La defensibilidad en la era de la IA
Switching costs, embedding, integraciones y agentes. Cuatro moats que se están desarrollando o cambiando en esta nueva era.
Hay una conversación que se repite cada vez que hablo con founders sobre AI.
Empiezan a hablar de defensibilidad. De cómo van a construir un moat cuando el mercado madure.
Pero el mercado ya maduró!
Lo que muchos llaman “el futuro de la defensibilidad en AI” ya tiene empresas ejecutándolo hoy.
Veamos cómo lo están haciendo.
El switching cost de la IA
La barrera más fuerte que estoy viendo en productos de AI es el switching cost.
Lo interesante de esta moat es que ya no depende de un contrato que te ate, ni del costo de migración técnico. Es el contexto acumulado que se construye con el uso.
Veamos esto con tres ejemplos.
Cursor: El 67% del Fortune 500 lo usa y genera 150 millones de líneas de código por día. Pero lo que lo hace defendible no es el modelo de AI. Es lo que pasa cuando un equipo entero lo adopta.
El sistema aprende la arquitectura del codebase, las convenciones de código, el contexto acumulado de meses de trabajo colaborativo. Si un dev se quiere ir a otra herramienta, no pierde solo un asistente de código. Pierde todo ese conocimiento compartido.
Y cuantos más devs del equipo lo usan, más doloroso es cambiarse. El switching cost se multiplica con la adopción.
ChatGPT: En abril de 2025 lanzaron memoria comprehensiva. El sistema empezó a referenciar todas tus conversaciones pasadas para personalizar cada respuesta. Cuanto más lo usás, más te conoce. Más sabe sobre tu trabajo, tu estilo, tus proyectos.
Si mañana aparece un modelo mejor, el costo de cambiarte no es técnico, es perder meses/años de contexto personalizado.
Claude: Es la herramienta que más usamos con mi equipo. Y pasa exactamente lo mismo. Sabe el contexto de nuestros proyectos, cómo pensamos ciertos temas, nuestras preferencias de formato. Si hoy quisiéramos migrar a otra herramienta, sería como arrancar todo desde cero.
Lo que podemos ver en estos tres casos es que cada interacción que tenés con una herramienta de AI es una inversión en contexto que no te podés llevar.
Y acá va algo que vengo pensando mucho.
La diferencia de performance entre los mejores modelos es cada vez más chica. Cuando los modelos sean prácticamente indistinguibles, el diferencial no va a ser quién tiene el mejor modelo. Va a ser quién te conoce mejor.