En apenas dos semanas, OpenAI, Google y Workday presentaron a clientes corporativos sus propuestas para convertirse en la plataforma central desde la que las empresas puedan seleccionar, administrar y pagar a sus agentes de inteligencia artificial. Sin embargo, ninguna de las tres compañías está dispuesta a aclarar quién asume la responsabilidad cuando uno de estos agentes comete un error, ya que los proveedores siguen trasladando esa carga a las personas. Al mismo tiempo, esta expansión plantea una pregunta clave para todas las startups independientes de IA: ¿qué pueden ofrecer que las grandes plataformas no sean capaces de incorporar en sus próximas actualizaciones?

El mes pasado, durante HumanX Amsterdam, les planteé una pregunta similar a los fundadores y ejecutivos que participaron del encuentro. Si los laboratorios de inteligencia artificial más avanzados cuentan con una capacidad de procesamiento prácticamente ilimitada y sistemas de IA que pueden adaptarse a distintas funciones, ¿por qué se conforman con vender tokens a bajo precio en lugar de desarrollar soluciones propias para todas las categorías de software?

Mi sospecha inicial era que la respuesta dejaba muy poco espacio para las startups. A medida que los modelos de inteligencia artificial se vuelven más fáciles de reemplazar dentro de los sistemas empresariales, las grandes compañías pueden incorporar las herramientas complementarias a sus propias plataformas y desplazar a los proveedores independientes a un lugar secundario en el mercado.

Sin embargo, los fundadores con los que hablé en Ámsterdam no compartían esa visión. Sus respuestas dejaron en evidencia una diferencia fundamental: no es lo mismo vender una funcionalidad que una gran plataforma puede copiar o adquirir que construir una posición en el mercado que esas compañías no pueden ocupar de manera convincente.

¿Por qué se tomaría esa molestia un laboratorio de IA de avanzada?

Stefan Weitz, cofundador y director ejecutivo de HumanX, escucha esta pregunta todas las semanas. "También invierto en fondos de capital de riesgo, así que recibo propuestas de 30 empresas por semana", comentó durante una conferencia de prensa del evento. Al recordar su paso por Microsoft, planteó: "¿Podría Microsoft pasarte por encima? Sí, probablemente".

Sin embargo, explicó que las grandes compañías dejan mercados enteros sin atender porque su potencial de negocio es demasiado reducido, requieren soluciones muy especializadas o no cuentan con los equipos comerciales necesarios para llegar a esos clientes. "De hecho, creo que veremos más startups", aseguró. Según Weitz, lo que permitirá a estas empresas diferenciarse "no será necesariamente el modelo en sí, sino los datos a los que tienen acceso y que pueden utilizar".

Kostas Chalkias, cofundador y responsable de criptografía de Mysten Labs, que anteriormente ocupó un puesto destacado en esa área en Meta, señaló que la burocracia interna y la capacidad de llegar a los clientes son dos factores fundamentales. "Cada decisión sobre un nuevo producto puede llevar un año, porque debe pasar por distintos niveles de una estructura en la que todos compiten por conseguir financiación", explicó. También planteó otra dificultad: "¿Cómo se puede competir con Uber si no se cuenta con una buena red de distribución?". 

Para Chalkias, ingresar en sectores demasiado específicos supone una distracción para los grandes laboratorios de IA. Por eso, considera que estas compañías preferirán adquirir empresas especializadas antes que desarrollar esas soluciones por su cuenta. "Probablemente comprarán empresas que ya se dediquen a eso, en lugar de hacerlo ellas mismas", afirmó.

Los datos sobre adquisiciones respaldan su interpretación. Hasta el 29 de septiembre, las empresas de inteligencia artificial financiadas con capital de riesgo habían adquirido otras 195 startups del sector, una cifra que ya superaba el total registrado durante 2025, según Crunchbase. OpenAI encabezó la lista con 10 adquisiciones en lo que va del año, mientras que Anthropic concretó cinco. Incluso las startups que desarrollan soluciones sobre estas plataformas están comprando otras compañías: Harvey, especializada en IA para el sector legal, realizó cuatro adquisiciones este año, mientras que Sierra, enfocada en atención al cliente, concretó tres. 

