Google gana la guerra de IA sin tener el modelo más potente

En los mercados tecnológicos, la empresa que controla el acceso a la demanda captura el margen — no quien produce el mejor componente. Esta semana, tres movimientos de Google trazados en menos de 72 horas confirman un patrón que se viene construyendo desde mediados de 2026: Google no publicó Gemini 3.5 Pro, no tiene el modelo de frontera más potente del mercado, y sin embargo su cloud reportó ganancias récord porque las empresas migran presupuesto de hardware hacia su stack de IA. La aggregation theory predice exactamente esto: en IA, como en búsqueda y en smartphones, el agregador de la demanda termina capturando el valor que los creadores del producto no logran retener.

El trimestre que IBM no quería publicar

IBM reportó una caída en ventas de mainframe que impactó su cotización. El CEO explicó el fenómeno con notable claridad: el presupuesto de hardware corporativo se redirigió hacia IA. No hacia OpenAI directamente, no hacia Anthropic — hacia infraestructura de IA, que en la mayoría de las empresas grandes significa contratos con los proveedores cloud ya establecidos.

La narrativa que IBM eligió — 'la IA no está matando al mainframe, es temporal' — es exactamente la que eligen las empresas que están en la segunda etapa del ciclo de disrupción: el producto sigue funcionando, los clientes actuales siguen fieles, pero el presupuesto de renovación se fue a otro lado. IBM no perdió clientes; perdió el presupuesto incremental de esos mismos clientes. Esa es la forma en que los mercados de infraestructura cambian: no con una gran migración, sino con cada ciclo de renovación que se redirige.

La apuesta de eficiencia sobre potencia

Mientras OpenAI escala hacia $750.000 millones en infraestructura, Google toma una dirección diferente. Google trabaja en un chip de eficiencia para Gemini — no para hacerlo más potente en benchmarks, sino para hacerlo más barato de servir a escala masiva. Esa es la apuesta de quien espera servir muchísimo volumen con márgenes ajustados, no de quien está intentando ganar una carrera de capacidades en el laboratorio.

Los tres modelos que Google sí lanzó esta semana — Gemini 3.6 Flash, 3.5 Flash-Lite y Flash Cyber — no compiten en la cima de los benchmarks. Compiten en precio por token, en latencia y en especificidad de caso de uso. Si tu negocio es vender tokens a través de tu plataforma cloud, necesitás modelos que los clientes usen intensivamente porque les cuestan poco — no modelos que impresionen en evaluaciones pero que nadie despliega en producción por el costo por llamada.

Por qué el canal vale más que el modelo

La aggregation theory en su formulación más simple: el agregador que controla el acceso a la demanda puede dictar condiciones a sus proveedores. En el mercado de IA empresarial, Google Cloud, AWS y Azure son esos agregadores. Las empresas que quieren IA en producción a escala rara vez van al proveedor del modelo directamente para el 90% de sus casos de uso — van a su proveedor cloud, que tiene el billing integrado, los contratos marco firmados, el soporte en idioma local y los ingenieros de soluciones que ya conocen su arquitectura.

Esto explica por qué Google puede reportar récords de cloud sin tener el modelo más potente. Gemini Flash es suficientemente bueno para el 80% de los casos de uso empresariales reales — no los benchmarks, los casos de uso. Y 'suficientemente bueno' distribuido a través del canal más grande del mercado produce más revenue que 'mejor' distribuido a través de una API directa sin canal establecido.

La predicción falsable

La tesis se prueba en dos trimestres de resultados: si Google Cloud, AWS y Azure reportan crecimientos de revenue de más del 30% año a año en servicios de IA — mientras los labs de modelos reportan crecimiento de capex que supera el crecimiento de revenue en el mismo período — la aggregation theory se confirma en tiempo real: los agregadores capturan el margen que los creadores de modelos no retienen.

El dato específico a monitorear: el ratio de revenue a capex de OpenAI cuando publique resultados públicos por primera vez como compañía, comparado con el mismo ratio de Google Cloud en el período equivalente. Si Google Cloud genera más revenue por dólar invertido que OpenAI, el juego estructural de largo plazo ya tiene un ganador claro. Para un decisor en LATAM o España: si sos revendedor o integrador de tecnología, el canal con Google Cloud, AWS o Azure ya vale más que cualquier acuerdo directo de reventa de modelos — porque el presupuesto empresarial fluye por ese canal, no fuera de él.