La guía del hater de la burbuja de la IA

• La burbuja de la IA es una situación inflada sin ganancias reales, con una estructura muy inestable tanto en lo económico como en lo tecnológico
• NVIDIA y unas cuantas big tech sostienen el mercado, mientras que la mayoría de las empresas de IA registran pérdidas enormes
• Todo el ecosistema depende en exceso de la venta de GPU, y en la práctica la única empresa que realmente gana dinero es NVIDIA
• Los efectos de la IA en productividad, innovación y sustitución de empleos, entre otros, están exagerados, y la mayoría de las startups basadas en IA siguen aguantando sin un modelo de negocio claro ni un paso a rentabilidad
• El gran capital y los medios alimentan la fantasía en torno a la IA, pero la realidad está marcada por funciones repetitivas y limitadas, costos altos y un futuro incierto

---

Introducción: alerta sobre la “burbuja de la IA”

• El verdadero periodismo consiste en registrar la historia y diagnosticar con precisión los hechos, y en describir claramente la situación actual como algo “digno de advertencia”
• El autor siente una profunda preocupación y sentido de alarma por el estado actual de la industria de la IA
• Esta preocupación no nace de debilidad ni pesimismo, sino de un escepticismo sano que observa críticamente las burbujas del mercado y del capital, así como su autoengaño
• El autor y otros críticos son menospreciados en exceso y acusados de “oponerse por oponerse” o de “buscar clics para generar tráfico” por no alinearse con la lógica del mercado
• Pero el objetivo de la crítica no es solo llamar la atención, sino poner en evidencia la exageración y la falsedad dentro de la industria, el desperdicio de capital, la destrucción ambiental y una estructura donde solo unos pocos se benefician

• Desde 2021, el autor ha criticado de forma constante diversas burbujas y manipulaciones, como la ola contra el trabajo remoto, la burbuja social de audio de Clubhouse, la burbuja NFT, la manipulación en torno al Quiet Quitting y el caso FTX
• Esto no surge de una simple postura “contestataria”, sino de un pensamiento crítico y una sana desconfianza frente al poder y al capital
• Si se observa la situación reciente, la burbuja de la IA es una estructura extremadamente inestable construida simplemente sobre expectativas de mercado, ambiente (vibes) y fe ciega
• Aunque la burbuja existe con claridad, el mercado todavía la niega o la confunde con algo mucho más fuerte y sólido de lo que realmente es
• El autor se llama a sí mismo un “hater” y expresa su rechazo hacia el despilfarro y las pérdidas, la destrucción ambiental, el marketing engañoso y la ilusión de reemplazo laboral

• Este texto no es una guía tradicional, sino un material que resume de forma condensada los problemas esenciales de la burbuja de la IA y los fundamentos de su crítica
• El autor siente desilusión ante la fachada de la industria de la IA, el concepto de “agentes” que no funciona, el software de nube caro y sin utilidad, y la exageración de que “el futuro ya llegó”
• Desde su perspectiva, el auge de la IA generativa no es más que un espejismo sin ingresos, resultados ni utilidad
• Cuando todo esto se derrumbe, espera que se recuerde que él ya lo había advertido

La debilidad de los Magnificent 7: NVIDIA

• A julio de 2025, la acción de NVIDIA rebotó con fuerza hasta los 170 dólares, pero este año cayó por debajo de los 100 dólares durante el episodio de DeepSeek en enero, lo que muestra que reacciona de forma extremadamente sensible a los eventos clave del mercado
• Magnificent 7 (35% del mercado bursátil de EE. UU.): NVIDIA, Microsoft, Alphabet (Google), Apple, Meta, Tesla, Amazon
  • De ellas, la capitalización de mercado de NVIDIA representa el 19% de los Magnificent 7
  • Como muchos fondos de pensión y productos de inversión de estadounidenses están ligados a este grupo de big tech, el colapso de la burbuja de la IA podría afectar a la economía real
• La dependencia de los ingresos principales de NVIDIA es grave
  • Microsoft (18.9%), Amazon (7.5%), Meta (9.3%), Alphabet (5.6%) y Tesla (0.9%) representan el 42.4% de los ingresos totales de NVIDIA
  • Meta destina el 25% de su gasto de capital y Microsoft el 47% a la compra de chips de NVIDIA
  • Microsoft renta servidores de CoreWeave, y empresas emergentes de nube como CoreWeave y Crusoe también aportan el 10% de los ingresos de NVIDIA
• Tasa de crecimiento trimestral de resultados de NVIDIA
  • Crecimiento anual: 101%, 94%, 78%, 69% (últimos 4 trimestres)
  • El crecimiento trimestral se desaceleró bruscamente de 69%→59%→12%→12%
  • Los ingresos del centro de datos (principalmente GPU para servidores) fueron de 39.1 mil millones de dólares, por debajo de la expectativa del mercado (39.4 mil millones de dólares)
  • En combinación con los problemas del mercado chino (como la prohibición del H20), se hacen cada vez más visibles los límites al crecimiento de ingresos
• Riesgos de NVIDIA
  • Para mantener el crecimiento, debe aumentar sus ventas de GPU cada trimestre
  • El 88% de sus ingresos proviene de GPU para centros de datos (es decir, del trade de IA), y si se corta la compra continua de 5 o 6 big tech, todo el mercado podría tambalearse
  • En la práctica, el 35% del mercado bursátil de EE. UU. es una estructura que se sostiene gracias a las compras de GPU de 5 o 6 empresas
  • El 47.87% de las ganancias del Russell 1000 provino de los Magnificent 7 (dato de 2024)
• En conclusión, si el crecimiento de NVIDIA se desacelera o sus ingresos reciben un golpe, eso puede transmitirse como un shock directo a todo el grupo de los Magnificent 7 y, más allá, al mercado bursátil y al sistema de pensiones de EE. UU.

The Hollow "AI Trade" (el vacío trade de IA)

• A diferencia de la percepción general del mercado de que “se gana dinero con la IA”, salvo NVIDIA, prácticamente no hay empresas que estén obteniendo beneficios con la IA generativa

Los Magnificent 7 invirtieron 560 mil millones de dólares en Capex relacionado con IA durante los dos años 2024~2025, pero los ingresos creados por ello apenas fueron de 35 mil millones de dólares

• Si Meta, Amazon, Microsoft, Google y Tesla avanzan según lo prometido, una inversión de 560 mil millones de dólares generaría apenas 35 mil millones de dólares en ingresos
• En la práctica, la mayoría de las empresas solo tienen “ingresos”, pero ninguna ganancia (Profit)
• Esta estructura de mercado es un consumo de capital extremadamente irracional y peligroso

Microsoft AI Revenue In 2025: 13 mil millones de dólares, de los cuales 10 mil millones corresponden a OpenAI gastando en Azure con 'tarifas con descuento que apenas cubren el costo operativo de los servidores'

• 2025 Capex: 80 mil millones de dólares

• A enero de 2025, Microsoft anunció ingresos anualizados relacionados con IA por 13 mil millones de dólares, pero de esa cifra, 10 mil millones de dólares (aprox. 77%) provienen del uso de Microsoft Azure por parte de OpenAI
• El monto que paga OpenAI corresponde a una tarifa fuertemente descontada que solo cubre los costos operativos de los servidores de Microsoft, por lo que prácticamente no deja ganancias reales
• Los ingresos “reales” de IA de Microsoft son de apenas unos 3 mil millones de dólares, lo que equivale a solo el 3.75% de su Capex de 2025
• En 2024, de los 4.7 mil millones de dólares en ingresos de IA, 2 mil millones provinieron de OpenAI; aunque invirtió 135.7 mil millones de dólares en infraestructura de IA durante dos años, de sus ingresos totales de IA (17.7 mil millones de dólares), 12.7 mil millones corresponden a transacciones internas
• En definitiva, el negocio de IA de Microsoft está inflado en apariencia, sus ganancias reales son mínimas y la mayor parte depende de transacciones internas con OpenAI

