El mercado más grande de la IA vertical está escondido a plena vista

• Cuanto más fragmentada y operativamente compleja es una industria, más probable es que los sistemas de IA vertical puedan construir una barrera defensiva sólida, algo que la mayoría de fundadores e inversionistas está pasando por alto
• La automatización limpia de una sola tarea se copia con facilidad, pero los sistemas que se integran profundamente en flujos de trabajo entrelazados con regulación, integraciones legacy y manejo de excepciones son difíciles de replicar para competidores, clientes e incluso laboratorios de IA
• Si se vuelve a calcular el tamaño de mercado no según el presupuesto de software sino según los costos de servicio y mano de obra, los mercados verticales que parecían pequeños revelan en realidad áreas de gasto enormes
• Cuando el producto pasa de asistir el trabajo a reemplazar el trabajo en sí, el área facturable dentro del mismo cliente puede expandirse decenas de veces
• En los próximos 5 años se definirá qué enfoque gana en cada industria entre plataformas verticales especializadas, capas de IA añadidas a los SoR existentes o desarrollo interno de IA

---

Por qué este mercado está escondido

• Las dos características que esconden los mejores mercados de IA vertical también funcionan como su barrera defensiva
• La primera es el workflow grit: entornos de trabajo complejos llenos de manejo de excepciones, integraciones legacy, aprobaciones humanas, compliance y modos de falla con alto costo
  • Las tareas limpias y bien definidas son fáciles de construir, demostrar y vender, pero en cuanto la inteligencia se vuelve portable, se comoditiza
  • Los trabajos estrechos, de bajo riesgo y fáciles de insertar en sistemas existentes pueden ser copiados por competidores, construidos por el propio cliente o incluso lanzados directamente por laboratorios frontier
• Los flujos de trabajo con mucho grit bloquean esas tres amenazas a la vez: los labs no quieren lidiar con la complejidad operativa, los clientes no tienen la capacidad técnica y los competidores no pueden tomar atajos
• Para hacer utilizable la IA en flujos con alto grit, se necesita mucho más que acceso a modelos: estructurar datos no estructurados, integrar sistemas legacy, diseñar bucles de aprobación, definir tasas de error aceptables y construir confianza en entornos donde equivocarse cuesta caro
  • Ese trabajo se acumula silenciosamente y forma un mapa propietario de la operación del workflow que un nuevo entrante no puede copiar solo comprando el mismo modelo
• Al principio la recompensa parece pequeña, pero ese duro trabajo operativo da permiso para expandirse a workflows adyacentes y categorías presupuestarias más grandes

Casos reales: préstamos automotrices, facturación médica y logística de carga

• Salient: construye un agente de voz con IA que llama a prestatarios con préstamos automotrices en mora. Opera bajo regulaciones FDCPA, TCPA y Reg F, en un entorno donde una sola infracción puede activar una acción regulatoria
  • La IA debe navegar reglas estatales y federales superpuestas, negociar pagos en tiempo real, respetar límites de frecuencia de llamadas y enrutar a un agente humano cuando sea necesario
  • Una llamada de cobranza humana cuesta entre $4 y $12, mientras que una llamada de IA cuesta solo una fracción
• Charta Health: automatiza la revisión de expedientes antes de la facturación, atravesando reglas de aseguradoras, códigos CPT y patrones de rechazo que varían por especialidad y región
• En logística de carga, HappyRobot, Pallet y Augment están construyendo agentes de IA que gestionan las interminables llamadas, correos y actualizaciones en portales necesarias para coordinar transportistas, cargadores y almacenes
  • “Llamar al chofer para confirmar el estado de la carga” no parece una oportunidad de escala venture, pero cada carga incluye decenas de puntos de contacto manuales y la industria logística gasta más de 1 billón de dólares al año en costos operativos no físicos

La segunda característica: estructura del mercado

• Una estructura de mercado fragmentada entre miles de operadores y con poco ADN tecnológico del lado comprador
• Los proveedores horizontales de IA necesitan clientes concentrados y de alto valor para que la economía de despliegue funcione, pero cuando los ingresos están dispersos entre miles de pequeñas y medianas empresas que operan sistemas distintos y datos no estructurados, un jugador generalista no puede justificar el esfuerzo de GTM
• Operadores inmobiliarios, empresas de servicios de campo y clínicas ambulatorias de rehabilitación no tienen la capacidad técnica para construir IA en producción internamente, y ven la tecnología como algo para comprar, no para desarrollar
• La fragmentación crea espacio para construir, y la baja inclinación a desarrollar internamente amplía esa oportunidad, dando tiempo para acumular contexto operativo de forma compuesta antes que nadie

Caso: el mercado fiscal y contable de EE. UU.

