Oracle, Home Depot, SAP, Bank of America, ICBC, AbbVie, Palantir
  • Participación por país en 1995
    • EE. UU.: 53% (16 de las 30 empresas),
    • Japón: 9,
    • Suiza: 3,
    • Reino Unido: 2
  • Participación por país en 2025
    • EE. UU.: 83% (25 de las 30 empresas)
    • Japón/Suiza/Reino Unido: 0
    • China 2, Arabia Saudita 1, Taiwán 1, Alemania 1
• En los últimos 30 años, de las 30 mayores empresas tecnológicas globales (tech companies) por capitalización bursátil, solo 5 se han mantenido de forma continua
  • Microsoft, Oracle, Cisco, IBM, AT&T
  • Nuevos integrantes entre las empresas tecnológicas
    • NVIDIA, Apple, Amazon, Alphabet(Google), Meta Platforms(Facebook), Tesla, Broadcom, TSMC, Tencent, Netflix, SAP, Palantir, ASML, Alibaba, Salesforce, T-Mobile, Samsung, China Mobile, Reliance, ServiceNow, Intuitive Surgical, Siemens, Uber, AMD, Intuit
  • Participación por país de las tecnológicas en 1995
    • EE. UU.: 53% (16/30),
    • Japón: 30% (9/30),
    • Reino Unido/Singapur/Hong Kong/México/Malasia: 1 cada uno
  • Participación por país de las tecnológicas en 2025
    • EE. UU.: 70% (21/30)
    • Japón/Reino Unido/Singapur/Hong Kong/México/Malasia: 0
    • China 3, Alemania 2, Taiwán 1, Países Bajos 1, Corea 1, India 1
  • TSMC de Taiwán: aunque Taiwán solo tiene 1 empresa en la lista (TSMC), al 2T de 2024
    • produce entre 80% y 90% de los semiconductores avanzados del mundo, y más del 62% de todos los semiconductores
• Un cambio enorme logrado en una sola generación
  • La expansión de internet sentó la base para el surgimiento de nuevas empresas líderes globales, y
  • se proyecta que el auge de la IA impulsará cambios aún más rápidos y fundamentales durante los próximos 30 años

USA vs. China in Technology = China’s AI Response Time Significantly Faster vs. Internet 1995

• Liderazgo de los modelos de lenguaje grandes (LLM): Estados Unidos y China impulsan el ritmo del desarrollo global de IA
  • Al observar la construcción acumulada de sistemas de IA a gran escala entre 2017 y 2024, Estados Unidos y China van claramente a la cabeza
  • Para 2024, Estados Unidos había anunciado más de 150 sistemas de IA a gran escala, y China también superó los 100
  • Francia, Reino Unido, Canadá, Hong Kong y Alemania, entre otros, aún muestran una gran brecha frente a Estados Unidos y China
• China AI = rápida persecución, DeepSeek R1
  • DeepSeek anunció que la capacidad de desarrollo de IA de China redujo la brecha con Estados Unidos a solo 3 meses (enero de 2025)
  • El CEO de DeepSeek enfatizó que China debe ir más allá de la simple imitación y avanzar hacia una innovación propia
• Alibaba Qwen 2.5-Max: afirma superar a DeepSeek y OpenAI ChatGPT
  • Qwen2.5-Max mostró un rendimiento superior al de DeepSeek V3 y OpenAI ChatGPT en varios benchmarks
  • Sigue mejorando el rendimiento del modelo mediante innovaciones en escala de datos, tamaño del modelo y técnicas de post-training
• Baidu Ernie 4.5 Turbo: IA multimodal, bajo costo y alto rendimiento
  • Se describe como una IA multimodal capaz de procesar texto, imagen y video, comparada con una “navaja suiza”
  • Con RMB 0.8 por cada millón de tokens de entrada y RMB 3.2 de salida, su costo equivale al 40% de DeepSeek V3 y al 0.2% de GPT-4.5
  • Mostró un rendimiento equivalente a GPT-4.1 y superior a GPT-4o en algunas tareas multimodales
• Rendimiento de los LLM: Estados Unidos y China acortan la brecha en puntajes reales
  • Según los resultados de Chatbot Arena de Stanford HAI & LMSYS a febrero de 2025, Estados Unidos registró 1,385 puntos y China 1,362, una diferencia muy estrecha
• IA china: logra rendimiento con menores costos de entrenamiento
  • Según datos de Epoch AI, modelos chinos como DeepSeek V3 fueron lanzados con costos notablemente más bajos que GPT-4
• Cambio hacia entrenamiento de IA con semiconductores locales
  • Debido a las restricciones de exportación de Estados Unidos, los clústeres locales de chips de IA, como los de Huawei, se están expandiendo rápidamente
  • Según Financial Times, Huawei ya está suministrando de lleno clústeres de IA para empresas tecnológicas chinas
• China: también tiene la mayor base mundial de instalación de robots industriales
  • En 2023, China registró 276 mil unidades, el resto del mundo 265 mil y Estados Unidos alrededor de 40 mil, marcando una clara diferencia
• Conclusión: la velocidad de innovación en IA de China es mucho más rápida que la adopción de internet en sus inicios (1995)
  • Está cerrando rápidamente la brecha con Estados Unidos en tecnología, costos e infraestructura, mientras la competencia por el liderazgo industrial global se intensifica aún más