Amazon AI Revenue In 2025: 5 mil millones de dólares

• 2025 Capex: 105 mil millones de dólares

• En 2025, los ingresos estimados de Amazon relacionados con IA son de 5 mil millones de dólares, una cifra muy pequeña frente a un gasto de capital gigantesco de 105 mil millones de dólares
• En 2024, su Capex también llegó a 83 mil millones de dólares, pero sus ingresos reales de IA fueron de apenas 2.77 mil millones de dólares
• Los analistas proyectan que los ingresos de IA de Amazon podrían crecer 80%, pero la estructura de retornos frente a la inversión es extremadamente ineficiente
• El CEO de Amazon, Andy Jassy, enfatizó que “la IA es la mayor oportunidad de negocio desde la nube y el mayor cambio tecnológico desde internet”, pero los datos reales no respaldan esa afirmación
• Pese a la inyección masiva de capital, queda expuesta una limitación estructural: Amazon no logra generar ganancias significativas con la IA

Ingresos de Google AI: hasta 7.7 mil millones de dólares

• Gasto de capital (Capex) en 2025: 75 mil millones de dólares

• En 2025, la estimación máxima de ingresos relacionados con IA de Google apenas llega a 7.7 mil millones de dólares, y la estimación del analista de Bank of America es más bien generosa
• De ese total, 4.2 mil millones de dólares corresponden a ingresos por suscripciones de IA dentro de Google Cloud, y 3.1 mil millones provienen del plan premium con IA de Google One
  Los 1.1 mil millones restantes provienen de aumentos de precio generados al añadir a la fuerza funciones de Gemini AI a los servicios de Workspace
• Para que el plan premium con IA de Google One alcance ingresos por 3.1 mil millones de dólares, habría que asumir unos 12.9 millones de suscriptores de pago, pero esa estimación tiene poco sustento realista
• Los ingresos de Workspace también dependen del efecto de aumentos de precio forzados para usuarios empresariales, lo que plantea dudas sobre su crecimiento sostenido
• Frente a un gasto total de capital relacionado con IA de 75 mil millones de dólares, los ingresos reales por IA (no las ganancias) son muy reducidos

Ingresos de Meta AI: de 2 a 3 mil millones de dólares

• Gasto de capital (Capex) en 2025: 72 mil millones de dólares

• En 2025, los ingresos de IA de Meta se ubican en 2 a 3 mil millones de dólares, una cifra muy pequeña frente a los 72 mil millones de dólares de inversión en infraestructura de IA
• Meta ha integrado a la fuerza funciones de IA generativa (LLM, generación de imágenes, etc.) en todos sus servicios principales, como los DM de Instagram, pero sigue sin lograr una monetización real a partir de ello
• Según materiales revelados en una demanda por derechos de autor, Meta afirmó que obtendría 460 mil millones a 1.4 billones de dólares en ingresos por IA para 2035, pero eso no pasa de ser una exageración poco realista
• El 99% de sus ingresos totales depende de la publicidad, y aunque parte de los ingresos por licencias del modelo Llama podría provenir de algunos socios de nube (AWS, NVIDIA, Google, etc.), no se han revelado resultados concretos
• En consecuencia, la división de IA de Meta no está generando ganancias acordes con la magnitud de la inversión, y solo profundiza una estructura de enorme quema de efectivo e ineficiencia

Parece que Tesla no gana dinero con la IA generativa

• Gasto de capital (Capex) en 2025: 11 mil millones de dólares

• Tesla forma parte de las Magnificent 7, pero es la empresa más alejada del trade de IA generativa
• Elon Musk entró al sector de IA con xAI (desarrolladora de Grok, un LLM representativo, y propietaria de Twitter), pero xAI está quemando mil millones de dólares al mes y apenas registra ingresos extremadamente bajos de 100 millones de dólares al año (8.3 millones al mes)
• Los ingresos directos relacionados con IA de Tesla son prácticamente nulos, y la posibilidad de invertir en xAI se decidirá mediante votación de los accionistas, aunque esto parece responder más al objetivo de apalancamiento personal de Musk
• Si se destina capital de Tesla a un negocio de IA como xAI, la posibilidad de generar ingresos reales sería baja y, en cambio, solo aumentaría el riesgo de deterioro en las ventas y la marca del negocio principal de Tesla
• En conclusión, Tesla no es un beneficiario directo del furor por la IA generativa, y tampoco es razonable esperar ganancias reales derivadas de sus inversiones en IA

La historia de IA de Apple es extraña

• Gasto de capital (Capex) en 2025: aproximadamente 11 mil millones de dólares

• Apple es vista como la empresa más reacia a adoptar IA generativa y como una compañía rezagada respecto a la tendencia de IA
• Tras el lanzamiento de Apple Intelligence, millones de usuarios terminaron desarrollando rechazo hacia la IA, porque la mayoría de las funciones de IA (resumen de documentos, redacción de correos, emoji personalizados, etc.) eran funciones que en realidad no querían
• En el mercado se considera que Apple se quedó atrás en la competencia de IA, y que el resultado de incorporar IA generativa de manera forzada solo ha sido un aumento en las quejas de los usuarios
• Aun así, Apple no hizo una inversión astronómica en infraestructura de IA, y su gasto de capital relacionado con IA ronda los 11 mil millones de dólares, una cifra comparativamente baja
• En el sentido de no haber apostado capital gigantesco a productos de IA con mercado limitado y sin rentabilidad, puede decirse que el enfoque de Apple fue más bien conservador y prudente

Los Fragile Five — Amazon, Google, Microsoft, Meta y Tesla — están sosteniendo el mercado bursátil de EE. UU. al financiar la futura historia de crecimiento de NVIDIA

• Los llamados Fragile Five —Amazon, Google, Microsoft, Meta, Tesla— son la estructura que está sosteniendo el mercado bursátil de EE. UU. mediante la compra de GPUs de NVIDIA
• La capitalización de mercado de NVIDIA representa alrededor del 8% de toda la bolsa de EE. UU. y cerca del 7.5% del S&P 500; el 88% de sus ingresos proviene de GPUs empresariales para IA generativa, y el 42% de eso depende de compras de esas cinco empresas
• Si tan solo una de ellas cambia su inversión en chips de NVIDIA, podría producirse un impacto negativo directo y significativo en todo el mercado estadounidense
• En una situación donde los resultados de NVIDIA se consideran sinónimo de confianza del mercado, en realidad los servicios de IA que estas empresas han construido están generando pérdidas enormes y casi no contribuyen a producir ingresos o ganancias reales
• Cada empresa habla de “crecimiento impulsado por IA” o de “sustitución de empleos por IA”, pero eso no es más que un gesto para evitar revelar los ingresos reales
• Si de verdad hubiera habido crecimiento real o aumento de ingresos, lo habrían anunciado a todo el mercado a gran escala, pero en cambio siguen inyectando costos enormes
• Al final, la esencia del boom de la IA no es la rentabilidad real del negocio, sino simplemente la circulación de capital alrededor de la compra de GPUs de NVIDIA

¡Ed! Amazon Web Services tardó años en volverse rentable! ¡La gente decía que Amazon iba a fracasar!