Solo este mes, Salesforce acordó la compra de Loops, una startup especializada en análisis de datos mediante IA. Por su parte, Opaque, dedicada a la computación confidencial, anunció que su equipo se incorporaría a Anthropic mediante un acuerdo de licencias y contratación de personal. Además, Decagon, que había alcanzado una valuación de US$ 4.500 millones en una operación realizada en marzo, habría contratado a un banco para gestionar el interés de posibles compradores, aunque ServiceNow negó estar involucrada en una eventual adquisición.

Las adquisiciones también pueden ser una forma de sobrevivir. Para el fundador de una startup, vender su empresa representa una oportunidad de salida del negocio. Sin embargo, para un director de sistemas que debe evaluar si un proveedor seguirá existiendo dentro de tres años, esa posibilidad supone un riesgo que debe tener en cuenta al momento de contratar sus servicios.

¿A quién pertenece la memoria de una empresa cuando cambia de modelo de IA?

Si una empresa puede reemplazar un modelo de inteligencia artificial por otro en apenas una tarde, la verdadera dependencia está en toda la información que sus agentes acumularon sobre el negocio. Chalkias identificó tres motivos por los que una compañía puede decidir cambiar de modelo: aparece uno con mejores capacidades, encuentra una alternativa más económica que cumple la misma función o una autoridad reguladora o un empleador impone restricciones sobre los sistemas que se pueden utilizar.

Como ejemplo, mencionó una interrupción del servicio que ocurrió este verano, entre el 12 de junio y el 1 de julio, cuando se suspendió el acceso a los modelos Fable y Mythos de Anthropic. "Hubo un momento en que no pudimos acceder a Fable y Mythos. Imagínense, ¿qué tenía que hacer en ese caso?", planteó Chalkias. El problema es que, en la mayoría de las empresas, cambiar de modelo implica perder toda la información y el contexto acumulados durante su uso. "No podés recuperar tus datos y transferirlos a otro modelo de lenguaje de gran tamaño (LLM)", explicó.

La solución que propone Mysten es Walrus Memory, una herramienta desarrollada sobre la plataforma de datos Walrus y vinculada a Sui. Su funcionamiento permite que los usuarios compartan una misma memoria cifrada con diferentes agentes de inteligencia artificial mediante claves de acceso delegadas. De esta manera, cambiar de modelo no implica perder la información acumulada ni tener que empezar desde cero. "Como vos controlás las claves, cifrás la memoria con tus propias claves... Nadie puede impedírtelo", explicó Chalkias.

Según Mysten, desde su lanzamiento en el segundo trimestre, más de 5000 agentes de 4800 propietarios comenzaron a utilizar la herramienta. Hasta el 20 de octubre, el sistema había registrado más de 209.000 recuerdos almacenados y 4,5 millones de recuperaciones exitosas de información. Además, la compañía asegura que, entre los usuarios que almacenaron información por primera vez el 19 de septiembre o antes, el 72,9 % volvió a consultar al menos un recuerdo después de 30 días o más. Sin embargo, estas cifras provienen de estimaciones de la propia empresa basadas en los registros de lectura y escritura de datos cifrados, y no de una auditoría independiente sobre su uso en implementaciones empresariales pagas. 

Además, contar con una clave para exportar la información no garantiza que un nuevo modelo pueda interpretar el contexto anterior de la misma manera. Aun así, el problema de fondo sigue siendo el mismo: ningún desarrollador de modelos de IA tiene incentivos comerciales para facilitar que las empresas trasladen su información acumulada a una plataforma de la competencia.

Tres capacidades que las grandes plataformas tienen dificultades para ofrecer

Más allá de la posibilidad de trasladar la memoria de un modelo a otro, los fundadores que participaron del encuentro en Ámsterdam identificaron tres áreas en las que el propio modelo de negocio de las grandes plataformas tecnológicas representa una desventaja.

Neutralidad entre proveedores de servicios en la nube

Roeland Pater, de la startup neerlandesa Deeploy, especializada en gobernanza de inteligencia artificial, describió su software como "una capa que se sitúa por debajo o por encima de todos los sistemas que existen dentro de una organización". Además, destacó que "somos agnósticos en ese sentido", ya que su tecnología no depende de un proveedor específico. Deeploy también puede instalarse en la infraestructura del propio cliente para garantizar la soberanía sobre sus datos.

La mayoría de las grandes empresas trabaja con más de un proveedor de servicios en la nube y utiliza distintos modelos de IA. Por eso, es poco probable que un banco que trabaja tanto con Microsoft como con Google acepte que las herramientas de una de esas compañías supervisen y auditen los agentes de la otra. 

