Qué ocurre cuando el software y la inteligencia se abaratan
Este artículo fue traducido automáticamente del japonés por una IA (Claude). Puede contener errores. Leer el artículo original en japonés.
(Aquí está la lista de otros artículos sobre IA)
Hacia 1830, conseguir un poco de luz para la noche exigía unas tres horas de trabajo. Sin embargo, se dice que hacia 1992 bastaba menos de un segundo de trabajo. La evolución técnica de la vela a la bombilla incandescente y al fluorescente abarató la luz de forma drástica.
Pero cuando la luz se abarató, la gente no se limitó a comprar la misma cantidad de luz a menor precio y dejarlo ahí.
Las personas pusieron luz en lugares donde antes ni se les habría ocurrido ponerla, y fueron extendiendo la luz barata por todos los rincones de la sociedad: calles, fábricas, letreros. Así, las fábricas pudieron funcionar incluso en días nublados o lluviosos, y se hicieron posibles nuevas actividades, como abrir de madrugada o leer por la noche.
Quienes ganaron dinero con ello no fueron solo las empresas que suministraban la luz, sino las que supieron aprovecharla.
Entonces, cuando el software y la inteligencia se abaraten, ¿cómo los usaremos?
Creo que el gran cambio que trae la IA generativa nos plantea justamente esa pregunta.
Qué se está abaratando
Con el avance de la IA, el coste de ciertos tipos de trabajo intelectual y el de crear software están bajando rápidamente. También el Stanford HAI 2025 AI Index resume que el coste de inferencia con un rendimiento de nivel GPT-3.5 se ha reducido más de 280 veces en los últimos 18 meses.
Esa IA es hoy lo que más se está empezando a aprovechar en el desarrollo de software. Se espera que el precio del software baje, y ya hay efectos en la valoración de algunas empresas de SaaS (aunque intervienen factores combinados, como el cambio en el entorno de tipos de interés y la normalización de los múltiplos, y no se debe solo a la IA).
En la práctica, si se piensa en la operación, el control de calidad, la implantación o la atribución de responsabilidades, no es que "todos los costes del software estén bajando". Aun así, el coste inicial del desarrollo de software y el de algunas investigaciones y verificaciones han bajado de forma drástica.
No sabemos a qué nivel llegará este avance de la inteligencia artificial. Pero, aun con la IA en su nivel actual, es casi seguro que el coste del desarrollo de software y el de algunas investigaciones bajarán drásticamente.
Siendo así, creo que preguntarse "qué ocurre cuando el software y la inteligencia se abaratan" es una cuestión que ofrece muchas pistas también para los negocios del futuro.
Cuando algo se abarata, su base se ensancha
Lo que nos puede servir de referencia es la historia de las tecnologías del pasado.
Veamos, por ejemplo, el caso de la iluminación del principio.
Entre 1800 y 2000, el precio real de la iluminación bajó mucho y, como consecuencia, el consumo total aumentó considerablemente. La gente no "compró la misma luz más barata", sino que extendió la luz incluso a lugares donde antes no había ninguna.
No se puede aplicar esta analogía tal cual al software, pero probablemente se producirá un cambio estructural similar. Es decir, cuando el precio baja, la gente no solo usa lo mismo más barato, sino que empieza a usarlo en lugares donde antes no compensaba por su coste.
Por ejemplo, yo mismo desarrollo aplicaciones con IA para mis clases. Porque ya es perfectamente viable, en términos de coste, crear una aplicación para una sola sesión de clase.
Las actividades de difusión del desarrollo de software en el ámbito sin ánimo de lucro (Non-Profit Startup y el Programa Social Tech de la Universidad de Tokio, entre otros) también son ejemplos de actividades que empezaron con la idea de que "un problema que antes requería ingenieros quizá ahora se pueda resolver".
Es decir, actividades de las que antes se decía "no merece la pena construir algo para esto" o "no se sostiene como negocio" quizá estén empezando a ser viables porque el software y la inteligencia se han abaratado.
Viendo esos ejemplos, creo que lo que hay que preguntarse no es solo "cuánto se puede abaratar el trabajo existente con IA", sino más bien "qué problemas de ámbitos que hasta ahora no se habían convertido en software se pueden resolver ahora gracias a un software y una inteligencia baratos".
Dónde permanece el valor
Durante un tiempo, surgirá demanda de los problemas que se pueden resolver de nuevo con ese software y esa inteligencia.
Sin embargo, esa expansión del software a nuevos espacios de problemas no siempre se convertirá en un gran negocio de software. Habrá problemas que quedaron sin resolver precisamente porque era difícil obtener beneficios, y, a medida que el software se vuelve más fácil, su valor relativo disminuye.
Lo que ocurre entonces es un desplazamiento del lugar donde se genera el valor.
El valor surge de resolver los puntos donde se atasca un flujo. El software ha generado un gran valor hasta ahora precisamente porque resolvía cuellos de botella empresariales como la exactitud y la velocidad del procesamiento de información y de la toma de decisiones. Pero si el software y cierta inteligencia se vuelven lo bastante baratos y abundantes, el cuello de botella se desplazará a otro lugar.
Por ejemplo, la implantación en el terreno, la asunción de responsabilidad, el control de calidad, el cumplimiento normativo, los datos propios, la integración en los flujos de trabajo y la implementación en el mundo físico.
