Contenidos

1. Introducción

2. El Poder de los Modelos de Lenguaje a Gran Escala

3. La Perspectiva de las Startups

   1. Significativa Aceleración para las Startups

   2. El Auge de las Startups Basadas en LLM

   3. El Lado Oscuro de los LLM

4. Perspectivas del Inversor y Preguntas Clave

   1. Bonito de tener vs. Necesario

   2. Economía Unitaria: El Reto de los Altos Costos

   3. Defensa: Navegando Vulnerabilidades

5. Estrategias para el Éxito

   1. Recopilación de Datos Propietarios

   2. Creación de Modelos Propietarios

   3. Establecimiento de Bucles de Retroalimentación

6. Conclusión

Introducción

Esta entrada de blog se adentra en el mundo de los modelos de lenguaje a gran escala (LLMs) y la IA generativa, explorando su impacto en el ecosistema de startups. Como fundador y CEO de Zendog Labs, he presenciado la creciente moda en torno a los LLMs y la IA generativa, y las preguntas cruciales que surgen para fundadores e inversores por igual. En esta entrada, buscamos discernir si los LLMs son meras modas sobrevaloradas o auténticos revolucionarios para los negocios. ¡Así que, vamos a adentrarnos!

El Poder de los Modelos de Lenguaje a Gran Escala

Los LLMs, incluyendo el ChatGPT de OpenAI, han transformado el ecosistema de startups proporcionando una nueva infraestructura fundacional. Las startups existentes cada vez los incorporan más en sus operaciones. Y, hemos presenciado la aparición de nuevas startups enfocadas exclusivamente en productos basados en LLM.

El atractivo de los LLMs radica en su capacidad para agilizar los procesos empresariales y optimizar la utilización de recursos. Las startups pueden lograr más con menos recursos. También pueden mejorar sus ofertas de productos, proporcionando soluciones como chatbots y generadores de imágenes a mercados objetivo.

La Perspectiva de las Startups

Significativa Aceleración para las Startups

Las startups que adoptan las capacidades basadas en LLM al pivotar desde sus modelos de negocio heredados a menudo experimentan una aceleración notable. Hemos presenciado esto con varias startups en diversos casos de uso, como la planificación de viajes, la salud mental y la generación de contenido, que crecieron rápidamente después de integrar la tecnología LLM. Hipotetizamos que tanto los clientes B2B como B2C están explorando activamente diferentes aplicaciones basadas en LLM, lo que lleva a un crecimiento orgánico y reduce los costos de adquisición de clientes para las startups y otras empresas que están pasando por esta transición.

 

El Auge de las Startups Basadas en LLM

Además, ha habido un aumento en las startups que se construyen enteramente alrededor de los LLMs. Hemos observado cómo los anuncios de lanzamiento de estas startups se vuelven virales en las redes sociales, generando una adopción generalizada. Notablemente, algunos de nuestros clientes han logrado millones de vistas, decenas de miles en ingresos y cientos de miles de usuarios con una sola publicación en una plataforma de redes sociales. Este éxito se amplifica aún más al fomentar el compromiso, como proporcionar códigos de descuento para los primeros 1,000 comentaristas.

 

El Lado Oscuro de los LLMs

Sin embargo, es crucial reconocer que no todas las empresas basadas en LLM tienen implicaciones positivas. Una tendencia que hemos notado es que los influencers crean avatares digitales para las interacciones de chat, donde las personas pagan por minuto para participar en conversaciones con una personalidad falsa. Hemos visto ejemplos de este modelo siendo particularmente popular con la comunidad de OnlyFans. Aunque estas empresas pueden generar beneficios sustanciales, creemos que es necesaria una intervención reguladora para abordar la extracción excesiva de valor. Como entusiastas de las startups, creemos firmemente que las empresas deben esforzarse por servir a un propósito mayor.

Perspectivas del Inversor y Preguntas Clave

Con experiencia en capital riesgo, somos expertos en navegar tanto el paisaje de los fundadores como el de los inversores. Esto nos permite guiar a los fundadores para descifrar la psicología del inversor. Los inversores interesados en productos de IA Generativa y startups que capitalizan los LLMs necesitan respuestas a tres preguntas cruciales: discernir los "necesarios" de los "bonitos de tener", reforzar la economía unitaria y distinguir los productos duraderos y defensibles de las mercancías. Para que las startups llamen la atención de los inversores, es importante que encuentren buenas respuestas a estas tres preguntas.

