Tiempo de lectura: 6 minutos
Daron Acemoğlu, economista del MIT y Nobel de Economía en 2024, lo dijo sin rodeos en una entrevista reciente: no ve cómo los modelos fundacionales van a ganar los billones de dólares que se están invirtiendo en ellos. Para él, el dinero de la IA está en otro sitio: en los datos de calidad y en las aplicaciones.
Si lo llevamos a la empresa, sale una pirámide de tres niveles. Y para la mayoría de las organizaciones, la oportunidad no está en la base, sino en los dos niveles de arriba.
- Por qué te importa: casi toda la conversación sobre IA gira alrededor de los modelos, y eso empuja a muchas empresas a esperar al siguiente o a pagar por el más potente, en vez de preguntarse qué hacer con los que ya hay.
- Qué aporta este artículo: la pirámide de las oportunidades de la IA (modelos, aplicaciones e implantación), por qué el dinero para la mayoría no está en los modelos y qué hace falta en los dos niveles de arriba, con las ideas de Acemoğlu.
- Qué te llevas: cómo elegir dónde jugar según tu empresa, cinco decisiones para este trimestre y los recursos para empezar.
Por qué el dinero de la IA no está en los modelos (para la mayoría)
La base de la pirámide son los modelos fundacionales. Hace falta muchísimo capital, y por eso hay muy pocos jugadores. Acemoğlu da dos motivos para dudar de que ahí esté el negocio: la difusión de la tecnología es lenta, y la siguiente generación de modelos abiertos también será muy buena. Si casi cualquiera puede usar un modelo excelente, cobrar por él cada vez es más difícil.
Hay una segunda idea, menos comentada. Según Acemoğlu, los modelos que ya existen son una base de sobra para construir aplicaciones: incluso los del año pasado bastarían para la mayoría de lo que se podría hacer. El cuello de botella no es el modelo.
Para una empresa, eso tiene dos consecuencias prácticas:
- No tiene sentido esperar al próximo modelo para empezar.
- La ventaja no viene del modelo que usas, porque tu competencia puede usar el mismo. Conviene poder cambiar de modelo sin rehacer nada.
Las aplicaciones: el nicho que nadie ha cubierto todavía
El nivel de en medio son las aplicaciones construidas sobre los modelos. Si Acemoğlu tuviera que resumir en una palabra cómo mejorar el efecto económico de la IA, diría esa: aplicaciones. Más y mejores, e integradas en las organizaciones.
Sus ejemplos son muy terrenales. Control de calidad. Herramientas para que el personal de enfermería tenga la información y el control de calidad que necesita para participar más en las decisiones sobre el paciente. Herramientas para profesores. Y para electricistas, que se encuentran una máquina nueva que no han visto nunca. En todos, dice, el freno no es el modelo, sino que nadie ha construido la aplicación.
También explica por qué la IA ha avanzado tanto en programación y tan poco en atención al cliente. El código tiene reglas: funciona o no funciona, y eso se puede comprobar. La atención al cliente tiene una parte social, cada persona pregunta de una forma y hay muchos casos límite. Ahí la aplicación necesita más diseño y más personas alrededor.
De ahí salen tres pistas para elegir una aplicación:
- Una tarea frecuente de un oficio concreto, mejor que una herramienta genérica para todos.
- Con tus propios datos. Para Acemoğlu, una aplicación creativa que llena un nicho es mucho más difícil de copiar que un modelo.
- Donde el resultado se pueda comprobar, o donde una persona revise antes de que llegue al cliente.
Lo comprobé a pequeña escala en ITNOVE: sustituí varias herramientas SaaS por una plataforma propia con IA, hecha a la medida de cómo trabajo. Conté los números reales, y cuándo no hacerlo, en Internalicé mi stack SaaS con IA. Si quieres decidirlo para tu caso, tienes la calculadora para internalizar un SaaS con IA, y el mismo razonamiento aplicado a ERP y CRM en Del sistema que guarda al sistema que hace.
La cúspide: implantar es lo difícil (y lo que más vale)
Arriba está la implantación: la consultoría y la gestión del cambio que hacen falta para que la IA cambie de verdad cómo trabaja una organización. Es el nivel más estrecho de la pirámide, pero es donde se decide si todo lo anterior sirve de algo.
Acemoğlu insiste mucho en esto: automatizar es difícil, e integrar la automatización en una organización, más todavía. Una tecnología que necesita cambios en procesos, datos y personas se difunde despacio. Cuenta que ha visto empresas lanzarse a automatizar porque creían que sería fácil, o por presión, y no conseguir que funcionara.
