La economía de la IA entra en un problema de tres cuerpos sin ganador claro

La economía de la inteligencia artificial se mueve como un sistema caótico de tres cuerpos: laboratorios cerrados, modelos abiertos y aplicaciones empresariales compiten por definir quién se queda con el valor de la próxima ola tecnológica.
***

• Los laboratorios de frontera enfrentan una demanda extraordinaria, pero también una presión creciente para demostrar retornos de inversión.
• Modelos abiertos de China y Estados Unidos reducen la distancia con las alternativas cerradas y compiten con precios mucho menores.
• Las empresas de aplicaciones buscan combinar modelos para obtener más control, menores costos y una relación más directa con sus clientes.

La economía de la inteligencia artificial atraviesa una etapa de competencia intensa en la que ningún grupo parece capaz de imponer por sí solo la dirección del mercado. Saurabh Gupta, en un artículo de opinión publicado por Fortune y distribuido por Yahoo Finance el 22 de agosto de 2026, compara este escenario con el problema de los tres cuerpos: un sistema orbital en el que tres fuerzas suficientemente grandes alteran continuamente las trayectorias de las demás. En su lectura para 2026, esas fuerzas son los laboratorios de frontera de código cerrado, los modelos de acceso abierto y las aplicaciones empresariales construidas sobre ambos.

La analogíaparte de una diferencia entre los sistemas de dos y tres cuerpos. Cuando dos cuerpos celestes orbitan entre sí, sus recorridos suelen ser relativamente estables y previsibles; la incorporación de un tercero puede volver caótico el conjunto, porque una pequeña perturbación cambia la dirección de todos. Gupta sostiene que algo similar ocurre en la IA: cada segmento tiene capacidad para modificar la economía de los otros, pero ninguno puede dictar finalmente la trayectoria del ecosistema.

La presión sobre los laboratorios de frontera

El cambio más visible, según el análisis, es el impulso acumulado de los laboratorios de frontera, liderados en el texto por OpenAI y Anthropic. Estas compañías han registrado una demanda extraordinaria y un crecimiento notable de sus ingresos, lo que ha extendido los beneficios de la IA a una parte más amplia de la economía. Sin embargo, ese mismo avance también ha concentrado la atención de los compradores en una pregunta concreta: si el gasto en modelos avanzados está produciendo una mejora proporcional de la productividad.

Gupta calcula que el gasto actual en tecnología podría representar entre el 0,5% y el 1% de todos los salarios de trabajadores de cuello blanco, una magnitud que considera suficientemente relevante para ser examinada. La cifra no describe por sí sola el retorno de las inversiones, pero ayuda a explicar por qué las empresas buscan justificar cada contratación, licencia y consumo de tokens. Mientras aumenta la adopción, los clientes también comparan el precio de los servicios de frontera con alternativas más económicas que ofrecen capacidades cada vez más cercanas.

En una entrevista con CNBC publicada el 3 de agosto de 2026, Alex Karp, CEO de Palantir, renovó sus críticas a la forma en que los laboratorios de IA de frontera venden sus productos. Karp cuestionó el gasto empresarial en tokens y defendió que las compañías deben proteger sus datos y concentrarse en resultados operativos. Sus declaraciones reflejan el malestar de compradores corporativos que ya no quieren medir la innovación únicamente por el uso de modelos, sino por resultados verificables.

La competencia en la frontera también se intensificó durante las últimas semanas y meses, de acuerdo con la fuente. Meta presentó Muse Spark 1.1 y xAI lanzó Grok 4.5, mientras Anthropic, OpenAI y Google continuaron mejorando sus propios modelos. La multiplicación de alternativas puede presionar los precios y reducir la capacidad de cualquier laboratorio para conservar márgenes elevados sin demostrar una diferencia clara en razonamiento, fiabilidad, personalización o integración empresarial.

