Finalmente, las empresas que usan IA descubren que su negocio está siendo robado por las grandes compañías de modelos

Título original: "Finalmente, las empresas que usan IA descubren que su negocio está siendo robado por las grandes compañías de modelos"
Autor original: Yu Hang Yuan, Jing Yu, Geek Park

No solo quieren tu dinero, sino también tu negocio. El 1 de julio, el CEO de Palantir, Alex Karp, entró en el estudio de CNBC y lanzó una bomba con un tono casi fuera de control.

Dijo que la industria de la IA es "effing insane" (una locura), que los CEOs de las empresas estadounidenses están "livid" (furiosos) con OpenAI y Anthropic, y que las empresas están haciendo algo absurdo: pagando locamente por tokens mientras entregan sus datos operativos más críticos a los proveedores de modelos. Y el valor comercial que reciben a cambio es casi incalculable.

Cuando el presentador le preguntó si eso era "echar la culpa", Karp respondió: "No, solo estoy afirmando un hecho."

El precio de las acciones de Palantir subió un 9% ese día. Ese número en sí mismo es una votación: el mercado cree que él dijo lo que muchos querían decir pero no se atrevieron.

No es una simple explosión emocional de una persona. Cuando el líder de una empresa valorada en más de 100 mil millones de dólares dispara contra toda la industria de modelos en una transmisión nacional y el mercado responde con dinero real, significa que una emoción colectiva ha alcanzado un punto crítico.

En los últimos dos años, todos han estado hablando de cómo abrazar los grandes modelos. Pero ahora, está surgiendo una nueva pregunta: ¿Acercarse demasiado a los grandes modelos podría desgarrar a la empresa?

01 De "sin pensar" a "no ingenuo"

Recordando a principios de 2024, la actitud de las empresas hacia los grandes modelos se puede resumir en cuatro palabras: "primero, usémoslo".

No importa si hay ROI o no, no importa a dónde fluyan los datos, simplemente no se puede quedar atrás. La narrativa dominante en ese momento era: "La revolución de la IA ha llegado, si no la abrazas, serás eliminado". CIOs y CTOs de diversas industrias, bajo una gran presión, estaban integrando la IA en cada aspecto de sus negocios. Esta es una decisión típica impulsada por el pánico tecnológico.

Para 2025, "despliegue total" se convirtió en la palabra clave. Las empresas comenzaron a integrar seriamente los grandes modelos en sus procesos comerciales centrales, ya no solo hacían demos o hackatones internos. Desde atención al cliente hasta generación de código, desde análisis de mercado hasta diseño de productos, la profundidad y amplitud de la penetración de la IA se están expandiendo exponencialmente.

Pero al entrar en 2026, un sutil cambio de emoción está ocurriendo.

Los datos de investigación de Salesforce muestran que solo la mitad de los líderes de TI confían en que la infraestructura de datos de sus empresas puede respaldar el éxito de la IA. Un informe de investigación de NTT DATA publicado en mayo de este año utilizó directamente la palabra "chocar contra una pared": la IA empresarial está enfrentando cuellos de botella estructurales debido a los requisitos de privacidad y soberanía de los datos. Gartner predice que para 2027, el 35% de los países dependerán de plataformas de IA regionalizadas, mientras que hoy ese número es solo del 5%.

Karp expresó este cambio de manera más directa. Dijo que las empresas están pasando de consumir tokens sin pensar, "tokenmaxxing", a cuestionar realmente el retorno de la inversión. "La idea básica es, no sigas desperdiciando tiempo en tokens."

Esto no es una negación de los grandes modelos, sino que toda la industria está pasando de "sin pensar" a "no ingenuo". Después de la fase de entusiasmo, las empresas comienzan a examinar un problema fundamental con una mirada más fría: ¿lo que entrego y lo que recibo, se puede equilibrar?

