La poco atractiva economía detrás de la IA para consumidores
El auge de los asistentes personales de IA
El asistente Muse de Meta, acompañado de una mascota de peluche llamada Jolly, se ha convertido en un éxito inesperado. OpenAI acaba de presentar Dots, un asistente de estilo cartoon que sigue un concepto similarmente lúdico. Mientras tanto, el emergente asistente Instinct, valorado en 10.000 millones de dólares, se centra en tareas prácticas como la reserva de viajes, la gestión de reservas en restaurantes y la cancelación de suscripciones.
Por qué la IA para consumidores tiene dificultades para generar ganancias
El optimismo que rodea a estos productos es comprensible. Los agentes modernos son finalmente lo suficientemente confiables como para encargarse de las tareas cotidianas, y los usuarios reportan beneficios genuinos. Para los inversores, el escenario recuerda al entusiasmo que siguió al lanzamiento de ChatGPT en 2022, cuando el poder bruto de la IA abrió un mercado antes imposible. Sin embargo, los laboratorios de vanguardia se han vuelto cautelosos sobre la IA para consumidores por razones que poco tienen que ver con la capacidad técnica.
Andreessen Horowitz, citando un informe de investigación de PNC, señala que:
«Aún es muy pronto en lo que respecta a la adopción y utilización madura de la IA»
Los datos de mayo muestran que solo el 2,2 % de los consumidores pagaron por servicios de IA, gastando un promedio de 31 dólares al mes. Incluso cuando los modelos han avanzado desde GPT‑5.2 hasta Astra, la curva de adopción sigue siendo persistentemente lineal. Una comparación con Netflix —un servicio en línea saturado con 325 millones de suscriptores— ilustra la brecha: 34 dólares por usuario generarían solo 11.000 millones de dólares anuales, muy por debajo de los costos operativos de OpenAI.
Otras encuestas confirman este panorama. Bank of America encontró que aproximadamente el 3 % de los consumidores estadounidenses pagaron por IA en marzo, un aumento del 40 % con respecto al año anterior. Una encuesta de Menlo reportó que una cuarta parte de los adultos utiliza IA a diario, y la mitad de esos usuarios paga por ella. Aunque estas cifras sugieren un crecimiento modesto, están muy por debajo de los umbrales de rentabilidad típicos de los negocios digitales maduros.
La carga de costos de operar la IA
La IA para consumidores es inusualmente costosa de operar en comparación con sus predecesores más ligeros, como las redes sociales o la computación en la nube. Incluso una base masiva de clientes pagadores no garantiza la rentabilidad, porque los costos subyacentes de infraestructura y entrenamiento de modelos siguen siendo elevados. Esta estructura de costos explica por qué muchos laboratorios líderes han desplazado su enfoque hacia contratos empresariales y la expansión vertical, donde los precios más altos y el uso masivo pueden compensar los gastos.
De consumidor a empresa: cómo las compañías se están adaptando
OpenAI ha aceptado esta realidad y ha pivotado con éxito hacia las ventas empresariales. La compañía informa que las reservas empresariales se han duplicado desde julio. Incluso el lanzamiento de Dots se enmarcó en torno a casos de uso empresarial, destacando su valor para ingenieros de software y creativos de agencias. El manual clásico —ofrecer un servicio popular para consumidores a bajo costo y vender una versión premium a empresas— parece estar funcionando para OpenAI.
Muse se beneficia del potente motor de segmentación publicitaria de Meta, lo que le proporciona vías adicionales de monetización y tiempo antes de que la rentabilidad se vuelva crítica. Meta ya está explorando aplicaciones empresariales para Muse.
Instinct toma un camino diferente, planeando capturar una parte de las compras realizadas a través de su agente, un modelo que podría elevar los límites de ingresos. Al evitar el gasto de entrenar un modelo de vanguardia, Instinct también reduce su base de costos.
Conclusión: los límites del crecimiento de la IA para consumidores
La economía de la IA para consumidores sigue siendo poco atractiva. Sin acceder a ingresos empresariales de mayor margen, las compañías enfrentan un límite difícil en términos de escala y rentabilidad. Los principales laboratorios ya han aprendido esta lección, y parece ser una de las pocas constantes en una industria que evoluciona rápidamente.