Además, cuando una misma empresa desarrolla los agentes y se encarga de auditarlos, surge un posible conflicto de intereses. Mysten también busca aprovechar esta necesidad de independencia: el 6 de octubre anunció una colaboración con Google Cloud para desarrollar Verifiable Agent Arbiter, una herramienta que permite registrar evidencias de auditoría sin depender de un único proveedor. Por su parte, Deeploy deja en manos de cada cliente la definición de las políticas de control. "Nosotros no censuramos, por ejemplo", explicó Pater. "Básicamente, les damos a las empresas la tecnología para que puedan supervisar por sí mismas los resultados que generan estos sistemas", agregó.

Este control independiente cobra cada vez más importancia a medida que los principales riesgos de seguridad dejan de estar relacionados únicamente con la información a la que acceden los agentes de IA y pasan a centrarse en las acciones que pueden ejecutar

Conocimiento especializado y control de calidad de los procesos de trabajo

May Habib, directora ejecutiva de Writer, sostuvo que las grandes plataformas que ofrecen soluciones para distintos sectores suelen subestimar la complejidad y la fragilidad de los procesos de trabajo empresariales. "La infraestructura que rodea al modelo determina cómo funciona", afirmó. "Y si no se cuenta con una infraestructura realmente adaptada a cada sector, habrá que volver a entrenar a la IA constantemente", agregó. Su crítica más fuerte estuvo dirigida a los conectores, las herramientas que permiten integrar distintos sistemas. 

Según explicó, muchos proveedores que promocionan integraciones empresariales dependen de conectores desarrollados por terceros que no siempre funcionan correctamente. Esto puede provocar que los agentes de IA "fallen silenciosamente", sin generar ninguna advertencia, cuando vence un token de autenticación que utilizan miles de usuarios. "El valor está en los procesos de trabajo y en su control de calidad", señaló Habib. 

Como ejemplo, mencionó Enterprise Brain, la solución de Writer que incorpora la información compartida de los equipos y las normas de cumplimiento directamente en los procesos de trabajo sujetos a regulaciones. El lanzamiento de Gemini Enterprise por parte de Google refleja, en parte, esta limitación: su versión orientada a procesos legales todavía se encuentra en fase de prueba y depende de la colaboración con startups especializadas como Harvey y Onit.

Empezar por las decisiones, no por los datos

Bianca Anghelina, cofundadora y directora ejecutiva de Aily Labs, observó cómo muchas empresas pasan años intentando organizar y depurar sus datos antes de permitir que la inteligencia artificial participe en la toma de decisiones. "Nunca vas a terminar ese proyecto", advirtió. Según explicó, el problema es que "las empresas no tienen toda la información y el contexto reunidos en un mismo lugar". 

Por eso, Aily contrata a antiguos ejecutivos con amplia experiencia en finanzas, cadenas de suministro e investigación y desarrollo (I+D) para que trabajen junto a sus ingenieros. "Podés superar una primera reunión con conocimientos generales", señaló Anghelina. "Pero la segunda reunión es un desastre", completó. En lugar de comenzar con la creación de un catálogo general de datos, Aily parte de una decisión empresarial concreta, como elaborar una previsión en tiempo real, y organiza únicamente la información necesaria para tomarla.

Anghelina advierte que las empresas podrían repetir con la capa semántica (el sistema que organiza y da significado a los datos de una compañía) los mismos errores que cometieron con los lagos de datos, al intentar construir soluciones demasiado amplias y alejadas de las necesidades reales. "Nadie lo construirá", concluyó. Por su parte, Google apuesta a un enfoque diferente con su nuevo Catálogo de Conocimiento: que las empresas prefieran adquirir esa estructura de datos directamente a un proveedor de servicios en la nube, en lugar de desarrollarla por su cuenta.

¿Una funcionalidad más o una posición propia en el mercado?

Incluso las startups independientes mejor posicionadas dependen, en cierta medida, de las grandes plataformas tecnológicas. La solución de inteligencia para la toma de decisiones de Aily está disponible en Google Cloud Marketplace, mientras que sus agentes de IA funcionan dentro de Gemini Enterprise. Por su parte, OpenAI incluye a Harvey, Sierra y Decagon entre los socios de su plataforma Frontier.

