ChatGPT alcanzó los 365 mil millones de búsquedas en solo dos años, una escala que a Google le tomó 11 años lograr. Esta aceleración asombrosa ejemplifica el núcleo del debate entre David George y Jen Ka de a16z: estamos presenciando una reestructuración fundamental de cómo la tecnología escala, se financia y crea valor. La conversación profundiza en cómo la inteligencia artificial no es solo otra ola tecnológica, sino una fuerza que comprime los plazos, redefine los modelos de negocio y está causando que las empresas más valiosas permanezcan privadas durante períodos sin precedentes. La masiva construcción de infraestructura por parte de los gigantes tecnológicos, junto con una reducción de 100 veces en los costos de los modelos de IA, prepara el escenario para una nueva era de innovación en la que los mercados privados, no las bolsas públicas, se están convirtiendo en el principal escenario para la inversión de alto crecimiento y la creación de valor.

El análisis se centra en la dinámica única del actual auge de la IA en comparación con ciclos pasados como la era punto com o el auge de los móviles. Una distinción crítica es la capa fundacional: la explosión actual de la IA se construye sobre la infraestructura global existente de internet y la computación en la nube, lo que permite una distribución mundial inmediata. Además, la carga de construir el capex anual estimado de 400 mil millones de dólares en centros de datos y capacidad de cómputo no recae sobre startups riesgosas, sino sobre los sólidos balances de gigantes como Microsoft, Google y Amazon. Esto reduce el riesgo del lado de la oferta de una manera nunca vista. Sin embargo, el lado de la demanda está explotando aún más rápido, creando una paradoja de inversión masiva que compite por alcanzar una adopción aún más masiva.

Esto conduce a un examen profundo de la estrategia de inversión y la evolución del modelo de negocio en un mundo nativo de IA. El marco para evaluar empresas se desplaza hacia el “extremo amor del cliente” —medido por la retención bruta— y la facilidad de adquisición, con una indulgencia temporal en los márgenes brutos debido a la expectativa de que los costos de los insumos de IA caerán rápidamente. La conversación explora el potencial de monetización novedosa, yendo más allá de las suscripciones SaaS hacia modelos que capturan el valor de las tareas completadas, aunque se reconoce que esto está en su infancia. En última instancia, el podcast argumenta que, si bien la IA creará un enorme excedente económico, la parte del león probablemente recaerá en los usuarios finales, y las empresas que proporcionan las herramientas capturarán una porción menor —aunque aún históricamente masiva— de ese valor.

Hallazgos Sorprendentes

• Los productos de IA para consumidores muestran una demanda más persistente que las herramientas de IA empresariales. La discusión reveló que productos como ChatGPT tienen relaciones de usuario notablemente duraderas, incluso entre consumidores no técnicos, mientras que las compras de API empresariales para modelos pueden cambiarse despiadadamente según el rendimiento.


• Los inversores en etapas tardías están aplicando una “indulgencia temporal” en los márgenes brutos para las principales empresas de aplicaciones de IA. Dada la reducción de 100 veces en los costos de los modelos en dos años, la expectativa es que los costos de los insumos sigan cayendo más rápido que en cualquier ciclo anterior, haciendo que los márgenes más bajos de hoy sean potencialmente menos preocupantes si la retención de clientes es excepcional.


• Se predice que el próximo cuello de botella importante después de los chips de cómputo será la energía, específicamente para la refrigeración de centros de datos. Después de que disminuya la actual lucha por los chips y la construcción de centros de datos, el inmenso calor generado por los clústeres de IA requerirá una ola de innovación en tecnologías de refrigeración para evitar límites físicos y ambientales.


• Las empresas más valiosas y de más rápido crecimiento son cada vez más “privadas por defecto”. Los mercados públicos ahora contienen solo alrededor del 5% de las empresas de software/internet que crecen más del 25% anual, y la gran mayoría del potencial de alto crecimiento está bloqueado en un mercado privado valorado en aproximadamente 3,5 billones de dólares.

Conclusiones Prácticas

• Para los fundadores que construyen aplicaciones de IA: Prioricen el “amor del cliente” y la demanda orgánica por encima de todo. Las métricas clave en las que deben obsesionarse son la tasa de retención bruta (¿los clientes necesitan fundamentalmente su producto?) y la facilidad de adquisición de clientes (¿existe una atracción natural?). Estas son más críticas en la evaluación inicial que los márgenes brutos perfectos.


• Para los inversores que evalúan empresas de IA: Desarrollen un contexto de mercado en tiempo real. Los puntos de referencia de éxito se están comprimiendo drásticamente; el crecimiento que tomó una década en ciclos anteriores ahora ocurre en dos años. Comparen las nuevas inversiones con la trayectoria de líderes actuales como Cursor o ElevenLabs, no con gigantes históricos del SaaS.


• Al evaluar el riesgo de mercado: Diferencien entre ciclos de infraestructura. La construcción de infraestructura de IA actual está financiada por las corporaciones más fuertes del mundo (Google, Meta, Amazon) y atiende una demanda global inmediatamente demostrable, lo que la hace fundamentalmente diferente de la sobreconstrucción de telecomunicaciones de principios de los años 2000.


• Para la estrategia de precios: Si bien la monetización basada en tareas es lo ideal, el mercado actualmente espera y entiende los modelos basados en puestos (seats) y en consumo. La verdadera innovación en modelos de negocio aún es temprana; encuentren al mercado donde está mientras experimentan con la captura de valor alineada con resultados específicos y medibles para el cliente.