No alquiles tu inteligencia

Apple construyó el negocio de plataformas más exitoso de la historia, y lo hizo alquilando la distribución. Tú creabas la aplicación, Apple se quedaba con el 30% y, a cambio, tú obtenías acceso a mil millones de clientes. La relación tenía sus tensiones, sobre todo en torno a ese 30%, pero la alineación de incentivos era real: Apple ganaba más dinero cuando el ecosistema estaba sano que cuando no lo estaba. Mantuvieron deliberadamente sus aplicaciones nativas simples y lentas de evolucionar, tardando una década en añadir características que las aplicaciones de terceros habían lanzado años antes. Los desarrolladores sabían que si creaban algo demasiado obvio, Apple podría acabar replicándolo por defecto, pero el ritmo era lo suficientemente lento y la distribución lo suficientemente valiosa como para que el trato funcionara para la mayoría.

La relación emergente entre los trabajadores del conocimiento y los proveedores de IA sigue un patrón superficialmente similar, pero la economía subyacente es diferente de formas que importan enormemente.

Cuando construyes sobre la plataforma de Apple, Apple sabe qué vendes y cuánta gente lo compra. Cuando construyes sobre la plataforma de un proveedor de IA, o más concretamente cuando viertes tu trabajo en sus herramientas, el proveedor sabe cómo piensas. Tus métodos de investigación, tus marcos analíticos, tu razonamiento estratégico, tus percepciones sobre los clientes, los patrones en tu toma de decisiones de los que quizás ni siquiera seas consciente. La diferencia entre alquilar la distribución y alquilar la inteligencia es la diferencia entre un casero que sabe tu dirección y uno que lee tu diario.

El patrón de depredación de plataformas

Existe un patrón bien documentado en los negocios de plataformas: la plataforma observa dónde se está creando valor sobre ella y luego se mueve hacia esos verticales. Microsoft utilizó el dominio de Windows para capturar las hojas de cálculo, el procesamiento de textos y la navegación web. Google comenzó enviando a los usuarios a otros sitios web a través de los resultados de búsqueda, para luego retener gradualmente más de la mitad de las búsquedas en sus propias propiedades. Amazon Marketplace permitió que los vendedores externos demostraran la demanda de categorías de productos, para luego lanzar Amazon Basics en esas mismas categorías.

El mismo patrón está emergiendo en la IA, y se mueve más rápido que cualquier ciclo anterior. Cursor se convirtió en uno de los mayores clientes de la API de Anthropic, demostrando que la categoría de asistentes de programación era enorme. Anthropic lanzó Claude Code. Los ingresos se aceleraron de inmediato. Luego vino Claude Design, que según se informa pilló a Figma desprevenida a pesar de que el CPO de Anthropic había estado en la junta directiva de Figma y no dimitió hasta tres días antes del lanzamiento. Luego Claude Science. Claude Security. Claude Legal. Claude Financial. Cada uno de ellos introduciéndose en una categoría que antes cubrían empresas que construían sobre los propios modelos de Anthropic.

Las empresas que construían sobre la API habían estado, en efecto, realizando estudios de mercado para su proveedor de infraestructura. Demostraron qué verticales eran valiosos, entrenaron a los usuarios para esperar herramientas potenciadas por IA en esas categorías y luego vieron cómo la plataforma se introducía con la ventaja de poseer la capa de modelo subyacente.

El argumento de que los modelos de código abierto deberían restringirse por motivos de seguridad tiene un aspecto bastante diferente cuando se observa que una capa de modelo restringida con solo un puñado de actores es exactamente la estructura de mercado que beneficia comercialmente a esos actores. Vale la pena detenerse a pensar en esto por un momento, porque las personas que plantean el argumento de la seguridad y las personas que se benefician del resultado competitivo son las mismas personas.

El caballo de Troya avanzado

Hay una tendencia más pequeña pero reveladora a la que vale la pena prestar atención. Microsoft anunció recientemente 2.500 millones de dólares para desplegar ingenieros directamente en los clientes empresariales. Amazon se está gastando mil millones en el mismo programa. OpenAI y Anthropic también los tienen. Se trata de ingenieros que entran en tu empresa, estudian tus flujos de trabajo, construyen integraciones y envían lo que aprenden de vuelta para mejorar el modelo.