El avance de los modelos abiertos

El segundo cuerpo del sistema está formado por modelos de acceso abierto, con una presencia especialmente fuerte de empresas chinas. Gupta destaca que GLM 5.2, de Zhipu, y Kimi K3, de Moonshot, se encuentran en el nivel del estado del arte o muy cerca de él en varias referencias evaluativas importantes. Esa cercanía técnica adquiere mayor relevancia porque sus precios equivalen a una fracción de los cobrados por modelos cerrados comparables.

Comparaciones recientes sitúan el costo de Kimi K3 en torno a 2,31 dólares por millón de tokens y el de GLM 5.2 en aproximadamente 0,90 dólares por millón, aunque las cifras y los resultados de rendimiento dependen del proveedor, la configuración y la metodología de evaluación. La combinación de capacidad y costo crea un impulso considerable para el ecosistema abierto. Las empresas que adoptan estos modelos pueden buscar una estructura de gasto más manejable, revisar o adaptar el software con mayor libertad y disminuir su dependencia de un único proveedor.

Los modelos abiertos de Estados Unidos añaden otra dimensión a la competencia. El producto Inkling, de Thinking Machines, y la serie Nemotron 3, de Nvidia, son descritos como alternativas capaces, aunque todavía no completamente a la altura de la frontera. Su existencia ofrece una opción nacional frente a los lanzamientos chinos y puede facilitar que clientes estadounidenses construyan estrategias de largo plazo sin limitarse a elegir entre proveedores cerrados extranjeros y modelos abiertos de China.

La disponibilidad de varias familias de modelos también cambia la forma en que las empresas evalúan la tecnología. En lugar de asumir que existe un modelo universalmente superior, los compradores pueden distribuir tareas entre sistemas con fortalezas diferentes y negociar condiciones con más de un proveedor. Esa lógica favorece un entorno de múltiples modelos, especialmente si la diferenciación real se vuelve más visible en áreas como programación, análisis, agentes, generación de contenido o manejo de información empresarial.

Las aplicaciones buscan recuperar el control

La tercera fuerza del sistema está integrada por las empresas que construyen aplicaciones de IA para clientes corporativos. Muchas de las compañías líderes están acelerando su trabajo con modelos abiertos, motivadas por la posibilidad de reducir costos y obtener un control más directo sobre la tecnología que sostiene sus productos. Este movimiento desplaza parte del poder desde los laboratorios hacia los desarrolladores que poseen la relación comercial y conocen con mayor precisión las necesidades del usuario final.

El cambio no significa que las aplicaciones abandonen necesariamente los modelos cerrados. Las compañías pueden combinar servicios de frontera con alternativas abiertas y escoger cada sistema según el costo, el rendimiento o las condiciones de uso de una tarea determinada. La arquitectura resultante es más compleja, pero también puede ofrecer mayor capacidad de negociación y reducir el riesgo de que una empresa quede atada a un solo proveedor.

Gupta observa que las empresas de software suelen disfrutar de márgenes superiores al 70% cuando los clientes sienten que el producto merece su precio. Esa referencia ayuda a explicar por qué los actores están convergiendo desde direcciones opuestas: los laboratorios de frontera descienden en la pila de productos para ampliar sus márgenes y apuntalar altas retribuciones, mientras las compañías de aplicaciones descienden en la pila de modelos para construir capacidades propias.

La propiedad de la relación con el cliente puede resultar decisiva en esa disputa. Un laboratorio puede controlar un modelo excepcional, pero una aplicación es la que incorpora la herramienta al flujo cotidiano de una organización, mide el ahorro y responde por la experiencia. Por eso, la pregunta económica central no consiste solamente en quién entrena el sistema más potente, sino en qué segmento convierte esa capacidad en ingresos sostenibles y productividad demostrable.