• Mucha gente repite la lógica de que “como Amazon también tuvo pérdidas durante un tiempo, la IA igualmente podría pasar a ser rentable con el tiempo”, pero en realidad Amazon Web Services (AWS) y la industria de la IA generativa son esencialmente distintas
• En el artículo Amazon.bomb de Barron's de 1999 existía una visión escéptica sobre la estructura de pérdidas de Amazon, la intensificación de la competencia y la posibilidad de que “algún día” pasara a ser rentable,
  pero incluso entonces no se negaba la demanda de mercado del modelo de negocio de Amazon (el comercio electrónico) en sí mismo
• AWS también tuvo pérdidas alrededor de su lanzamiento en 2006, pero existía una demanda real en un mercado claramente establecido de antemano (servicios web, aumento del tráfico en línea), y tras crecer logró volverse rentable con rapidez
• A diferencia de AWS, la industria de la IA generativa todavía no ha demostrado un modelo de negocio claramente rentable ni una demanda masiva comprobada
• Solo porque el escepticismo pasado sobre Amazon resultó equivocado, pensar con optimismo que las críticas actuales a la industria de la IA se resolverán porque “algún día será rentable” es una comparación equivocada que ignora que el contexto esencial es distinto

Pero hablemos de Amazon Web Services

• Amazon Web Services (AWS) fue originalmente un negocio derivado del proceso en que Amazon.com escaló por cuenta propia su explosivo tráfico web y su compleja infraestructura de operación de servicios
• Era la primera era de internet, antes de la aparición de Facebook y Twitter, y AWS creó un mercado nuevo al ofrecer por primera vez innovación real de infraestructura como computación en la nube, alquiler de servidores y almacenamiento
• Incluso en un artículo de Bloomberg de 2006, fue descrito como la “apuesta peligrosa” de Bezos, y enfrentó un fuerte escepticismo de Wall Street y de los inversionistas
• Sin embargo, incluso en ese momento, la infraestructura de hardware/software ya estaba construida, y la visión de largo plazo de la dirección era clara: una vez terminados varios años de inversión masiva anticipada, el negocio empezaría a rendir de verdad
• En ese entonces, el analista Scott W. Devitt evaluó con pesimismo que “no habría retornos económicos durante años”, pero
  en la práctica AWS absorbió rápidamente una demanda de mercado clara y preexistente (servicios de infraestructura TI para empresas y desarrolladores) y logró volverse rentable con éxito
• Hoy, en el boom de la IA, muchos analistas también son optimistas respecto a que la IA generativa se convertirá en una industria rentable como AWS, pero
  en realidad grandes empresas de TI como Salesforce y Palantir también han declarado oficialmente que no hay señales de mejora en rentabilidad en sus divisiones de IA
• La diferencia clara es que AWS creció sobre la base de un mercado y una necesidad definidos, mientras que los servicios de IA generativa solo tienen expectativas exageradas y siguen sin demostrar una demanda real o un modelo de ingresos sólido
• Esto subraya que los analistas también pueden equivocarse a gran escala, y que es peligroso esperar el éxito de los negocios de IA basándose solo en el optimismo del mercado

Pero Amazon Web Services costó dinero, Ed, ¡ahora conocerás tu final!

• AWS también creció cargando durante mucho tiempo con pérdidas y con una enorme presión de gasto de capital (Capex),
  y hasta justo antes de volverse rentable en 2015, muchos analistas (por ejemplo, Katy Huberty)
  hacían evaluaciones pesimistas como “AWS sigue perdiendo mucho dinero” y “su contribución a las ganancias es baja”
• En 2014, una parte considerable de los 4.900 millones de dólares de gasto de capital total de Amazon fue destinada a AWS, pero
  al final, con 67.600 millones de dólares de inversión acumulada durante 10 años, AWS
  se convirtió en un negocio de infraestructura gigantesco que genera miles de millones de dólares en ganancias por trimestre
• Como referencia, 67.600 millones de dólares ni siquiera alcanzan la inversión en infraestructura de IA de Amazon en 2024 (83.000 millones de dólares),
  y equivalen apenas a 1/15 de la inversión total de Amazon en IA en 2025
• Es decir, incluso el costo del crecimiento de AWS representa solo una fracción mínima del capital que hoy se está inyectando en el boom de la IA
• A diferencia de eso, la industria de la IA generativa ya está absorbiendo decenas de miles de millones de dólares en muy poco tiempo, pero sigue sin demostrar en la práctica ni rentabilidad ni viabilidad de mercado
• En resumen, la AWS del pasado y la IA generativa son fundamentalmente distintas en capital invertido, viabilidad de mercado y claridad del crecimiento
• La escala y la velocidad de la inversión actual en IA son incomparables con las de la época de AWS

Generative AI and Large Language Models Do Not Resemble Amazon Web Services or The Greater Cloud Compute Boom, As Generative AI Is Not Infrastructure

• Mucha gente compara la IA generativa y los modelos de lenguaje de gran tamaño (LLM) con negocios de infraestructura en la nube como AWS, Azure y Google Cloud, pero en realidad ambos negocios son esencialmente muy distintos
• Los servicios en la nube como AWS ofrecen infraestructura TI real de forma flexible, como EC2 (alquiler de cómputo) y S3 (alquiler de almacenamiento), y ya registran ingresos de decenas de miles de millones de dólares en el mercado empresarial
  Es un negocio base con una demanda clara y alta utilidad para empresas y desarrolladores
• La esencia de la infraestructura en la nube es permitir operar servicios de manera barata y confiable desde cualquier parte del mundo, porque elimina la necesidad de que los clientes construyan y operen su propia infraestructura
• El crecimiento de AWS ocurrió porque resolvió eficazmente problemas y demandas que ya existían, como el comercio en línea y el aumento del tráfico de servicios web
  • Es decir, primero existían una necesidad de negocio clara y una demanda de mercado definida
• En cambio, el negocio de la IA generativa/LLM, más allá del enorme gasto en centros de datos y GPU, carece de diversidad y universalidad como infraestructura, así como de una demanda de mercado clara
  • De hecho, la mayoría de las startups de IA no tienen otra opción que montarse sobre infraestructura “real” como AWS o Azure
• En conclusión, la IA generativa no es más que una función (feature) dentro de la infraestructura en la nube,
  y nunca se ha demostrado que sea una infraestructura de propósito general capaz de servir de base para múltiples industrias y productos como la nube
  Poner al mismo nivel el boom de la IA y la innovación en infraestructura es un error lógico

Companies Built On Top Of Large Language Models Don't Make Much Money (In Fact, They're Likely All Deeply Unprofitable)

• Casi todas las empresas basadas en IA generativa (LLM) están en pérdidas. Como excepción, Midjourney afirmó haber sido rentable en 2022, pero hoy eso es incierto
• Fuera de OpenAI, Anthropic y Cursor (Anysphere), no hay ninguna empresa que supere los 500 millones de dólares en ingresos anuales
• Solo unas pocas, como Midjourney, Ironclad y Perplexity, están en el rango de 100 a 200 millones de dólares anuales, y solo existen 12 empresas de IA generativa en el mundo que superan los 100 millones de dólares en ingresos
• Algunas de ellas ya fueron adquiridas, y 7 siguen estancadas en un nivel de más de 50 millones de dólares de ingresos anuales
• Comparado con el mercado de SaaS/software empresarial, este volumen de ingresos es muy pequeño (por ejemplo, Hubspot tiene ingresos anuales de 2.600 millones de dólares)
• Han pasado 3 años, pero incluso las empresas líderes como OpenAI y Anthropic pierden miles de millones de dólares, y las empresas en crecimiento carecen tanto de popularidad masiva como de rentabilidad
• Incluso Cursor, un caso representativo, genera 500 millones de dólares en ingresos, pero ha quedado en evidencia que tiene un modelo de negocio insostenible debido a una política de precios agresiva y restricciones del servicio