También da una pista de por dónde empezar: el conocimiento tácito está en las personas que hacen el trabajo. No se puede diseñar una aplicación útil desde un despacho, con el modelo más potente delante. Hay que ir a donde se trabaja y hablar con quien lo hace.
Y propone una cuenta sencilla. Imagina una empresa de cien personas. Puede automatizar el 5 % de los puestos y reducir su coste a la mitad, o hacer que toda la plantilla sea un 5 % más productiva. Para Acemoğlu, lo segundo da mucho más. Con números redondos, lo primero ahorra en torno al 2,5 % del coste de personal; lo segundo mejora el 5 % de todo lo que se produce.
En la práctica, la cúspide tiene cinco piezas:
- Procesos: dónde entra la IA y qué hace cada persona.
- Datos: cuáles se usan, con qué calidad y quién los cuida.
- Reglas: un gobierno de la IA proporcional al riesgo, que habilite en vez de frenar.
- Formación: que todo el mundo sepa usarla, no solo quien ya tiene ganas.
- Medición: por resultado para el cliente y para la empresa, con el modelo lógico de proyecto, no por cuántas tareas se han automatizado.
Lo he desarrollado desde otros ángulos en La última milla de la adopción de la IA, en IA real en empresas: gestión del cambio frente a hype y en Cómo la IA ayuda a un CTO.
Dónde jugar según tu empresa
| Si eres… | Dónde está tu oportunidad | Primer paso |
|---|---|---|
| Una empresa que usa IA, pero no la vende | En la implantación, con tus procesos y tus datos | Elegir un proceso, hablar con quien lo hace y medir antes y después |
| Una empresa de software o de producto | En aplicaciones para un oficio o un nicho | Pasar tiempo con quien hace ese trabajo antes de escribir una línea |
| Un área de transformación o una consultora | En la implantación: procesos, reglas y formación | Un inventario de usos y un piloto con objetivos claros |
Y casi nadie de quien lee esto debería competir en la base: construir un modelo propio solo tiene sentido con mucho capital y un problema que los modelos existentes no resuelven.
Cinco decisiones para este trimestre
- Dejar de esperar al siguiente modelo. El que tienes ya basta para la mayoría de aplicaciones.
- Elegir un nicho propio: una tarea frecuente, con tus datos y con un resultado que se pueda comprobar. El canvas para diseñar tu primer agente de IA ayuda a bajarlo a tierra.
- Hablar con quien hace el trabajo antes de construir, y volver a hablar con esa persona cuando haya algo que probar.
- Cuidar tus datos, y reconocer a quien los genera: según Acemoğlu, es justo y, además, buen negocio.
- Medir por resultado, no por automatización. Productividad de las personas, calidad y clientes, no puestos eliminados.
Preguntas frecuentes
¿Dónde está el dinero de la IA según Daron Acemoğlu?
En los datos de calidad y en las aplicaciones, no en los modelos fundacionales. Acemoğlu, Nobel de Economía en 2024, duda de que los modelos ganen los billones que se invierten en ellos, porque los modelos abiertos también serán muy buenos. Las aplicaciones creativas que llenan un nicho, en cambio, son difíciles de copiar.
¿Merece la pena que una empresa invierta en su propio modelo de IA?
Para la mayoría, no. Los modelos que ya existen son una base suficiente para casi cualquier aplicación, y tu competencia puede usar los mismos. La ventaja está en la aplicación que construyes encima, en tus datos y en cómo la integras en tu forma de trabajar.
¿Qué aplicaciones de IA tienen más futuro?
Las que resuelven una tarea frecuente de un oficio concreto, con datos propios y con un resultado que se puede comprobar o revisar. Acemoğlu pone ejemplos como el control de calidad o herramientas para enfermería, profesores y electricistas: nichos donde el freno no es el modelo, sino que nadie ha construido la aplicación.
¿Por qué cuesta tanto implantar la IA en una empresa?
Porque exige cambiar procesos, datos, reglas y formación, no solo instalar una herramienta. El conocimiento de cómo se hace el trabajo está en las personas, así que hay que diseñar la implantación con ellas. Por eso la difusión es lenta y por eso la implantación es donde más valor se juega.
La entrevista: Daron Acemoğlu en el podcast Silicon Valley Girl, «Nobel Economist: Where He Sees the Real Money in AI» (6 de octubre de 2026).
Recursos relacionados