Además, permite que sus clientes corporativos utilicen el presupuesto que ya tienen comprometido con OpenAI para acceder a 32 aplicaciones de empresas asociadas a través de su nuevo marketplace. Esta relación refleja una dependencia mutua: las grandes plataformas necesitan soluciones especializadas para distintos sectores, mientras que las startups necesitan acceder a los presupuestos de las grandes empresas.

Al mismo tiempo, las grandes compañías tecnológicas están incorporando el talento especializado que antes representaba una ventaja competitiva para las startups. AWS destinó US$ 1.000 millones a incorporar miles de ingenieros para trabajar directamente con sus clientes, mientras que OpenAI también asigna ingenieros propios a las empresas que utilizan Frontier. Habib plantea una diferencia entre Writer y otras plataformas de agentes de IA, en las que los ingenieros del proveedor "hacen todo el trabajo".

 En cambio, su compañía apuesta por herramientas que los equipos empresariales puedan utilizar de manera autónoma, sin depender constantemente de especialistas técnicos. Los grandes laboratorios de inteligencia artificial, por su parte, avanzan en la dirección contraria, hacia un modelo de servicios cada vez más personalizados y con mayor intervención directa de sus equipos.

Esto plantea una pregunta fundamental tanto para las empresas que contratan estos servicios como para los fundadores de startups: ¿están vendiendo una funcionalidad o construyendo una posición propia en el mercado? Los conectores básicos, los paneles para controlar los costos y los sistemas que almacenan información durante una única sesión son funcionalidades que las grandes plataformas pueden incorporar fácilmente. De hecho, ya forman parte de los planes de desarrollo de Google y Microsoft.

 Para una startup, competir con este tipo de herramientas implica entrar en una guerra de precios contra las compañías que controlan la facturación de los servicios en la nube. En cambio, ofrecer una memoria que pueda trasladarse entre distintos modelos, garantizar la independencia frente a múltiples proveedores de servicios en la nube, supervisar la calidad de procesos de trabajo especializados o desarrollar sistemas de toma de decisiones basados en el conocimiento de quienes gestionan el negocio permite construir una posición más difícil de reemplazar. Google difícilmente pueda garantizar una supervisión completamente independiente de sus propios servicios, del mismo modo que Anthropic no puede presentarse como un custodio neutral de la información que un cliente quiere trasladar a OpenAI.

Sin embargo, estas ventajas competitivas también pueden perder fuerza con el tiempo. La supervisión de agentes de IA en recursos humanos y finanzas parecía un negocio ideal para las startups independientes, hasta que Workday estableció que cualquier agente que acceda a sus registros debe utilizar sus propios permisos y sistemas de auditoría. La independencia también puede desaparecer mediante una adquisición.

Opaque ofrecía soluciones de IA confidencial que permitían a las empresas mantener el control sobre sus datos en la nube, pero la incorporación de su equipo a Anthropic la semana pasada abrió un interrogante para los clientes corporativos: ¿qué ocurre con una herramienta de seguridad independiente cuando pasa a formar parte de uno de los grandes laboratorios de IA? Además, las startups que comercializan sus productos a través del marketplace de una gran plataforma deben aceptar las condiciones que esta impone. En el caso de OpenAI, la compañía no figura como responsable directo de las ventas y todavía no informó qué beneficio económico obtiene de cada transacción

Lo que se observó en Ámsterdam apunta a una presión cada vez mayor sobre las startups de inteligencia artificial, pero no necesariamente a su desaparición. Al igual que ocurre con los agentes empresariales que ya realizan tareas concretas sin llamar demasiado la atención, las startups que logren sobrevivir no serán aquellas que se apresuren a desarrollar el agente de propósito general más sofisticado o llamativo. 

Con el nuevo agente para entornos de trabajo de Google, una empresa puede ejecutar una tarea utilizando un modelo de Anthropic dentro de la infraestructura protegida de Google, obtener información de una memoria configurada por el propio usuario y recurrir al software de una startup neerlandesa para auditar los resultados. Las grandes compañías tecnológicas seguirán adquiriendo funcionalidades y ampliando su presencia en el mercado. Las startups que consigan mantenerse serán aquellas capaces de ofrecer algo que las grandes plataformas no pueden garantizar de manera creíble: conservar el control independiente de la información y supervisar de forma crítica a los gigantes tecnológicos que participan en estos procesos.

*Este artículo fue publicado originalmente por Forbes.com.