Un mercado encaminado hacia varios modelos

El autor prevé que el malestar por los precios de la frontera se suavizará durante la segunda mitad de 2026. La competencia podría abaratar los servicios, mientras los retornos de inversión comenzarían a aparecer en forma de aceleración para algunas empresas y ahorro para otras. A más largo plazo, esa combinación podría traducirse en un aumento de la productividad de toda la economía, aunque el desfase entre adopción y utilidad seguirá alimentando la ansiedad en el corto plazo.

La comparación con tecnologías anteriores refuerza esa interpretación. En el caso del automóvil y el teléfono móvil, la adopción masiva llegó después de una caída importante de los precios, mientras que la IA se ha extendido con mucha mayor rapidez, antes de que sus beneficios sean uniformes y fáciles de medir. Gupta considera que parte del nerviosismo actual puede ser un desajuste temporal: las empresas ya están adoptando la tecnología, pero todavía esperan que su utilidad alcance el ritmo de esa adopción.

El segundo camino que plantea el análisis es la consolidación de un mundo de múltiples modelos, impulsado tanto por la competencia como por diferencias materiales en aquello que cada sistema hace mejor. Esa evolución reduciría la importancia de las comparaciones absolutas y pondría el foco en el ajuste entre una herramienta y una tarea concreta. Para los usuarios empresariales, elegir podría parecerse menos a coronar un campeón único y más a diseñar una cartera tecnológica.

El tercer escenario contempla que los modelos abiertos estadounidenses se conviertan en alternativas reales frente a los modelos chinos. Si alcanzan una capacidad suficientemente cercana y desarrollan un modelo de negocio más claro, podrían resultar más accesibles para clientes que desean realizar apuestas tecnológicas de largo plazo. Esa adopción también introduciría una competencia geográfica más equilibrada, sin que la fuente afirme que uno de los dos bloques vaya a dominar de manera definitiva.

La frontera entre abierto y cerrado puede diluirse

Con cierta perspectiva, Gupta espera que la distinción entre modelos abiertos y cerrados pierda nitidez. Los laboratorios de frontera podrían ofrecer una personalización más profunda para responder a los requerimientos específicos de cada cliente, acercándose a una lógica que tradicionalmente se asocia con el acceso abierto y la adaptación. La diferencia comercial dependería entonces menos de una etiqueta y más del grado de control, modificación y portabilidad que reciba el comprador.

Al mismo tiempo, las compañías de aplicaciones seguirán descendiendo en la pila tecnológica para construir herramientas propias. Esa integración puede permitirles mejorar sus márgenes, proteger sus datos y diferenciarse en mercados donde varias aplicaciones utilizan modelos similares. Sin embargo, también exige inversiones técnicas y operativas que no todas las empresas pueden asumir, de modo que la búsqueda de control no elimina los costos: cambia quién los enfrenta y con qué objetivo.

El equilibrio del sistema de tres cuerpos todavía no se ha asentado. El debate entre modelos abiertos y cerrados, el temor a China y las quejas sobre el retorno de inversión podrían perder intensidad si bajan los precios y aparecen beneficios verificables, aunque nuevas perturbaciones pueden alterar otra vez las trayectorias. En un mercado tan dinámico, la estabilidad no dependerá de una sola presentación de producto, sino de la interacción continua entre capacidad, costo, distribución y confianza empresarial.

La cuestión decisiva será quién captura el valor cuando la IA genere resultados económicos claros. Ese valor podría concentrarse en los laboratorios de frontera, en los modelos abiertos que se acercan a ellos o en las aplicaciones que poseen al cliente y convierten la tecnología en una herramienta de trabajo. La fuente plantea esa disputa como el verdadero asunto estratégico, por encima de la discusión momentánea sobre cuál arquitectura merece ganar.

Este artículo resume un análisis de opinión de Saurabh Gupta publicado originalmente en Fortune y difundido por Yahoo Finance. Las opiniones expresadas en la pieza pertenecen exclusivamente a su autor y no reflejan necesariamente la posición editorial de Fortune.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín