Bajo una apariencia prometedora, las «cuatro grandes dificultades» de OpenAI

Benedict Evans afirmó que la falta de barreras tecnológicas, la escasa retención de usuarios, la ausencia de un efecto de volante en la estrategia de la plataforma y que la estrategia de producto esté condicionada por la dirección de I+D del laboratorio, amenazan la competitividad a largo plazo de OpenAI.

Artículo de fondo: Zhao Ying

Fuente: Wall Street Journal

El exsocio de a16z y reconocido analista tecnológico Benedict Evans publicó recientemente un análisis profundo, señalando directamente que OpenAI enfrenta cuatro grandes dilemas estratégicos fundamentales detrás de su aparente prosperidad. Él sostiene que, aunque OpenAI cuenta con una base de usuarios enorme y capital suficiente, la falta de barreras tecnológicas, la escasa fidelidad de los usuarios, la rápida recuperación de los competidores y que su estrategia de producto esté condicionada por la dirección de I+D del laboratorio, amenazan su competitividad a largo plazo.

Evans señala que el modelo de negocio actual de OpenAI no presenta ventajas competitivas claras. La compañía no posee tecnologías únicas ni ha logrado efectos de red, y solo el 5% de sus 900 millones de usuarios activos semanales pagan por el servicio. Además, el 80% de los usuarios envían menos de 1000 mensajes en 2025, lo que equivale a menos de tres indicaciones diarias en promedio. Este patrón de uso, “ancho en alcance, profundo en poca profundidad”, indica que ChatGPT aún no se ha convertido en un hábito cotidiano para los usuarios.

Mientras tanto, gigantes tecnológicos como Google y Meta ya han igualado tecnológicamente a OpenAI y están aprovechando sus ventajas de distribución para ganar cuota de mercado. Evans cree que el verdadero valor en el campo de la IA provendrá de experiencias y aplicaciones aún no inventadas, y que OpenAI no puede crear todas esas innovaciones por sí solo. Esto obliga a la compañía a operar en múltiples frentes, desde infraestructura hasta capa de aplicaciones, con una estrategia integral.

El análisis de Evans revela una contradicción central: OpenAI intenta construir barreras competitivas mediante grandes inversiones de capital y una estrategia de plataforma de pila completa, pero en ausencia de efectos de red y mecanismos de bloqueo de usuarios, la efectividad de esta estrategia es dudosa. Para los inversores, esto implica reevaluar el valor a largo plazo de OpenAI y su posición real en el panorama competitivo de la IA.

Ventajas tecnológicas que desaparecen: aumento de la homogeneización de modelos

Evans señala que actualmente unas seis instituciones pueden lanzar modelos de vanguardia competitivos, con rendimientos similares. Las empresas se superan unas a otras cada pocas semanas, pero ninguna logra establecer una ventaja tecnológica insuperable. Esto contrasta con plataformas como Windows, Google Search o Instagram, que gracias a efectos de red han fortalecido su cuota de mercado, dificultando que competidores con grandes inversiones puedan romper su monopolio.

Este escenario de igualdad tecnológica podría cambiar con ciertos avances, siendo el más evidente la capacidad de aprendizaje continuo, aunque Evans opina que OpenAI no tiene planes claros en ese sentido. Otro posible diferenciador sería el efecto de escala en datos propietarios, como datos de usuarios o datos específicos de industrias verticales, pero las plataformas existentes también tienen ventajas en este aspecto.

En un contexto de rendimiento de modelos cada vez más homogéneo, la competencia se desplaza hacia la marca y los canales de distribución. La rápida expansión de Gemini y Meta AI en cuota de mercado confirma esta tendencia: para el usuario común, estos productos parecen similares, mientras que Google y Meta poseen capacidades de distribución muy fuertes. En cambio, el modelo Claude de Anthropic, aunque frecuentemente destacado en benchmarks, tiene un reconocimiento casi nulo entre los consumidores debido a la falta de estrategia de mercado y producto.

Evans compara ChatGPT con Netscape, que dominó inicialmente el mercado de navegadores pero fue derrotado por Microsoft aprovechando su ventaja de distribución. Él cree que los chatbots y los navegadores enfrentan el mismo problema de diferenciación: en esencia, solo son un cuadro de entrada y salida, con un espacio de innovación muy limitado.

Base de usuarios frágil: la escala no oculta la falta de fidelidad

Aunque OpenAI tiene una ventaja clara con entre 800 y 900 millones de usuarios activos semanales, Evans advierte que estos datos ocultan un problema grave de participación. La mayoría de los usuarios que conocen y saben usar ChatGPT no lo han convertido en un hábito diario.

Los datos muestran que solo el 5% de los usuarios de ChatGPT pagan por el servicio. Incluso entre los adolescentes en EE. UU., la proporción que usa varias veces a la semana o menos es mucho mayor que la que lo hace varias veces al día. En el resumen de 2025, OpenAI reveló que el 80% de los usuarios envían menos de 1000 mensajes en ese año, lo que equivale, en términos nominales, a menos de tres indicaciones diarias, y en realidad, a menos interacciones.

Este uso superficial significa que la mayoría de los usuarios no perciben diferencias en personalidad o enfoque entre modelos, ni se benefician de funciones como la “memoria” diseñadas para crear fidelidad. Evans enfatiza que la memoria puede generar fidelidad, pero no efectos de red. Aunque una base de usuarios mayor puede ser una ventaja, cuando el 80% solo usa la plataforma unas pocas veces por semana, esa ventaja es cuestionable.

OpenAI también reconoce estos problemas, señalando que existe una “brecha de capacidad” entre las capacidades del modelo y el uso real por parte de los usuarios. Evans opina que esto es una forma de evitar abordar la incertidumbre sobre el ajuste del producto al mercado. Si los usuarios no saben qué hacer con ChatGPT en su día a día, significa que aún no ha cambiado sus vidas.

La compañía ha lanzado proyectos publicitarios, en parte para cubrir los costos de servicio del 90% de usuarios que no pagan, pero más estratégicamente, para ofrecer a estos usuarios los modelos más recientes, potentes y costosos, con la esperanza de aumentar su participación. Sin embargo, Evans cuestiona si, si los usuarios no saben qué hacer con ChatGPT hoy o esta semana, ofrecerles mejores modelos cambiará esa situación.

Estrategia de plataforma en duda: falta un efecto de volante real

El año pasado, el CEO de OpenAI, Sam Altman, intentó consolidar las iniciativas de la compañía en una estrategia coherente, mostrando un diagrama y citando a Bill Gates: “La definición de plataforma es crear valor para los socios que supere el valor que se crea para uno mismo”. Al mismo tiempo, el CFO publicó otro diagrama que mostraba un “efecto de volante”.

Evans considera que el efecto de volante es una estrategia ingeniosa y coherente: el gasto de capital genera un ciclo virtuoso y sienta las bases para construir una compañía de plataforma de pila completa. Desde chips e infraestructura, se construye cada capa tecnológica, y a medida que se avanza, se ayuda a otros a usar esas herramientas para crear sus propios productos. Todos usan tu nube, tus chips y tus modelos, y en niveles superiores, las capas tecnológicas se refuerzan mutuamente, formando efectos de red y ecosistemas.

Sin embargo, Evans afirma que esa no es una analogía correcta: OpenAI no posee la dinámica de plataformas y ecosistemas que tuvieron Microsoft o Apple, y ese diagrama de volante en realidad no muestra un efecto de volante genuino.

En cuanto a inversión de capital, las cuatro principales empresas de computación en la nube invirtieron aproximadamente 400 mil millones de dólares en infraestructura el año pasado, y anunciaron que este año invertirán al menos 650 mil millones. Hace unos meses, OpenAI afirmó que en el futuro tendría compromisos de 1.4 billones de dólares y 30 gigavatios de capacidad de cómputo (sin un cronograma claro), pero a finales de 2025, su uso real fue de solo 1.9 gigavatios. Debido a la falta de flujo de caja a gran escala en su negocio actual, la compañía recurre a financiamiento y a usar balances de terceros (en parte mediante “ingresos circulares”) para alcanzar esas metas.

Evans opina que una inversión masiva en capital puede ser solo para obtener un asiento en la mesa, no una ventaja competitiva. Compara los costos de infraestructura de IA con la fabricación de aviones o semiconductores: sin efectos de red, pero con procesos cada vez más difíciles y costosos en cada generación, solo unas pocas empresas podrán mantener la inversión en la frontera tecnológica. TSMC, aunque tiene un monopolio de facto en chips de vanguardia, no ha logrado obtener apalancamiento o valor en las capas superiores de la pila tecnológica.

Evans señala que los desarrolladores deben construir aplicaciones para Windows porque tiene casi todos los usuarios, y los usuarios deben comprar PCs con Windows porque casi todos los desarrolladores crean para esa plataforma — eso es un efecto de red. Pero si usas IA generativa para inventar una nueva aplicación o producto excelente, solo necesitas hacer llamadas API a los modelos en la nube, y los usuarios no saben ni les importa qué modelo usaste.

Falta de control del producto: la estrategia condicionada por el laboratorio

Al inicio del artículo, Evans cita a Fidji Simo, responsable de producto en OpenAI, en 2026: “Jakub y Mark establecen la dirección de investigación a largo plazo. Después de meses de trabajo, aparecen resultados sorprendentes, y luego los investigadores me contactan diciendo: ‘Tengo algo muy genial. ¿Cómo planeas usarlo en el chat? ¿Y en nuestros productos empresariales?’”

Esta frase contrasta claramente con la famosa cita de Steve Jobs en 1997: “Debes comenzar con la experiencia del cliente y luego retroceder hasta la tecnología. No puedes empezar con la tecnología y luego tratar de decidir dónde venderla.”

Evans opina que, cuando eres responsable de producto en un laboratorio de IA, no puedes controlar tu hoja de ruta, y tu capacidad para definir la estrategia de producto es muy limitada. Abres el correo por la mañana y descubres que el laboratorio ha logrado algo, y tu trabajo es convertirlo en un botón. La estrategia ocurre en otro lugar, pero ¿dónde exactamente?

Este problema revela el desafío fundamental que enfrenta OpenAI: a diferencia de Google en los 2000 o Apple en los 2010, los empleados inteligentes y ambiciosos de OpenAI no tienen una estrategia de producto verdaderamente efectiva y difícil de replicar por otros. Evans interpreta que, en los últimos 12 meses, la actividad de OpenAI refleja que Sam Altman es muy consciente de esto y está intentando, antes de que la música pare, transformar la valoración de la compañía en una posición estratégica más duradera.

Durante la mayor parte del año pasado, la respuesta de OpenAI pareció ser “hacer todo a la vez, y de inmediato”. Plataformas de aplicaciones, navegadores, redes sociales, colaboración con Jony Ive, investigación médica, publicidad, etc. Evans cree que algunas de estas acciones parecen “ataques totales” o simplemente resultados de reclutar rápidamente a muchas personas proactivas. A veces da la impresión de que están copiando modelos de plataformas exitosas anteriores, sin entender completamente sus propósitos o mecanismos dinámicos.

Evans repite con frecuencia términos como plataformas, ecosistemas, apalancamiento y efectos de red, pero admite que estos términos se usan mucho en la industria tecnológica y su significado puede ser bastante vago. Cita a Roger Lovatt, profesor de historia medieval en la universidad, quien decía: “El poder es la capacidad de hacer que las personas hagan cosas que no quieren hacer”. Esa es la verdadera cuestión: ¿OpenAI tiene la capacidad de hacer que consumidores, desarrolladores y empresas usen más sus sistemas, sin importar qué hagan exactamente? Microsoft, Apple, Facebook y Amazon alguna vez tuvieron esa capacidad.

Evans opina que una buena forma de entender la cita de Bill Gates es que una plataforma realmente logra aprovechar toda la creatividad de la industria tecnológica, de modo que no tienes que inventar todo tú mismo, sino que puedes construir muchas cosas a gran escala, siempre en tu sistema y bajo tu control. Los modelos base son multiplicadores, y muchas cosas nuevas se construirán con ellos. Pero, ¿tienes razones para que todos tengan que usar tu producto, incluso si los competidores ya han creado algo similar? ¿Y por qué tu producto siempre debe ser mejor que el de la competencia, sin importar cuánto inviertan?

Evans concluye que, si no tienes esas ventajas, lo único que te queda es la capacidad de ejecución diaria. Ejecutar mejor que los demás, por supuesto, es un deseo, y algunas empresas lo han logrado durante mucho tiempo, incluso creyendo que ya lo han institucionalizado, pero eso no es una estrategia.