- Aunque una investigación del MIT indica que los proyectos de IA empresariales tienen una tasa de fracaso del 95%, en realidad lo que revela es un problema estructural: las grandes empresas no logran construir IA por su cuenta
- Las grandes empresas intentan crear sistemas de IA mediante sus equipos internos de TI o consultoras, pero la mayoría fracasa por falta de capacidad de desarrollo de producto y barreras políticas
- La tasa de éxito de los proyectos que eligieron startups proveedoras externas fue mucho más alta que la del desarrollo interno, y las empresas ahora están en una situación en la que no les queda más que depender de soluciones de startups
- Dentro de los equipos de ingeniería de las grandes empresas hay muchos escépticos de la IA, por lo que no pueden crear productos que realmente funcionen, y eso ofrece una oportunidad sin precedentes para las startups
- La construcción de sistemas AI-native y las altas barreras de entrada por los costos de cambio crean un entorno favorable para startups capaces de construir soluciones que sí funcionen
Lo que realmente dice el informe de investigación del MIT
- La interpretación distorsionada que difundieron influencers de IA: en X y YouTube presentaron el “95% de fracaso en proyectos de IA” como prueba de que “la IA es una estafa”
- En realidad, el estudio analiza la forma en que las empresas adoptan IA y los factores de éxito, y confirma cómo funcionan realmente los agentes de IA y cuáles son los enfoques efectivos
- Incluso estudiantes universitarios leyeron solo la versión en tuits y concluyeron erróneamente que “las startups de IA de las que habla YC no funcionan”
Causas estructurales del fracaso en la adopción empresarial de IA
- Problemas crónicos de los sistemas internos de TI: la mayoría de los sistemas internos de las empresas son de baja calidad, y aunque contraten consultoras como Ernst & Young o Deloitte, el problema se duplica
- Hasta Apple falla en desarrollo de software: incluso Apple, con capital ilimitado y acceso al mejor talento, tiene bugs diarios en su app de calendario
- Es un ejemplo que muestra la realidad de que a una empresa común o a un departamento de TI le cuesta muchísimo crear buen software
- Conflictos políticos dentro de la organización: al desplegar software sofisticado en una gran empresa, intervienen varios equipos y surgen peleas políticas y disputas de territorio
- Los consultores median entre el equipo de ciencia de datos, soporte al cliente, TI, etc., mientras redactan documentos de requerimientos
- Pero a los consultores les falta experiencia técnica real en construcción de software
- Límites de los sistemas legacy: los sistemas internos de las empresas son demasiado antiguos y están demasiado aislados, por lo que se necesitan al mismo tiempo experiencia de consultoría externa y capacidad real de construcción de software
- El resultado final suele ser algo así como un camello diseñado por un comité, producto de compromisos sin utilidad práctica
Casos exitosos de startups
-
Tactile (motor de decisiones de negocio)
- Procesamiento en tiempo real de KYC/AML para bancos: maneja la verificación de crédito de solicitantes de préstamos y la validación de reglas de negocio a escala de millones de casos por día
- Citibank y JP Morgan intentaron desarrollarlo internamente, pero les tomaba de 3 a 5 años y decenas de millones de dólares
- Tactile ofrece decisiones en tiempo real vía REST API, permite conectar modelos de IA modernos y se implementó en mucho menos tiempo y con una fracción del presupuesto
-
Greenlight (sistema de IA para banca)
- Un banco pidió a su proveedor habitual, Ernst & Young, que construyera un sistema de IA
- Ernst & Young lo desarrolló durante un año, pero fracasó por completo
- Luego el banco volvió a contactar a Greenlight y hoy está totalmente desplegado y funcionando
-
Resultado de la investigación: proveedor externo vs. desarrollo interno
- De los proyectos analizados, 2/3 fueron desarrollo interno o en colaboración con consultoras
- Solo 1/3 compró productos de proveedores externos como Greenlight o Tactile
- Cuando se elegía un proveedor externo, la tasa de éxito era mucho mayor que con el desarrollo interno
Por qué las startups sí tienen éxito
- Escasez de perfiles polímatas (polymath): son extremadamente raras las personas buenas tanto en producto como en ingeniería
- Grandes ingenieros se enfocan solo en programar y no logran comunicarse con usuarios de dominio como empleados bancarios
- Los expertos del dominio, en cambio, carecen de habilidades de código o de capacidades en tecnología, diseño y lanzamiento de producto
- Caso Windsurf: un líder comercial sin título en ingeniería creó sus propias herramientas con Windsurf
- En organizaciones con gente de IQ 150 esto ya ocurre, pero en la mayoría todavía no es posible
- Vacíos con forma de startup: existen huecos en todos los procesos y sistemas de negocio que deben ser llenados por startups
- Se necesita una combinación rara de habilidades: comprensión de la IA moderna, instinto de producto y entendimiento de procesos humanos
-
Caso Castle AI (servidor hipotecario)
- Intentos de proveedores legacy por agregar IA: tratan de pegar IA encima de sistemas con décadas de antigüedad para responder a la competencia
- Es indispensable competir en un bake-off contra proveedores existentes en los que los bancos ya confían
