Hemos visto 3 olas distintas de startups de IA en la capa de aplicaciones desde que se lanzó ChatGPT, cada una con más competencia y consolidación. Acabamos de entrar en la ola #3 y las dinámicas competitivas están cambiando de maneras interesantes:

La Ola 1️⃣ fueron envoltorios y mensajes ingeniosos con UIs pulidas que rápidamente quedaron atrás a medida que los modelos subyacentes mejoraron.

La Ola 2️⃣ fueron startups "nativas de IA" construyendo tuberías de datos personalizadas y flujos de trabajo integrados, pero muchas se vieron presionadas cuando las plataformas de las que dependían lanzaron aplicaciones competidoras.

Ahora estamos en la Ola 3️⃣, la era agentiva. Impulsada por RL, esta ola se trata de agentes que aprenden: optimizando flujos de trabajo con el tiempo en lugar de depender de indicaciones estáticas. Los proveedores de modelos están enviando estos agentes directamente a los usuarios (Modo Agente de OpenAI, Claude Code de Anthropic), y la barra para lo "nativo de IA" está subiendo rápidamente.

Las startups están construyendo agentes impulsados por RL que observan procesos completos. Un agente de ventas podría aprender que hacer un seguimiento dos días después de una demostración tiene un mejor rendimiento que uno, o que los acuerdos de fintech se cierran más rápido con un ingeniero de ventas involucrado desde el principio. Estos agentes aprenden conocimientos tácitos que no existen en los CRM tradicionales.

Las grandes tecnológicas controlan enormes conjuntos de datos históricos (Google con datos de búsqueda, Meta con datos sociales). Lo que les falta es visibilidad sobre toda la cadena de decisiones, acciones y transferencias que definen cómo se realiza el trabajo real.

Modelos base mejores como las mejoras de OpenAI solo aumentan la capacidad de estos agentes para aprender, y el flujo de datos de interacción generado por los usuarios y los agentes trabajando juntos se está convirtiendo en el activo propietario clave en la IA.