02 Cuando los socios se convierten en competidores

Las críticas de Karp se detienen en el nivel del modelo de negocio. Pero lo que realmente da escalofríos es una amenaza más directa: tu proveedor de IA podría estar utilizando los datos y la comprensión de escenarios que tú contribuyes para crear un producto que te reemplace.

Lo que sucedió en abril de 2026 convirtió esta preocupación de la teoría a la realidad.

En febrero de este año, Figma y Anthropic estaban colaborando en una función llamada "Code to Canvas", integrando sin problemas el código generado por Claude en el flujo de diseño de Figma. Las dos compañías parecían ser socios íntimos.

El 14 de abril, el director de productos de Anthropic, Mike Krieger, renunció silenciosamente a su puesto en la junta de Figma.

Tres días después, Anthropic lanzó Claude Design, una herramienta de diseño de IA que puede generar prototipos interactivos, PPT y materiales de marketing directamente en lenguaje natural, apuntando directamente al negocio central de Figma.

Las acciones de Figma cayeron casi un 8% ese día.

Un detalle interesante en el informe posterior de Fast Company es que Figma y empresas como Adobe y Canva han tenido relaciones de colaboración con Anthropic durante años, pero antes del lanzamiento de Claude Design, nadie fue notificado. Todos se dieron cuenta, sorprendidos, de que su socio de IA se había convertido en un competidor bajo sus narices.

La razón por la que esta historia merece reflexión es que expone un problema estructural más peligroso que nunca en la era de los grandes modelos: cuando colaboras profundamente con una empresa de IA, no solo entregas la entrada al mercado, sino también tu comprensión de escenarios clave y datos de necesidades del usuario.

Anthropic pudo crear Claude Design en gran medida porque entendió profundamente el flujo de trabajo y los puntos de dolor de los diseñadores a través de su colaboración con empresas de herramientas de diseño.

Pero si ampliamos la perspectiva, esto no es un nuevo guion en la historia de la tecnología.

Amazon comenzó como una plataforma de comercio electrónico y creó su propia marca, utilizando datos de la plataforma para identificar con precisión las categorías más rentables y luego lanzó sus propios productos para devorar a los vendedores de terceros. Microsoft, comenzando desde el sistema operativo, fue incorporando uno a uno navegadores, software de oficina y herramientas de comunicación: Netscape fue asesinado, Slack se vio obligado a venderse. Google, extendiéndose desde el motor de búsqueda, respondió directamente a las preguntas de los usuarios en la página de resultados de búsqueda, marginando a Yelp y a muchos proveedores de servicios de información vertical.

La regla de hierro de la industria tecnológica nunca ha cambiado: una vez que una plataforma tiene suficientes datos y comprensión del usuario, comenzará a erosionar hacia arriba.

En la era de los grandes modelos, esta regla se vuelve más feroz, porque la erosión tradicional de la plataforma aún necesita tiempo para acumular comprensión, mientras que los grandes modelos son inherentemente un "acelerador de comprensión". Cada llamada a la API, cada entrada de datos comerciales, ayuda a los proveedores de modelos a comprender tu territorio más rápido y más profundamente.

03 El "límite de Roche" en la era de la IA

En astronomía hay un concepto llamado "límite de Roche": cuando un cuerpo celeste se acerca demasiado a una estrella de gran masa, la fuerza de marea supera su propia gravedad, y el cuerpo celeste es desgarrado.

Esta metáfora describe con precisión la relación actual entre las empresas y los grandes modelos, inquietantemente.

Los grandes modelos son esa estrella de gran masa. Cada empresa quiere aprovechar su gravedad para acelerar: aumentar la eficiencia, reducir costos, innovar. Pero el problema es que, cuando te acercas lo suficiente, tu "materia" comenzará a ser despojada. Tus datos, tu know-how, tu comprensión de las necesidades del usuario, fluirán hacia el centro de gravedad durante el proceso de colaboración.

¿Y dónde están los límites de cómo las empresas pueden "bailar con la IA" sin ser finalmente devoradas?

