Cómo va a cambiar la IA nuestros productos

La IA está trayendo cambios en la creación, desarrollo y distribución de los productos a pasos agigantados. Tan rápido que ni siquiera sabemos dónde va a llevarnos ni dónde está su techo.

Mi apuesta es que los productos tradicionales no se van a sustituir por IA, pero creo que en casi todos ellos se va a utilizar como herramienta o como apoyo en alguna de sus partes.

¿Y si el LLM es la commodity y el wrapper es el innovador?

Después de ver lo que ha pasado en la pelea de DeepSeek contra OpenAI creo que el foco que teníamos en dar por muertas a miles de empresas cada vez que OpenAI saca una funcionalidad estaba bastante equivocada.

Me parece que, ahora mismo, es mucho más fácil de sustituir el LLM –de hecho hay librerías que permiten trabajar con varios de forma transparente como XXX o XXX– que el producto que utiliza un LLM.

Me explico: los usuarios tienden a acostumbrarse a las aplicaciones que utilizan. Llevamos años y años de hegemonía de Google y, a pesar de que los resultados son reguleros, de que hay alternativas más éticas, más rápidas o más novedosas; la conclusión acaba siendo la misma: Google sigue dominando. Mover a un usuario de dónde está a un producto nuevo es difícil.

Por eso es posible que el último foso defensivo de las aplicaciones no esté en los LLMs, si no en las interfaces que pongamos por encima. Como bien dice Jimena , quizás sea el momento de poner a los equipos de producto en el centro de la toma de decisiones.

Hay que saber qué hacer con la IA, no intentar mejorarla

La IA va a avanzar y en esa pelea va a haber monstruos gigantescos. A pesar de que nos hayan vendido que DeepSeek lo han hecho cuatro frikis con seis pesetas, esa guerra no es una en la que queramos estar. Una pelea en la que se pegan Microsoft, Google, China y Meta no es un buen lugar en el que competir.

Pero mientras ellos están ahí, probablemente estén descuidándomelas otros problemas que merece la pena resolver. Es posible incluso que haya un resurgimiento de ciertas aplicaciones que antes estaban vetadas a las empresas más pequeñas. ¿Cuántos años hace que no sale un producto B2C que haya sido masivo y exitoso y que no venga de una de las grandes? Es posible que la IA nos traiga de vuelta eso. O al menos que entretenga a las grandes para que eso sea posible.

Mientras tanto deberíamos analizar cuáles son los problemas a los que podemos aplicar los modelos actuales –o incluso los que vendrán, ya que casi cualquier cosa que veamos ahora mejorará en el corto plazo– para conseguir resultados y productos diferentes a los que vemos ahora.

¿Cambios en la interacción?

Desde que apareció el iPhone, y se adoptaron las pantallas táctiles masivamente en el año 2004, no ha habido un cambio interesante y masivo a nivel de interacción con los dispositivos.

Ha habido mínimos intentos con ciertas interfaces conversacionales pero los Alexa o Siri no han producido un cambio en el flujo del trabajo que haya sido significativo. Cuesta menos hacer un clic que ponerse a discutir con el ordenador.

Es posible que la tecnología aún no esté preparada para que haya un nuevo salto. Y, con el lanzamiento y la activación mundial de ChatGPT, Perplexity o Cursor todos estamos pensando nuestros productos de IA –excepto quizás los de generación de imágenes– como una interfaz conversacional pero ¿Y si los productos no debieran ser un chatbot? ¿Y si solamente tenemos que utilizar la IA como una API y no cambiar la interacción con los usuarios?

Tratar el no determinismo no es sencillo

Una de las cosas con las que vamos a tener que lidiar a nivel de producto e incluso de tecnología es el no determinismo. Un LLM no contesta siempre lo mismo a la misma pregunta.

Por la forma en la que están concebidos, los LLMs generan la respuesta token a token calculando el siguiente en base a probabilidades. Esas probabilidades tienen un componente aleatorio basado en un parámetro llamado temperatura. Además hay más motivos para el no determinismo: ejecuciones en entornos heterogéneos o cálculos estocásticos para elegir las mejores respuestas.

¿Qué provoca esto? Que tengamos que preparar nuestras aplicaciones para comportamientos inesperados. Tendremos que hacer bastante preparación de los prompts que utilicemos, habrá que permitir al propio usuario realimentar los resultados e incluso habrá que modificar los tests con los que probamos que todo está funcionando correctamente. Además, detectar errores se va a volver mucho más complejo. Probablemente haya huecos para crear herramientas en estos ámbitos.

Cuando tenemos un martillo todo nos parecerá un clavo

En un ejemplo mucho más reducido de lo que estamos viviendo, hace diez años se pusieron súper de moda las bases de datos NoSQL. Prácticamente instalar un MySQL o un Postgres te convertía en un paria tecnológico que estaba fuera de todo lo trendy. Pasaron los años y se demostró que había usos muy buenos para las bases de datos NoSQL pero la mayoría tuvo que sustituir MongoDB, Cassandra y demás por una buena y clásica base de datos SQL de toda la vida.

La IA se ha convertido en la herramienta más popular. Ha habido decenas de funcionalidades que han aparecido en los productos solamente con la idea de poner IA en las landing pages. Y no siempre es la mejor solución a los problemas que nos estamos planteando.

Primero: es cara. Una consulta a un LLM produce un coste computacional alto que nos va a menguar los márgenes de nuestros productos. Segundo: es no determinista y en ocasiones alucina. Es posible que la respuesta que vamos a recibir venga en un formato raro o que no nos esté dando un dato real. Y, quizás, si hubiéramos preguntado a una API o a una base de datos al uso nos habría costado menos y la respuesta habría sido más fiable.

Hay crecimientos siderales

Una cosa que nos está trayendo la IA son crecimientos de locura. En España hemos visto el caso de Magnific que en meses tenían un ARR mayor que el que hemos tardado otros diez años en conseguir. A nivel mundial destaca el de Bolt que –¡en dos meses!– se ha metido en 20 millones de ARR.

No son las únicas: Harvey, un abogado hecho con IA, factura 50 millones anuales tras tres años. Eleven Labs, fundada en 2022, factura $80 millones al año. Y así un, más o menos, largo etcétera.

Son crecimientos que dejan en nada la facturación actual de las empresas. ¿Son sostenibles en el tiempo? Todos los benchmarks que hemos visto nos dicen que los datos de churn en este tipo de compañías suelen ser bastante altos. Habrá que ver cuánto tiempo se mantienen arriba y cuáles lo hacen. Y habrá que ver qué márgenes manejan.

Posiblemente empecemos a descubrirlo cuando haya datos públicos de adquisiciones. Mi apuesta es que los múltiplos van a ser mucho más bajos que en software tradicional. Pero también que las adquisiciones van a ser mucho más rápidas.

¿Cómo afectarán estas nuevas métricas a los productos?

Con canales de adquisición salvajes el momento, que siempre llega, en el que el churn empiece a comerse toda la adquisición que estos canales están generando va a llegar muy rápido.

Y en ese momento vamos a ver cosas interesantes:

• Productos de IA buscando mejorar el rendimiento económico de cada cliente para sobreponerse a la tasa de cancelación.
• Intentos de mejorar esa tasa de cancelación creando productos más sticky.

¿Y qué va a suceder con las compañías IA-first cuando quieran hacer esto? Pues que van a empezar a añadir a su software features del software tradicional. Un buen CRUD es barato y tiene un buen Moat defensivo con los datos que tiene ya del usuario. Características de las que esas compañías carecen.