• El mercado fiscal y contable de EE. UU. es una industria de $145 mil millones, con una larga cola de unas 46,000 firmas CPA, de las cuales el 86% tiene menos de 10 empleados
  • Al mismo tiempo, también incluye a las Big Four y a grandes firmas nacionales
• Blue J: plataforma de investigación fiscal basada en IA que ha ganado tracción en ambos extremos. Hoy atiende a más de 2,800 organizaciones y su uso creció más de 700% interanual
• La estructura de larga cola vuelve poco atractivo el mercado para jugadores generalistas, mientras que el workflow grit de leyes tributarias superpuestas, patrones fácticos ambiguos y respuestas en las que expertos arriesgan su reputación crea un punto de entrada sostenible incluso en un entorno de compra exigente

Refuerzo compuesto de la barrera defensiva

• La complejidad operativa genera costos de cambio (switching costs): quitar el sistema implicaría volver a contratar personal, reconstruir procesos y renunciar a años de contexto acumulado del workflow
• La fragmentación no desaparece con el tiempo, ni los compradores adquieren de repente ADN de ingeniería
• Para cuando OpenAI o Anthropic detecten la existencia del mercado, el contexto operativo y la base de distribución del sistema vertical ya habrán acumulado años de ventaja compuesta

El TAM Goldilocks

• La razón por la que la mayoría de los mercados de IA vertical está escondida es que se mide mal el tamaño del mercado
• El enfoque estándar toma el gasto en software de esa categoría como TAM, pero en industrias fragmentadas y operativamente complejas, los presupuestos de software suelen ser pequeños
• La métrica correcta es cuánto gasta la industria en realizar el trabajo mismo: personal que ejecuta la tarea, proveedores externos, agencias, contratistas; es decir, el presupuesto de servicios y mano de obra
• Esta redefinición también explica por qué los competidores más peligrosos pasan por alto estos mercados: si se mira “IA para rentas inmobiliarias” con base en presupuesto de software, parece un nicho y no hay motivo para que un laboratorio frontier se movilice
  • Si se mira con base en presupuesto laboral y de servicios, el mercado es enorme, pero para cuando eso se hace evidente, el sistema vertical ya acumuló años de ventaja
• Las condiciones de un TAM Goldilocks: suficientemente grande para producir resultados venture, pero disfrazado con una modesta superficie de software, ignorado por su complejidad operativa y con potencial de expandirse de forma dramática una vez establecida la posición de sistema

Del soporte al reemplazo

• La expansión ocurre cuando el producto pasa de asistir el trabajo a ejecutarlo
• Caso de una empresa de administración inmobiliaria: gasta $30,000 al año en software de arrendamiento y $300,000 en personal de arrendamiento
  • Cuando el producto empieza a hacer el trabajo en sí, ya no se vende contra la línea de $30K, sino contra la línea de $300K
  • Si se expande a lo largo del workflow y la operación, puede acceder al presupuesto operativo total de más de $1M
  • Dentro de la misma empresa y el mismo cliente, el área facturable puede crecer 30 veces

Caso: EliseAI

• EliseAI: plataforma de administración inmobiliaria con IA que empezó en un mercado proptech limitado
  • Al inicio arrancó como una solución de automatización de arrendamiento de un solo SKU, con ~$50K de ACV
  • Luego se expandió al pasar de asistir tareas de arrendamiento a reemplazarlas, y después cubrió mantenimiento, cobranza y recorridos guiados por IA, extendiéndose a todo el ciclo de vida del inquilino
  • Hoy da servicio a 1 de cada 8 apartamentos en Estados Unidos, y administradores y operadores inmobiliarios gastan millones de dólares en la plataforma
  • También entró a salud, atacando $600 mil millones al año en costos administrativos con el mismo playbook
• No es que el TAM haya crecido junto con el producto; es que el producto reveló qué tan grande era realmente el TAM desde el inicio

Qué pasa cuando llegas primero

• En este mercado, las empresas de IA vertical que alcanzan una posición de sistema no solo construyen grandes negocios, sino que definen cómo operará toda una industria durante la próxima década
• Anthropic y OpenAI son una amenaza real para la capa de aplicaciones, pero deben manejar prioridades en conflicto al mismo tiempo
  • Deben seguir invirtiendo en avanzar la frontera de modelos, y maximizar ingresos basados en tokens entra en conflicto de intereses con el cliente final a medida que se expande la adopción de agentes
  • Encima de eso, tendrían que construir al mismo tiempo aplicaciones personalizadas de alta calidad para decenas de verticales distintas
• En la mayoría de los mercados, la IA vertical especializada superará en ejecución a los labs gracias a un enfoque puro
• Los próximos 5 años definirán qué enfoque gana en cada mercado: plataformas especializadas que expanden una cuña de IA hasta convertirse en sistema vertical, SoR existentes que conservan su posición añadiendo una IA “suficientemente buena”, o IA interna construida sobre Anthropic/OpenAI
• La estrategia central: elegir un punto de entrada agudo y operativamente complejo en un mercado que parece demasiado pequeño, expandirse por todo el workflow, ganar autoridad, reemplazar mano de obra y convertirse en un sistema sin el cual el cliente no puede operar
• “Los modelos ganan en la demo, la cuña gana en el piloto y el sistema gana en el mercado”