Esta pregunta ya está sobre la mesa en Estados Unidos. Pero si crees que está muy lejos de las empresas chinas, podría ser una ilusión.

Las empresas de China y Estados Unidos tienen diferencias en el ritmo de aplicación de la IA; las empresas estadounidenses ya han entrado en una fase de despliegue de IA a gran escala y profundamente integrada en los negocios, mientras que las empresas chinas todavía están en el proceso de pasar de pruebas piloto a escalas más grandes. Un estudio publicado en marzo por Lenovo y IDC mostró que el 72% de las empresas nacionales ya han completado pruebas piloto de agentes inteligentes y las han puesto en uso formal, desplegando IA en un promedio de 3.5 escenarios. Pero el enfoque del desafío también ha cambiado de "falta de capacidad de cálculo, falta de datos" a "los resultados de la aplicación no cumplen con las expectativas" y "ROI no claro".

En otras palabras, las empresas chinas están entrando en un "período de despertar de IA" similar al de las empresas estadounidenses.

Geek Park ha estado conversando recientemente con muchos emprendedores y empresas con negocios tradicionales y ha descubierto un fenómeno interesante: muchas veces, la reflexión sobre estos problemas no proviene de una crisis directa como "me preocupa que las empresas de modelos roben mi negocio", sino que, después de integrar realmente la IA en sus operaciones, comienzan a redefinir naturalmente "¿cuál es mi valor central en la era de la IA?"

Esta redefinición, en última instancia, se centrará en dos capacidades clave.

04 ¿Quién controla la "fundación de la IA"?

La primera, y la más realista, está en total consonancia con lo que Karp mencionó: ¿dónde se ejecutan tus datos y lógica de negocio?

El argumento central que Karp enfatiza repetidamente en CNBC es este. Los datos operativos más sensibles de las empresas no deberían fluir hacia la caja negra de un proveedor de modelos de terceros. Él posiciona a Palantir como la capa de aplicación que proporciona "IA soberana": los modelos pueden ser de otros, pero los datos deben permanecer dentro de sus propias paredes, y el despliegue debe estar en una infraestructura controlable por ellos.

Esto no es paranoia; la percepción de las empresas chinas es en realidad completamente consistente. Huang Weijie, responsable de investigación y desarrollo de WPS 365 de Kingsoft, dijo recientemente algo muy acertado: "Hoy las empresas no carecen de hardware y modelos, sino de una capa de aplicación de IA segura."

Los datos de IDC también respaldan esta tendencia: en la implementación de capacidad de cálculo de IA empresarial, la proporción de la nube pública está disminuyendo, y la proporción total de nube privada y despliegue local ha aumentado del 54% al 69%. "Los datos no salen del dominio" está pasando de ser un eslogan de cumplimiento a ser el primer criterio de selección para los CTOs.

Karp lo llama "cognición de commoditización". Su juicio es que la calidad del modelo en sí misma está convergiendo, y el verdadero valor diferencial no está en el nivel del modelo, sino en la capa de aplicación que vincula la capacidad del modelo con escenarios específicos de la empresa. El "motor de IA soberana" lanzado por Palantir en colaboración con NVIDIA es un producto de esta lógica: utilizando modelos de código abierto junto con la propia ontología y marco de gobernanza de Palantir, permite a las empresas ejecutar IA en un entorno completamente controlado, sin que un solo byte de datos salga. En el primer trimestre de 2026, Palantir reportó ingresos de 1.63 mil millones de dólares, un aumento del 85% interanual, lo que en cierta medida refleja el apoyo del mercado a este camino.

Hay una señal digna de atención aquí: las empresas y soluciones que ayuden a las organizaciones a ejecutar IA "sobre su propia base" serán cada vez más valoradas. En el país, "cerebros de IA privatizados" se han convertido en una verdadera pista de carrera, y varias startups están desarrollando productos en torno a esta dirección. No se trata de un purismo tecnológico, sino de una elección racional hecha por las empresas después de reflexionar.

