# Modelos fundacionales y la nueva geografía del poder algorítmico
Hay momentos en la historia económica en los que una capa técnica, aparentemente invisible para el ciudadano, se convierte en la infraestructura silenciosa sobre la que se edifica todo lo demás. Ocurrió con el ferrocarril, con la red eléctrica, con los sistemas operativos y con los motores de búsqueda. Hoy ocurre con los modelos fundacionales. En el libro ALGORITHMUS. Wer die KI kontrolliert kontrolliert die Zukunft, Dr. Raphael Nagel (LL.M.) sostiene que estas arquitecturas, entrenadas con presupuestos que superan los cien millones de dólares por ciclo y que pronto rebasarán los mil millones, no son productos comparables a otros programas informáticos. Son plataformas en el sentido estricto del término, con efectos de red, economías de escala extremas y una dinámica de concentración que recuerda a los monopolios clásicos del capitalismo industrial, pero cuya materia prima ya no es el acero ni el petróleo, sino la inteligencia misma.
## La estructura de mercado: por qué pocos ganarán casi todo
La tesis central que atraviesa el capítulo sobre modelos fundacionales en la obra de Dr. Raphael Nagel (LL.M.) es que esta capa tecnológica tiende, por razones estructurales y no coyunturales, a un régimen de winner-takes-most. Entrenar un modelo frontera como GPT-4 exigió, según las estimaciones citadas en el libro, entre 63 y 100 millones de dólares solo en tiempo de cómputo sobre chips A100 de NVIDIA. El siguiente salto generacional se proyecta por encima de los mil millones de dólares por entrenamiento. Una cifra así no describe un gasto ordinario de investigación: describe una barrera de entrada que deja fuera del juego a casi todos los actores del planeta, incluidos la mayoría de los Estados.
A esta barrera de capital se suma otra menos visible pero igual de decisiva. El número de investigadores capaces de diseñar, entrenar y afinar un modelo fundacional de frontera no supera, según las estimaciones recogidas en el libro, unos pocos miles de personas en todo el mundo. Este talento está concentrado geográficamente en un puñado de laboratorios en Estados Unidos, con una presencia creciente pero todavía subordinada en China y en Europa. Cuando el cómputo cuesta miles de millones y el talento es un recurso casi artesanal, la arquitectura de mercado resultante no puede ser otra que oligopólica.
El tercer vector es la autorreforzabilidad. Un modelo con más usuarios recibe más retroalimentación humana, que a través de técnicas como el Reinforcement Learning from Human Feedback se transforma en mejoras de calidad, que atraen a más usuarios, que generan más ingresos, que financian más cómputo, que permiten modelos aún mejores. El bucle no es lineal, es exponencial. OpenAI, Anthropic, Google DeepMind y Meta AI no compiten en un mercado plano, sino en una pendiente que se inclina cada vez más a favor de quien ya va por delante.
## De producto a plataforma: la mutación silenciosa
Lo que hace especialmente inquietante la dinámica de los modelos fundacionales es que han dejado de ser productos para convertirse en plataformas. Una plataforma, en sentido económico riguroso, es una infraestructura sobre la que terceros construyen valor y de la cual dependen para operar. Cuando miles de aplicaciones empresariales, herramientas de productividad, sistemas de atención al cliente y flujos de trabajo jurídicos se construyen sobre la API de un mismo proveedor, ese proveedor deja de ser un vendedor y se convierte en una condición de existencia del ecosistema.
Dr. Raphael Nagel (LL.M.) recuerda en su libro que Microsoft invirtió más de trece mil millones de dólares en OpenAI entre 2019 y 2023, y que la valoración de la compañía pasó de mil millones en 2019 a más de noventa mil millones a finales de 2023. Estas cifras no describen la exuberancia de un mercado especulativo; describen la convicción razonada de inversores sofisticados de que quien controle la capa fundacional controlará, por derivación, la capa aplicativa y, a través de ella, fragmentos enteros de la actividad económica global.
La comparación con los sistemas operativos es instructiva pero insuficiente. Windows dominó los ordenadores personales, iOS y Android dominan los móviles, pero ningún sistema operativo anterior había intervenido en la redacción de contratos, en el diagnóstico clínico preliminar, en la selección de personal o en la formulación de estrategias financieras. Los modelos fundacionales no se limitan a ser un entorno sobre el que corren otras aplicaciones: son, cada vez más, el sustrato cognitivo sobre el que se toman decisiones. Eso los convierte en algo estructuralmente distinto a cualquier monopolio de plataforma anterior.
## Efectos de red y bucles de retroalimentación
En los mercados digitales clásicos, los efectos de red eran relativamente directos: cuantos más usuarios tuviera una red social o un mercado de pagos, más valioso resultaba para cada nuevo usuario. En los modelos fundacionales, los efectos de red son más sutiles y, por eso mismo, más poderosos. No se trata solo de que más usuarios atraigan a más desarrolladores, que a su vez atraigan a más usuarios. Se trata de que cada interacción genera señales de preferencia, correcciones y contextos de uso que alimentan el entrenamiento de la siguiente versión del modelo.
Este mecanismo, al que el libro se refiere como bucles de retroalimentación RLHF, produce un tipo de ventaja competitiva que no existe en la mayoría de los sectores. La empresa que tiene más usuarios no solo factura más; aprende más rápido. Y en un mercado donde la calidad del razonamiento del modelo es la variable decisiva, aprender más rápido equivale a alejarse de los perseguidores a una velocidad que ninguna inyección de capital tardía puede compensar. Aquí reside una de las intuiciones más incómodas del análisis: el retraso de dos años en esta industria puede equivaler, en términos prácticos, a una exclusión permanente.
