Si quieres entender la IA de frontera como mercado y no solo como una secuencia de anuncios de producto, la vieja curva del ciclo de vida sigue siendo útil.
No es perfecta. Ningún mercado se mueve en un arco limpio, y la IA es especialmente compleja porque aquí chocan al mismo tiempo la investigación, la infraestructura, los productos de consumo, el software empresarial y la geopolítica. Pero la curva sigue haciendo sentido, porque obliga a una pregunta más práctica: ¿en qué punto estamos realmente y qué cambia cuando el ruido de la novedad empieza a convertirse en una estructura competitiva de verdad?
Mi lectura, al 3 de julio de 2026, es que la IA de frontera ya dejó atrás la fase de introducción y ahora está en una etapa temprana de crecimiento. Eso importa porque la pregunta estratégica ya cambió. La discusión ya no es si la IA es real. La discusión es dónde va a quedar el valor duradero cuando el campo se llene, las brechas de rendimiento se estrechen y la presión de precios empiece a hacer lo que siempre hace.
Para cualquiera que esté construyendo, comprando o asesorando alrededor de IA, esa es la lente más útil.
Introducción
La etapa de introducción de la IA de frontera fue aproximadamente de 2018 hasta finales de 2022. El progreso técnico ya era serio, pero el mercado seguía siendo estrecho. Las ventas eran bajas comparadas con lo que vino después. El costo por cliente era alto porque todo lo que sostenía la experiencia era costoso: cómputo, talento, entrenamiento, inferencia y experimentación. Las pérdidas financieras eran normales porque la mayoría de las empresas involucradas estaban invirtiendo por delante del mercado, no cosechando todavía.
La base de clientes en esa fase también era muy específica. No eran usuarios masivos. Eran clientes innovadores en el sentido literal: investigadores, equipos técnicos, startups bien financiadas, laboratorios empresariales avanzados y un círculo pequeño de operadores dispuestos a probar sistemas incompletos porque creían que la curva de capacidad iba a importar más adelante.
La competencia existía, pero seguía concentrada entre relativamente pocos actores serios. OpenAI ya empezaba a convertirse en la referencia comercial. Google DeepMind tenía la profundidad de investigación y la infraestructura. Anthropic entró con una postura enfocada en seguridad y confianza empresarial. Meta era influyente por su investigación y sus lanzamientos abiertos. Había otros laboratorios relevantes, pero todavía no era un mercado saturado en ningún sentido comercial.
Por eso la etapa de introducción se sentía costosa e intelectualmente emocionante al mismo tiempo. Lo que se estaba construyendo era claramente importante, pero todavía no era algo normal operativamente hablando. El mercado podía ver la capacidad, pero aún no había resuelto distribución, confianza ni hábito a escala.
Ese marco coincide con el cambio más amplio documentado en el Stanford HAI 2025 AI Index, que mostró cómo la industria tomó el control de la frontera y señaló que casi el 90% de los modelos de IA notables de 2024 provinieron de la industria, mientras la propia frontera se volvía más competida y más apretada.
Despegue
Si necesitamos una fecha para el despegue, la respuesta con más consenso es 30 de noviembre de 2022, cuando OpenAI lanzó ChatGPT al público. Eso no significa que todo el despegue ocurriera en un solo día. Significa que el mercado por fin tuvo un momento que condensó años de progreso técnico en un producto que la gente común podía usar de inmediato.
La propia investigación de uso de OpenAI sirve aquí porque ancla la escala de esa transición. En su texto sobre cómo la gente usa ChatGPT, OpenAI señala que ChatGPT se lanzó en noviembre de 2022 y había llegado a 700 millones de usuarios activos semanales para julio de 2025. En otro reporte sobre patrones de adopción de ChatGPT en el trabajo, la empresa dice que en pocos meses había alcanzado 100 millones de usuarios activos semanales, exactamente el tipo de velocidad que convierte una categoría técnica en un evento de mercado.
Así que la mejor manera de fechar el despegue es como una ventana: noviembre de 2022 a 2024.