Cursor's $500 Million "Annualized Revenue" Was Earned With A Product It No Longer Offers, And Anthropic/OpenAI Just Raised Their Prices, Increasing Cursor’s Costs Dramatically

• Los 500 millones de dólares de ingresos anualizados de Cursor en realidad provinieron de un servicio insostenible que ya no ofrece
• En junio de 2025, Anthropic y OpenAI subieron los precios de sus API e introdujeron estructuras como niveles de servicio y procesamiento prioritario, lo que disparó los costos operativos de Cursor
• Como resultado, Cursor empezó a introducir una tras otra políticas perjudiciales para los usuarios, como cambios en sus planes de suscripción, límites de uso y limitaciones de velocidad
• Detrás del rápido crecimiento de ingresos de Cursor había una política de precios extrema sin ninguna rentabilidad y condiciones de uso de modelos inviables; ahora ya no puede sostener eso, por lo que la calidad y las condiciones del servicio han empeorado
• En la práctica, la mayor parte de la inversión que Cursor ha levantado se está pagando a proveedores de LLM como OpenAI y Anthropic
• En este entorno, a cualquier startup de IA le resulta difícil construir un modelo de negocio duradero, y el caso de crecimiento acelerado de Cursor termina revelándose como “crecimiento falso”

> No, en serio, ¿dónde están las startups de IA para consumidores?

• La startup de IA para consumidores más representativa, Perplexity, apenas tiene 150 millones de dólares de ingresos anualizados y,
  en 2024, pagó a Anthropic, OpenAI y Amazon costos equivalentes al 167% de sus ingresos, registrando una pérdida de 68 millones de dólares
• En la práctica, casi no existen casos de servicios de IA generativa dirigidos al consumidor que hayan logrado monetizarse de forma adecuada
• La mayoría de los nuevos servicios de IA se limitan a repetir funciones de SaaS ya existentes, como búsqueda, automatización y chatbots, sin generar una innovación real ni crear un “nuevo mercado”

The Generative AI Software As A Service Market Is Small, With Little Room For Growth And No Profits To Be Seen

• El mercado SaaS de IA generativa es muy pequeño en tamaño total, y no existe ninguna empresa con alto crecimiento y rentabilidad
• La industria enfatiza no las ganancias reales sino solo los "ingresos anualizados (Annualized Revenue)", pero esto tiene límites para evaluar el crecimiento real y la sostenibilidad cuando los ingresos mensuales son bajos o la fuga de suscriptores es alta
• Si se convierte a ingresos mensuales, la mayoría de las empresas apenas están por debajo de los 10 millones de dólares, y aun comparadas con los ingresos mensuales de AWS en 2008 (15.75 millones de dólares), van muy rezagadas en velocidad de crecimiento
• Fuera de Cursor, no hay ninguna empresa SaaS que destaque, e incluso las empresas que presumen ser las de "mayor crecimiento" usan políticas de precios opacas y métricas de crecimiento engañosas
• Incluso Glean, un SaaS representativo de búsqueda con IA, tras anunciar rondas de inversión consecutivas en 2024~2025 y el logro de 100M ARR, muestra estancamiento en ingresos mensuales y crecimiento real, además de aumentos repentinos de precios, por lo que carece tanto de mercado real como de alto crecimiento
• En conjunto, el mercado SaaS de IA generativa es estrecho, no tiene margen de crecimiento y todavía no existe ninguna empresa que haya logrado volverse rentable

There Are No Unique Generative AI Companies — And Building A Moat Based On Technology Is Near-Impossible

• Las empresas de IA generativa casi todas ofrecen las mismas funciones (chatbots, búsqueda y resumen, generación de texto/imagen, traducción, asistencia de programación, etc.), y la diferenciación tecnológica es extremadamente difícil
• Al final, la mayoría de las empresas dependen de las API de los mismos LLM (OpenAI, Anthropic, etc.), y la propiedad intelectual (IP) clave también pertenece a los proveedores de LLM
• Incluso casos de crecimiento como Cursor no tienen diferencias sustanciales más allá de la UI, los prompts y la política de precios, y sus competidores (Amazon, ByteDance, etc.) también pueden lanzar productos similares con facilidad
• El diseño y la operación del servicio no pueden convertirse en una barrera tecnológica de entrada (moat), y si los proveedores del modelo lo desean, pueden crear servicios clonados en cualquier momento
• Como resultado, no existen startups de IA generativa verdaderamente originales ni casos exitosos de construcción de un "foso" (Moat) real

Established Large Language Models Are A Crutch

• En los booms tecnológicos del pasado, cada empresa desarrollaba su propio modelo e infraestructura, pero en la era de la IA generativa casi todas las startups dependen de unos pocos LLM grandes (OpenAI, Anthropic, etc.)
• Al final, el mercado se ha degradado a una estructura centrada en dos o tres empresas, mientras el resto solo monta software funcional como si fueran subcontratistas

OpenAI And Anthropic Are Their Customers' Weak Point

• Los proveedores de LLM como OpenAI y Anthropic pueden cambiar arbitrariamente los precios y las condiciones del servicio en cualquier momento, y como en el caso del bloqueo a Windsurf, amenazan directamente el negocio de sus clientes
• Las empresas clientes están completamente subordinadas a los cambios de política de los proveedores de LLM

The Limited Use Cases Are Because Large Language Models Are All Really Similar

• Todos los modelos grandes de lenguaje usan casi los mismos datos y la misma estructura (Transformer, etc.), por lo que al final la diferenciación funcional y la diversidad de usos también son extremadamente limitadas

Generative AI Is Simply Too Expensive To Build A Sustainable Business On Top Of It

• La estructura de costos, incluidos los gastos operativos y los costos de API, es excesivamente alta y difícil de predecir
• OpenAI, Anthropic y Perplexity, entre otros, tienen una carga de costos de mantenimiento extremadamente alta frente a sus ingresos, por lo que un modelo de negocio sostenible es casi imposible

Companies Are Using The Term "Agent" To Deceive Customers and Investors

• El término "agente de IA" en realidad se parece más a un fraude de marketing que disfraza chatbots no autónomos y flujos automatizados para hacerlos sonar más convincentes
• Casos representativos como Agentforce de Salesforce, ChatGPT Agent de OpenAI, Glean y ServiceNow ofrecen bajo el nombre de "agente de IA" apenas chatbots simples o funciones de automatización basadas en IF-THEN
• En realidad, la tasa de éxito es de solo 58% en tareas de un solo paso y 35% en tareas de múltiples pasos, y no se trata en absoluto de agentes reales que "reemplacen a las personas"
• Incluso los agentes de programación, en la práctica, dependen de la supervisión humana para la ejecución, los errores y el control de calidad
  • De hecho, según resultados de investigación, las herramientas de programación con IA reducen en 19% la productividad de los desarrolladores
• El propio término "agente de IA" no es más que una retórica simbólica exagerada para inducir al error a clientes e inversionistas, y los medios también lo repiten sin espíritu crítico

But Really Though, Everybody Is Losing Money On Generative AI, And Nobody's Making A Profit