 

Bonito de tener vs. Necesario

Los inversores evalúan meticulosamente la viabilidad a largo plazo de los productos basados en LLM, particularmente evaluando si un producto cae en la categoría de soluciones "bonitas de tener" o "necesarias". Los productos bonitos de tener corren el riesgo de ser fácilmente reemplazados o de perder valor rápidamente, lo que resulta en altas tasas de rotación y bajos valores de vida útil del cliente. Por el contrario, las soluciones necesarias están profundamente integradas en los procesos de negocio críticos, lo que las hace difíciles o incluso imposibles de reemplazar. Esto queda ejemplificado por empresas como SAP, que ejercen un considerable poder de fijación de precios debido a la naturaleza indispensable de sus ofertas. Para los fundadores, es crucial identificar vías para construir soluciones necesarias que no sean fácilmente reemplazables. Mientras que otros productos pueden generar ingresos a corto plazo, carecen del potencial para convertirse en los motores de ingresos duraderos que buscan los inversores.

 

Economía Unitaria: El Reto de los Altos Costos

Los productos basados en LLM plantean un desafío significativo debido a sus altos costos computacionales. Las startups a menudo dependen de proveedores de infraestructuras de terceros como OpenAI, lo que añade a los gastos. Como resultado, la economía unitaria sufre, y muchas startups en el espacio de la IA Generativa luchan con márgenes brutos entre el 20-30%. Esto es particularmente preocupante, ya que las empresas de software suelen disfrutar de márgenes brutos del 70-90% o incluso más altos. La responsabilidad de optimizar la utilización de los recursos computacionales recae en los CTOs y los equipos técnicos, y los inversores están muy interesados en la hoja de ruta técnica de la startup para mejorar la economía unitaria.

 

Defensibilidad: Navegando Vulnerabilidades

Construir un producto en una infraestructura de terceros, como OpenAI, da lugar a preocupaciones sobre la defensibilidad de la oferta. La accesibilidad de la API de OpenAI ha simplificado significativamente el proceso de desarrollo de productos basados en LLM, hasta el punto de que los freelancers en plataformas como Fiverr pueden ofrecerse a construir tales productos por tan solo $5,000. Esta facilidad de entrada plantea preguntas sobre la singularidad y la viabilidad a largo plazo de las empresas basadas en LLM en un panorama cada vez más competitivo.

Estrategias para el Éxito

Habiendo explorado el atractivo de los productos basados en LLM para las startups y las preguntas clave que los inversores plantean sobre su viabilidad, es hora de adentrarse en las estrategias iniciales que las startups han adoptado para construir negocios más defensibles con márgenes brutos saludables y lealtad de los clientes a largo plazo.

Recopilación de Datos Propietarios

Primero, las startups priorizan la recopilación de datos propietarios de los consumidores y clientes de manera que se alinee con las regulaciones de privacidad de datos. Estos datos sirven como un recurso único y codiciado para el negocio, atrayendo a los inversores que buscan empresas defensibles. Al poseer, aprovechar y potencialmente vender estos datos, las startups pueden optimizar los modelos y desbloquear nuevas corrientes de ingresos.

 

Construcción de Modelos Propietarios 

Otra estrategia clave observada entre las startups es el desarrollo de modelos propietarios adaptados a casos de uso específicos, particularmente en la transición de contenido basado en texto a contenido visual. Al optimizar los modelos LLM existentes para adaptarse a sus productos únicos, las startups pueden reducir efectivamente los requerimientos de datos y los costos computacionales. La capacidad de afinar los modelos LLM para casos de uso específicos permite a las startups ofrecer ofertas diferenciadas y de valor añadido a sus clientes, diferenciándose de los competidores y reforzando su posición en el mercado.

 

Establecimiento de Bucles de Retroalimentación

Establecer robustos bucles de retroalimentación con los usuarios es una estrategia vital para que las startups recojan continuamente datos y optimicen sus modelos. Las startups que solicitan y rastrean activamente la retroalimentación del usuario crean potentes circuitos de datos que pueden suponer una ventaja competitiva significativa, disuadiendo a los recién llegados. Este no necesita ser un proceso complicado. Puede ser tan sencillo como animar a los usuarios a valorar la efectividad de los resultados de tu producto con un pulgar hacia arriba o hacia abajo.

Conclusión

Los LLMs y la IA generativa ciertamente tienen el potencial de revolucionar la forma en que las startups operan y compiten. Sin embargo, la realidad es que las startups y los inversores deben abordar estas herramientas con una estrategia sólida y una perspectiva crítica. Mientras que los LLMs pueden ofrecer una aceleración significativa y oportunidades para las startups, no son una panacea. Las startups que buscan capitalizar los LLMs deben estar preparadas para enfrentar desafíos clave y buscar formas de construir una empresa defensible con márgenes brutos saludables y lealtad de los clientes a largo plazo.