Los documentos de bancarrota de Character.ai muestran que la economía de la IA no funciona
La presentación de bancarrota de Character.ai está provocando un debate sobre lo que realmente dice acerca de la viabilidad empresarial de la IA, especialmente de los productos de consumo tipo “AI wrapper” que compran acceso a grandes modelos en lugar de poseer la infraestructura central. Los comentaristas argumentan que su fracaso refleja una mezcla de malas unit economics, riesgos legales y de políticas, y una base de usuarios frágil impulsada por contenido NSFW, en lugar de probar que “la economía de la IA no funciona” en general. El hilo también aborda preocupaciones más amplias sobre la sobreinversión en centros de datos, los precios de API con altos márgenes por parte de los laboratorios de frontera y la probabilidad de que los modelos y la inferencia se conviertan en commodities o se trasladen al dispositivo con el tiempo.
Alcance del fracaso vs. “economía de la IA”
- Muchos sostienen que la bancarrota de Character.ai muestra los límites de un modelo de negocio, no que la “economía de la IA” en su conjunto no funcione.
- Varios señalan que era un actor de “segunda categoría” o un “wrapper”, vulnerable una vez que mejoraron los modelos centrales y los sistemas de pesos abiertos.
- Otros lo ven como uno de los primeros dominós en una burbuja de IA sobrevalorada, pero los críticos califican eso de especulación basada en un único caso mal gestionado.
Wrappers, márgenes y modelos de negocio
- Una línea de argumentación: los proveedores de LLM de frontera supuestamente disfrutan de márgenes de API muy altos, mientras que los “AI wrappers” que revenden tokens se enfrentan a una mala economía una vez que aumenta la competencia.
- Character.ai se describe como un comprador de tokens (o anteriormente productor de un modelo a medida) que intenta añadir una fina capa de UX y un producto cargado de políticas por encima.
- La rotación de usuarios se atribuye a la “enshittification” y a la restricción de precisamente el contenido (especialmente el roleplay NSFW/arriesgado) que impulsó el crecimiento.
- Algunos enfatizan que cazar unicornios de consumo es intrínsecamente difícil, especialmente cuando los riesgos legales y de políticas (menores, “amigos falsos” basados en IP) son centrales para el producto.
Modelos en el dispositivo / locales y commoditización
- Fuerte debate sobre cuán pronto los chatbots atractivos pueden ejecutarse por completo en teléfonos.
- Los escépticos dicen que los modelos actuales de 7B son demasiado débiles para conversaciones sostenidas.
- Otros informan que ya hay un uso satisfactorio en el dispositivo y esperan mejoras rápidas en hardware e inferencia.
- Varios predicen que los LLM se convertirán en commodities o serán gratuitos, de forma análoga a los navegadores web: el valor se desplaza hacia la integración, la distribución y la monetización aguas abajo (por ejemplo, anuncios, otros servicios).
- Algunos ven probable una consolidación hacia modelos locales eficientes o “locales-ish”, impulsada por la presión de costes y por la cantidad finita de datos de entrenamiento de alta calidad.
Intensidad de capital, VCs y riesgos macro
- Los críticos retratan la IA como el negocio anti‑ideal para VC: enorme capex, escalado casi lineal del coste con el uso, servicios similares a una commodity y usuarios poco dispuestos a pagar el coste real.
- Otros responden que quejas similares se hicieron sobre oleadas tecnológicas pasadas (PCs, navegadores, plataformas tempranas de internet) que con el tiempo encontraron modelos sostenibles.
- Hay preocupación por una inminente “bomba de deuda de centros de datos” derivada de construcciones de IA fuertemente apalancadas si los ingresos proyectados de la IA no se materializan; otros se muestran escépticos ante las sombrías llamadas a una burbuja, citando predicciones fallidas previas de un desplome.