2026-11-11 · Fuente:虎嗅·中继

DEK: La cuota de suscripción es solo la primera factura; el conocimiento propietario de la empresa se está convirtiendo en el segundo activo cosechado en la era de la IA.
BODY: Una noticia aparentemente de sociedad sobre la economía gig está convirtiéndose en la llave para entender el poder de fijación de precios de las empresas en la era de la IA. Amanda Brown, profesora adjunta de biología de la Tarleton State University de Texas, quería en verano dejar de dar clase y ganar un extra con trabajos de etiquetado de datos, con tareas que llegaban a pagar 60 dólares la hora; la realidad fue una sucesión de reuniones en línea obligatorias, noches hasta las dos de la mañana por cumplir plazos y un supervisor siempre vagamente desdeñoso con su trabajo por 'no ser lo bastante bueno'. Describió la experiencia como 'destructora de almas', la dejó tras unos meses y este verano volvió a buscar plaza docente. La historia importa porque revela un hecho que ya se está escalando: las empresas de IA no compran el resultado del etiquetado, sino el juicio profesional que hay en el cerebro de quien etiqueta.
Historias parecidas se escalan por doquier. La startup de IA Mercor paga cada día más de 4 millones de dólares a hasta 30.000 trabajadores externos, y no compra el poner etiquetas a los coches de una foto, sino el conocimiento especializado en sí. Dicho de otro modo, el salario por hora de la nómina es solo el coste explícito; el objeto real de la transacción es el conocimiento tácito del experto humano, que, una vez estructurado, verificado y destilado, sedimenta como parte de la capacidad del modelo. Para el usuario empresarial esto compone un espejo bien curioso: el experto externalizado vende conocimiento a la empresa de IA, y el cliente empresarial, al usar el producto de IA, hace en otra forma exactamente lo mismo.
La raíz teórica se remonta a más de medio siglo atrás. En 1962, el Nobel de Economía Kenneth Arrow formuló la 'paradoja de la información': el vendedor debe mostrar primero la información para poder venderla, y el comprador, en cuanto la ve, la posee gratis. Esta paradoja ha atormentado largo la fijación de precios de la propiedad intelectual: la información no admite 'prueba y devolución'. El CEO de Microsoft, Satya Nadella, escribió que la IA trae una 'paradoja inversa de la información': el comprador, al usar el producto que él mismo pagó, se enfrenta al riesgo de filtrar conocimiento propietario; cuanto más quiere que el modelo se comporte como el mejor experto del sector, más lógica de negocio nuclear, know-how reservado y datos valiosos tiene que alimentarle. La dirección se invierte por completo: en la era de Arrow el comprador sacaba ventaja al vendedor; en la era de la IA es el vendedor quien drena el activo de conocimiento del comprador.
De ahí nace la llamada 'doble cosecha': la primera capa son la cuota de suscripción y las tarifas de llamada a la API; la segunda es el conocimiento propietario, más valioso que el dinero. Cada prompt que el usuario teclea, cada API interna que el agente invoca, incluso cada corrección que un humano hace con paciencia tras una respuesta disparatada del modelo, se convierten en el 'gas de escape digital' del que habla Nadella: el gran modelo lo aspira y lo destila en know-how de escala institucional, y cada rastro de interacción y cada ronda de evaluación del modelo (eval) fuga hacia fuera. Para el CIO y el responsable de compras esto significa que el modo de estimar el coste total de propiedad (TCO) hay que reescribirlo: el precio real de un contrato de IA corporativa es la factura de suscripción más el valor de opción de la fuga de datos, y esta última, difícil de cuantificar, puede superar con creces el valor descontado de la primera.
