La inteligencia artificial generativa ha concentrado una inversión descomunal, ha disparado la demanda de centros de datos y ha colocado a NVIDIA, TSMC y los grandes hiperescalares en el centro de la conversación tecnológica. Pero todavía queda una pregunta abierta: dónde se quedará realmente el valor. Benedict Evans, analista tecnológico y antiguo socio de Andreessen Horowitz, abordó esa duda en su charla AI Eats the World durante SuperAI Singapore 2025, con una lectura menos eufórica y más estructural del momento actual.

Su planteamiento no reduce la IA a una moda pasajera, pero tampoco compra sin matices el relato de una transformación inmediata de toda la economía. Para Evans, la IA generativa puede ser el siguiente gran cambio de plataforma después del PC, la web y el smartphone. También puede acabar convertida en una capa más de software, integrada en productos cotidianos hasta volverse invisible. La diferencia entre ambas posibilidades no se resolverá con más titulares, sino con despliegue real, adopción empresarial y nuevos modelos de negocio.

La IA siempre acaba convirtiéndose en software

Evans recupera una idea atribuida a Larry Tesler, uno de los nombres históricos de la computación: la inteligencia artificial es aquello que las máquinas todavía no pueden hacer. Cuando lo hacen bien, dejamos de llamarlo IA y empezamos a llamarlo software.

La observación explica buena parte de la historia tecnológica reciente. Las bases de datos llegaron a tener una capacidad de memoria “sobrehumana”, pero hoy nadie las ve como inteligencia artificial. El reconocimiento de imágenes en el móvil parecía magia hace una década y ahora forma parte de cualquier galería de fotos. El machine learning fue durante años la gran promesa de la IA, pero en muchos sectores ya se percibe como una herramienta normal dentro de aplicaciones y sistemas.

La pregunta es si los grandes modelos de lenguaje seguirán ese mismo camino. ChatGPT pareció romper algo cuando llegó al gran público, pero el paso del asombro a la utilidad sostenida no es automático. Evans plantea dos escenarios extremos. En uno, habrá miles de modelos, igual que existen muchas bases de datos, hojas de cálculo o sistemas de software. En otro, podría emerger una especie de gran ordenador mundial capaz de resolver tareas complejas de principio a fin. Entre ambos puntos hay muchas posibilidades intermedias.

Gran pregunta sobre la IA	Posible lectura
¿Es solo otra tecnología de software?	Puede integrarse en herramientas existentes hasta volverse invisible
¿Es un cambio de plataforma?	Puede concentrar inversión e innovación como PC, web o smartphone
¿Habrá un ganador único?	Evans no ve aún efectos claros de monopolio técnico
¿Dónde estará el valor?	Probablemente en productos, flujos de trabajo, datos e integración
¿Qué sectores van más rápido?	Programación, marketing, soporte y procesos internos concretos
¿Por qué hay tanta incertidumbre?	Aún no está clara la estructura del mercado ni quién capturará ingresos
¿La adopción será inmediata?	No. Como ocurrió con cloud, el despliegue empresarial lleva años

Mucho capex, modelos más baratos y menos barreras de lo esperado

Uno de los puntos más contundentes de la charla es el volumen de inversión. Evans señala que las cuatro grandes plataformas tecnológicas gastaron alrededor de 220.000 millones de dólares el año pasado en infraestructura y que este año podrían superar los 300.000 millones en centros de datos. Microsoft, según su análisis, ha pasado de vender software con márgenes altísimos a dedicar más del 30 % de sus ingresos a capex, una proporción que incluso supera la de muchas telecos.

El principal beneficiario visible de ese gasto ha sido NVIDIA, que se ha colocado en el centro de la cadena de suministro de IA con ventas trimestrales de chips para centros de datos por encima de los 45.000 millones de dólares, según las cifras citadas por Evans. El auge de la IA se ha traducido en una carrera por construir capacidad de cómputo, alimentar modelos y sostener servicios cada vez más intensivos en infraestructura.

Pero esa inversión no ha creado, al menos por ahora, un monopolio claro en modelos. Evans sostiene que los modelos frontera empiezan a parecer commodities. OpenAI fue el actor que cambió la percepción del mercado con ChatGPT, pero hoy hay varias compañías capaces de ofrecer modelos de calidad comparable. DeepSeek, en su lectura, demostró que una empresa con varios cientos de millones de dólares puede acercarse a esa frontera, una cifra enorme para casi cualquiera, pero asumible para muchas compañías tecnológicas globales.

A la vez, el coste de producir un resultado concreto con modelos de lenguaje cae muy deprisa, quizá uno o dos órdenes de magnitud al año. La paradoja es evidente: nunca se había gastado tanto en infraestructura de IA, pero el coste unitario de usar esa inteligencia tiende a bajar. Eso puede hacer que el modelo en sí sea cada vez menos diferencial y que el valor se desplace hacia arriba en la pila.

Del benchmark al producto real

Evans compara este momento con la industria del PC en los años noventa, cuando los compradores tenían que entender procesadores, MHz, memoria, módems y una larga lista de siglas. Con el tiempo, esa complejidad técnica se abstrajo. El usuario dejó de comprar por especificaciones minuciosas y empezó a elegir por aplicaciones, experiencia, marca, ecosistema y utilidad.