El propósito declarado es ayudar a las empresas a adoptar la IA de manera más eficaz. El efecto estructural es que el proveedor de IA obtiene una comprensión íntima de cómo funciona tu negocio, cuáles son tus ventajas competitivas, dónde reside el valor en tu flujo de trabajo y qué partes de tu operación podrían convertirse en producto. Cada conocimiento que estos ingenieros aportan hace que el próximo producto del proveedor esté mejor orientado, y ese objetivo puede apuntar directamente a la categoría en la que tú operas.

La industria de las ciencias de la vida ya está respondiendo a esta dinámica. Anthropic y otros se han estado acercando a grandes compañías farmacéuticas, pidiéndoles que aporten datos experimentales patentados para entrenar modelos especializados, ofreciendo a cambio un acceso temprano y cierta ventaja exclusiva. Las empresas están diciendo mayoritariamente que no. Cuando has gastado decenas de miles de millones generando datos propios a través de años de experimentos y desarrollo de productos, esos datos son un activo fundamental, y aportarlos a un modelo compartido que también absorbe los datos de tus competidores mercantiliza precisamente aquello que te diferencia.

Las farmacéuticas pueden ver el patrón porque son lo suficientemente grandes y experimentadas como para reconocerlo. Los trabajadores del conocimiento individuales, los equipos pequeños y las empresas del mercado medio a menudo no pueden, o no se les ocurre mirar, hasta que el patrón ya se ha cumplido.

La cuestión de la soberanía de la inteligencia

Hay una capa más profunda en esto que va más allá del riesgo de la plataforma y la depredación comercial.

La privacidad, en el sentido tradicional, tiene que ver con el acceso: quién puede ver tus datos. La soberanía de la inteligencia trata de algo completamente diferente: quién controla la lente analítica que se aplica a tu información. Cuando tu asistente de IA lo proporciona una empresa con su propia agenda comercial, hoja de ruta de producto y estrategia competitiva, el análisis que recibes se filtra a través de prioridades y elecciones de entrenamiento sobre las que no tienes visibilidad ni control.

Esto importa sobre todo a las personas cuyo pensamiento es su producto. El valor de un consultor está en sus marcos analíticos. El valor de un investigador está en sus hipótesis y metodología. El valor de un abogado está en su razonamiento estratégico. El valor de un fundador está en su comprensión de un mercado que otros aún no han captado. Cuando cualquiera de estas personas vierte su trabajo en una herramienta controlada por una empresa que podría comercializar su categoría el próximo trimestre, está compartiendo la materia prima de su ventaja competitiva con una entidad cuyos intereses pueden no estar alineados con los suyos.

El paralelismo histórico tiene menos que ver con las plataformas tecnológicas y más con la relación entre los pensadores y las instituciones. La imprenta no solo democratizó el acceso a la información; las luchas políticas giraron en torno a quién controlaba la interpretación. Las agencias de noticias de principios del siglo XX no eran conductos neutrales de información, sino que daban forma a lo que se consideraba noticiable. El enfoque siempre ha importado tanto como los hechos, y la capa de IA es cada vez más la capa de enfoque para el trabajo del conocimiento.

La alternativa estructural

La alternativa a alquilar tu inteligencia es poseer la infraestructura que la soporta. Esto no significa crear tu propio laboratorio de IA o entrenar tus propios modelos. Significa elegir una arquitectura en la que la capa de inteligencia te sirva a ti sin absorberte.

En la práctica, esto se traduce en algunas cosas que funcionan juntas.

Elección de modelo, incluyendo el código abierto. Si puedes elegir qué modelo procesa tus datos, incluyendo modelos que se ejecutan localmente o en tu propia infraestructura, ningún proveedor único tendrá el monopolio de tu pensamiento. Los modelos de código abierto han alcanzado un punto en el que son competitivos con los modelos frontera para la gran mayoría de las tareas, y pueden ejecutarse en hardware que tú controlas sin que fluya ningún dato a un tercero. El argumento de que estos modelos son demasiado peligrosos para usarse libremente merece ser examinado de cerca cuando las personas que lo defienden se benefician directamente de un mercado cerrado.

Almacenamiento controlado por ti. Tu conocimiento acumulado, el contexto que se acumula con el tiempo, debe residir en una infraestructura de tu propiedad. El almacenamiento propio (bring-your-own-storage) significa que los datos se encuentran en tu contenedor S3 o en tu cuenta R2, cifrados con tus claves, y la capa de aplicación lee de ellos en lugar de retenerlos. Si cambias de herramienta, los datos se quedan exactamente donde están.

