Los modelos chinos de inteligencia artificial mejoran cada semana. Ya no se pueden despachar como copias baratas o productos de segunda división. Algunos razonan bien, programan bien, escriben bien y, para muchas tareas cotidianas, son más que suficientes. Pueden corregir un correo, resumir un informe, traducir una nota interna o preparar una primera versión de un texto.

Y, sin embargo, casi nadie los usa.

Esta es la paradoja interesante. Se habla mucho de ellos, a menudo con admiración y con cierta satisfacción geopolítica: "Mirad cómo los chinos ya han alcanzado a los americanos". Pero luego, cuando llega el momento de escribir un correo delicado, revisar un documento, preparar una clase, hacer código o tomar una decisión empresarial, la mayoría de usuarios vuelven a los mismos nombres: OpenAI, Anthropic, Google o Microsoft Copilot.

La pregunta, pues, no es si los modelos chinos son buenos. Algunos lo son mucho. La pregunta es por qué, si son tan buenos y a menudo más baratos, no se han convertido en la opción habitual. La respuesta nos dice mucho sobre cómo se está configurando el mercado de la inteligencia artificial. Y también sobre las posibilidades reales de Europa.

En IA, ser "suficientemente bueno" puede no ser suficiente

En muchos mercados, ser suficientemente bueno es suficiente. Un restaurante no tiene que ser el mejor del mundo para llenarse. Un coche no tiene que ser el mejor del mercado para venderse. Una herramienta de gestión no tiene que ser perfecta para ser adoptada por miles de empresas. Hay espacio para muchas opciones.

Pero la inteligencia artificial generativa no se está comportando exactamente así. Una pequeña diferencia de calidad puede tener consecuencias enormes. Un modelo un poco mejor puede escribir un correo más persuasivo, encontrar un error más difícil, proponer una estrategia más sutil o evitar una alucinación en un momento crítico. Y esta pequeña diferencia puede ser toda la diferencia.

Esto es especialmente importante en tareas profesionales. Una respuesta ligeramente mejor puede ayudar a ganar un cliente. Una síntesis más precisa puede evitar una mala decisión. Una propuesta comercial mejor formulada puede acabar en contrato. En actividades con resultados no lineales —ganar o perder, vender o no vender, acertar o equivocarse—, el mejor modelo no vale solo un poco más: puede capturar casi todo el valor.

Aquí aparece una dinámica conocida como mercados de superestrellas, o economías winner-takes-all o winner-takes-most. No todos los futbolistas cobran igual, no todos los cantantes cobran igual, no todos los actores cobran igual y no todos los abogados cobran igual. Diferencias relativamente pequeñas de talento, carisma, calidad percibida o capacidad de ejecución pueden convertirse en diferencias enormes de captura de valor.

En actividades con resultados no lineales, el mejor modelo no vale solo un poco más: puede capturar casi todo el valor

Un delantero un poco más decisivo puede cobrar diez, veinte o cincuenta veces más que otro jugador excelente. Un cantante un poco más reconocible o un actor un poco más capaz de arrastrar público puede concentrar una parte desproporcionada de los ingresos de su sector. No porque sea cincuenta veces mejor en un sentido técnico, sino porque en mercados con escala y resultados muy sensibles a pequeñas diferencias, el valor se acumula de manera desproporcionada en la cima.

Con la IA ocurre algo similar. No puedo sustituir fácilmente un modelo muy bueno con diez modelos medianos. Si una tarea exige razonamiento, fiabilidad, contexto o capacidad de combinar muchas decisiones pequeñas correctamente, la calidad acumulada importa. Un modelo más débil puede ir bien en una parte del proceso, pero puede fallar justo en el punto donde el coste del error es más alto.

Por eso, el "suficientemente bueno" es una categoría engañosa. Puede ser suficiente para tareas rutinarias y de bajo riesgo. Pero cuando la tarea tiene valor, incertidumbre o consecuencias, el usuario tiende a preferir el mejor modelo disponible. Aunque sea más caro. Aunque la alternativa barata sea muy buena.

El mercado no es solo el modelo: es el ecosistema

Hay otra razón aún más simple: la gente no quiere pensar qué modelo debe utilizar cada vez. Si ya pago una suscripción a ChatGPT, Claude o Gemini, el coste marginal de hacer una pregunta más es cero. ¿Por qué debería abrir otra herramienta, crear otra cuenta, aprender otra interfaz y decidir en cada momento qué modelo es más adecuado?

Este coste de cambio parece pequeño, pero es enorme. En tecnología, muchas veces no gana el mejor producto aislado, sino el que se integra mejor en los hábitos, las herramientas y los procesos existentes. La IA no es solo una ventana donde escribimos prompts. Es la integración con el correo, los documentos, el navegador, el móvil, las herramientas de programación, las plataformas de datos, los sistemas corporativos y los entornos de seguridad de la empresa.