Ese fue el periodo en el que ocurrieron cuatro cosas al mismo tiempo. Explotó la conciencia pública. Aumentó la urgencia empresarial. Se aceleró la inversión. Y se formó un mercado imitador veloz alrededor de asistentes, wrappers, APIs de modelos, herramientas de infraestructura, capas de seguridad, benchmarking y apuestas de distribución. Cuando eso pasó, la IA de frontera dejó de ser una conversación técnica de nicho y se convirtió en una carrera comercial masiva.
Crecimiento
Aquí es donde estamos ahora, y todavía estamos en una etapa temprana.
Las señales son las clásicas, aunque la mecánica sea nueva. Las ventas aumentan. El costo por cliente cae a medida que el acceso a modelos se integra, subsidia, optimiza y distribuye desde plataformas más grandes. Las utilidades suben para los líderes, aunque la categoría en conjunto siga quemando cantidades extraordinarias de capital, principalmente en investigación, mejora de los modelos y la infraestructura (centros de datos) necesarios para operar. El número de clientes sigue expandiéndose, desde usuarios individuales hasta equipos empresariales y flujos operativos completos. Y el campo se llena de más competidores, más productos y más variaciones de la misma promesa.
La señal de crecimiento actual no es solo hype. Se ve en la adopción. El Stanford HAI 2026 AI Index reporta que la IA generativa alcanzó 53% de adopción a nivel poblacional en tres años desde su entrada masiva al mercado, más rápido que la PC o internet en periodos comparables. El mismo reporte dice que la adopción organizacional llegó a 88% y que más de 90% de los modelos de frontera notables en 2025 vinieron de la industria. Ese no es un patrón de introducción. Es un patrón de crecimiento.
También se ve en el cierre del campo competitivo. El AI Index 2025 de Stanford señaló que la diferencia de puntaje entre el primer y el décimo modelo cayó de 11.9% a 5.4% en un año y que los dos primeros estaban separados por apenas 0.7%. Cuando un mercado se ve así, los ganadores no pueden depender para siempre de una ventaja enorme de capacidad bruta. Tienen que ganar por distribución, confianza, ajuste al flujo de trabajo, posición ecosistémica y capacidad de acceder al capital.
Esa clasificación es una inferencia editorial, no un ranking universal. Estoy ponderando más el uso público, el mindshare empresarial, la relevancia para desarrolladores y el poder de distribución que una sola victoria en benchmarks o una sola ronda de inversión.
OpenAI sigue primero porque todavía tiene la combinación más fuerte de familiaridad de consumo, derrame empresarial y formación de hábito. ChatGPT se volvió el punto de partida por defecto para una parte enorme del mercado público, y eso importa porque la familiaridad del consumidor acorta los ciclos de adopción empresarial.
Google DeepMind está en segundo lugar porque la distribución sigue importando más de lo que muchos observadores de modelos quieren admitir. Gemini ya no es solo una historia de laboratorio. Está integrado en búsqueda, productividad, móvil y en toda la superficie de producto de Google. La propia historia pública de Google sobre Gemini muestra que el modelo apareció por primera vez en I/O 2023 y al año siguiente ya se estaba empujando a través de Search, Ads, Workspace, Pixel y más, de una forma que solo Google puede ejecutar a esa escala. Ver cómo Google describe el despliegue de Gemini.
Anthropic ocupa el tercer lugar, pero con una influencia desproporcionada respecto a su visibilidad pública. Claude se ha convertido en uno de los modelos de referencia más fuertes para empresas y desarrolladores, especialmente donde importan la confiabilidad, la calidad de escritura y la confianza para tareas de código. Ese arco se remonta al lanzamiento original de Claude en marzo de 2023, pero su posición actual se explica más por ejecución que por el momento del lanzamiento.
Meta, xAI y Mistral representan tres estrategias distintas de crecimiento. Meta usa distribución abierta y gravedad ecosistémica. xAI usa visibilidad, atención de consumo y cercanía con plataforma. Mistral juega la carta de soberanía europea y despliegue flexible con una disciplina poco común.
La siguiente capa importa más de lo que sugieren muchos resúmenes occidentales del mercado. El brief de Stanford HAI sobre el ecosistema chino de IA open-weight sostiene que los laboratorios chinos no solo están participando; están cerrando la brecha lo suficiente como para importar en la frontera. El informe señala que al 4 de diciembre de 2025, los mejores modelos cerrados de Google DeepMind, xAI, OpenAI y Anthropic solo iban marginalmente por delante de los mejores sistemas de Z.ai, Moonshot AI, Alibaba y Baidu, con resultados lo bastante cercanos en Chatbot Arena como para aparecer empatados en primer lugar. Incluso si tomas ese benchmark con cautela, el punto mayor se mantiene: la IA de frontera ya es una carrera global, no un monólogo de Estados Unidos.
Cuando un mercado entra en crecimiento, la pregunta estratégica ya no es quién lanza primero. Es quien conserva valor cuando las brechas de rendimiento se estrechan y la presión de precios empieza de verdad.
Aplicación práctica: Si tu equipo está evaluando proveedores de IA en este momento, no conviertas el ranking de modelos en la decisión de compra. Úsalo como contexto y después evalúa qué proveedor encaja mejor con tu flujo de trabajo, tus necesidades de gobernanza, tus integraciones, tus modelos operativos y tu riesgo operativo total.
Shake-out
El siguiente hito de la curva no es la madurez. Es el shake-out.
Mi estimación es que el mercado de IA de frontera entrará en esa fase alrededor de 2027 a 2028.
Ese es el punto en el que la confianza de la categoría empieza a chocar con una estructura económica más dura. Habrá demasiados productos demasiado parecidos. Demasiados asistentes seguirán siendo wrappers con mejor branding que diferenciación. Demasiados compradores se darán cuenta de que una demo impresionante no se convierte automáticamente en un flujo defendible. Y demasiadas empresas seguirán pagando cómputo y distribución como si la emoción del mercado fuera lo mismo que un margen duradero.
Ahí es donde el campo debería empezar a adelgazarse.
Las bajas no se limitarán a startups pequeñas. Algunas serán compañías débiles de capa de aplicación. Otras serán retadores de modelo sobrevaluados. Otras serán vendors de herramientas que nunca resolvieron confianza, revisión, gobernanza o integración real. Y otras simplemente descubrirán que, cuando el mercado se consolide, “nosotros también tenemos un asistente” no es una categoría de empresa en un mercado hipercompetido.
Aquí la regulación importará. También la disciplina de procurement. También el hecho básico de que las empresas terminan haciendo preguntas más duras que los consumidores. Preguntan quién es dueño del resultado, quién lo revisa, qué pasa cuando se equivoca y cuánto del flujo de trabajo puede cambiar realmente sin aumentar el riesgo.
Por eso el shake-out debe leerse menos como un evento de pánico y más como la primera corrección seria del mercado hacia la realidad operativa.
Madurez
La etapa de madurez es donde la IA de frontera deja de sentirse como un evento especial y empieza a comportarse como infraestructura.
Yo colocaría la aparición temprana de la madurez entre 2028 y 2030, con Saturación más probablemente entre 2029 y 2031.
Ese es el momento en el que la categoría llega a algo más cercano a su pico de ventas y nivel de mercado; adquirir clientes se vuelve más barato y estandarizado, las utilidades son más fuertes para los ganadores, el mercado se vuelve realmente masivo y el número de competidores serios se estabiliza porque el campo por fin sabe quién pertenece a la capa superior y quién no.
Eso no significa que la innovación se detenga. Significa que cambia la temperatura emocional.
En la madurez, el propio modelo de frontera importa menos como espectáculo. Lo que importa más es dónde vive la inteligencia dentro de sistemas reales. Búsqueda, sistemas operativos, navegadores, suites de productividad, entornos de desarrollo, operaciones de cliente, herramientas de investigación, flujos de medios y software empresarial específico de dominio se vuelven contenedores normales para la capacidad de frontera. El producto ya no es “IA” en abstracto. El producto es el sistema que ahora funciona distinto porque la IA se volvió nativa dentro de él.
Esa también tiende a ser la fase en la que el costo por cliente es más bajo en términos prácticos. Las empresas de plataforma ya hicieron el empaquetamiento. La infraestructura está más optimizada. La familiaridad del cliente ya no es algo que haya que fabricar. Y las firmas dominantes por fin cosechan la ventaja que pasaron los años de crecimiento comprando.
En otras palabras, la madurez probablemente será la fase más útil para los clientes y la menos romántica para los comentaristas.
Estallido de la burbuja de IA
Esta es la parte que mucha gente confunde.
Un estallido de la burbuja de IA puede ocurrir cerca del pico de madurez sin demostrar que la IA misma estuviera sobrevalorada en el sentido más profundo. Los mercados suelen sobrevalorar el futuro antes de que el futuro se vuelva operativamente ordinario. Eso no significa que la tecnología desaparezca; significa que el capital se adelantó a la estructura.
Mi expectativa es que alguna versión de ese ajuste se agrupe alrededor de la ventana de madurez, no antes de que el mercado pruebe su valor. Para entonces, el problema no será la falta de demanda. El problema será la repricing. Demasiadas empresas habrán sido valuadas como si poseyeran un blindaje permanente cuando en realidad lo que tenían era una ventaja temporal, una buena interfaz, una alianza de distribución o una diferencia de rendimiento de vida corta.
Por eso el eventual ajuste debería leerse más como la consolidación de internet que como un colapso tecnológico.
Internet no fracasó. El exceso especulativo alrededor de internet fue reevaluado. Quedaron unas pocas capas dominantes. La infraestructura se volvió indispensable. La distribución se concentró. Muchas empresas desaparecieron, fueron adquiridas o terminaron convertidas en funciones dentro de plataformas más grandes. La misma lógica probablemente aparecerá en la IA de frontera.
Lo que estalla no es la utilidad de la IA. Lo que estalla es la creencia de que cada capa alrededor de la IA merece valuación de muchos múltiplos para siempre.
Esa distinción importa porque cambia la forma de construir. Si construyes para la burbuja, optimizas velocidad, narrativa y atención. Si construyes para el mercado posburbuja, optimizas ownership del flujo de trabajo, switching costs, confianza, integración y durabilidad económica.
El estallido de la burbuja de IA probablemente será narrado como un cataclismo porque los mercados siempre hacen más ruido cuando revalúan que cuando construyen. Los titulares lo presentarán como colapso. Los inversionistas lo llamarán corrección. Los fundadores lo llamarán irracional. Pero en el contexto de la IA de frontera, la palabra más precisa es depuración.
Una depuración elimina el exceso acumulado durante la fiebre de crecimiento: valuaciones infladas, wrappers débiles, copilots indistinguibles y modelos de negocio que dependían más de la emoción que del valor operativo duradero. Lo que desaparece no es la utilidad de la IA. Lo que desaparece es la fantasía de que toda empresa que toque IA merece atención, margen y poder de mercado de frontera para siempre.
Por eso esta fase debe leerse menos como un evento de extinción y más como un mecanismo brutal de selección. Las plataformas más fuertes, los proveedores de infraestructura y los productos nativos al flujo de trabajo no van a desaparecer. Van a volverse todavía más centrales porque el mercado por fin dejará de premiar la mera presencia y empezará a premiar embedment real, confianza y disciplina económica.
En ese sentido, el estallido se parecerá más al ciclo de consolidación de internet que a una muerte tecnológica. El ruido disminuirá, las capas especulativas se adelgazarán y lo que quede serán los negocios que construyeron algo que la gente realmente necesita dentro de sistemas que no puede reemplazar fácilmente.
Declive
La palabra “declive” suena más dramática de lo que probablemente necesita ser.
En IA de frontera, el declive no debe entenderse como abandono social o irrelevancia técnica. Debe entenderse como consolidación de mercado.
La versión más temprana de esa fase probablemente empieza después de 2030, aunque el momento dependerá de la regulación, la concentración del hardware, la economía energética y de cuánto del valor se quede en los modelos frente a cuánto se desplace hacia distribución, flujo de trabajo empresarial y capas de producto embebidas.