Una capa de límite entre tú y los modelos. Fabric se sitúa entre tu conocimiento y los modelos de IA, controlando lo que un modelo determinado puede ver y asegurando que la interacción te sirva a ti en lugar de alimentar el canal de entrenamiento del proveedor. Piensa en ello como una especie de Palantir personal: la inteligencia es tuya, los modelos son intercambiables y el límite se impone mediante la arquitectura, no mediante la confianza.

Portabilidad por defecto. Los protocolos abiertos como MCP significan que tu biblioteca de conocimiento es accesible para cualquier agente de IA bajo tus propios términos, sin quedar atrapado en el ecosistema de un proveedor específico. La biblioteca sobrevive a cualquier generación de modelo individual, a cualquier herramienta individual y a cualquier proveedor individual. Es tu contexto, y se queda contigo.

A quién le importa esto

Las personas que deberían reflexionar más seriamente sobre la soberanía de la inteligencia son aquellas cuyo pensamiento acumulado es su principal ventaja competitiva.

Investigadores cuyas hipótesis no publicadas y resultados experimentales representan años de trabajo. Consultores cuyas ideas de clientes y marcos analíticos son lo que venden. Abogados cuyas estrategias de casos serian devastadoramente valiosas para la parte contraria. Fundadores cuyo entendimiento del mercado es lo que hace que valga la pena construir su empresa. Inversores cuya evaluación de acuerdos y reconocimiento de patrones en cientos de empresas es su ventaja.

Para todas estas personas, verter su mejor pensamiento en una herramienta controlada por una empresa que podría comercializar su categoría, entrenarse con sus datos o simplemente cambiar las condiciones del servicio es un riesgo que crece con cada día de uso, precisamente porque el valor del contexto acumulado también crece.

Las personas que construyen contexto ahora, en sistemas que controlan, están haciendo una inversión que se acumula a su favor. Las personas que construyen contexto en sistemas controlados por proveedores de IA están haciendo la misma inversión, pero el beneficio acumulado puede favorecer a otro.

Preguntas frecuentes

¿No son los grandes proveedores de IA lo suficientemente confiables? Algunos de ellos pueden serlo, por ahora. Pero la pregunta no es si confías en el equipo directivo actual. La pregunta es si confías en cada futuro equipo directivo, en cada futura decisión empresarial y en cada futuro movimiento competitivo que pueda realizar una empresa cuyos intereses comerciales puedan diferir de los tuyos. La historia de los negocios de plataformas sugiere que la respuesta es no, independientemente de lo bienintencionada que pueda ser la dirección actual.

¿Pueden realmente los modelos de código abierto competir con los modelos frontera? Para la gran mayoría de las tareas del mundo real, sí. La brecha se ha reducido drásticamente y continúa estrechándose. Nemotron de Nvidia, Llama de Meta y otros modelos de código abierto son competitivos para la mayoría de los casos de uso profesional. El modelo que era el estado del arte hace dos años ya era lo suficientemente bueno para el 90% de las tareas; la cuestión siempre fue el coste, y ejecutar modelos de código abierto en tu propia infraestructura es cada vez más asequible.

¿Qué pasa con los equipos y las empresas? El argumento se escala directamente. El conocimiento acumulado de un equipo, su contexto compartido, su memoria institucional, es aún más valioso que el de un individuo, y más vulnerable a la dependencia de la plataforma porque lo que está en juego es más importante y los datos son más ricos. Los espacios de trabajo en equipo con almacenamiento controlado y elección de modelo aplican la misma arquitectura a nivel organizativo.

¿Es esto simplemente anti-IA? Al contrario. Esto es pro-IA y pro-propiedad. El argumento es que la IA es enormemente valiosa y lo será cada vez más, que es exactamente la razón por la que deberías poseer la capa de inteligencia en lugar de alquilarla a una empresa cuyos intereses pueden no alinearse con los tuyos. Cuanto más valiosa se vuelve la IA, más importa la cuestión de quién la controla.

Lecturas relacionadas: La ventaja de la IA no es el modelo, es la memoria, ¿Dónde vive tu conocimiento?, Tu investigación es tu foso, ¿Qué es la gestión del conocimiento?. Guías relacionadas: Cómo la gente usa Fabric.