En el ecosistema tecnológico, pocas ideas han despertado tanto interés y controversia en tan poco tiempo como la que el desarrollador y divulgador Javi López (@javilop) ha expuesto recientemente en un extenso hilo en X (antes Twitter). Su tesis es rotunda: en un futuro cercano, todo el software se ejecutará directamente en la capa de los modelos de lenguaje de gran tamaño (LLMs), sin necesidad de código intermedio, y, por tanto, pasará a convertirse en una commodity comparable a la electricidad.
Más allá de la provocación intelectual, la propuesta plantea implicaciones profundas para el mercado tecnológico, la estructura competitiva de la industria y las oportunidades de inversión a medio y largo plazo.
Del desarrollo tradicional a la ejecución directa en el modelo
López comienza por una observación que, para quienes siguen de cerca el avance de la inteligencia artificial generativa, resulta ya familiar: el desarrollo de software se está desplazando hacia interfaces de lenguaje natural. Herramientas como Claude, Grok o ChatGPT, combinadas con entornos como Cursor o Windsurf, permiten hoy a un programador experimentado construir aplicaciones completas dirigiéndose a la IA como si fuera un colaborador técnico.
Sin embargo, el salto que propone López es cualitativo: eliminar incluso esa capa de código generado. En su visión, la lógica de negocio, la persistencia de datos y la presentación visual se resolverán internamente dentro del propio modelo, sin que exista un backend en Python, una base de datos relacional o un frontend en HTML/CSS.
El concepto se apoya en una idea expresada recientemente por Elon Musk: “Any input bitstream to any output bitstream” (cualquier flujo de bits de entrada a cualquier flujo de bits de salida). En otras palabras, un LLM lo suficientemente avanzado sería capaz de recibir una entrada —una imagen, una instrucción de usuario, un archivo de datos— y producir directamente la salida deseada, ya sea una interfaz interactiva, un resultado calculado o un contenido audiovisual.
Implicaciones para el mercado tecnológico
Si este escenario se materializa, la cadena de valor del software se reconfigurará de manera radical. Las capas actuales —lenguajes de programación, frameworks, bases de datos, servidores de aplicaciones— podrían desaparecer como segmentos independientes de negocio, absorbidas por una capa unificada: el LLM.
El valor económico, advierte López, se concentraría en un número muy reducido de actores:
- Proveedores de LLMs multimodales líderes, capaces de interpretar y generar cualquier tipo de contenido o funcionalidad.
- Operadores de infraestructura de cómputo masivo, con capacidad para ejecutar estos modelos a gran escala y con latencias competitivas.
En la práctica, esto podría derivar en un mercado de alto nivel de concentración, donde unas pocas empresas —posiblemente las actuales Big Tech y algunos nuevos entrantes con ventaja tecnológica— controlarían la mayor parte de la capacidad productiva digital del planeta.
El software como commodity: paralelismo con la electricidad
La analogía que propone López no es casual: en la era de la electrificación, la competencia dejó de centrarse en quién fabricaba la lámpara o el motor, y pasó a concentrarse en quién podía proveer energía de forma fiable y barata.
En un escenario dominado por LLMs avanzados, el software dejaría de ser un producto diferenciado para convertirse en un servicio de capacidad, donde la elección de proveedor estaría determinada principalmente por el precio y, en menor medida, por ciertas ventajas de rendimiento o propiedad intelectual (IP) exclusiva, como podría ocurrir con videojuegos o aplicaciones específicas bajo licencia.
De este modo, la innovación no desaparecería, pero se desplazaría aguas arriba, hacia la mejora de los modelos y la optimización de la infraestructura que los ejecuta.
Desafíos técnicos y barreras de adopción
Uno de los principales reparos a esta visión es que los LLMs actuales no son deterministas y carecen de memoria persistente, lo que limitaría su capacidad para ejecutar aplicaciones de forma coherente y fiable.
López reconoce estas limitaciones, pero considera que serán superadas con persistencia y memoria “no simplista”, es decir, con mecanismos más sofisticados que las bases de datos tradicionales, integrados de forma nativa en el modelo.
La clave para alcanzar ese punto, señala, podría estar en el entrenamiento con datos sintéticos:
- Los propios LLMs, o agentes basados en ellos, generarían aplicaciones completas end-to-end en entornos cerrados.
- Cada ejecución se registraría, incluyendo estados de interfaz y entradas de usuario.
- Esos datos servirían para entrenar nuevos modelos, mejorando su capacidad de ejecutar aplicaciones sin depender de capas externas.
Este enfoque, aunque todavía incipiente, coincide con líneas de investigación ya exploradas en grandes laboratorios de IA, donde el autoaprendizaje y la simulación masiva se consideran esenciales para escalar capacidades.
Impacto en la estructura empresarial y laboral
Si el software deja de requerir un ciclo de desarrollo convencional, el mercado laboral tecnológico sufrirá una reestructuración de gran calado:
- El papel del desarrollador podría evolucionar hacia diseñador de interacciones y objetivos, en lugar de escritor de código.
- Muchas capas intermedias de la cadena de producción desaparecerían, afectando a empresas proveedoras de librerías, frameworks y herramientas de desarrollo.