Por eso la batalla no se decidirá solo en los benchmarks. Se decidirá también en Microsoft 365, Google Workspace, Slack, Notion, Salesforce, SAP, GitHub, Cursor, en los navegadores, en los IDEs, en los agentes internos de las empresas y en los flujos de trabajo que cada organización ya tiene en marcha.

Si ya pago una suscripción a ChatGPT, Claude o Gemini, el coste marginal de hacer una pregunta más es cero. ¿Por qué debería abrir otra herramienta?

Un modelo chino puede ser excelente en abstracto. Pero si no está integrado en el día a día de la empresa, si no tiene una política de datos clara, si no genera confianza regulatoria, si no dispone de soporte empresarial, si no encaja con los procesos internos, si no tiene conectores, API robustas, auditorías, garantías y una comunidad de desarrolladores alrededor, su calidad técnica es solo una parte de la decisión.

En las empresas, la adopción tecnológica no funciona como una competición de laboratorio. No se elige una IA solo porque saca mejor nota en un test. Se elige porque se puede desplegar, gobernar, integrar, auditar y escalar. Se elige porque el departamento legal no la bloquea, porque IT la puede controlar, porque los empleados ya la conocen y porque el ecosistema la convierte en una opción segura.

Esto es lo que a menudo olvidamos cuando hablamos de "modelos". El modelo es importante, pero el producto real es el sistema que lo rodea. Y hoy este sistema está mucho más desarrollado alrededor de los grandes actores norteamericanos que alrededor de los modelos chinos, europeos o abiertos.

La trampa del "catch-up"

Hay todavía una tercera cuestión, más profunda. En IA, parecer cerca de la frontera no es lo mismo que estar en la frontera.

Muchos modelos alternativos parecen espectacularmente competitivos porque han aprendido de los mejores. En algunos casos, directa o indirectamente, han sido entrenados, afinados o destilados a partir de las salidas de los modelos líderes. Esto permite reducir la distancia aparente. Si el líder ya ha explorado el camino, los perseguidores pueden aprender observando sus respuestas.

Pero esta estrategia tiene un límite evidente: puedes acercarte al líder, pero no necesariamente superarlo. La destilación es útil para acercarse, pero difícilmente te da la capacidad de descubrir el siguiente salto. Es como copiar los apuntes del mejor estudiante de la clase. Puedes sacar buena nota, pero eso no significa que seas tú quien está generando el conocimiento nuevo.

En las empresas, no se elige una IA porque saca mejor nota en un test. Se elige porque se puede desplegar, gobernar, integrar, auditar y escalar

Esta es la diferencia entre estar cerca de la frontera y mover la frontera. Los modelos punteros no solo tienen más usuarios y más ingresos; tienen también más datos de uso, más talento, más capacidad computacional, más productos, más distribución y, sobre todo, más capacidad de reinvertir los beneficios en la siguiente generación de modelos.

Este punto es esencial. En IA, capturar valor no es solo una recompensa empresarial; es la condición para poder seguir compitiendo. Si una empresa no consigue convertir la calidad de su modelo en ingresos, tampoco puede financiar el siguiente salto: más entrenamiento, más compute, mejores investigadores, más integración, más producto y más distribución. Y si no puede financiar el siguiente salto, el hecho de estar hoy relativamente cerca de la frontera se convierte en una ilusión temporal.

Así se crea un círculo acumulativo. Los líderes capturan más valor porque tienen mejores modelos, y pueden construir mejores modelos porque capturan más valor. Los perseguidores pueden acercarse puntualmente, pero si no generan ingresos suficientes, cada nueva generación de modelos les exige más capital externo, más subsidios o más paciencia estratégica. Sin captura de valor, no hay reinversión; sin reinversión, no hay frontera; y sin frontera, la competencia se degrada rápidamente hacia segmentos de bajo margen.

Esta es la dinámica propia de una economía de power law. El primero no gana un poco más que el segundo; gana mucho más. Y como gana mucho más, puede invertir mucho más. Y como puede invertir mucho más, tiene más opciones de seguir siendo el primero. El mercado no solo premia el liderazgo; lo refuerza.

Cuando lo gratis sale caro

Y aquí aparece una última paradoja: el "gratis" puede ser una gran estrategia de difusión, pero solo si acaba generando valor. Si no hay adopción real, si no hay ingresos y si no hay capacidad de financiar el siguiente salto tecnológico, el "free" simplemente se acaba. Puede servir para entrar en el mercado, para ganar notoriedad y para presionar los precios, pero no sustituye la necesidad de construir un modelo económico sostenible.

Al mismo tiempo, el "gratis" también puede impedir que otros desarrollen alternativas propias: ¿por qué invertir en un modelo europeo, sectorial o local si ya hay uno bastante bueno y gratuito? Esta es la tensión de fondo. Individualmente, todos preferimos utilizar la mejor herramienta al menor coste posible. Colectivamente, sin embargo, esta decisión puede dejarnos sin capacidad propia para competir, innovar y capturar valor. La IA china nos recuerda que el problema no es solo quién tiene el mejor modelo, sino quién consigue construir a su alrededor un mercado que lo haga viable.