La IA vertical avanza: quien controla los datos del sector captura el margen

La tesis del modelo genérico como infraestructura horizontal se está complicando. En los últimos tres días, cinco productos distintos lanzaron o recibieron financiamiento alrededor de la misma apuesta: que el modelo de IA que conoce profundamente los datos de un sector específico genera más valor — y captura más margen — que el que llega a ese sector desde afuera. No es una hipótesis nueva, pero esta semana alcanzó masa crítica visible.

La evidencia se acumula en distintos sectores

El caso más concreto: ChatGPT Health anunció la integración con Epic, el sistema de historiales clínicos que controla buena parte de los datos de salud en EE.UU. La integración es de solo lectura para los clínicos, pero el punto es estructural: OpenAI accede a datos que no están en internet, que no puede rastrear, y que hacen al modelo cualitativamente distinto para el sector salud.

En el mismo período, Blue Voice levantó 6 millones para construir el Harvey de las fuerzas de seguridad: un modelo entrenado sobre ordenanzas locales, protocolos departamentales y guías que ningún modelo genérico puede rastrear porque no están publicadas en la web abierta. El fundador no apuesta a que su modelo sea más inteligente que GPT-4o; apuesta a que sabe cosas que GPT-4o no puede saber.

Empirik, incubada por Sequoia, lanzó con 21 millones para hacer lo mismo en infraestructura IT: predecir outages antes de que ocurran, usando datos de telemetría de sistemas propietarios de cada empresa. Y Almanac, salida de Y Combinator, construye la memoria institucional de las organizaciones — decisiones, documentos internos, contexto histórico — que no existe en ningún dataset de entrenamiento público.

La lente de aggregation theory: dónde se captura el margen

En el mundo de la IA, quien controla el acceso a los datos que el modelo necesita para ser útil en un sector captura el margen del valor que ese modelo crea. Los modelos generales compiten en inteligencia y capacidad raw — y la falta de moat enterprise de los labs generalistas ya se refleja en la rotación de clientes. Los modelos verticales compiten en información exclusiva. Son mercados distintos, y en el mercado de información exclusiva, la ventaja defensiva es más sólida: los datos propietarios de un hospital o de un departamento de policía son difíciles de replicar. Un competidor puede entrenar un modelo más capaz — y cuando el open-weight ya iguala la capacidad del premium, esa ventaja se erosiona aún más rápido — pero no puede fabricar los datos de Epic.

Esto también explica el movimiento de OpenAI hacia ChatGPT Health: si los datos del sector salud se van a convertir en el activo diferencial para la IA en ese mercado, OpenAI prefiere ser el que los integra antes que quedarse como proveedor de infraestructura para quien lo haga. El mismo razonamiento aplica a cualquier empresa que hoy tiene datos sectoriales únicos — su posición negociadora frente a los labs de IA es más fuerte de lo que cree.

Quién gana, quién pierde, y el riesgo que nadie calcula

Los ganadores de corto plazo son los builders de verticales que aseguraron acceso a datos propietarios antes de que la competencia lo entendiera. Harvey en legal, Abridge en documentación clínica, y ahora Blue Voice en seguridad pública comparten el mismo insight fundacional: el dato exclusivo vale más que el modelo.

El riesgo que pocos calculan es el de la dependencia estructural. Un modelo que depende del acceso a los datos de Epic queda expuesto si Epic cambia sus términos o decide construir su propio modelo. Los datos propietarios son una ventaja competitiva para el builder de la vertical, pero también una dependencia: cuando el dueño de los datos decide que también quiere ser el dueño del modelo, la ventaja se convierte en vulnerabilidad.

Fambot, que lanzó un «jefe de staff» de IA para familias — gestionando calendarios, correos escolares y logística doméstica — ilustra el otro extremo del espectro: verticales donde los datos propietarios son generados por el propio usuario, no por una plataforma tercera. Ese modelo tiene menos riesgo de dependencia, pero también menos defensibilidad, porque otro puede construir lo mismo.

La tesis falsable: qué mirar

La predicción concreta: en los próximos dieciocho meses, al menos dos grandes propietarios de datos sectoriales — un sistema de salud, un ERP, o una plataforma de infraestructura industrial — lanzarán o adquirirán su propio modelo de IA en lugar de licenciar el acceso a sus datos a terceros. Cuando eso ocurra, la ventaja de los builders de verticales que dependen de ese acceso se reducirá drásticamente.

La señal que confirma la tesis: Epic anuncia su propio modelo de IA integrado o adquiere una startup de IA clínica. La señal que la refuta: los grandes propietarios de datos sectoriales mantienen una estrategia de plataforma abierta y priorizan el acceso de terceros durante los próximos dos años.

Para un decisor en LATAM o España que evalúa soluciones de IA sectorial: la pregunta que conviene hacer al proveedor es de dónde vienen sus datos propietarios y qué tan estable es ese acceso. Una vertical que depende de un único proveedor de datos es una apuesta frágil; la que tiene acceso diversificado a múltiples fuentes propietarias es más defensible frente al cambio de estrategia del dueño de los datos.