El verdadero AI Moat son los datos
Diario de Innovación #341
Hay una idea que se ha repetido tanto en los últimos dos años que casi la hemos dado por buena sin cuestionarla.
Que el moat en la era de la IA se construye con modelos.
Que quien tenga el mejor modelo gana.
Y suena bien.
Hasta que miras con un poco de perspectiva.
Porque si algo nos enseñan casos como Spotify, Duolingo o Starbucks es justo lo contrario.
Su ventaja no nació con la IA generativa.
Ni siquiera con la IA.
Nació mucho antes.
Nació cuando empezaron a capturar datos de verdad.
No datos bonitos para dashboards.
Datos incómodos.
Datos de comportamiento.
Datos de proceso.
Datos que nadie más tenía.
Spotify no gana porque tenga mejores modelos.
Gana porque lleva años observando cómo escuchas música:
qué saltas
qué repites
a qué hora escuchas
en qué dispositivo
en qué contexto
Y cada interacción no es solo consumo.
Es entrenamiento.
Spotify ofrece a los artistas métricas detalladas de cómo reacciona su audiencia —desde el minuto en que se cae la escucha hasta qué playlists generan más retención—, y esos datos se utilizan para ajustar estructura, duración y estilo de nuevas canciones y lanzamientos.
Duolingo no es una app de idiomas.
Es un laboratorio masivo de aprendizaje humano.
Cada error, cada duda, cada abandono…
Es señal.
Es feedback.
Es ventaja acumulativa.
Starbucks no vende café.
Vende decisiones.
Decisiones construidas sobre algo que muy pocos han sabido hacer bien: unir lo digital con lo físico.
Tu app.
Tu pedido.
Tu ubicación.
El clima.
El tráfico en tienda.
Todo conectado.
Todo retroalimentándose.
Todo mejorando el sistema.
Y aquí es donde la narrativa de la IA empieza a romperse.
Porque ninguno de estos moats tiene que ver con GenAI.
Tiene que ver con algo mucho más aburrido.
Y mucho más difícil.
Tiempo.
Consistencia.
Y loops de aprendizaje.
Durante años, muchas compañías han estado haciendo algo sin darse cuenta, construir un sistema que aprende.
Un sistema donde:
cada interacción genera datos
cada dato mejora el producto
cada mejora genera más interacción
Un flywheel silencioso.
Difícil de copiar.
Casi invisible desde fuera.
Y entonces llega la IA generativa.
Y todo el mundo mira al modelo.
Cuando el verdadero valor… ya estaba construido.
Porque hoy, el modelo es commodity.
Lo puedes comprar.
Lo puedes integrar.
Lo puedes cambiar.
Lo puedes copiar.
Pero lo que no puedes comprar es el histórico de decisiones de tu negocio.
No puedes comprar:
cómo compran tus clientes
cómo fallan tus procesos
dónde se atasca tu operación
Eso solo se construye.
Durante años.
Aquí hay una confusión peligrosa.
Pensar que tener muchos datos es tener un moat.
No lo es.
La mayoría de datos son replicables.
Comprables.
Intercambiables.
El moat aparece cuando se dan tres cosas a la vez:
Datos que nadie más tiene
Integrados en procesos reales
Y conectados a decisiones que mejoran con el tiempo
Es decir, cuando los datos no se almacenan, se utilizan.
Y aquí es donde muchas empresas empiezan a quedarse fuera.
Porque no es un problema de IA.
Es un problema de diseño.
Siguen operando en silos.
Siguen midiendo resultados, pero no procesos.
Siguen viendo los datos como reporting, no como materia prima.
Y mientras tanto, otras llevan años jugando a otro juego.
Uno donde el modelo es solo la última capa.
No la ventaja.
Por eso, cuando escuches a alguien hablar de AI moat hazte una pregunta incómoda ¿ese moat empezó hace dos años o hace diez?
Porque en un mundo donde todos pueden usar los mismos modelos, la única ventaja real es: qué sabes de tu cliente y de tu negocio que nadie más puede ver.
Y eso no se entrena con prompts.
Se construye con tiempo.
🌍 El eco del mercado
☁️ OpenAI rompe el molde cloud (y el equilibrio con Microsoft). OpenAI firma con AWS y deja atrás la exclusividad con Microsoft. No es un movimiento táctico: es un cambio de arquitectura en la industria de la IA.
🪖 La IA entra oficialmente en el terreno militar. Google amplía el acceso del Pentágono a Gemini para usos clasificados. La frontera entre cloud comercial y defensa se diluye. Y a la vez los empleados de DeepMind se revelan.
