Zeitgeist: cuando la IA sabe demasiado — moats de datos, la paradoja de Jevons, código abierto, voz y chips on-prem

Este artículo es una crónica editorial del equipo de Forward Future (formato "Zeitgeist", firmado el 8 de julio de 2026) que resume una conversación interna sobre varios temas de actualidad en IA, cada uno enlazado a una fuente externa (un hilo de X, un vídeo de YouTube, un artículo de TechCrunch, etc.). No es un análisis técnico único sino un mosaico de cinco discusiones breves, así que el resumen sigue esa misma estructura.

El hilo conductor es una pregunta que el equipo dice haber estado "dando vueltas": ¿qué pasa cuando modelos mejores hacen que la información sea barata, abundante y difícil de proteger? A partir de ahí se derivan las demás conversaciones.

La primera, a raíz de un post de Levie en X, trata sobre los "moats" (fosos defensivos) de datos en un mundo de inteligencia compartida. La idea es que si muchas empresas acceden a una inteligencia de modelo similar, la ventaja competitiva podría dejar de residir en el modelo y pasar a los datos propietarios que una empresa es capaz de capturar, estructurar y alimentar al sistema. El equipo se muestra escéptico sobre cuánto puede durar esa ventaja: si la IA facilita copiar, resumir y operacionalizar información, sostener una ventaja protegida se vuelve más difícil. Esto enlaza con una pregunta económica más amplia: si la IA se acerca a una "información casi perfecta", podría debilitarse el propio concepto de alfa competitivo (la ventaja que obtienen los que gestionan mejor la información). Lo positivo sería una mejor asignación de recursos; lo incómodo es quién —o qué sistema— decide qué se debe optimizar.

La segunda discusión parte de un vídeo de Hank Green sobre la paradoja de Jevons: cuando una tecnología se vuelve más eficiente, el uso total puede aumentar en lugar de disminuir, y el equipo especula que la IA podría seguir ese mismo patrón. De ahí surge la energía como una restricción seria: si el trabajo informacional se abarata, la demanda podría dispararse, y el factor limitante dejaría de ser solo la capacidad de los modelos para pasar a ser el suministro eléctrico. La pregunta abierta que dejan es la forma de esa curva de demanda: si se asentará en una curva en S (crecimiento que luego se estabiliza) o si seguirá expandiéndose a medida que aparezcan nuevos usos, algo que afecta a decisiones de infraestructura y a los modelos de negocio del sector.

La tercera conversación, motivada por un artículo de TechCrunch sobre por qué el auge del código abierto todavía no perjudica a Anthropic, concluye que no se trata de una pugna binaria de "todo o nada" entre modelos open source y laboratorios de frontera. El coste está empujando más volumen hacia modelos más baratos, pero los casos de uso de alto valor siguen premiando el rendimiento de los modelos punteros. El equipo traza un paralelismo con la división entre iOS y Android: los modelos de frontera podrían dominar los flujos de trabajo premium en EE. UU., mientras que las opciones open source más baratas ganarían cuota a nivel global. La conclusión práctica es que el mercado será mixto, con las empresas repartiendo tareas según coste, calidad, latencia, privacidad y el valor de cada tarea concreta.

La cuarta pieza gira en torno a un anuncio de voz de OpenAI en X. Lo que llamó la atención del equipo no fue la novedad en sí, sino que hasta ahora no habían encontrado herramientas de voz suficientemente fiables para trabajo serio; la frase usada en la reunión fue directa: la tecnología de voz actual es "básicamente inutilizable". El interés no es la curiosidad tecnológica, sino el potencial de que una voz mejor cambie cómo la gente interactúa con la IA en el día a día, especialmente para redactar, buscar información o controlar flujos de trabajo. Aun así, tratan el lanzamiento con cautela, reconociendo la brecha habitual entre la calidad de una demo y la utilidad real en el uso diario.

La última conversación parte de un anuncio de SambaNova en X sobre una ronda de financiación de 1.000 millones de dólares con una valoración de 11.000 millones. El equipo lo interpreta como otra señal de que la demanda de cómputo de IA sigue atrayendo capital hacia toda la pila tecnológica (chips, infraestructura, etc.). Destacan especialmente el ángulo del despliegue "on-prem" (en las instalaciones propias de la empresa, no en la nube): para sectores regulados como finanzas o salud, mantener modelos y datos más cerca de la propia organización puede ser más atractivo que enviarlo todo a través de una API en la nube. Esto conecta de nuevo con el tema de los moats de datos: si el dato propietario es la ventaja competitiva, los sistemas que lo almacenan, protegen y ejecutan cobran cada vez más importancia.

En conjunto, el artículo no ofrece cifras nuevas más allá de la ronda de SambaNova (1.000 millones a una valoración de 11.000 millones) ni afirmaciones verificables adicionales; es, sobre todo, un resumen editorial de opiniones y especulaciones internas del equipo de Forward Future, con enlaces a las fuentes primarias para quien quiera profundizar en cada tema por separado.