De hecho, en el contexto de la IA, el cuello de botella se está desplazando hacia las GPU, los transformadores de los centros de datos, la electricidad y el agua, y las colas de espera para la conexión a la red (regulación). La IA hasta ahora se ha apoyado en abundantes recursos físicos, pero las restricciones físicas se están convirtiendo en el cuello de botella.
Es decir, creo que el valor se irá desplazando del software por sí solo hacia aquello que lo hace funcionar en la realidad.
Innovación complementaria
Este argumento conecta con la idea de la "innovación complementaria" que también cité en «Implementar el futuro», entre otras obras.
Se dice que el aumento de productividad gracias a la electricidad y a los motores eléctricos no vino solo de la electricidad en sí, sino de innovaciones como la disposición de las máquinas herramienta en la fábrica, que los motores eléctricos hicieron posible.
Las tecnologías de propósito general (GPT: General Purpose Technology) no generan valor por la invención en sí misma, sino a partir de funciones complementarias que surgen a su alrededor: invenciones complementarias, rediseño organizativo, talento y gobernanza.
Con la IA actual ocurrirá lo mismo. Incluso en la situación presente, en la que todos tienen acceso a los mismos modelos, que se logren o no resultados reales depende en gran medida de elementos complementarios: cómo se diseñan los prompts y los flujos de trabajo, en qué tareas se integran y con qué nivel de calidad se opera.
Además, mientras que el rendimiento y el coste de la tecnología cambian de forma no lineal, los mecanismos complementarios como las organizaciones y las instituciones solo cambian de forma lineal. Precisamente por esa brecha, surge una gran ventaja para quien logra provocar adecuadamente la innovación complementaria.
También las "empresas AI-native" se pueden entender con este marco.
En este contexto, una empresa AI-native es una empresa que cuenta con un conjunto de mecanismos complementarios para la IA. Igual que la presencia generalizada de motores eléctricos en las fábricas condujo a un aumento de la productividad, creo que las organizaciones que, al poder hacer omnipresentes el software y la inteligencia, han logrado materializar nuevos mecanismos e instituciones serán las que se beneficien de la IA.
(Eso sí, siempre que se pueda usar esa infraestructura. Según cómo evolucione la situación política internacional, el acceso a la IA de los países de potencia media podría verse limitado, así que lo dejo anotado.)
Las deep tech podrían ser el caso típico
Si lo pensamos así, lo interesante son ámbitos como el de las deep tech.
En primer lugar, hoy, gracias a la IA generativa, algunas verificaciones de las tecnologías que se usan en los negocios de deep tech se han vuelto mucho más rápidas (en especial las verificaciones de la fase más temprana, a nivel de estimación de Fermi, o los análisis tecnoeconómicos sencillos). Tareas para las que antes había que encontrar a un experto y pedírselo ahora devuelven resultados en apenas unas horas. Se puede decir que este cambio rebaja mucho la barrera de la fase inicial para quien aspire a crear una startup de deep tech.
Además, si la IA para la ciencia (AI for Science) empieza a funcionar bien, se encontrarán más descubrimientos científicos. Entonces, el cuello de botella estará en comercializar una parte de esos descubrimientos.
Y creo que es probable que la mejora sustancial de productividad al convertirse en organizaciones AI-native no se dé en las empresas de software, sino en sectores ajenos al software. Porque las empresas de software ya tienen mucho software implantado, mientras que las demás aún lo van a incorporar, por lo que tienen mayor margen de mejora.
Para volver AI-native los negocios de estos sectores ajenos al software y, a la vez, implementarlos realmente en la sociedad, hay que seguir realizando tareas pesadas como las instalaciones experimentales, la fabricación, la regulación y la seguridad. Pero el valor permanece en los lugares donde la implementación es difícil, y se puede decir que eso también tiende a convertirse en un foso defensivo (moat).
Parte de la razón por la que se pueden esperar cosas de las startups de deep tech full-stack y de las deep tech en las que lo importante no es la investigación es precisamente este contexto.
Conclusión
Lo que está ocurriendo ahora es que el coste de ciertos trabajos intelectuales y de la generación de software está bajando rápidamente. Como resultado, el software se extenderá incluso a los problemas que antes no resultaban rentables. Igual que la luz se extendió hasta los lugares oscuros, creo que el software y la inteligencia también se irán extendiendo por los espacios de problemas que hasta ahora no alcanzaban.
Por eso, lo que hay que preguntarse no es qué se puede automatizar con IA, sino qué problemas se vuelven resolubles con software gracias a un software y una inteligencia baratos, qué ocurre entonces y qué se convierte en la nueva escasez.
A corto plazo, la demanda de la propia IA y del software que la aprovecha aumentará. Pero, mirando más allá, creo que probablemente surgirá aún más valor de otros lugares.
En ese momento, las deep tech, que van a por los cuellos de botella del mundo físico, son una de las mayores oportunidades. En ese sentido, me gustaría que más personas se fijaran en el ámbito de las deep tech que usan IA y software.
Hoy es realmente más fácil investigar, así que, si alguien se ha interesado, le animo a echar también un vistazo al ámbito de las deep tech.
Aviso
Hacemos un pódcast en el que presentamos startups de deep tech del extranjero y artículos de think tanks. Si te interesa, échale un vistazo.