💸 La IA deja de ser tarifa plana. GitHub empezará a cobrar Copilot según uso real. El compute ya no se esconde detrás de suscripciones. El verdadero movimiento está en que el pricing de la IA empieza a reflejar su coste marginal real.
🎨 Claude quiere ser el sistema operativo creativo. Anthropic integra Claude con herramientas como Photoshop o Blender. No es una feature: es una estrategia de plataforma. Más que plugins, esto va de insertarse en el flujo de trabajo y capturar la capa de ejecución.
🖥️ AWS se lanza a por el escritorio agentic. Amazon presenta “Quick”, su propio agente de escritorio. El PC vuelve a ser relevante… pero ahora con IA. Señal débil de un cambio mayor: los agentes competirán por ser tu interfaz principal de trabajo.
🌍 El mapa global de la IA empieza a estabilizarse. La lista AI 100 de Time incluye a Alibaba, ByteDance, Mistral o Zhipu. No es solo EEUU vs China. Esto apunta a un mundo multipolar donde Europa intenta colarse vía modelos especializados.
🧠 Open source vuelve a la carga en la era agentic. Poolside lanza un modelo abierto para programación autónoma local. Pequeño, eficiente y útil. Más que competir en tamaño, esto va de democratizar capacidades clave fuera de la nube.
🛡️ IA vs IA: la nueva batalla en ciberseguridad. Una vulnerabilidad crítica en GitHub es descubierta con IA y corregida en horas, mientras investigadores detectan fallos graves en su infraestructura. La velocidad lo cambia todo: la defensa ya no compite en inteligencia, sino en tiempo de reacción.
📦 Alibaba reconfigura su negocio logístico para liberar capital. La compañía planea convertir parte de su red logística en un REIT para monetizar activos y reinvertir en áreas de mayor crecimiento. Más que financiación, esto va de foco: capital fuera de lo físico, dentro de la inteligencia.
🔋 China acelera la carrera por la carga ultrarrápida. Fabricantes chinos presentan baterías capaces de cargar hasta el 70% en menos de 10 minutos. Señal clara: la innovación en hardware vuelve a ser estratégica en la guerra tecnológica.
⚖️ Musk vs Altman: la guerra de la IA llega al juzgado. El enfrentamiento entre ambos entra en fase judicial y podría redefinir el futuro de OpenAI. Esto no es ruido mediático: es la lucha por el control de la infraestructura cognitiva del siglo XXI.
🧩 “Inteligencia irregular”: repensando qué es realmente la IA. El concepto de “jagged intelligence” plantea que la IA no es generalista, sino altamente desigual en capacidades. Más que AGI, esto va de límites: entender dónde falla la IA será más importante que celebrar dónde acierta.
👶 La IA empieza a borrar el trabajo de entrada. Los agentes ya están sustituyendo tareas básicas, dejando a la generación joven sin puerta de entrada al mercado laboral. Señal débil pero crítica: si desaparece el “primer escalón”, se rompe todo el sistema de aprendizaje profesional.
🧨 El open source se convierte en vector de ataque. Un paquete con millones de descargas ha estado robando credenciales de usuarios. Más que un incidente, esto revela una tensión: la apertura acelera innovación… pero también el riesgo sistémico.
💸 Invertir en IA ya no es construir modelos, es entender fallos. InsightFinder levanta 15M para analizar dónde se rompen los sistemas con IA en producción. El verdadero cuello de botella ya no es crear IA, sino operarla a escala sin colapsar.
🏓 Robots que ya compiten (y ganan) a humanos. El robot de Sony juega al ping-pong mejor que profesionales, demostrando avances en coordinación y percepción. Esto apunta a la siguiente fase: la robótica deja de ser torpe y empieza a ser competitiva.
🧬 El lenguaje humano podría no ser tan humano. Un estudio sugiere que la base genética del lenguaje existía antes del Homo sapiens. Lectura interesante: incluso lo que creemos diferencial puede no serlo tanto… igual que con la inteligencia artificial.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD: Algunos libros que ayudan a pensar esto con más calma (y menos hype):
Competing on Analytics (Thomas Davenport): cómo las empresas ganadoras convierten los datos en decisiones sistemáticas.
Data Science for Business (Provost & Fawcett): entender por qué los datos sin contexto no generan ventaja.
Máquinas Predictivas (Ajay Agrawal): por qué la IA abarata la predicción… pero no el juicio.
Working Backwards (Bryar & Carr): cómo Amazon diseñó sistemas donde cada dato mejora el siguiente paso.
La era de la IA (Kissinger, Schmidt, Huttenlocher): una visión más amplia de cómo cambia el poder cuando la inteligencia se vuelve ubicua.