La inteligencia artificial vive rodeada de promesas enormes, inversiones históricas y preguntas que nadie puede responder todavía con demasiada seguridad. Benedict Evans, uno de los analistas tecnológicos más seguidos, abordó esa tensión en su charla AI Eats the World durante SuperAI Singapore 2025. Su tesis no niega la importancia de los grandes modelos de lenguaje, pero invita a mirar el fenómeno con más perspectiva: quizá la IA generativa sea el próximo gran cambio de plataforma, como antes lo fueron el PC, la web o el smartphone; quizá termine convertida en “más software”; quizá altere por completo la forma en que buscamos, trabajamos y construimos empresas.
Evans parte de una idea clásica atribuida a Larry Tesler: la inteligencia artificial suele ser aquello que las máquinas todavía no pueden hacer. Cuando empieza a funcionar, deja de parecernos inteligencia artificial y pasa a ser simplemente software. Las bases de datos, el reconocimiento de imágenes o muchas técnicas de machine learning siguieron ese camino. Lo que antes parecía casi mágico acaba integrado en productos cotidianos hasta volverse invisible.
De promesa tecnológica a nueva capa de software
La pregunta de fondo es si los grandes modelos de lenguaje seguirán ese mismo patrón. ChatGPT abrió una etapa de entusiasmo masivo hace poco más de dos años, pero el sector todavía no sabe si está ante una herramienta más, una nueva plataforma o algo de mayor alcance. Evans sitúa el debate entre dos extremos: miles de modelos convertidos en componentes de software, como ocurre con bases de datos o hojas de cálculo, o una especie de gran ordenador mundial capaz de resolver tareas complejas para cualquier usuario.
La historia de la tecnología apunta a ciclos. Mainframes, PC, web y smartphones concentraron inversión, innovación y creación de empresas durante años. Las tecnologías anteriores no desaparecieron, pero el crecimiento se movió hacia la nueva capa. Bancos y aerolíneas siguen usando mainframes, pero la innovación de consumo y buena parte del valor económico se desplazó hacia otras plataformas.
Con la IA generativa podría ocurrir algo parecido. Primero se absorbe dentro de productos existentes. Después aparecen usos nuevos. Más tarde, en algunos sectores, puede llegar la disrupción real. Evans recuerda que este proceso siempre lleva tiempo. Incluso el cloud, que para la industria tecnológica parece una etapa ya madura, representa todavía alrededor del 20 % o 30 % de muchos flujos empresariales. La adopción profunda de una tecnología nueva no ocurre en un trimestre.
| Pregunta clave | Lectura de Benedict Evans |
|---|---|
| ¿La IA será “solo software”? | Puede acabar integrada como una capa más dentro de productos existentes |
| ¿Es un cambio de plataforma? | Podría ser el siguiente ciclo tras PC, web y smartphones |
| ¿Habrá un ganador único? | De momento no se ven barreras claras ni efectos de “el ganador se lo lleva todo” |
| ¿Dónde estará el valor? | Probablemente más arriba en la pila: productos, flujos de trabajo y nuevos usos |
| ¿La adopción será rápida? | El entusiasmo es enorme, pero el despliegue empresarial suele ser lento |
| ¿Qué sectores van más avanzados? | Desarrollo de software, marketing, atención al cliente y algunos procesos internos |
| ¿Qué sigue siendo incierto? | La estructura del mercado, los modelos de negocio y quién capturará el valor |
Una inversión gigantesca que no garantiza monopolios
Uno de los datos más relevantes de la charla es el volumen de inversión. Evans señala que las cuatro grandes plataformas tecnológicas gastaron alrededor de 220.000 millones de dólares el año pasado en infraestructura y que este año podrían superar los 300.000 millones en centros de datos. Microsoft, por ejemplo, estaría destinando más del 30 % de sus ingresos a capex, una proporción superior a la de muchas telecos tradicionales.
Buena parte de ese dinero acaba en NVIDIA, que se ha convertido en el principal beneficiario industrial del auge de la IA. Evans menciona que la compañía supera los 45.000 millones de dólares trimestrales en ventas de chips de IA para centros de datos. El gráfico de NVIDIA sigue subiendo, pero eso no resuelve la cuestión de fondo: si todos invierten cantidades enormes y los modelos se parecen cada vez más entre sí, ¿dónde quedará la ventaja competitiva?
El analista sostiene que los modelos empiezan a parecer commodities. OpenAI fue claramente por delante cuando lanzó ChatGPT, pero hoy hay varios actores con modelos de calidad comparable. DeepSeek habría demostrado, según Evans, que con una inversión del orden de cientos de millones de dólares una empresa puede alcanzar un modelo frontera. No es barato, pero dentro de la industria tecnológica hay suficientes compañías capaces de intentarlo.
Al mismo tiempo, el coste de obtener un resultado concreto con modelos de lenguaje cae muy rápido, quizá uno o dos órdenes de magnitud por año. La combinación es extraña: nunca se ha gastado tanto en infraestructura, pero el uso unitario tiende a abaratarse. Esa tensión explica parte de la incertidumbre sobre el negocio. La IA puede ser carísima de construir y cada vez más barata de consumir.
El valor se mueve hacia la aplicación
Evans compara el momento actual con la industria del PC hace décadas, cuando los consumidores tenían que conocer procesadores, MHz, módems, memoria y siglas técnicas para tomar decisiones. Con el tiempo, esa complejidad se abstrajo. El valor dejó de estar en entender cada pieza de hardware y pasó a otros niveles: sistemas operativos, aplicaciones, servicios y redes.
