Desde hace más de un año, con la irrupción del ChatGPT, los modelos de lenguaje natural están inundando todas las profesiones y cambiando el trabajo en las empresas. Si los miramos en clave competitiva, ¿qué podemos esperar?
Dando un paso para atrás, resulta útil repasar el impacto en la competencia empresarial de la irrupción del conjunto de tecnologías desarrolladas en las últimas dos décadas bajo el paraguas de la IV Revolución Industrial. La nota más fuerte de esta revolución ha sido la emergencia de las grandes plataformas globales, gigantes de tamaños nunca antes conocidos que cambiaron la forma en que las empresas compiten.
En Estados Unidos, desde 1980, la creación y destrucción de empresas viene perdiendo dinamismo. Hubo una caída de casi el 50% en la creación de nuevas empresas según datos del Peterson Institute for International Economics. Además, en la mayoría de los sectores económicos, se observa una creciente consolidación (de acuerdo con el índice Herfindahl–Hirschman). La encabezan el comercio minorista y el mayorista, que crecen entre 16 y 20 puntos. Por otra parte, en el Reino Unido, en las últimas décadas, el mark-up precio-costo creció un 10% para toda la economía (según el 2022 UK Competition Report).
La evidencia científica nos muestra un mundo más consolidado y con empresas más grandes. Desde la teoría competitiva, más allá de la realidad de ser muchos de ellos negocios de plataformas que, por definición consolidan enormemente, aparecen tres elementos distintivos producto de la IV Revolución Industrial. El primero tiene que ver con la emergencia de modelos de negocio de costo marginal cero. Son modelos donde la inversión se hace antes y luego, la operación tiene costos muy bajos. Por ejemplo, las traducciones eran servicios de costo creciente: para hacer más traducciones se necesitaban más traductores. Sin embargo, los modelos de Inteligencia Artificial hicieron que mucho del costo de traducción se moviese al entrenamiento de un sistema. En consecuencia, su uso pasó a tener costos muy menores. Las empresas de traducción tradicional se han visto brutalmente amenazadas y desplazadas por sistemas como Google Translate o DeepL. Algo parecido pero más suave ha pasado en el sector de la educación, con la irrupción de plataformas como Coursera.
Otro elemento distintivo es el acceso a datos. A veces pensamos que el desafío son los algoritmos, sin embargo muchas librerías para entrenar modelos son públicas. Por ejemplo, los lenguajes de programación R y Phyton tienen librerías para el entrenamiento de modelos de aprendizaje automático de acceso gratuito. El gran desafío es conseguir los datos.
Finalmente, la inmaterialidad del mundo digital nos lleva a una aceleración de la escalabilidad de los modelos de negocio. Mientras al automóvil, típico ejemplo de la II Revolución Industrial, le llevo más de 60 años tener 50 millones de usuarios, a PokemonGo le bastaron 19 días. Las empresas se ven obligadas a moverse mucho más rápido para alcanzar la escala mínima eficiente y sobrevivir. Las demandas de velocidad y capital terminan favoreciendo a empresas más grandes y con bolsillos suficientes como para acelerar el crecimiento vía fusiones y adquisiciones.
Los programas de lenguajes naturales parecerían acelerar estas tendencias. Hasta a gigantes globales como Google les está costando muchísimo competir con ChatGPT. Quedan muchas preguntas por contestar, como qué sucederá con la distribución global del valor creado por las nuevas tecnologías y cómo se regularán su uso y precio. Pero de algo podemos estar seguros: repasar las amenazas que pueden sufrir nuestros negocios tradicionales desde las tres fuentes de ventaja competitiva señaladas es clave, sobre todo en un juego marcado por la velocidad.