Cuando el “árbol grande” del trabajo con IA se cierra, ¿hacia dónde crecerán los pequeños brotes? – Análisis de las reglas de supervivencia del mercado de trabajo con IA para 2026
Resumen del contenido principal
Este artículo utiliza una metáfora muy vívida: el mercado de trabajo con IA es como un bosque en el que la “copa” de las grandes empresas ya se ha cerrado, bloqueando la luz del sol (tráfico y demanda general), pero todavía hay suelo y espacios disponibles bajo el árbol (escenarios específicos, localización y dispositivos).
La idea central es que, para 2026, la era de oro de las startups en el trabajo con IA (que ganaban clientes rápidamente con funciones generales) ha terminado, y las grandes empresas están absorbiendo el 80% del mercado general a través de la plataforma, la hardware y la creación de ecosistemas. Los 20% restantes de oportunidades se dividen en dos caminos completamente diferentes para la supervivencia:
1. El camino chino (hacia adentro/hacia abajo): dirigirse a lugares a los que las grandes empresas no pueden llegar o no quieren llegar. Esto incluye el IA en dispositivos (datos no se envían al cloud, funcionan sin conexión a internet, se compran de una vez) y la implementación privada en industrias verticales (esferas sensibles a los datos como la investigación científica, las finanzas y los asuntos legales).
2. El camino estadounidense (hacia afuera/conexión horizontal): integrarse en las herramientas ya utilizadas por los usuarios. Aprovechando la naturaleza abierta y fragmentada del ecosistema SaaS en Estados Unidos, se crean conectores de flujos de trabajo que unen tareas dispersas en herramientas como Slack, Notion y Email, ganando dinero reemplazando el trabajo externo en lugar de tarifas de suscripción a software.
En resumen: No compita con las grandes empresas por el “mercado de asistentes generales”; o bien se convierte en el guardián de soluciones privadas locales, o bien en el agente que conecta diferentes herramientas.
---
Desglose detallado: Interpretación profunda en cinco dimensiones
1. La lógica de “absorción” de las grandes empresas: de “vender herramientas” a “controlar los puntos de entrada”
Antes, pensábamos que el trabajo con IA se trataba de crear generadores de PPTs mejores o asistentes para escribir código. Pero ahora, las grandes empresas (Tencent, Microsoft, Alibaba, Google, OpenAI) han cambiado su enfoque: ya no se contentan con crear herramientas útiles, sino con convertirse en “sistemas operativos”.
- La hardware como punto de entrada: Tencent WorkBuddy no es solo un software; también se conecta a más de 30 marcas de hardware (gafas, grabadoras, auriculares). ¿Por qué? Porque permite un **círculo cerrado de datos*. Los datos de internet están agotándose rápidamente, y para que la IA sea más inteligente, necesita datos del mundo real (reuniones, colaboración en campo). Quien controle los puntos de entrada de hardware, controlará los datos para el próximo entrenamiento de los modelos.
- Integración a través de plataformas: Alibaba ha combinado varios productos en “Qianwen Office”, y Tencent ha abierto su plataforma Buddy. Esto significa que las funciones como “crear informes semanales con IA” o “crear PPTs con IA” que antes realizaban las startups ahora son complementos gratuitos o a bajo costo en las plataformas de las grandes empresas.
- Presión de costos: Las grandes empresas tienen modelos, tráfico y puntos de entrada (WeChat, DingTalk, Office), por lo que el costo marginal de crear funciones generales es casi nulo. Para las startups que aún se enfocan en crear asistentes IA generales para todos, es como buscar la muerte.
En lenguaje sencillo: Es como si antes cada uno tuviera su propio restaurante pequeño, y ahora empresas como Meituan y Ele.me no solo entregaran comida, sino que también construyeran cocinas centrales y vendieran ollas y sartenes para cocinar. Si solo piensas en hacer un plato común como el de carne con salsa roja, será difícil sobrevivir.
2. La supervivencia de los emprendedores chinos en los “espacios reducidos”: dirigirse a tareas “desagradables y laboriosas” y a “esquinas privadas”
En China, las superapp (DingTalk, Lark, WeChat) dominan los puntos de entrada para el trabajo, por lo que es difícil para las startups de IA ingresar. Por lo tanto, las opciones para los emprendedores chinos son hundirse y localizar sus soluciones.
- Camino uno: IA en dispositivos (datos no salen al cloud):
- Ejemplo representativo: YuanKong Intelligence. En lugar de usar modelos en el cloud, instalan modelos en computadoras o hardware especializado.
- ¿Por qué funcionan? Hay muchos escenarios (como laboratorios farmacéuticos, investigación universitaria, datos financieros confidenciales) donde los datos no pueden subirse al cloud. Las grandes empresas no quieren realizar implementaciones personalizadas para estos escenarios de nicho y de alto umbral. YuanKong Intelligence ofrece soluciones locales que se compran de una vez y funcionan sin conexión a internet, con costos controlables.
- Base técnica: Los modelos actuales (con 35 mil millones de parámetros) son lo suficientemente inteligentes para manejar tareas específicas; no se necesitan modelos con miles de millones de parámetros.
- Camino dos: Flujos de trabajo privados (incorporados en redes internas de empresas):
- Ejemplo representativo: WinClaw. El fundador Long Guodong se dio cuenta de que las grandes empresas ya ofrecían funciones generales, pero que los documentos locales de los usuarios estaban desorganizados. Su producto escanea documentos locales para crear bases de conocimiento personales y organizarlos.
- Lógica: Las grandes empresas ofrecen capacidades generales en el cloud, mientras que las startups ofrecen servicios personalizados locales. Es como si en un restaurante, el chef (la gran empresa) preparara platos estándar y el ayudante (la startup) cortara y presentara los platos según los gustos del cliente.
En lenguaje sencillo: Las grandes empresas son como restaurantes de comida rápida; son estandarizados y eficientes, pero no pueden ofrecer la experiencia de tu propia cocina. Las startups son como aquellos que preparan platos especiales o ayudan a organizar tu armario desordenado. Aunque el mercado es pequeño, la fidelidad del cliente es alta, y las grandes empresas no valoran este tipo de trabajo.
3. El enfoque de los emprendedores estadounidenses: integrarse en herramientas existentes
Los ecosistemas SaaS en China y Estados Unidos son muy diferentes. En Estados Unidos, las empresas utilizan herramientas como Slack, Notion, Salesforce, Gmail, que son muy fragmentadas. Esto da a los emprendedores la oportunidad de unir estas herramientas.
- Ejemplos representativos: Viktor, Poke, Genspark.
- Viktor: No requiere que instales una nueva aplicación; interactúa a través de correo electrónico y Slack. Envías un mensaje y él verifica el calendario, modifica correos electrónicos y reserva vuelos.
- Genspark: Se integra directamente en Microsoft Office. Mientras escribes un documento en Word, Genspark aparece en la barra lateral para ayudarte a mejorar el texto o crear PPTs.
- Modelo de negocio innovador: No cobran por usuario (como en el modelo tradicional de SaaS), sino por “área de trabajo” o “ahorro en costos laborales”.
- Barreras: La ventaja de este modelo es la capacidad de integración: necesitas conocer cómo interactuar con las API de Slack, cómo almacenar datos en Notion y cómo funcionan los complejos flujos de aprobación de las empresas.
En lenguaje sencillo: El mercado estadounidense es como un gran parque de juguetes Lego; cada herramienta tiene interfaces abiertas. Los emprendedores son los que mejor saben cómo combinar estos juguetes. No necesitan crear nuevos juguetes; solo necesitan ayudar a los usuarios a combinar los que ya tienen. Como los usuarios son perezosos o no saben cómo hacerlo, están dispuestos a pagar.
4. Tendencias tecnológicas: colaboración entre dispositivos y cloud y “densidad inteligente”
El artículo menciona una tendencia tecnológica clave que explica por qué el IA en dispositivos ahora es viable.
- Modelos más pequeños, pero igualmente eficaces: Antes se pensaba que la IA necesitaba tener miles de millones de parámetros para ser inteligente. Ahora se ha descubierto que modelos más pequeños (como los de 35 mil millones de parámetros) son muy eficaces en tareas específicas (como manejar Excel o escribir código), incluso superando el rendimiento de GPT-4o de hace un año.
- Colaboración entre dispositivos y cloud (híbrida): En el futuro, lo principal no será ni completamente en el cloud ni completamente local, sino una combinación de ambos.
- Tareas simples (como organizar archivos o buscar información) se manejan en el dispositivo local, lo que es rápido, económico y seguro.
- Tareas complejas (como inferencia profunda o generación creativa) se realizan con modelos en el cloud, lo que es más potente y preciso.
- El sistema decide automáticamente qué usar, sin que el usuario se dé cuenta.
- Nuevo campo de batalla para los datos: Los datos de internet están agotándose rápidamente. La próxima fase de evolución de la IA se basará en datos del mundo físico y de las empresas (sensores en fábricas, registros de laboratorios, datos de sistemas ERP). Quien consiga estos datos y los use para entrenar modelos tendrá una ventaja.
En lenguaje sencillo: Antes, la IA era como un “cerebro en el cloud” al que había que consultar todo; era lento, caro y revelaba privacidad. Ahora, la IA es como un “sistema nervioso distribuido”: las acciones simples se realizan en los dispositivos locales, y las decisiones complejas se envían al “cerebro” (cloud).
5. Lecciones para emprendedores e inversores: no busques ser “generales”, busca ser “irreemplazables”
El artículo concluye con una recomendación clara para los emprendedores en el campo del trabajo con IA que aún están indecisos o acaban de entrar al mercado:
- Caminos sin salida: Intentar crear un asistente IA más útil que los de Tencent o Microsoft. Las grandes empresas tienen recursos, puntos de entrada y modelos; no puedes competir con ellas.
- Caminos posibles (China):
- Implementaciones locales que no sean rentables económicamente.
- Industrias con datos extremadamente confidenciales o que funcionen sin conexión a internet (militar, investigación científica, finanzas).
- Flujos de trabajo complejos que requieran personalización profunda e integración en redes internas de empresas.
- Caminos posibles (Estados Unidos/eco sistema abierto):
- Automatización de flujos de trabajo que abarquen múltiples plataformas SaaS.
- Agentes especializados para industrias específicas (como el derecho o la medicina).
- Productos basados en el ahorro de costos laborales.
Lógica central:
- Las grandes empresas son como el “agua”: fluyen hacia los lugares más bajos (general, a gran escala, a bajo costo).
- Las startups son como las “raíces”: deben hundirse en el suelo (especialización, privacidad, alto umbral, alta fidelidad del cliente).
En resumen final:
En el bosque del trabajo con IA, lo “general” es territorio de las grandes empresas, mientras que lo “vertical” y lo “local” son los hogares de los emprendedores. No intentes competir con las grandes empresas en el cloud; o bien profundiza en los datos locales o en los dispositivos, o intégrate en los ecosistemas existentes para encontrar espacios que las grandes empresas no valoran, pero que los usuarios necesitan. Allí es donde puedes echar raíces y sobrevivir.