Nadella citó además al CEO de Palantir, Alex Karp: el cliente tecnológico quiere control sobre su propio cómputo y su alfa (alpha), quiere poseer los medios de producción en vez de verlos transferirse. Esta afirmación tiene implicación operativa directa en la negociación de compra de cómputo y modelos. El comprador empresarial empieza a exigir cláusulas de gobernanza de datos más nítidas: si los prompts y los registros de interacción se usan para entrenar, si cabe pedir la exclusión (opt-out), cómo se tasa la diferencia de reflujo de conocimiento entre el despliegue privado y la API gestionada, y cómo se delimitan los derechos sobre el know-how que la empresa 'alimentó' antes de la iteración del modelo. Como dijo McLuhan, el hombre crea las herramientas y las herramientas lo remodelan: al consumir inteligencia también produces inteligencia, solo que el valor de la producción no es tuyo.
Cabe notar que Nadella, al frente de una de las mayores empresas de software del mundo, avisa públicamente del modelo de negocio en que él mismo navega, y eso prueba por sí solo que la 'segunda factura' es ya un dolor real del lado del cliente y un tema de confianza que el proveedor está obligado a responder. Para el comprador de cómputo para IA, las consideraciones de compra deben cubrir al menos cuatro puntos: primero, priorizar rutas de despliegue que soporten la modalidad privada o de instancia dedicada, dejando los datos de interacción dentro del perímetro propio de seguridad; segundo, explicitar en el contrato, cláusula a cláusula, el mecanismo de exclusión (opt-out) de uso para entrenamiento y el derecho de auditoría; tercero, estratificar el know-how nuclear y las tareas genéricas, portando la lógica sensible por recuperación aumentada, modelos pequeños locales o motores de reglas, sin entregársela en bloque al modelo público; cuarto, incorporar el 'riesgo de fuga de datos' al sistema de puntuación de proveedores, evaluado en paralelo con precio, rendimiento y estabilidad.
Conviene precisar que en el mercado abierto actual el activo de modelo concreto directamente ligado al tema de este artículo no cuenta con datos de precio publicado a la venta, lo que refleja de reojo que el comercio de cómputo para IA y de activos de conocimiento a nivel empresarial sigue en una etapa temprana de mecanismo de precios no maduro: las reglas del pulido entre comprador y vendedor se van forjando precisamente en esta discusión pública entre los Nadella y los Karp.
P: ¿Qué es la 'paradoja inversa de la información' de la que habla Nadella?
R: Es el giro de la 'paradoja de la información' de Arrow de 1962: el comprador, al usar el producto que él mismo pagó, se enfrenta al riesgo de filtrar conocimiento propietario; cuanto más quiere que el modelo se comporte como el mejor experto del sector, más lógica de negocio nuclear, know-how reservado y datos valiosos tiene que alimentarle.
P: ¿Qué son las dos capas de la 'doble cosecha' y cómo debe reaccionar la empresa?
R: La primera capa son la cuota de suscripción y las tarifas de API; la segunda es el conocimiento propietario, más valioso que el dinero, incluidos los 'gases de escape digital' como prompts, llamadas a APIs internas y correcciones humanas; la empresa debe explicitar en el contrato la exclusión (opt-out) de entrenamiento y el derecho de auditoría, priorizar el despliegue privado y estratificar el know-how sensible para contener la fuga.
P: ¿Qué es la 'paradoja inversa de la información' de la que habla Nadella?
R: Es el giro de la 'paradoja de la información' de Arrow de 1962: el comprador, al usar el producto que él mismo pagó, se enfrenta al riesgo de filtrar conocimiento propietario; cuanto más quiere que el modelo se comporte como el mejor experto del sector, más lógica de negocio nuclear, know-how reservado y datos valiosos tiene que alimentarle.
P: ¿Qué son las dos capas de la 'doble cosecha' y cómo debe reaccionar la empresa?
R: La primera capa son la cuota de suscripción y las tarifas de API; la segunda es el conocimiento propietario, más valioso que el dinero, incluidos los 'gases de escape digital' como prompts, llamadas a APIs internas y correcciones humanas; la empresa debe explicitar en el contrato la exclusión (opt-out) de entrenamiento y el derecho de auditoría, priorizar el despliegue privado y estratificar el know-how sensible para contener la fuga.
Etiquetas: Satya Nadella · Alex Karp · Kenneth Arrow · Amanda Brown · Mercor · AI Training Data
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado