Doxa 2374

Las empresas de IA no tienen un modelo de negocio rentable. ¿Importa eso?

Andy Wu, de la Escuela de Negocios de Harvard, analiza los desafíos únicos de la industria, las fuerzas competitivas y los posibles resultados

Por Danielle Kost

IA generativa

Harvard Business Review

#Doxa #empresasdeia #modelo #negocio #rentabilidad #Harvard #andywu #industria #tecnológica #fuerzas #competitivas #desafíos #resultados #innovación #sostenibilidad #estrategia #empresarial

Resumen. El auge de la IA generativa está impulsado por inversiones asombrosas (incluidos los acuerdos multimillonarios de OpenAI en chips), pero para muchas empresas, la rentabilidad como resultado de estas inversiones ha sido esquiva, lo que ha llevado a algunos economistas a advertir sobre una burbuja de IA. En esta sección de preguntas y respuestas, Andy Wu, de la Escuela de Negocios de Harvard, analiza el potencial y la exageración de la nueva tecnología. En particular, destaca los desafíos estructurales que enfrentan la mayoría de las empresas y advierte sobre las inevitables fechas de vencimiento de los modelos de suscripción heredados actuales. Dice que el futuro de la industria dependerá de economías sostenibles y modelos de negocio que sean capaces de capturar valor.

Este artículo fue producido por Harvard Business School Working Knowledge y presenta las ideas del profesor Andy Wu.

En la carrera por dominar la inteligencia artificial, parece que no existe tal cosa como demasiado. La próxima generación de IA requerirá más terabytes de datos, gigavatios de electricidad y cientos de miles de millones de dólares en talento.

Y, sin embargo, las ganancias siguen siendo escasas y algunos economistas advierten sobre una burbuja inminente. Eso no impedirá que el líder OpenAI cierre acuerdos multimillonarios de chips con Nvidia, AMD y, más recientemente, Broadcom.

Andy Wu, de la Harvard Business School, dice que si bien la promesa de la IA es clara, el retorno potencial de estas enormes inversiones sigue siendo incierto. Si bien algunas personas podrían estar dispuestas a pagar una pequeña cuota mensual por ChatGPT, es poco probable que los ingresos por suscripción cubran los costos para escalar la tecnología

“El problema es que la IA generativa hoy en día tiene un alto costo variable y bajos ingresos variables”, dice Wu, profesor asociado de Administración de Empresas de la Cátedra Arjun y Minoo Melwani. “Una de las cosas en las que el público en general no piensa lo suficiente es en lo ridículamente caro que es usar la IA generativa”.

Basándome en su estudio de caso de junio, “ Guerras de IA en 2025 ”,  le pedí a Wu que hablara sobre los desafíos únicos de la industria, las fuerzas competitivas y los posibles resultados. La entrevista ha sido ligeramente editada para mayor claridad y brevedad

Suscríbase al boletín informativo Working Knowledge para recibir su cobertura de investigación en su bandeja de entrada cada semana.

¿Podría ayudarnos a comprender la magnitud de los costos de la IA?

La mayoría de las personas son conscientes del alto costo fijo de entrenar los principales modelos de IA generativa, pero también existen costos variables significativos de "inferencia" al usar IA generativa. Estos costos de inferencia se incurren cada vez que ingresamos una solicitud y recibimos una respuesta

Por poner un ejemplo, ¿esas caricaturas de Studio Ghibli que la gente crea con IA? Cuesta dinero real hacer cada una de esas imágenes divertidas. Se utilizan varios centavos de electricidad y capacidad de chip para hacer solo una imagen. OpenAI ahora espera gastar más de 150 mil millones de dólares en estos costos de inferencia hasta 2030.

Estas son condiciones difíciles para ganar dinero hoy en día. La mayoría de los usuarios reciben IA generativa de forma gratuita. Los usuarios avanzados sí pagan, pero pagan una tarifa de suscripción fija. Estos modelos de negocio son un legado de la última era del software: cuando el costo variable del software era cero o casi cero, estos modelos de negocio tenían mucho más sentido. Eran viables porque no perdías más dinero a medida que más personas usaban más de tu software. Hoy en día, la economía es mucho más difícil.

¿Qué empresas lideran en este momento?

En una fiebre del oro, podrías buscar oro. Eso es a lo que la mayoría de nosotros nos sentimos inmediatamente atraídos. Pero una fiebre del oro abre otras oportunidades: podrías vender palas o podrías hacer joyas

Para evaluar cómo se comparan estas oportunidades entre sí, podemos considerar cómo las perciben los mercados públicos. Desde finales de 2022 hasta hoy, el mayor ganador de la IA generativa es Nvidia, obviamente. Nvidia es el vendedor de palas por excelencia.

Después de Nvidia, el siguiente mayor ganador es Meta, lo que puede resultar más sorprendente. Y Meta es el fabricante de joyas por excelencia. La IA generativa es complementaria a las plataformas controladas por Meta: redes sociales y publicidad hoy, y quizás dispositivos portátiles y metaverso en el futuro. Meta está en una posición única para beneficiarse a medida que mejora la tecnología de IA generativa. Meta lo ha hecho significativamente mejor que Google y Microsoft, aunque ambos están mucho más asociados tradicionalmente con la IA generativa.

¿Parece que OpenAI es quien está buscando oro?

Uno de los debates fundamentales en el campo es si la tecnología de IA generativa real, el modelo en sí o, más precisamente, el modelo base, es una mercancía. Personalmente, suscribo ese punto de vista

Si usted suscribe ese punto de vista, entonces todas estas empresas que más nos entusiasman, como OpenAI y Anthropic, se enfrentan al desafío épico de tener que monetizar un producto en cuya creación invirtieron cientos de miles de millones de dólares.

Pero incluso si no llegara a decir que la IA generativa es un producto básico, hay que admitir que ha habido algunas debilidades evidentes en la capacidad de las empresas para proteger y diferenciar su IA generativa. El régimen de propiedad intelectual en torno a todo esto es bastante débil. Incluso si se logran avances significativos en el modelo, no está claro que se pueda proteger de la competencia. En muy poco tiempo, empresas como Grok de xAI y DeepSeek han podido acercarse a OpenAI con una inversión mucho menor

Si las barreras de entrada en este ámbito siguen siendo bajas, no habrá mucho margen para que OpenAI y otros suban los precios. Correrían el riesgo de entregar el mercado a nuevos participantes dispuestos a proporcionar IA generativa a un precio más económico o incluso gratis.

Dicho esto, no quiero que nada de esto se interprete como una sugerencia de que soy escéptico sobre la creación de valor de la IA generativa. La IA generativa es emocionante porque está ampliamente disponible: las barreras de entrada son bajas. Esto significa que muchos podrán crear valor con la tecnología, lo que también dificulta que alguien capture valor.

¿Qué modelos de negocio probablemente surgirán en la IA?

Al final, el modelo de negocio más viable es algo equivalente al pago por uso. El problema es que todavía no estamos en ese punto en nuestro comportamiento de compra

Los modelos de negocio de software evolucionan regularmente, pero ese cambio lleva tiempo. Quizás recuerdes una época en la que podías comprar una licencia de software en un CD una sola vez y luego instalarla donde quisieras. Después de eso, tuvimos que hacer una transición muy molesta al modelo de negocio de suscripción, y ahora tenemos que pagar por el software cada mes y por cada usuario. Necesitaremos hacer otra transición que será aún más molesta: eventualmente, pagaremos por cada uso.

Ya estamos viendo esta transición. Las "suscripciones" de IA generativa de hoy no son verdaderas suscripciones porque limitan el uso, lo que las convierte, en mi opinión, esencialmente en modelos basados ​​en el uso con otro nombre.

El problema es que estas "suscripciones" todavía tienen un precio demasiado bajo para ser viables. El precio típico (20 dólares al mes) no es suficiente para cubrir los costos variables de la mayoría de estos servicios. Desafortunadamente, en el futuro previsible, el grupo de personas dispuestas a pagar 20 dólares al mes por IA generativa es menor que el grupo de personas que pagarían 20 dólares al mes por Netflix

Dicho esto, animo a la gente a usar estos servicios tanto como puedan, mientras puedan. Nosotros, como usuarios, estamos obteniendo una gran oferta hoy en día en un servicio subvencionado por inversores.

¿Se reducirá todo a quién tenga el modelo de lenguaje más grande?

Históricamente, la teoría era que cuanto más grande fuera el modelo, mayor sería su calidad. Vimos esto a medida que OpenAI avanzaba de GPT-2 a GPT-3 y a GPT-4, y en paralelo en los otros creadores de modelos

Estos modelos muy, muy grandes realizan muchos cálculos y contienen mucha información. Pero al crear estos modelos de mayor calidad, también se tienen mayores costos de entrenamiento, que son fijos, y mayores costos variables de inferencia. Los servicios de suscripción limitan la cantidad de veces al día que se pueden usar estos modelos computacionalmente intensivos. Te limitan porque el costo variable es muy alto. Ya hemos llegado a un punto en el que los costos variables de estos modelos más grandes están fuera del alcance de cualquier modelo de negocio conocido disponible para cubrirlo.

Por lo tanto, la atención reciente se ha centrado en desarrollar modelos más pequeños que puedan tener una calidad comparable a la de un modelo más grande, pero con un costo variable menor

¿Cómo podría evolucionar el mercado a corto plazo?

No me sorprendería que experimentáramos un ajuste de cuentas en los próximos años. Las empresas de IA más publicitadas del sector están sufriendo enormes pérdidas y la rentabilidad aún está lejos para la mayoría de ellas. OpenAI y otras necesitarán seguir recaudando fondos para mantenerse a flote. Para atraer a futuros inversores, tendrán que ser capaces de seguir aumentando sus valoraciones a niveles sin precedentes.

El otro indicador de alerta aquí es el riesgo que asumen los actores adyacentes, lo que los hace particularmente vulnerables incluso a cambios relativamente pequeños en el mercado. Por ejemplo, la empresa de alquiler de coches Hertz se vio especialmente afectada por la pandemia, más que sus competidores, porque no solo había pedido dinero prestado para comprar sus coches, sino que luego obtuvo préstamos adicionales además de los coches que compró con dinero prestado. Así que, en cierto sentido, se endeudó dos veces con sus activos

En IA, estamos viendo indicios de esa exposición entre lo que llamamos las empresas de "neocloud" que proporcionan chips y computación en la nube a las empresas de IA. Incluso si el mercado sigue creciendo, pero a un ritmo más lento del previsto, varias de estas empresas estarían en quiebra.

¿Cómo está gestionando Google su inversión en IA?

En teoría, Google tiene todas las capacidades técnicas para incorporar la IA generativa en todo lo que hace. Es sorprendente que hayan optado por no hacerlo. Tomemos como ejemplo las Resúmenes de IA en la Búsqueda de Google. Google podría colocarlas en la parte superior de cada página de búsqueda. Pero a medida que han implementado los Resúmenes de IA, una de las cosas fascinantes es que a menudo reducen la cantidad de consultas que reciben Resúmenes de IA.

No es del interés financiero a corto plazo de Google implementar la IA en todos los ámbitos. En cambio, Google prefiere implementar la cantidad mínima posible de IA generativa para amortiguar su pérdida de cuota de mercado frente a los nuevos participantes, pero no más que eso

Las consultas para las que la IA generativa es más útil son también aquellas con las que Google no gana dinero de todos modos. Estamos hablando de indicaciones de búsqueda como "escribe mi ensayo de tercer grado sobre dinosaurios". Google gana dinero con consultas comerciales, como búsquedas de vuelos y recomendaciones de compras, para las cuales la IA generativa hoy en día tiene menos ventaja, si es que la tiene, sobre la búsqueda tradicional.

¿Qué pasa con Meta y Microsoft?

Meta, Amazon y Microsoft han tomado diversas medidas para posicionarse y beneficiarse del auge de la IA generativa, limitando al mismo tiempo su propia exposición a los riesgos

Microsoft es la más fascinante. La mayoría de los observadores asumen que Microsoft es un aliado y socio cercano de OpenAI. Sin embargo, Microsoft ha invertido o apoyado varias alternativas de código abierto a OpenAI. Hasta ahora, Meta ha sido el líder de código abierto con su modelo Llama. Cabe destacar que el socio preferido de Meta para implementar Llama es Microsoft Azure. Microsoft también ha contratado a uno de los fundadores de Google DeepMind para construir su propio modelo internamente. Por lo tanto, pueden acceder a parte del conocimiento interno de la jugada más importante del momento.

¿Qué opinas de hablar de una posible burbuja de IA?

En mi investigación sobre estrategia tecnológica, he estudiado detenidamente la historia de la tecnología durante los últimos 40 años. Hemos visto muchas “burbujas” o “ciclos de sobreexpectación” en ese tiempo: la burbuja de las puntocom; una burbuja de la economía colaborativa (por ejemplo, WeWork y Bird); una burbuja de trabajo desde casa durante la pandemia (piensa en Zoom y Peloton); realidad virtual; y un montón de burbujas de criptomonedas. La industria tecnológica pasa regularmente por estos altibajos

En mi opinión, la definición de una burbuja tecnológica es cuando todos pueden ver la creación de valor, pero nadie piensa en la captura de valor.

A finales de la década de 1990, existía una empresa llamada Pets.com. La idea principal era enviar comida para perros a domicilio. Esto es algo maravilloso. El potencial de creación de valor era enorme. Pero en medio de ese entusiasmo, perdimos temporalmente de vista la captura de valor: no existía un modelo de negocio real que lo hiciera funcionar en ese momento. Ahora, con el tiempo, la economía ha mejorado, lo que permite que Chewy llegue más tarde y haga que el negocio funcione.

Ese sería el riesgo aquí: una brecha entre la inmensa creación de valor proyectada y la cantidad de ese valor que estas empresas pueden capturar realmente.

Más recursos de HBR:

• El manual de IA de generación para organizaciones
• Abordando el problema del control de calidad de la IA de generación
• Empresas tecnológicas, energía nuclear y el problema de la sincronización estratégica

Lee más sobre IA generativa o temas relacionados: Negocios y sociedad, IA y aprendizaje automático, Gestión de la incertidumbre, Estrategia competitiva, Innovación disruptiva y Experimentación.

Danielle Kost es la editora jefe de HBS Working Knowledge.