• Según un informe de UBS, los ingresos relacionados con IA de las empresas públicas que realmente operan servicios de IA son extremadamente pequeños
• Por ejemplo, el valor anual de contratos (ACV) vinculado a IA de ServiceNow es de apenas 250 millones de dólares, y ni siquiera está claro si eso corresponde a ingresos puros de "solo IA"
• Gartner proyecta que más del 40% de los proyectos de "agentes de IA" serán abandonados antes de completarse para 2027
• Adobe, Salesforce y otras también promocionan mucho la IA generativa, pero sus ingresos anualizados rondan los 100 millones de dólares, por lo que considerando los costos, la ganancia real es casi nula o cercana a pérdidas
• Este nivel de ingresos es absurdamente pequeño para liderar una industria del futuro, y carece tanto de rentabilidad real como de mercado real

OpenAI and Anthropic Are The Generative AI Industry, Are Deeply Unstable and Unsustainable, and Are Critical To The AI Trade Continuing

• OpenAI y Anthropic representan más de la mitad de los ingresos de la industria de IA generativa, pero tienen una estructura extremadamente inestable en la que pierden decenas de miles de millones de dólares al año
• OpenAI está recaudando 40 mil millones de dólares de SoftBank y otros, de los cuales 30 mil millones aún no están asegurados
  • Una parte importante de la inversión está destinada a centros de datos (por ejemplo, Stargate), pero la posibilidad real de obtener ese financiamiento también es incierta
  • Si no logra convertirse en una empresa con fines de lucro para 2025, perderá 20 mil millones de dólares de los 40 mil millones, y si no se convierte antes de octubre de 2026, toda la inversión se convertirá en deuda
  • Las negociaciones con inversionistas clave como Microsoft también están estancadas
• Anthropic también registra 4 mil millones de dólares en ingresos anuales y 3 mil millones de dólares en pérdidas, y ha repetido aumentos de precios y restricciones de servicio a clientes importantes como Cursor
  • Su estructura de negocio es inestable y carece tanto de rentabilidad como de sostenibilidad
• Aunque ambas empresas representan más del 50% de los ingresos totales de la IA generativa, en realidad dependen por completo de una estructura deficitaria sin ganancias
• Sin financiamiento externo y expansión continua de infraestructura, su propia supervivencia es incierta: es una "industria de riesgo"

There Is No Real AI Adoption, Nor Is There Any Significant Revenue

• La adopción real del público y los ingresos significativos de los servicios de IA generativa son casi inexistentes
• ChatGPT presume la cifra de 500 millones de usuarios semanales, pero los suscriptores de pago reales apenas llegan a 15.5 millones, y una parte considerable de ellos no lo usa con fines de negocio sino para uso ocasional, estudio o tareas
• Google Gemini y otros también inflan la cantidad de usuarios reales al sumarlos con Google Assistant y otros servicios, por lo que la penetración real en el mercado es mucho menor
• A pesar de que durante 3 años la industria, los medios y el mercado de inversión impulsaron el furor por la IA, los ingresos, los suscriptores y el ecosistema siguen siendo claramente insuficientes en comparación con el SaaS tradicional
• Fuera de ChatGPT, prácticamente no existe ningún servicio de IA generativa que haya asegurado ingresos o usuarios significativos en el mercado

Yes, Generative AI "Does Something," But AI Is Predominantly Marketed Based On Lies

• Es cierto que la IA generativa ofrece cierto nivel de funcionalidad (programación, búsqueda, etc.), pero todas las empresas relacionadas operan con pérdidas, por lo que,
  en una situación donde no existe ni una sola empresa rentable, no puede considerarse una industria real
• Se abusa de términos como "agentes", "AGI" y "singularidad" para exagerar como si los LLM estuvieran logrando una innovación autónoma e inteligente
• La afirmación de que la IA reemplazará empleos humanos no es más que una exageración/distorsión deliberada para inflar la valuación empresarial y el precio de las acciones
• En la práctica, la mayor parte de los medios y la propaganda corporativa inflan las capacidades de la IA por encima de la realidad, engañando a inversionistas y al público
• Incluso conductas del modelo como mentir o estafar, aunque en realidad sean resultado de prompts intencionales, son usadas por la prensa para exagerar su autonomía y peligrosidad
• En conjunto, el mercado de la IA generativa está envuelto en una gran ilusión que presenta una industria con ingresos reales de 50 mil millones de dólares como si fuera una industria futura de un billón de dólares, y los medios también contribuyen a formar esta burbuja

The AI Trade Is Entirely About GPUs, And Is Incredibly Brittle As A Result

• El comercio de acciones relacionadas con la IA avanza sin relación con ganancias, crecimiento de usuarios o innovación tecnológica
• Las empresas no suben en bolsa porque estén ganando dinero con IA, sino porque su cotización se mueve por la imagen y la atmósfera asociadas a la IA
• OpenAI y las empresas construidas sobre ella son comercialmente muy frágiles; los modelos de lenguaje a gran escala tienen costos operativos demasiado altos y, en esencia, también es difícil crear innovaciones realmente diferenciadas
• Actualmente, toda la industria de la IA depende por completo de la venta de GPUs
• CoreWeave, Oracle y Meta compran grandes cantidades de GPUs a NVIDIA, y Microsoft también opera una infraestructura masiva de Azure basada en GPUs de NVIDIA para respaldar a OpenAI
• Microsoft, Meta, Google, Apple, Amazon y Tesla no están obteniendo beneficios reales de la IA, y el crecimiento de sus acciones también ocurre gracias a la imagen vinculada con la IA
• Todo este movimiento depende en última instancia de la capacidad de NVIDIA para vender GPUs, y los productos de IA en sí no logran aportar un valor comercial significativo. Incluso cuando algunos productos son adoptados, en la mayoría de los casos se operan asumiendo pérdidas graves

I'm Alarmed!

• En este momento, la industria de la IA está claramente en una burbuja
• Existe el análisis de que la sobrevaluación actual de las 10 principales empresas del S&P 500 es más grave que la de la burbuja tecnológica de los años 90
• La IA generativa casi no contribuye a resultados reales de negocio, captación de usuarios, automatización laboral ni creación de valor tangible. La mayoría de las empresas no generan ganancias y, por el contrario, acumulan pérdidas severas
• Esta burbuja no es solo un problema de capital financiero, sino una estructura simbólica que depende únicamente de la venta continua de GPUs. En la práctica, el espacio y el capital para llenar centros de datos con GPUs también son limitados
• Aun frente a los argumentos sobre reducción de costos o adopción de ASICs (chips de propósito específico), existen falta de evidencia sustancial y dificultades de producción y aplicación. Hasta ahora, la dependencia sigue estando en las GPUs de NVIDIA
• Los medios y el clima del mercado alimentan un mito de éxito de la IA sin sustancia, ignorando la realidad de que no hay innovación ni rentabilidad reales
• NVIDIA es al mismo tiempo la fuerza del mercado y su mayor debilidad. Todos se apoyan en NVIDIA para comprar GPUs a gran escala, pero en la práctica las pérdidas comienzan en cuanto se instalan
• Los productos basados en grandes modelos de lenguaje son todos parecidos y, pese al enorme gasto que implican, solo generan rentabilidad negativa
• La estructura actual de la industria de la IA también es distinta a la de Uber, AWS y otros casos del pasado; es una estructura peculiar nacida del agotamiento de ideas en la industria tecnológica y de una dependencia excesiva de una sola empresa
• A los escépticos de la IA siempre se les ha exigido que expliquen su postura, pero los optimistas de la IA no logran presentar fundamentos reales
• Cuando la burbuja estalle, quedará expuesta la ilusión fundamental de la industria de la IA

• Contraargumento a "¿están bajando los costos de inferencia?"