Uso de IA de consumo en China = DeepSeek creció rápidamente

• El mercado global de IA generativa se está fragmentando cada vez más según región, canal y preferencias de los usuarios
  • A nivel mundial, ChatGPT de OpenAI mantiene una clara posición de liderazgo tanto en desktop como en móvil, pero la competencia entre plataformas se está intensificando
  • Claude de Anthropic y Google Gemini también están ampliando gradualmente su participación, mientras que Grok de xAI quedó registrado como el asistente de IA de crecimiento más rápido, con un aumento mensual de visitantes del 294% entre febrero y marzo de 2025
• En China predominan los modelos locales de IA como DeepSeek
  • Aunque ChatGPT es el número 1 en la mayoría de los países, en Rusia y China no está disponible, por lo que modelos locales como DeepSeek dominan el mercado
  • Según la consultora Roland Berger, las 10 principales apps de IA por usuarios activos mensuales en China son todas nacionales (DeepSeek, Kimi, Nami AI, ERNIE Bot y otras con decenas de millones de usuarios)
  • Fuera de China, ChatGPT domina de forma abrumadora; dentro de China, se ha formado un mercado completamente separado
• Regulación de plataformas y entorno en China
  • Facebook, Twitter, Google y YouTube no son accesibles en China desde 2010 o incluso antes
  • No solo Instagram, WhatsApp, Wikipedia, Telegram y Spotify, sino también recientemente ChatGPT, Google Gemini, Claude, Meta AI y Microsoft Copilot han sido bloqueados
  • Este entorno regulatorio ha impulsado el ascenso de campeones locales de IA
• Diferencias en la percepción de la IA
  • Según una encuesta de Stanford HAI e Ipsos, el 83% de los ciudadanos chinos evalúa positivamente el efecto neto de la IA (dato de 2024, +5 puntos porcentuales frente a 2022)
  • En Estados Unidos, solo el 39% respondió positivamente a la misma pregunta, sin grandes cambios en dos años
  • Desde una perspectiva social y filosófica, la forma de abordar y aceptar la IA difiere según el país
• La elección de plataforma ya va más allá del rendimiento o el precio, y se extiende gradualmente al terreno de la identidad nacional y cultural
  • Más que una cuestión de “quién la desarrolla mejor”, el punto de quiebre pasa a ser “cómo se acepta y se usa”