- En muchos casos, la solución del proveedor está simplemente “maquillada con IA” y es muy deficiente
- Castle AI cerró contratos con grandes bancos gracias a un sentido de producto nativo desde el inicio
- Logró resultados en el plazo de un año tras el despliegue
-
Caso Reducto (procesamiento de documentos)
- Una empresa FAANG la descubrió directamente a través de YC Launch: cerró contrato con una empresa FAANG apenas 154 días después del batch
- Esa empresa había intentado durante años construir su propia solución
- Probó open source, AWS Tesseract y varias soluciones de OCR, pero fracasó
- Consiguió el contrato gracias a su excelencia de producto (product excellence)
- Tuvo que competir contra equipos internos mientras navegaba con cuidado la política organizacional
- Un reto también mencionado en el informe del MIT
- Actualmente lleva más de 1 o 2 años operando en producción
Estrategia de éxito
- Cultivar un champion interno: conseguir a alguien dentro que quiera dar oportunidades a jóvenes inteligentes
- Tipo ideal de champion dentro de la empresa
- Empleado con sueño de startup pero averso al riesgo: alguien que en la práctica nunca va a fundar una empresa
- Tiene tendencia a vivir la experiencia de forma vicaria a través de startups interesantes
- Siente que forma parte del viaje de la startup y quiere que el fundador tenga éxito
- Hay que encontrar personas que quieran alimentar ese sueño emprendedor interno
- Actitud que debe tomar el fundador
- No seguir el formalismo de ponerse traje o imitar la página de inicio de Microsoft
- Lo importante es actuar con autenticidad y como una startup de verdad
- Es importante verse inteligente y sensato, pero el exceso de formalidad no hace falta
La voluntad empresarial de adoptar IA y la oportunidad para las startups
- Mensaje central positivo del informe del MIT: existe una demanda abrumadora de adopción de IA por parte de las empresas
- Hoy es mucho más fácil vender agentes de IA a empresas FAANG que en la época en que operaban TripleByte
- Las empresas prefieren comprar soluciones a compañías de software existentes o startups en etapa avanzada
- Prefieren proveedores con más financiamiento y que parezcan menos riesgosos
- Pero hay un problema estructural de fondo: simplemente no pueden construir el producto
- Los equipos de ingeniería de las grandes empresas están compuestos por personas que no creen en la IA
- No usan herramientas de generación de código
- Si alguien dice que la investigación del MIT está sobrevalorada, le dan retuit y like
- Se aferran a la narrativa que quieren creer
- Si los ingenieros no creen, es imposible construir un producto que funcione
- Una oportunidad sin precedentes para las startups: si construyen un producto que funcione, las empresas no tendrán más remedio que hablar con ellas
- No pueden construirlo internamente y tampoco pueden recurrir a las compañías tradicionales
Mensaje para los escépticos de la IA
-
Pruébenlo ustedes mismos
- Si eres ingeniero, úsalo de verdad e inviértele en un proyecto real
- No lo abandones tras intentarlo una vez porque salió mal un nombre de variable
- También puede ser un side project divertido, no necesariamente tu trabajo principal
- Caso de “Vibe Coding Dad's Night”: un arrendador no técnico creó un sistema para verificar el pago de renta de sus inquilinos
- Es una herramienta que convierte a un ingeniero 10x en uno 100x, y a uno 1x en uno 10x
- El verdadero reto es superar la reacción emocional interna
-
Caso de distorsión de la entrevista a Andrej Karpathy
- Tuit: “Karpathy dijo que los agentes están sobrevalorados”
- Lo que realmente dijo: no puedes darle solo un prompt a un agente y esperar un resultado perfecto; hacen falta datos correctos, contexto, evaluación y trabajo con herramientas
- El significado real: hay una oportunidad enorme para startups y desarrolladores de software
- Todavía queda una montaña de grandes herramientas por construir
- La IA es una herramienta y hay que ayudarla a funcionar mejor; no hay que esperar que opere por arte de magia
Reescribir sistemas AI-native es una oportunidad
- Hay que reescribir por completo todos los sistemas para que sean AI-native
- El software debe rehacerse completamente para funcionar junto con la IA
- Eso ofrece a los fundadores oportunidades infinitas
- “Una vez que inviertes tiempo en entrenar el sistema, el costo de cambio se vuelve tan alto que resulta insoportable”
- Ese es precisamente el moat: una respuesta clara para quienes se preocupan de que un wrapper de ChatGPT no tenga moat
Conclusión: la oportunidad de las startups
- La lectura equivocada de los pesimistas de la IA: distorsionan el 95% de fracaso como prueba de que la IA no es viable
- El mensaje real: implementar IA es muy difícil y solo el 5% lo logra
- Pero la tasa de aceptación de YC es menor al 1%: ese 1% de fundadores crea casos de implementación exitosos dentro de la élite que sí lo consigue
- Factores de éxito: gran capacidad técnica + habilidades de polímata + comprensión de los demás
- Entender lo que realmente quiere el CIO de una fintech de 5 mil millones de dólares
- Confianza en poder estar dentro de ese 5%: si de verdad eres excepcional, sí es totalmente posible, y en YC hay muchísimos casos que lo demuestran
Aún no hay comentarios.