- La demanda de talento se desplazaría hacia especialistas en optimización de modelos, gestión de infraestructura y creación de prompts complejos para maximizar resultados.
En paralelo, la dependencia de un reducido grupo de proveedores de LLMs e infraestructura aumentaría el riesgo de concentración de poder económico y político. En un escenario extremo, gobiernos y grandes corporaciones podrían depender de menos de una decena de empresas para ejecutar la mayor parte de su actividad digital.
Oportunidades de inversión y posicionamiento estratégico
Desde una óptica financiera, la hipótesis de López plantea dos grandes líneas de interés:
- Identificación temprana de ganadores
- Invertir en compañías con liderazgo potencial en el desarrollo de LLMs multimodales.
- Considerar no solo a los hiperescalares (Google, Microsoft, OpenAI, Anthropic, Meta), sino también a empresas con modelos especializados de alta calidad y potencial de escalabilidad global.
- Infraestructura crítica
- Los operadores de centros de datos y proveedores de hardware especializado (GPUs, TPUs, chips de IA personalizados) se convertirán en piezas centrales del ecosistema.
- Empresas como NVIDIA, AMD, Broadcom o fabricantes emergentes de aceleradores de IA tendrían un papel estratégico.
En este sentido, la analogía con el sector energético no solo es conceptual: así como las utilities dependen de redes de transmisión y generación, el futuro de la computación basada en LLMs dependerá de la capacidad instalada y la eficiencia del hardware disponible.
Riesgos y escenarios alternativos
Aunque el planteamiento de López es técnicamente plausible, existen riesgos que podrían retrasar o alterar su adopción:
- Limitaciones físicas y energéticas: la ejecución masiva de LLMs con capacidades multimodales avanzadas implica un consumo energético muy superior al del software tradicional.
- Cuellos de botella en hardware: la disponibilidad de GPUs y chips especializados es limitada y su producción está sujeta a tensiones geopolíticas.
- Regulación: la concentración de poder en pocas empresas podría motivar intervenciones regulatorias que limiten el grado de integración vertical entre LLM e infraestructura.
- Resistencia empresarial y cultural: no todas las organizaciones estarán dispuestas a delegar toda su lógica de negocio a un proveedor externo, especialmente en sectores críticos como defensa, salud o finanzas.
En un escenario alternativo, podría surgir un mercado híbrido, en el que convivan LLMs capaces de ejecutar gran parte de la lógica con aplicaciones que mantengan ciertas capas externas por razones de control, seguridad o eficiencia.
Plazos y señales a vigilar
No existe consenso sobre el horizonte temporal de esta transformación. Algunos expertos lo sitúan en más de una década; López, sin embargo, cree que “lo veremos más pronto que tarde”.
Para los inversores y estrategas, hay señales clave que pueden indicar que el cambio se está acelerando:
- Aparición de LLMs multimodales con capacidad de ejecutar interfaces interactivas complejas sin código intermedio.
- Consolidación de proveedores de infraestructura con modelos propios, cerrando el ciclo de producción y ejecución.
- Casos de uso reales en sectores de alto valor (finanzas, energía, salud) operando exclusivamente sobre LLMs sin backend tradicional.
- Reducción drástica en el coste por inferencia de modelos de gran tamaño.
Conclusión: un cambio de paradigma con alta concentración de valor
La propuesta de Javi López no es solo una especulación técnica; es una hipótesis de mercado que, de cumplirse, alteraría profundamente la distribución del valor en la economía digital.
En este escenario, el software dejaría de ser un activo diferenciado para convertirse en una capacidad estandarizada ejecutada por un reducido número de plataformas de IA. Las oportunidades de inversión y crecimiento se concentrarían en:
- El desarrollo de LLMs multimodales líderes.
- La infraestructura crítica para ejecutarlos a escala.
- Modelos de negocio que integren ambos elementos bajo un control unificado.
Como en toda disrupción, los mayores beneficios irán a quienes identifiquen temprano a los ganadores y gestionen los riesgos inherentes a un mercado altamente concentrado. Y, como en la electricidad, el precio y la fiabilidad podrían convertirse en los factores determinantes para elegir proveedor.
Preguntas frecuentes (FAQ)
1. ¿Qué significa que el software se convierta en una “commodity”?
Que dejará de ser un producto único desarrollado por cada empresa y pasará a ser un servicio estandarizado, con pocos proveedores y diferenciación mínima, compitiendo principalmente en precio y fiabilidad.
2. ¿Quiénes serían los grandes beneficiados de este cambio?
Las empresas que dominen tanto el desarrollo de LLMs multimodales avanzados como la infraestructura necesaria para ejecutarlos masivamente.
3. ¿Qué riesgos implica este escenario?
Concentración de poder económico y tecnológico, dependencia de pocos proveedores, consumo energético elevado y posibles barreras regulatorias.
4. ¿Qué oportunidades existen para los inversores?
Invertir en líderes tecnológicos de LLMs, en fabricantes de hardware especializado y en operadores de centros de datos con capacidad de escalar para soportar estas cargas de trabajo.
Fuente: Noticias inteligencia artificial