AI & Physical World Ramps = Fast + Data-Driven

• Hasta ahora, el enfoque había estado en la adopción y monetización de la IA en software de escritorio/móvil, pero la innovación y monetización de la IA en el mundo físico real está mostrando un ritmo aún más rápido y dramático
  • Ahora, la inteligencia ya está profundamente integrada no solo en aplicaciones digitales, sino también en vehículos, maquinaria y sistemas de defensa
  • Las flotas de vehículos autónomos como Waymo y Tesla ya no son proyectos de laboratorio, sino que están generando ingresos reales, acumulando millones de millas de conducción sin conductor y evolucionando rápidamente en loops de software cada vez más avanzados
  • Applied Intuition desarrolla sistemas de vehículos definidos por software y plataformas de simulación independientes del hardware, ayudando a los fabricantes a aplicar inteligencia artificial con la misma facilidad que si fuera un componente
  • En la industria de defensa (Anduril), la IA está transformando el paradigma de la defensa al desplegar sistemas autónomos con IA incorporada en cada edge node (drones, sensores, etc.)
  • En agricultura (Carbon Robotics), con visión por computadora basada en IA se eliminan malezas sin usar herbicidas, mostrando una gran transición en la que los activos de capital del mundo físico se convierten en endpoints de software
  • Esto sugiere que la IA ya no se queda solo en la pantalla, sino que se está convirtiendo en una fuerza cinética que mueve la realidad
• Tesla Vertically-Integrated Electric Vehicles
  • De junio de 2022 a marzo de 2025, el kilometraje acumulado de conducción totalmente autónoma (Full Self-Driving) creció 100 veces
  • Con la introducción de la versión 12, se reemplazaron 330 mil líneas de código C++ por una red neuronal, aplicando una arquitectura de IA end-to-end completa
  • La IA cumple un papel central en todas las etapas, desde reconocimiento de objetos y planificación de rutas hasta control del vehículo
  • Es posible que Tesla sea la empresa de inferencia de IA más eficiente del mundo
• Waymo Fully-Autonomous Vehicles
  • Entre agosto de 2023 y abril de 2025, su participación en el mercado de rideshare de San Francisco creció rápidamente de 0% a 27%
  • Construyó un sistema comercial robusto basado en IA multimodal para perception, planning y prediction
  • Demostró en el mercado real un producto de vehículos autónomos comercialmente viable
• Applied Intuition Vehicle Intelligence
  • En 2024, proporcionó soluciones de inteligencia vehicular con IA a 18 OEM automotrices globales principales
  • Expandió su plataforma de simulación y software de conducción autónoma a diversas industrias, incluyendo automóviles, camiones, construcción y defensa
  • En defensa, fortaleció su portafolio de productos de conducción autónoma off-road y tecnologías de defensa
• Anduril AI-Enabled Autonomous USA Defense Systems
  • Entre 2022 y 2024, duplicó sus ingresos anuales durante dos años consecutivos y superó los USD 1 mil millones en 2024
  • Con IA y sistemas autónomos, apoya una toma de decisiones más rápida y precisa en el entorno moderno del campo de batalla
  • Innova los sistemas de seguridad y defensa desplegando IA en cada edge node distribuido
• KoBold Metals AI-Driven Mining Exploration
  • Con su tecnología de prospector automatizado basada en IA, mejoró drásticamente la eficiencia de exploración en el sector de exploración minera, que había mostrado su menor eficiencia desde 1975
  • Combina datos geográficos/geofísicos a gran escala con modelos de correlación estadística para identificar rápidamente candidatos prometedores de exploración
  • Asegura nuevas cadenas de suministro de metales con una eficiencia de más del doble del promedio de la industria
• Carbon Robotics AI-Driven Agricultural Modernization
  • De enero de 2023 a mayo de 2025, eliminó malezas en más de 230 mil acres acumulados y evitó el uso de más de 100 mil galones de glifosato (herbicida)
  • Con deep learning y visión por computadora basados en IA, elimina con láser las malezas alrededor de los cultivos
  • La maquinaria automatizada puede cubrir 2 acres por hora y eliminar 200 mil malezas por día
• Halter AI-Driven Intelligent Grazing
  • En 2025, los nuevos contratos de collares inteligentes para ganado crecían a una tasa anual promedio superior al 150%
  • Con gestión de pastoreo basada en IA, optimiza el uso de recursos, mejora la salud del suelo y fortalece la sostenibilidad
  • Demuestra efectos a gran escala en productividad y reducción de carbono que pueden superar la lenta adopción tecnológica en la agricultura moderna