05 No conviertas a la organización en una "máquina de repetir"

La segunda capacidad, más difícil de cuantificar, pero que Geek Park siente cada vez más en sus interacciones con empresas, es: ¿qué tipo de "personas" necesita una organización cuando la IA puede reemplazar cada vez más etapas de ejecución?

Ya hay algunas empresas que han tropezado con este obstáculo.

Cuando la IA supera claramente la eficiencia humana en ciertas etapas, un pensamiento natural es "eliminar a las personas". Pero después de que la organización se adelgaza, un problema oculto comienza a surgir: lo que la IA ejecuta es, en esencia, las "mejores prácticas" condensadas por estas personas en un entorno antiguo. Cuando el entorno cambia, el mercado cambia y los usuarios cambian, la IA sigue ejecutando esa lógica antigua, mientras que ya no hay suficientes personas en la organización para percibir estos cambios y empujar la evolución del negocio hacia adelante.

En otras palabras, una organización llena de IA pero vacía de personas probablemente solo esté repitiendo eficientemente el pasado.

Esto no significa que no se deba usar IA para reemplazar la ejecución. Más bien, cuando la IA asume cada vez más la capa de ejecución, las empresas necesitan otro tipo de personas: no aquellas que tradicionalmente realizan tareas específicas, sino aquellas que pueden "dirigir" a la IA. Este tipo de rol necesita entender la visión general del negocio, juzgar si lo que produce la IA sigue siendo aplicable a la realidad cambiante y ver nuevas posibilidades más allá de la "solución óptima" que la IA ofrece.

Algunas empresas que están a la vanguardia ya están comenzando a reflexionar seriamente sobre este problema. Se dan cuenta de que después de tener IA, la verdadera competitividad no es "cuántas personas han sido reemplazadas por IA", sino "si tus personas pueden manejar la IA para hacer cosas que antes no podían". Si solo dejas que la IA automatice y repita continuamente en datos históricos, en esencia, estás atrapado en un instantáneo del pasado.

La importancia de este cambio de percepción puede ser tan significativa como la soberanía de los datos. Cuando la IA nivela las barreras tecnológicas, "el juicio humano" y "la capacidad de evolución organizacional" se convierten en las cosas más difíciles de replicar. Algunas empresas ya lo han reconocido, otras aún no. Pero esta línea divisoria podría volverse muy clara en los próximos uno o dos años.

06 La industria necesita "nuevas empresas de IA"

En los últimos dos años, una suposición implícita ha dominado toda la industria: el valor de la era de la IA, en última instancia, se concentrará en manos de las empresas de modelos. Cuanto más cerca estés del modelo, mayor será el valor.

Esta suposición está siendo cuestionada.

Karp, en CNBC, en realidad reveló algo: el modelo en sí mismo está convirtiéndose en una cognición de commoditización. A medida que la diferencia de capacidad entre los grandes modelos se reduce, la verdadera diferenciación ya no está en el nivel del modelo. Una estructura industrial dominada únicamente por empresas de modelos no solo es poco saludable para las empresas, sino que también limita la velocidad de desarrollo de toda la industria de IA.

Lo que las empresas necesitan nunca ha sido un modelo más fuerte. Lo que necesitan es un ecosistema completo: que pueda responder a la ansiedad por la soberanía de los datos, que pueda proteger las barreras competitivas de ser "succionadas", que permita que la IA se integre verdaderamente en el negocio sin perder el control. Esta demanda está dando lugar a un mercado mucho más complejo que simplemente "vender tokens".

Ya hay señales claras en varias direcciones.

