¿Con solo convertir ChatGPT en una startup basta? Los desarrolladores de modelos ya lo hicieron. Esto es lo que pasó.

Las primeras empresas emergentes en la ola de ChatGPT intentaron vender acceso a un gran modelo lingüístico como si fuera un producto independiente. Ahora ese enfoque pierde sentido con rapidez: los desarrolladores de sistemas de inteligencia artificial añaden por sí mismos las funciones en las que las empresas jóvenes aún hace poco basaban todo su negocio.

En el fondo de capital de riesgo NFX consideran que las empresas emergentes deben abandonar las simples capas sobre modelos ajenos y tomar el control de procesos sectoriales completos. En lugar de un programa para abogados, las empresas crean departamentos jurídicos basados en inteligencia artificial, y en vez de una herramienta aislada para compras buscan gestionar toda la cadena de suministro.

Las primeras capas aparecieron poco después del lanzamiento de ChatGPT. Redactaban textos publicitarios, respondían a clientes, ayudaban a los vendedores y buscaban información en documentos jurídicos. Estas empresas contaban con que los modelos básicos tardarían en poder ejecutar tareas especializadas por sí mismos.

La previsión no se confirmó. OpenAI, Anthropic y otros desarrolladores empezaron a convertir los modelos en productos listos para el trabajo. Las funciones que ayudan a programar, a trabajar con documentos y a crear contenidos pasaron a ser parte de grandes plataformas. Las pequeñas empresas que resolvían solo una tarea perdieron su ventaja principal.

Uno de los ejemplos más destacados fue Jasper. En 2022 la empresa recaudó $125 millones con una valoración de 1.500 millones de dólares y se consideraba uno de los líderes del mercado de programas que generan textos publicitarios. Más tarde la compañía redujo su previsión de ingresos anuales, recortó plantilla y empezó a desarrollarse en una nueva dirección. Ahora Jasper intenta convertirse en un sistema integral para marketing.

Mostraron mayor resistencia las empresas que usaron la inteligencia artificial no como una función aislada, sino como la base de todo el servicio. La plataforma jurídica EvenUp se centró en casos de indemnización por daños a la salud y gradualmente comenzó a preparar documentos, procesar materiales y ejecutar otras etapas del trabajo. Según NFX, más de 2.000 despachos jurídicos usan el servicio.

Otro ejemplo es la empresa Blitzy, que crea soluciones de software corporativo en lugar de equipos de contratistas. El sistema estudia toda la base de código del cliente, divide las tareas grandes en partes más pequeñas y selecciona los modelos adecuados para cada fase. Ese enfoque ayuda a tener en cuenta las interdependencias internas y los requisitos que un modelo universal puede pasar por alto si no se prepara con antelación.

El servicio hipotecario Tomo fue más lejos y automatizó las ventas, la verificación de prestatarios y las operaciones cotidianas. La empresa afirma que el 77% de los clientes obtiene una tasa más ventajosa que la de los proveedores hipotecarios tradicionales. Los fundadores de Tomo no intentan integrar un nuevo programa en el orden de trabajo antiguo, sino cambiar ese orden.

Una estrategia similar adoptó Seso, que creó un sistema único para gestionar a los trabajadores temporales en la agricultura de Estados Unidos. Antes, los datos sobre empleados, visados y documentación se guardaban en despachos jurídicos, en aplicaciones de oficina y en papel. Tras la llegada de modelos más avanzados, Seso empezó también a gestionar transporte y alojamiento de los trabajadores, a preparar análisis para las empresas y a ayudar en decisiones de personal.

Las grandes empresas también pueden implantar inteligencia artificial junto con los desarrolladores de modelos. Por ejemplo, el bufete Freshfields firmó un acuerdo con Anthropic para crear herramientas especializadas. Sin embargo, proyectos de ese tipo requieren grandes gastos en computación y personal técnico propio. Además, la automatización sigue siendo solo una de las ramas del negocio tradicional.

En NFX consideran que las empresas jóvenes pueden ganar al especializarse en un nicho estrecho. Un profundo conocimiento del sector, los datos acumulados, las ventas consolidadas y el control de todas las etapas del servicio son más difíciles de copiar que una función aislada de un programa. Cuanto más potentes se vuelven los modelos universales, menos valor tienen las capas simples y más importante resulta la capacidad de convertir las oportunidades de la inteligencia artificial en un negocio plenamente operativo.