Challapally: las startups que prosperan eligen un punto crítico, no la escala

El 95 % de los proyectos de inteligencia artificial fracasa. La cifra, citada por Forbes Argentina en un análisis sobre el negocio global de la tecnología, tiene una prueba visual en The AI Graveyard, la lista que TechCrunch mantiene con proyectos y startups que no lo lograron.

La brecha entre la promesa y la realidad es enorme. Según un informe de McKinsey publicado el año pasado, la IA generativa —la tecnología detrás de ChatGPT o Copilot— podría sumar entre 2,6 y 4,4 billones de dólares de productividad anual en todo el mundo. Esa proyección explica por qué las empresas tecnológicas se mueven con urgencia. Google, por ejemplo, lanzó sus modelos Gemini y la herramienta Bard, pero se volvió más cauto y terminó perdiendo terreno frente a OpenAI y Amazon. El afán por no quedar fuera de la carrera alimenta lanzamientos acelerados y cierres silenciosos, justamente lo que documenta el cementerio.

Un estudio reciente cuyo autor principal es Aditya Challapally describe qué hacen distinto las startups que prosperan: "eligen un punto crítico, lo ejecutan bien y se asocian inteligentemente con empresas que usan sus herramientas". La conclusión desafía la intuición de que las grandes corporaciones tienen ventaja por su escala. La agilidad para concentrarse en un problema concreto pesa más que un presupuesto repartido en iniciativas difusas. No hace falta esperar 30 o 40 años para construir una empresa de alto impacto cuando hay talento y visión para aprovechar una tendencia en expansión.

El contexto tecnológico agrega otra variable. El Kimi K3, el último avance de China en IA, puede alterar el negocio global de la inteligencia artificial: el debate sobre si las plataformas abiertas o los productos cerrados capturan más valor a largo plazo ahora incluye el precio que las empresas están dispuestas a comprometer. Los modelos abiertos abaratan la experimentación y reducen la dependencia de una infraestructura propia, algo que pesa especialmente en mercados emergentes.

Para las empresas de América Latina, el margen de error es aún menor. Con menos acceso a financiamiento y redes de cómputo heterogéneas, intentar desarrollar desde cero un modelo de IA propio o lanzar un proyecto sin contexto claro es la vía más directa hacia la estadística del 95 %. La alternativa es la ruta de Challapally: elegir un proceso crítico —atención al cliente, análisis de documentos, logística—, integrar una herramienta que ya lo resuelve y asociarse con empresas que la utilizan para escalar. Los modelos disponibles entregan información que puede resultar general y simplista si no se adapta al contexto específico; ahí es donde una implementación quirúrgica marca la diferencia entre el despilfarro y el retorno.

Mientras el cementerio de la IA sigue sumando nombres, la pregunta para cada ejecutivo de la región es si su próxima iniciativa será una entrada en esa lista o la excepción que encontró su punto crítico y lo ejecutó antes que los demás. El 95 % no es una sentencia: es una advertencia sobre cómo no competir.