La IA puede recorrer un camino parecido. Hoy la conversación está llena de benchmarks, contexto, tokens, agentes, razonamiento, modelos abiertos, modelos cerrados y nuevas siglas. Pero si todos esos modelos se abaratan y se parecen, la ventaja no estará tanto en el modelo como en lo que se construye encima.

La marca sigue contando. Evans observa que ChatGPT parece estar convirtiéndose en un verbo, como Google en su momento. Pero también recuerda que MySpace fue un verbo durante un tiempo. La notoriedad puede dar una ventaja enorme, aunque no siempre garantiza dominio permanente.

Para empresas y startups, la conclusión es incómoda y útil a la vez. No basta con decir que un producto usa IA. El reto es resolver una tarea concreta mejor que antes. Automatizar procesos de facturación en una teleco, ayudar a migrar código legacy, mejorar soporte, ordenar documentación o acelerar marketing puede ser menos espectacular que hablar de superinteligencia, pero es ahí donde muchas empresas empiezan a encontrar retorno.

La adopción real todavía es desigual

El entusiasmo tecnológico no debe confundirse con adopción masiva. Evans cita encuestas según las cuales solo entre el 7 % y el 10 % de las personas usan chatbots de IA generativa a diario. Otro grupo, cercano al 20 %, los utiliza semanalmente o cada dos semanas. Muchos usuarios los probaron una vez y no supieron bien qué hacer.

No es extraño. La hoja de cálculo también fue evidente al principio solo para quienes ya hacían modelos financieros en papel. Para un contable, VisiCalc podía ahorrar días de trabajo. Para un abogado sin necesidad de hojas de cálculo, su utilidad no era tan clara. Con los grandes modelos de lenguaje ocurre algo parecido. Hay perfiles que ven inmediatamente el caso de uso y otros que se quedan ante una caja de texto vacía sin saber qué pedir.

Los desarrolladores están entre los primeros grupos donde la utilidad resulta más evidente. Evans llega a comparar la generación de código con una especie de “nuevo AWS”, en el sentido de que reduce el esfuerzo necesario para crear y desplegar software. También ve adopción en marketing, atención al cliente y perfiles que ya utilizaban herramientas flexibles como Notion, Airtable o plataformas no-code.

En las empresas, la barrera no es solo entender la utilidad. Muchas compañías ya la entienden, pero se enfrentan a problemas prácticos: seguridad, datos desordenados, falta de talento interno, costes, cumplimiento normativo e integración con sistemas existentes. Como ocurrió con el cloud, el despliegue real puede tardar mucho más de lo que sugiere el ruido del mercado.

La IA no solo responde preguntas: cambia la pregunta

Una de las ideas más interesantes de Evans aparece al hablar de búsqueda. La pregunta habitual es qué ocurre si los usuarios van a ChatGPT en lugar de Google y reciben una respuesta directa en vez de una lista de enlaces. Pero el cambio más profundo puede estar en otro sitio: la IA permite formular preguntas que antes no eran búsquedas.

El ejemplo es sencillo: enseñar una foto de la nevera y preguntar qué cocinar. Eso no encaja bien con el buscador clásico. No se trata de encontrar diez enlaces, sino de interpretar una imagen, entender contexto, sugerir una decisión y quizá conectarla con compras, dieta, preferencias y disponibilidad. Si este tipo de interacción se extiende, cambia la forma de descubrir información, comprar productos y distribuir publicidad.

Evans recuerda que alrededor de un billón de dólares anuales se mueven en publicidad, con una parte enorme concentrada en Google, Meta y Amazon. Si la IA altera el modo en que buscamos, decidimos y compramos, parte de ese dinero puede moverse. Pero todavía no está claro hacia dónde.

Su conclusión es prudente: hay preguntas sobre IA que se responderán como se respondió en anteriores cambios de plataforma, aplicando patrones conocidos de adopción, integración y competencia. Otras no tienen respuesta todavía. Tampoco se sabía en 1995 que la web acabaría capturando valor a través de buscadores, publicidad y redes sociales. Ahora se sabe que habrá “cosas de IA”, pero no se sabe aún cuál será la estructura definitiva del mercado.

La IA generativa puede comerse parte del mundo, pero probablemente lo hará de forma más lenta, irregular y concreta de lo que sugiere el discurso más grandilocuente. Mientras tanto, las grandes oportunidades económicas seguirán apareciendo donde siempre: en convertir una tecnología poderosa en productos útiles, integrados y capaces de cambiar tareas reales.

Preguntas frecuentes

¿Quién es Benedict Evans?

Benedict Evans es un analista tecnológico especializado en plataformas digitales, inversión, internet, móviles, cloud, software e inteligencia artificial. Es conocido por sus ensayos y presentaciones sobre cambios estructurales en tecnología.

¿Qué defiende en “AI Eats the World”?

Evans sostiene que la IA generativa puede ser un gran cambio de plataforma, pero también advierte de que aún no está claro dónde se capturará el valor ni si los modelos serán una ventaja duradera.

¿Por qué compara la IA con el PC o la web?

Porque los grandes cambios tecnológicos suelen seguir ciclos: primero generan incertidumbre, después se integran en productos existentes y, con el tiempo, crean nuevos usos, empresas y modelos de negocio.

Dónde puede estar el negocio de la IA?

Probablemente en las aplicaciones, la integración con procesos empresariales, los datos, la experiencia de usuario y los flujos de trabajo concretos, más que en el modelo aislado.