  • La caída del precio por token no significa automáticamente una reducción del costo de inferencia. Cuanto más grande es el modelo, mayor puede ser el costo real
  • De hecho, los modelos intensivos en razonamiento (por ejemplo, Claude Opus 4) terminan aumentando los costos operativos

• Escepticismo ante "¿la adopción de ASICs es la solución?"

  • OpenAI y Broadcom, entre otros, intentan desarrollar sus propios ASICs, pero siguen sin resolverse numerosos problemas como la viabilidad de producción, el rendimiento real y la compatibilidad con la arquitectura de servidores
  • De hecho, Microsoft también tiene casos en los que fracasó al desarrollar un ASIC confiable
  • Incluso si la transición a ASICs tuviera éxito, si bajan las ventas de GPUs de NVIDIA, se tambalea toda la operación financiera de la IA

• El riesgo esencial de la burbuja

  • Actualmente, la industria de la IA mantiene sus acciones y valuaciones apoyándose en los medios y la psicología del mercado, sin innovación real ni barreras de entrada de infraestructura (moat)
  • Los únicos casos históricos comparables son la burbuja puntocom y el colapso de WeWork, entre otros
  • El mercado depende únicamente de que continúen las ventas de GPUs de NVIDIA. Es una estructura donde las pérdidas comienzan al momento de la instalación
  • Al final, todos los productos y modelos de negocio funcionan de una manera similar, en un círculo vicioso de altos costos y bajos ingresos

• Dentro y fuera de la industria solo abunda un optimismo vacío, y el uso real y la innovación de la IA están exagerados
• Cuando colapse la burbuja de la IA, quienes hasta ahora han promovido ese optimismo sin fundamento deberán rendir cuentas

I Don't Like What's Happening : No me gusta lo que está pasando

• La industria tecnológica debería perseguir la innovación, la rentabilidad real y el crecimiento verdadero, pero la IA generativa actual muestra una realidad en la que el mercado y los medios están obsesionados únicamente con la fantasía de reemplazar trabajo humano
• Tal como plantea la tesis de la Rot Economy (economía podrida), como resultado de una obsesión con el crecimiento por encima de todo, sin relación con el valor real ni con la calidad del producto, los LLM y las GPUs se han degradado hasta convertirse únicamente en medios para gastar dinero. En la práctica, se siguen construyendo centros de datos y comprando chips mientras se crean productos que a nadie realmente le gustarán
• La industria actual de la IA tiene una estructura muy frágil y peligrosa. Todo el mercado se tambalea según si apenas cuatro o cinco empresas seguirán comprando chips. El problema de fondo son las GPUs que generan pérdidas desde el momento de su instalación, los productos LLM sin una diferenciación real y las pérdidas continuas
• Los adoradores de la IA generativa, junto con parte de los medios y de la alta dirección, mantienen una actitud de desprecio hacia las opiniones críticas y alimentan fantasías en lugar de explicar la utilidad o innovación reales. Aseguran que la IA es extraordinaria, pero faltan fundamentos concretos
• Los LLM no pueden distinguir entre lo correcto y lo incorrecto, y transmiten información errónea con autoridad. Ejecutivos y gerentes fingen volverse más inteligentes con IA y la usan como un medio para evadir el aprendizaje real y la responsabilidad
• La mayor ilusión de la IA generativa es la fantasía de actividad económica. En realidad no crea un valor significativo, pero sí genera una justificación para invertir sumas enormes en GPUs y centros de datos, inflando aún más la burbuja
• Esta estructura es completamente distinta a Uber, AWS y otros casos industriales del pasado. La venta de hardware de una sola empresa depende de cuatro o cinco compañías, y un simple cambio de percepción puede derribar un enorme dominó
• La dirección actual está llevando a despilfarro y destrucción innecesarios. Los ahorros para el retiro y los empleos de muchísimas personas ya han desaparecido, mientras las grandes corporaciones ejecutan gastos astronómicos en centros de datos y GPUs para maquillar sus cifras de crecimiento trimestral
• En última instancia, sí existen responsables del caos del mercado, y el daño recaerá sobre toda la industria. En este proceso, más que infundir miedo y desconfianza en la gente, es importante identificar con precisión a los verdaderos responsables
• Sam Altman, Dario Amodei, Satya Nadella, Sundar Pichai, Tim Cook, Elon Musk, Mark Zuckerberg y Andy Jassy tienen responsabilidad por haber impulsado esta estructura económica innecesaria y destructiva
  • Después de que estalle la burbuja, deberán rendir cuentas sin falta
• La gente común también puede entender suficientemente esta estructura, y solo si toma conciencia de que el poder o el capital no significan corrección ni sabiduría podrá construirse un futuro mejor

[dojanmail]

Aunque los LLM no están exentos de desventajas, me cuesta estar de acuerdo con que todos los servicios de IA no sean rentables. Creo que en los próximos 5 años casi todos los servicios de plataforma actuales serán reemplazados por agentes de IA.

[ndrgrd]

Si alguien ni siquiera los prueba y aun así desprecia y evita a propósito los LLM ahora que de verdad ya se volvieron bastante útiles, el problema es esa persona.
Pero la calidad de los servicios actuales a nivel consumidor está en un punto en el que cuesta usarlos.

He probado los modelos de pago de servicios conocidos como Perplexity, GPT y Gemini, pero todos son más o menos lo mismo.
Aunque uno mismo busque materiales, adjunte enlaces y les dé en bandeja los datos necesarios, ni siquiera los leen bien y solo repiten afirmaciones incorrectas inventándose el contenido.
Además, todos tienen una terquedad rarísima: una vez que empiezan con una afirmación equivocada, ya no hay forma de corregirlos. Simplemente es más rápido desechar toda la conversación y empezar de nuevo.

Sinceramente, me irrita estar forcejeando con algo así. No entienden lo que uno les dice.
En ese tiempo, es más rápido buscar yo mismo la documentación, averiguarlo por mi cuenta y corregirlo.

También probé varios servicios tipo Copilot para elegir uno, pero al final tiré todos.
Funcionan bien para tareas a nivel de snippet, pero es difícil esperar más que eso. Si va a ser así, ¿para qué compartir datos y usarlos conectados a un internet lentísimo? Mejor registro unos cuantos snippets más.

No sé qué servicio usaron ni para qué tareas tan complejas lo usaron quienes dicen haber tenido una buena experiencia.

[3ae3ae]

Por mi experiencia usando Claude Code, más que sentir que un agente hace el desarrollo por mí, se sintió más como subcontratar justo la parte de teclear código dentro del proceso de desarrollo.

En muchos casos el diseño lo tiene que hacer una persona, y las instrucciones hay que darlas con tanto detalle que cualquiera que venga pueda seguirlas tal cual, así que se sintió distinto de lo que había escuchado.

Aun así, lo estoy usando satisfecho. Aunque no reduce muchísimo mi trabajo, mientras la IA está trabajando yo puedo hacer otra cosa o darle instrucciones a otra IA, así que me ha ayudado a ahorrar tiempo.

Si van a usar Claude Code, les recomiendo incluir en el prompt palabras de instrucción de razonamiento predefinidas como think deeply o ultrathink, y cambiar a plan mode con Shift+Tab para trabajar.