Algo similar podría pasar con los modelos de IA. Hoy se discute mucho sobre benchmarks, tamaños, contexto, tokens, agentes, razonamiento y nombres de modelos. Pero si la tecnología se vuelve abundante y barata, el usuario dejará de preocuparse por la ficha técnica. La pregunta importante será qué producto resuelve un problema real.
Ahí aparece una diferencia entre calidad técnica y reconocimiento de marca. Aunque haya muchos modelos comparables, ChatGPT parece estar convirtiéndose en un verbo, como ocurrió en su día con Google. Eso puede ser una ventaja de distribución, hábito y percepción, aunque no garantice dominio permanente. Evans recuerda que MySpace también fue un verbo durante un tiempo.
Para empresas y startups, el mensaje es claro: el modelo por sí solo probablemente no baste. El valor estará en los flujos de trabajo, los datos, la integración, la experiencia de usuario, la distribución y la capacidad de resolver problemas concretos. Automatizar la conciliación de facturas vencidas en una gran teleco puede sonar menos épico que “transformar la humanidad”, pero puede generar valor inmediato.
Mucha gente todavía no sabe qué hacer con la IA
El entusiasmo de la industria no siempre coincide con el comportamiento del usuario medio. Evans cita encuestas según las cuales solo entre el 7 % y el 10 % de las personas usan chatbots de IA generativa a diario. Otro grupo, alrededor del 20 %, los usa semanalmente o cada dos semanas. Mucha gente los probó una vez y no supo para qué utilizarlos.
Esto no significa que la tecnología fracase. La hoja de cálculo también empezó siendo obvia para unos perfiles concretos, como contables y financieros, y bastante irrelevante para otros. Quien hacía modelos numéricos en papel entendía inmediatamente el valor de VisiCalc; quien no trabajaba así, no tenía un caso de uso claro.
Con los grandes modelos de lenguaje ocurre algo parecido. Los desarrolladores ya han encontrado un uso evidente. También marketing, algunos equipos de atención al cliente, analistas y perfiles acostumbrados a manejar información flexible. Para otros puestos, la utilidad todavía no está tan clara o depende de que alguien construya un producto específico encima.
En la empresa, las barreras tampoco se reducen a “no sé qué hacer con esto”. Según Evans, muchas compañías entienden el potencial, pero se encuentran con problemas más prácticos: seguridad, falta de experiencia interna, datos desordenados, costes, cumplimiento y dificultad de despliegue. La IA no se adopta de verdad hasta que se integra en procesos, permisos, herramientas y responsabilidades.
Cambiar la pregunta puede cambiar Internet
Una de las partes más interesantes de la charla está en la búsqueda. La pregunta habitual es qué ocurre si un usuario va a ChatGPT y obtiene directamente una respuesta en lugar de una lista de enlaces en Google. Pero Evans plantea una cuestión más profunda: qué pasa si la IA permite hacer preguntas que antes ni siquiera eran búsquedas.
El ejemplo es sencillo. Un usuario puede enseñar una foto de su nevera y preguntar qué cocinar. Eso no es una consulta clásica de Google. No busca diez enlaces, sino una respuesta contextual basada en una imagen, sus ingredientes, sus preferencias y quizá su dieta. Si este tipo de interacción se generaliza, no solo cambia el buscador; cambia también la publicidad, el comercio electrónico y la forma en que se distribuye atención en Internet.
Evans recuerda que hay alrededor de un billón de dólares anual en gasto publicitario, y que una parte enorme va a Google, Meta y Amazon. Si la forma de buscar, decidir y comprar cambia, parte de ese dinero también puede moverse. Pero nadie sabe todavía hacia dónde.
La conclusión más sensata de Evans no es que la IA vaya a comerse el mundo mañana, sino que la industria está en una fase parecida a otros grandes cambios tecnológicos. Hay inversión descomunal, mucha exageración, usos reales, incertidumbre sobre el reparto de valor y preguntas abiertas que solo se resolverán con tiempo. Mientras tanto, la economía sigue siendo transformada por ideas de hace 15, 20 o 30 años, como ecommerce, streaming, SaaS y cloud.
La IA generativa puede ser el próximo gran ciclo. También puede convertirse en una capa más del software. Lo más probable es que sea ambas cosas a la vez: una herramienta cotidiana para muchos procesos, un cambio profundo en algunos sectores y una enorme incógnita sobre quién capturará el dinero.
Preguntas frecuentes
¿Quién es Benedict Evans?
Benedict Evans es un analista tecnológico conocido por sus ensayos y presentaciones sobre plataformas digitales, inversión, internet, móviles, inteligencia artificial y cambios estructurales en la industria tecnológica.
¿Qué significa “AI Eats the World”?
Es una referencia a la idea de que la inteligencia artificial puede extenderse por muchos sectores, igual que el software lo hizo durante las últimas décadas. Evans la usa para analizar hasta qué punto la IA será una nueva plataforma o simplemente otra capa de software.
Según Evans, ¿los modelos de IA serán un monopolio?
Evans sostiene que, por ahora, no se observan barreras claras ni efectos evidentes de “el ganador se lo lleva todo”. Los modelos parecen avanzar hacia cierta comoditización, aunque la distribución y la marca pueden ser muy importantes.
Dónde puede estar el valor de la IA?
Probablemente en las aplicaciones, los flujos de trabajo, los datos, la integración con herramientas existentes y los nuevos usos que cambien la forma de trabajar, buscar información o tomar decisiones.