La "infraestructura de IA soberana" está convirtiéndose en una pista de carrera real que atrae grandes inversiones. Esto no es un concepto. Solo en la primera mitad de 2026, tres empresas de infraestructura de IA soberana en Europa (Nebius, nScale, AtlasEsge) han recaudado más de 11.8 mil millones de dólares en total. Hace unos días, Valarian en Londres acaba de obtener 50 millones de dólares en su ronda A, haciendo algo muy específico: agregar una "capa de control soberano" entre los sistemas de IA y los datos sensibles, decidiendo qué IA puede tocar qué datos y bajo qué condiciones. Esta necesidad no existía hace dos años, ahora los gobiernos y grandes empresas están haciendo fila para obtenerla.

Las "puertas de IA" y las capas de orquestación se están convirtiendo en una parte indispensable de la arquitectura de IA de las empresas. Cuando una empresa utiliza simultáneamente OpenAI, Anthropic, modelos de código abierto y su propio modelo especializado ajustado, ¿quién se encargará de la enrutación unificada, el control de costos, la gobernanza de permisos y la auditoría? Este rol, en la era del software tradicional, se llamaba middleware; en la era de la IA, se llama puerta o capa de orquestación. No es atractivo, pero es la infraestructura clave que permite a las empresas pasar de "usar IA" a "gestionar bien la IA". Palantir, en esencia, hace esta capa, solo que ha logrado la versión más pesada. Hay un enorme espacio para soluciones más ligeras, orientadas a empresas de diferentes tamaños.

En la capa de aplicación, las soluciones de IA para industrias verticales también están pasando de ser "superficiales" a "profundas". Muchas de las llamadas aplicaciones de IA en el pasado eran, en esencia, solo una capa de GPT. Pero ahora, lo que realmente puede mantenerse firme son aquellos productos que comprenden profundamente el know-how de industrias específicas y vinculan estrechamente la capacidad de IA con la lógica de la industria. El punto de valor de estas empresas no está en el modelo, sino en el conocimiento de la industria, que es precisamente lo que las grandes empresas de modelos tienen dificultades para obtener a través del entrenamiento.

Incluso en el nivel de "personas", está surgiendo un nuevo mercado de servicios. A medida que más empresas se dan cuenta de que lo que necesitan no son más herramientas de IA, sino personas que puedan "dirigir la IA" y metodologías organizativas complementarias, la demanda de consultoría sobre transformación organizacional en la era de la IA, capacitación de talento y rediseño de procesos también está surgiendo rápidamente.

En última instancia, una industria que solo tiene "capa de modelo" es frágil. Lo que realmente puede hacer que la industria de IA funcione más rápido y de manera más saludable es un ecosistema más tridimensional. En este ecosistema, hay quienes hacen modelos, quienes hacen infraestructura soberana, quienes hacen puertas y gobernanza, quienes hacen aplicaciones profundas en industrias verticales y quienes ayudan a las empresas a reconstruir sus capacidades organizativas. Cada capa responde a las necesidades reales de las empresas en su proceso de "abrazar" y "dominar".

Estas demandas se han vuelto cada vez más claras en el último año. En el futuro, las nuevas soluciones, proveedores y productos que surjan en torno a estas demandas podrían experimentar un período de clara explosión.

Volviendo a la metáfora del límite de Roche. Encontrar esa pista segura nunca ha sido solo un asunto de una sola empresa. Cuando todo el ecosistema comienza a desarrollar fuerzas más allá de los modelos, las empresas realmente tendrán la confianza de no ser desgarradas.

Enlace original

Descargo de responsabilidad: Este contenido se proporciona únicamente con fines generales de desarrollo de marca e informativos y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, evento en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación para comprar, vender, tradear o negociar de cualquier otra forma con cualquier criptoactivo o para utilizar cualquier servicio. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. Es posible que los servicios de WEEX y los eventos en línea no estén disponibles en todas las regiones, así como que estén sujetos a las leyes, regulaciones y requisitos de elegibilidad vigentes. Usted es responsable de asegurarse de que su uso de los servicios de WEEX cumpla con las leyes locales y de evaluar cuidadosamente los riesgos antes de participar en cualquier actividad relacionada con las criptomonedas.