[argo9]

Cuando salieron VisiCalc, Lotus 1-2-3 y cosas así, todavía había gente dándole a la calculadora o al ábaco... hay una brecha de tiempo más grande de lo que uno cree entre cuando la gente común realmente lo percibe.

[GN⁺]

Opiniones de Hacker News

• En julio de 2023 le dije esto a un amigo: "Sinceramente, soy escéptico con la IA. La IA y los LLM son algo interesantes, pero como los autos autónomos de hace 5 años, están en la cima de una moda inflada creada por el capital de riesgo y siento que pronto se va a desinflar la burbuja. Lo que me interesa de la tecnología es cuando la innovación realmente se vuelve útil para la gente, pero en esta etapa no puedo imaginar usos beneficiosos que vayan mucho más allá de una pequeña mejora en el consumo de contenido. Lo que mejor hace es producir contenido plausible, pero en realidad todo lo generado necesita que un experto lo revise minuciosamente por errores, fallas, 'alucinaciones', etc. Si una fábrica sacara productos defectuosos como ChatGPT, la cerrarían de inmediato. Ya tenemos el problema de que internet está lleno de contenido de baja calidad e incluso engañoso, y automatizar la producción de más de eso suena como una pesadilla. Además, los datasets de entrenamiento que se usan normalmente probablemente incluyen textos de muchísimos creadores sin permiso, y estos sistemas terminan escupiendo mentiras bien adornadas hechas con el trabajo de esos creadores, sin compensación ni atribución. ¡Da muy mala espina! Me pregunto qué tan rápido llegará esta 'spectacular deflation' de la burbuja. En mi vida ya he pasado por unas 3 grandes burbujas tecnológicas, y mi intuición me dice que ese momento no está lejos"

  • el señalamiento de que la utilidad no puede ir más allá de pequeñas mejoras en el consumo de contenido<p>AlphaFold está teniendo un gran impacto en la investigación médica. La IA no es solo chatbots<p>Vale la pena revisar este artículo sobre cómo se está usando AlphaFold 3 en el descubrimiento de fármacos. Mi hermana menor tiene ELA, así que me interesa mucho a nivel personal. Tengo la esperanza de que solo un avance in silico pueda salvarla

  • el señalamiento de que todo resultado generado debe ser revisado minuciosamente por expertos<p>No, solo súbelo. Si la gente señala los errores, el algoritmo también considera esos comentarios como interacción positiva. Es una realidad lamentable para quienes sí les importa

• Yo también siento un escepticismo profundo sobre la asignación económica actual, pero esto siempre pasa en las fronteras nuevas<p>En el campo de la IA, la gente pasa por alto que la arquitectura transformer es, en esencia, un proceso extractivo que identifica y explota relaciones semánticas dentro de datasets masivos<p>Los datos de la cultura humana contienen una cantidad enorme de información inferencial no explícita, por lo que mucha gente inteligente confunde esto con un mecanismo generativo<p>Por eso a todo este campo se le llama IA "generativa", pero en realidad nunca es generativa. Solo extrae significado oculto y extrapola desde un valor semilla<p>Este mecanismo sí tiene muchas partes útiles. Hay muchísimos ejemplos de trabajo donde no hace falta crear un nuevo significado o una nueva historia<p>Se pueden aplicar patrones semánticos existentes a datos para automatizar trabajo manual, sin necesidad de especificar por completo el algoritmo requerido para lograr el objetivo<p>Un algoritmo universal, casi como un sonic screwdriver: si le das suficientes ejemplos del problema y de la solución, el algoritmo oculto es absorbido por los parámetros del modelo y puede resolver toda una familia de problemas completamente resueltos<p>Eso sí, esto funciona bien para clases de problemas ya suficientemente resueltos. Incluso en problemas no resueltos, si se pueden abordar con un marco de generación-verificación, quizá esta herramienta permita al menos intentar resolverlos

  • Distintos algoritmos cumplen funciones distintas. La IA "generativa" sí puede crear historias o imágenes nuevas, y ciertos algoritmos también pueden abordar problemas no totalmente resueltos (por ejemplo, el plegamiento de proteínas)

• Yo veo esta burbuja como una burbuja "buena", como la burbuja ferroviaria del siglo XIX o la primera burbuja puntocom: al final se hacen inversiones en infraestructura que crean muchísimo valor<p>Pero todos los LLM son sustituibles (no hay barreras de diferenciación), y la mayor parte de las ganancias va a venir de la "última milla", es decir, de cómo expertos en campo integren la IA en el trabajo real

  • Si es una burbuja "buena", me pregunto cómo puede verse como una inversión positiva en infraestructura si el hardware comprado a gran escala está destinado a desecharse en unos años

  • Ojalá se masifique un ancho de banda de memoria confiable en dispositivos de consumo. Muchos vendors de hardware tristemente han descuidado esa parte

  • Siempre le digo a la gente a mi alrededor: "si tienes una idea de verdad útil para usar grandes cantidades de GPU baratas, prepárate". Pero todavía no se me ocurre una idea de negocio realmente buena

  • Como con los ferrocarriles o las puntocom, me pregunto qué infraestructura va a quedar y podrá reutilizarse después de que se desinfle la burbuja de la IA

• Creo que el autor lo está viendo con demasiado pesimismo. Estoy de acuerdo en que las empresas de IA hoy son devoradoras de dinero y no son sostenibles, pero me parece excesivo afirmar que la IA jamás va a poder generar ganancias. Toda la industria está avanzando a una velocidad brutal y la calidad de los modelos mejora cada mes. Los costos también están bajando rápido. Aún no hemos encontrado todas las formas de usar la IA Si alguien concluye que, incluso después de esta burbuja, nadie va a poder usar la IA para ofrecer valor y ganar dinero, eso me parece demasiada arrogancia

  • Dicen que "los costos están bajando rápido", pero el gasto de capital sigue siendo enorme. ¿No es inevitable que al final empiecen a cobrar?

  • No es solo una cuestión de rentabilidad. A largo plazo debe haber un beneficio neto para la sociedad en su conjunto Lograr rentabilidad bajo los estándares actuales es fácil. Reúnes usuarios, aumentas la dependencia, subes precios, vuelves obligatoria la IA, y así

  • ¿Qué es noone? Le estás teniendo demasiada confianza a esa palabra

  • Desde gpt4, el rendimiento de los modelos base prácticamente está estancado. Ahora la competencia es más por herramientas/integración, y como la meta es AGI, cualquier producto se evalúa por su ritmo de avance hacia eso. Siguen saliendo modelos "más nuevos", así que también es difícil retener usuarios, y a los usuarios en realidad solo les importa el rendimiento del modelo. openai, los estoy viendo...<p>"Me llamaban bubble boy..." - alguien de Deutsche Bank

• El análisis es muy detallado, pero siento que el autor está tan metido en sus propias emociones que termina sacando solo conclusiones que las justifican. Estoy de acuerdo en que es una burbuja y en que muchas empresas van a quebrar, pero no creo que empresas como Google o Anthropic vayan a desaparecer (salvo que Google no logre sacar un modelo mucho mejor o mucho más barato con rendimiento similar). Claude produce código tan bueno en lenguajes con muchos datos como Python y Typescript que no hay razón para no pagar cientos de dólares al mes, incluso miles como máximo (subsidiados por la empresa). Ahorita la competencia es por tener los agentes y modelos más potentes. Al final, el cuello de botella será qué tan bien los humanos aclaren los requisitos y el contexto, y después de eso la principal ventaja competitiva será bajar el costo por modelo. Aún no estamos en esa etapa (aunque ya es cierto que mientras mejor transmitas requisitos/contexto, más productivamente puedes usar el modelo). Cuando bajar costos se vuelva el objetivo central, creo que Google va a ganar gracias a su capacidad en hardware