Global Internet User Ramps Powered by AI from Get-Go = Growth We Have Not Seen Likes of Before

• Con la expansión del internet satelital de bajo costo, está creciendo rápidamente la posibilidad de que 2.6 mil millones de personas sin conexión, equivalentes al 32% de la población mundial, se incorporen por primera vez al mundo online
• A diferencia de generaciones anteriores, estas personas comenzarán su primera experiencia en internet con funciones de IA integradas por defecto
• En lugar de escribir directamente en una barra de búsqueda o pasar por un navegador tradicional, se espera que obtengan información y usen diversos servicios tecnológicos conversando directamente con la IA en lenguaje natural
• Este tipo de interfaz basada en agentes de IA puede concentrar el valor de mercado en los actores que controlan la interfaz, no la app, y alterar la jerarquía de las plataformas existentes
• En adelante, poseer la interfaz será más importante que poseer la plataforma, y se prevé que la IA capaz de entender el idioma local, el contexto y la intención del usuario será la ventaja competitiva clave

New Internet User Growth = Enabled by AI + Satellites

• Orbital / Satellite Launch Market Share, Global = SpaceX Rising
  • Desde 2008 comenzó un renacimiento de los lanzamientos espaciales comerciales y estatales, y SpaceX ha pasado a ocupar una gran parte del total anual de lanzamientos
  • Estados Unidos (sin contar SpaceX), China y Rusia también muestran crecimiento propio, pero destaca el aumento acelerado de SpaceX
  • Desde la Guerra Fría hasta fines de los años 90 predominaban los lanzamientos impulsados por los Estados; recientemente, la tendencia apunta al aumento de lanzamientos liderados por el sector privado
• SpaceX Starlink @ 5MM+ Subscribers = +202% Annual Growth Over 3.2 Years
  • Starlink aumentó sus suscriptores de alrededor de 100 mil en 2021 a más de 5 millones en 2024
  • Registró una tasa de crecimiento anual promedio de 202%, expandiendo rápidamente su base global de usuarios de internet
• SpaceX Starlink Ecosystem = Coverage Expanding Globally
  • En 2025, Starlink amplió su cobertura a Norteamérica, Sudamérica, Europa, Oceanía, partes de África y principales regiones de Asia
  • Los países donde aún no opera siguen siendo limitados, como China, Rusia e Irán
• Starlink = Unlocking Previously-Inaccessible Internet Access in AI Era
  • Coco, Monterrey, Mexico: brinda internet de alta velocidad y confiabilidad a zonas rurales de México, ampliando el acceso digital mediante WiFi comunitario
  • Chile School District: proporciona internet de alta velocidad para que 36 computadoras escolares en Chile puedan conectarse al mismo tiempo, transformando la experiencia educativa de estudiantes y docentes
  • Brightline Trains, USA: ofrece internet satelital estable en trenes de alta velocidad en Estados Unidos, mejorando la experiencia de los pasajeros y la eficiencia operativa
  • Seaspan Corporation, Global: implementa internet satelital en una naviera global, convirtiendo los barcos en oficinas remotas, mejorando la seguridad de la tripulación y la eficiencia operativa, y haciendo posibles soluciones que antes no lo eran

AI & Work Evolution = Real + Rapid

• Cambio fundamental en la naturaleza del trabajo por la adopción de la IA
  • Junto con la automatización física, como robots y drones, la automatización cognitiva se está expandiendo rápidamente
  • Los sistemas de IA están ampliando su campo de acción laboral al adquirir capacidades de razonamiento, creación y resolución de problemas
• Velocidad de crecimiento de las capacidades cognitivas de la IA
  • En los 3 años desde el lanzamiento de ChatGPT (noviembre de 2022), evolucionó de un nivel de estudiante de secundaria a una capacidad de razonamiento de nivel doctoral
  • Los trabajos de reglas y juicio basados en grandes volúmenes de datos estructurados se están desplazando hacia las fortalezas de la IA
• Cambio en la unidad del trabajo
  • Existe la posibilidad de pasar del trabajo tradicional centrado en humanos a uno centrado en la capacidad de cómputo de centros de datos y modelos de IA
  • Está llegando una era en la que la infraestructura de IA determina la oferta y la calidad de cierta fuerza laboral
• Futuro basado en agentes y papel de los humanos
  • Algunos prevén que los agentes de IA reemplazarán empleos de cuello blanco
  • Sin embargo, es necesario considerar el patrón histórico en el que, junto con mejoras de productividad y eficiencia, han surgido nuevos trabajos para humanos
  • Incluso en una sociedad completamente centrada en agentes, seguirán existiendo roles humanos como supervisión, entrenamiento y orientación
• Estructura laboral futura y cambios sociales
  • Al igual que con RLHF (aprendizaje por refuerzo con retroalimentación humana), los humanos pasarán a asumir el rol de entrenar y ajustar finamente el rendimiento de IA y robots
  • Históricamente, los cambios en la forma de trabajar siempre se han repetido, y la IA también es una tecnología que impulsa la productividad y la evolución del trabajo

Summary

• Así como es difícil imaginar una vida sin internet, se prevé que pronto tampoco se podrá imaginar un mundo sin IA
  • La IA se está consolidando rápidamente como infraestructura clave en toda la industria, incluyendo atención al cliente, desarrollo de software, ciencia, educación y manufactura
• Factores que aceleran la masificación de la IA
  • La expansión global de herramientas de IA multimodal como ChatGPT, la caída del costo del razonamiento y el lanzamiento de diversos modelos están impulsando esta tendencia
  • Desde desarrolladores en solitario hasta grandes empresas, el acceso y la experimentación se han vuelto más fáciles, acelerando la difusión de la innovación
• Infraestructura tecnológica e inversión
  • Fuerte aumento de la inversión en infraestructura de grandes nubes, semiconductores e hiperescaladores
  • La frontera entre lo físico y lo digital se vuelve cada vez más difusa, con chips, centros de datos, redes y sistemas energéticos
• Competencia estratégica entre EE. UU. y China y liderazgo global en IA
  • Estados Unidos lidera en innovación de modelos, chips personalizados e infraestructura en la nube, pero China también está creciendo rápidamente con open source, infraestructura y apoyo de políticas públicas
  • Ambos países reconocen la IA como una palanca clave de crecimiento económico e influencia geopolítica
• Cambios en plataformas e interfaces
  • La IA está evolucionando más allá del ecosistema tradicional de apps hacia interfaces conversacionales basadas en agentes
  • Gracias a avances como el internet satelital, es muy probable que los nuevos usuarios de internet comiencen directamente con experiencias nativas de IA
• Cambios en el empleo y la forma de trabajar
  • La adopción de IA en el trabajo se acelera, con una transición gradual de la unidad laboral del ser humano hacia la capacidad de cómputo y la IA
  • Cada vez más personas trabajarán junto con la IA, y la tendencia de que la IA reconfigure el entorno laboral es clara
• Combinación entre contexto internacional y tecnología
  • La incertidumbre está aumentando por el flujo de información y capital, la tecnología convertida en arma y la profundización del enfrentamiento entre democracia y autoritarismo
  • Sin embargo, se señala que la innovación es clave para la competitividad nacional y que la ejecución rápida y la estrategia de alianzas son importantes
• Conclusión
  • Ha llegado la hora del juego de la IA, y se está volviendo cada vez más intensa
  • El Genie ya no volverá a entrar en la botella (ya se superó el punto de no retorno)

[xguru]

También está disponible como archivo PDF: https://www.bondcap.com/report/pdf/Trends_Artificial_Intelligence.pdf