En ese punto, el crecimiento de ventas a nivel de categoría puede empezar a caer incluso mientras la IA sigue en todas partes. El costo por cliente se mantiene bajo porque el mercado ya está educado. Las utilidades caen para los jugadores más débiles porque el campo es más estandarizado, más sensible a precio y menos indulgente. La base de clientes se contrae en algunas subcategorías porque los asistentes genéricos, los wrappers indiferenciados y los copilots sobrevalorados dejan de sentirse necesarios. Y el número de competidores cae porque muchos desaparecen o son absorbidos.
Por eso el declive probablemente se sentirá más como normalización que como colapso.
Algunos segmentos de IA llegarán antes que otros a esa realidad. Las empresas con más probabilidad de sobrevivir son las que dejen de comportarse como productos temporales de IA y empiecen a comportarse como infraestructura duradera, capas confiables de flujo de trabajo o plataformas profundamente integradas.
Para esa etapa, puede que a los ganadores ni siquiera se les describa principalmente como “empresas de IA”. Simplemente serán las empresas que poseen sistemas importantes, y la IA será una de las razones por las que esos sistemas son difíciles de reemplazar.
Lecciones de la historia: navegar la frontera
La historia enseña que las revoluciones tecnológicas rara vez son lineales; están marcadas por olas de invención, hype y eventual consolidación estructural. Igual que la revolución industrial y la de internet antes de ella, la transición de la IA de frontera es, en el fondo, un motor de progreso, con potencial para convertirse en un beneficio neto enorme para la sociedad al desbloquear nuevos niveles de productividad humana y resolución de problemas.
Sin embargo, el camino hacia la madurez no es automático. Para materializar esos beneficios, necesitamos disciplina y mantener el desarrollo de IA dentro de límites razonables, tanto por razones éticas como económicas. Eso implica ir más allá de la mentalidad de “frontera” y priorizar seguridad, confianza verificable e integración económica sostenible. Al anclar la IA en utilidad real y supervisión seria, logramos que esta tecnología funcione como base de crecimiento y no como fuente de volatilidad, fortaleciendo así los sistemas de los que dependemos todos los días.
¿Cómo lo aborda Absolutmedia?
En Absolutmedia, por eso no tratamos la IA como una capa decorativa. Miramos primero el modelo operativo.
La pregunta útil para un cliente rara vez es “¿qué modelo es mejor esta semana?”. La mejor pregunta es dónde debe vivir la inteligencia dentro del flujo de trabajo, dónde sigue importando la revisión humana y cómo diseñar el sistema para que el negocio gane velocidad sin perder responsabilidad.
Esa es la misma lógica detrás de la visión de Absolutmedia sobre consultoría en IA y automatización con IA: mapear la operación, definir los puntos de revisión y después construir la interfaz, la automatización o la capa de decisión alrededor de la confianza. También por eso nuestro proceso sigue anclado en definir, prototipar, construir y lanzar sistemas conectados en lugar de publicar funciones de IA desconectadas.
Siguiente paso
Si tu equipo está tratando de decidir dónde encaja la IA de frontera en tu negocio, el siguiente movimiento útil no es perseguir cada actualización de modelo. Es identificar un flujo de trabajo donde mejor velocidad, apoyo al juicio, recuperación de información, resumido, enrutamiento o revisión crearían una ventaja medible, y luego diseñar los puntos de control humano antes de escalar la automatización.
Ahí suele empezar el valor real: no en el benchmark de frontera, sino en el punto donde la tecnología se vuelve operativamente confiable. Si quieres una referencia práctica, lee Operaciones de IA escalables: de descubrir oportunidades a crear sistemas repetibles junto con nuestra línea de Consultoría en IA.
Fuentes
- Stanford HAI 2026 AI Index Report
- Stanford HAI 2025 AI Index Report
- OpenAI: How people are using ChatGPT
- OpenAI: ChatGPT usage and adoption patterns at work
- Anthropic: Introducing Claude
- Google: How Gemini got its name
- Stanford HAI: China’s Diverse Open-Weight AI Ecosystem and Its Policy Implications