  • Claude vale cientos o miles de dólares<p>El costo real de inferencia llega a miles de dólares o más. Y no hay base para asegurar que si un ingeniero gasta unos miles de dólares más al mes, su productividad suba en esa misma proporción. Los modelos ayudan mucho en proyectos greenfield (código nuevo), pero la ingeniería real implica mucho trabajo repetitivo y mantenimiento sobre código existente. O sea, importa la diferencia entre el tiempo que toma programar una función nueva y el tiempo que toma escribirle buenos prompts a la IA para que produzca ese código. Incluso si eso fuera un 10%, ahorrar 10% del tiempo con IA te deja 4 horas por semana. Y ni siquiera esas 4 horas se van completas a desarrollo real, así que el aumento efectivo de producción quizá sea de 5%. Viéndolo así, si el usuario gana 5% de productividad y su salario anual es de 10 mil dólares, la empresa no gastaría más de 500 dólares al mes en IA. Pero si Anthropic está gastando más de $10k por semana en costos de inferencia por usuario, las cuentas no cierran. Los costos tienen que bajar muchísimo para que esto de verdad tenga sentido. Si en 10 años el escenario es que al ingeniero le den una laptop con GPU integrada y use autocompletado de código con IA de forma muy rápida, para la empresa sería una sola inversión de 3 a 5 mil dólares en el equipo. A futuro, el coding con IA no va a estar dominado por "agentes", ni por prompt engineering. Los modelos no van a mejorar muchísimo más que ahora; serán simples, estándar, útiles, pero no extraordinarios. Al final, que se sienta "aburrido" sería un futuro saludable

  • En esencia, creo que es difícil justificar las valuaciones de estas empresas si el mercado no termina siendo mucho más grande que el de un plugin de IDE

  • Sigue siendo una incógnita si Claude realmente puede generar ganancias. ¿Hay suficiente gente dispuesta a pagar de verdad el costo subsidiado? Y más aún si ese costo llega a ser una parte importante del salario adicional de un empleado

  • OpenAI alguna vez tuvo una "ventaja aplastante", pero viendo cómo los competidores la alcanzaron en un año, esa diferencia no parece una muralla tan alta. Como en el caso de Anthropic, si se van unas cuantas personas clave, es un mercado donde te pueden alcanzar perfectamente

• ¿Estamos tan metidos en una burbuja que podría volarse una gran parte de la economía? Yo diría que casi seguro sí. Eso no significa que la IA en sí sea un fraude. Al final, la burbuja puntocom sí explotó, pero internet no desapareció, y casi todo lo que las puntocom prometían terminó cumpliéndose en algún momento

  • Que internet haya terminado pudiendo hacer de todo no lleva automáticamente a la conclusión de que los LLM acelerados por GPU vayan a reemplazar la mayor parte del trabajo humano

  • Incluso en el texto se reconoce que sí hay casos donde usuarios reales sienten que les resulta útil. Llamarlo "fraude" también apunta a que el VC, la prensa y la inversión han exagerado muchísimo más allá de la utilidad real. Llamarlo burbuja no significa que vaya a desaparecer por completo y nunca volver. Significa que eventualmente la realidad se va a imponer, muchas empresas van a quebrar, las valuaciones se van a desplomar y habrá efectos en cadena

  • El problema de las predicciones es que justamente el "momento" en sí ya es una predicción sustancial. No sabemos qué viene. Cuando vi GPT-3 por primera vez, de verdad me pareció bastante malo y ni le presté atención. Por eso ahora la incertidumbre sobre el futuro es mucho mayor<p>Con internet también pasó que una "versión de la promesa original" se cumplió mucho tiempo después, usando nuevas tecnologías que ni existían en ese momento. Decir "la dirección era correcta" en realidad casi es sinónimo de decir "estaba equivocado"

  • ¿Que casi todo lo prometido en la era puntocom se cumplió? ¿Y la burbuja blockchain? ¿Hoy se usa mucho blockchain? ¿De verdad cambió algo?

• La burbuja se va a desinflar en algún momento. La burbuja web también se desinfló, y el proceso va a doler. Pero la tecnología de IA se va a quedar y de verdad va a impulsar transformaciones. Igual que la web, va a influir tanto en direcciones buenas como malas

  • Siempre me da risa que las discusiones sobre IA terminen siendo prácticamente indistinguibles de las discusiones sobre cripto<p>(aunque los LLM sí tienen utilidad real)

  • En la época de la burbuja puntocom, la relación P/E del Nasdaq superó 200, pero hoy el mercado total está en 40 y Nvidia en 49. Todos quieren decir que esto también es una burbuja, pero si lo ves desde clientes reales o ingresos, no es ninguna burbuja. ChatGPT llegó a 100 millones de MAU más rápido que cualquier producto en la historia y dicen que ya está entre los 5 sitios más visitados de internet. Cursor alcanzó $500 millones en ingresos en el menor tiempo de la historia. Midjourney ya no suena tanto, pero factura más de $200 millones al año y es rentable. Viéndolo fríamente, la gente de Hacker News es la que tiene ideas más "de burbuja". Claro, hay muchas empresas sobrevaluadas y habrá altibajos, pero ver estas métricas reales y aun así decir "es igual que cripto" de verdad no lo entiendo. En una encuesta reciente, 48% dijo haber usado ChatGPT para apoyo psicológico (link de la encuesta). Una adopción tan explosiva no tiene precedentes en la historia humana. Ahora mismo ni los servidores alcanzan la demanda y cada semana hay caídas del servicio. Es algo esencialmente distinto a una burbuja

• El argumento del texto tiene sentido, pero si le quitaran relleno se sentiría más potente y conciso

• Irónicamente, le pedí a ChatGPT que me hiciera un resumen en francés. Pero ya me cansó demasiado la burbuja de la IA, y estoy harto de que la mitad de mi timeline de Twitter esté llena de noticias y hilos sobre IA

  • Reddit y LinkedIn se han vuelto focos de contenido generado automáticamente. Aun así, si conoces los patrones, es fácil filtrarlo y bloquearlo

  • Para resumir y traducir, la IA sí sirve bastante<p>Yo clasifico los resultados de IA por la relación entre la cantidad de información del prompt+entrada y la cantidad de información de salida<p>Resumen: salida < entrada. Para tareas de bajo riesgo como esta, cumple bien<p>Traducción: salida ≈ entrada (solo cambian formato/idioma). Aquí sí hace falta revisar un poco más<p>Expansión generativa: salida > entrada. Ahí está el riesgo. Por ejemplo, le pides que te saque los ingredientes de una cheeseburger y la IA va a "querer" meterle pan con ajonjolí, porque solo infiere el promedio según sus datos internos. Puede estar bien, pero si eres alérgico al ajonjolí, podría ser fatal. Siempre hay que tener cuidado con lo que va más allá de la entrada. En esencia, cualquier resultado generado que supere la entrada solo puede ser "promedio". Por eso el contenido generado por IA se siente como una masa de mediocridad "promedio"

• Este texto se siente refrescante. Yo estoy más cerca del grupo de los "optimistas", pero en general siento que falta escepticismo. Hay un ambiente donde la gente con posturas conservadoras o críticas termina siendo vista como rara. A diferencia de tendencias anteriores, en la industria de la IA sí hay muchísimos vendehumo, y basta con ponerle un wrapper o un chatbot a cualquier cosa para venderla como "impulsada por IA"