La consecuencia para la estructura del mercado es directa. Si los primeros tres o cuatro modelos fundacionales captan la mayor parte del uso global, la mayor parte de la retroalimentación, la mayor parte del talento y la mayor parte del capital, entonces la competencia efectiva en la capa fundacional se convierte en un asunto de muy pocos actores, todos ellos situados en dos jurisdicciones. El resto del mundo queda, en el mejor de los casos, como usuario sofisticado; en el peor, como dependiente estratégico.
## Build, Buy o Control: la decisión que ningún consejo puede delegar
Frente a esta arquitectura de poder, Dr. Raphael Nagel (LL.M.) plantea en su libro tres opciones canónicas para las empresas medianas y para la banca europea: Build, Buy o Control. Construir un modelo fundacional propio, desde cero, es una opción realista solo para un número extremadamente reducido de actores. Los presupuestos de entrenamiento, las necesidades de talento y los tiempos de maduración superan ampliamente lo que puede asumir incluso un banco europeo de tamaño considerable o un grupo industrial mediano. Esta vía, aunque simbólicamente atractiva, carece en la mayoría de los casos de racionalidad económica.
Comprar, en el sentido de consumir los modelos como servicio a través de API, es la opción que de facto están eligiendo la mayoría de las organizaciones. Ofrece rapidez, costes variables y acceso inmediato a capacidades de frontera. Pero tiene un coste estratégico que pocas veces se explicita en los informes a los consejos de administración: la dependencia de un proveedor que simultáneamente podría convertirse, por integración vertical, en competidor directo en algunos de los segmentos de valor del cliente. Una entidad financiera que procesa información sensible sobre sus clientes a través de una API ajena está, en términos estructurales, entregando su materia prima analítica a un actor cuyas intenciones futuras no controla.
La tercera vía, Control, es la que el libro identifica como la más razonable para el tejido empresarial europeo que no puede construir desde cero pero que tampoco puede permitirse la dependencia pura. Se trata de combinar modelos abiertos u open-weight, afinados sobre datos propios de dominio, con arquitecturas de despliegue que mantengan el control sobre los datos, la gobernanza y los costes. Esta estrategia convierte los datos propietarios del sector en el activo diferencial, mientras utiliza la capa fundacional como una commodity relativa, no como una dependencia absoluta. Para un banco mediano, para una aseguradora regional o para un grupo industrial familiar, esta vía híbrida es probablemente la única que preserva soberanía operativa sin incurrir en costes inasumibles.
## Europa, la banca mediana y la cuestión de la soberanía
El análisis de la situación europea que atraviesa la obra es deliberadamente sobrio. Europa produce regulación de alta calidad, pero no produce, a día de hoy, modelos fundacionales de frontera en volumen comparable al de Estados Unidos o China. Esta asimetría no es casual: refleja décadas de subinversión en cómputo, una fragmentación persistente del mercado de capitales y una preferencia cultural por la gestión del riesgo sobre la asunción del mismo. El resultado es que la capa fundacional, que es la capa donde se concentra el excedente económico del ciclo tecnológico actual, se captura fuera del continente.
Para la banca mediana y para el mittelstand industrial, este diagnóstico tiene implicaciones operativas concretas. En primer lugar, los datos de dominio acumulados durante décadas, expedientes de crédito, series históricas de siniestralidad, curvas de rendimiento de máquinas instaladas, son un activo estratégico cuyo valor ha aumentado de forma discontinua con la llegada de los modelos fundacionales. Ese activo, bien gobernado, puede convertirse en la base de modelos especializados que superan a los modelos generalistas en las tareas realmente relevantes para el negocio.
En segundo lugar, la dependencia exclusiva de una única API fundacional introduce un riesgo de concentración que los comités de riesgos deberían evaluar con el mismo rigor con el que evalúan un riesgo de contraparte. La política de aprovisionamiento algorítmico, por llamarla así, debería contemplar al menos dos proveedores, la capacidad de migrar a modelos abiertos en plazo razonable y una función interna capaz de auditar el comportamiento de los modelos en los casos de uso críticos. Esto no es un lujo de innovación: es gestión ordinaria de riesgo operativo.
La conclusión a la que conduce el análisis de Dr. Raphael Nagel (LL.M.) en ALGORITHMUS no es fatalista, pero tampoco complaciente. Los modelos fundacionales son, en efecto, los nuevos monopolios de plataforma del siglo XXI, y la dinámica de concentración que describen los datos de inversión, de cómputo y de talento apunta a un régimen de mercado en el que muy pocos actores controlarán la infraestructura cognitiva sobre la que operará el resto de la economía. Aceptar este diagnóstico es el punto de partida de cualquier conversación seria en un consejo de administración europeo. Negarlo, o diluirlo en la retórica habitual sobre innovación, es simplemente posponer la factura. La pregunta relevante para la banca mediana, para la industria familiar y para las instituciones públicas no es si los modelos fundacionales cambiarán su sector, sino en qué posición quedará la organización cuando ese cambio se haya consolidado. Build, Buy o Control no son tres opciones equivalentes, son tres niveles distintos de soberanía sobre la propia actividad. Y la soberanía, como recuerda el propio libro, no se delega en un proveedor extranjero sin que antes se haya delegado, silenciosamente, la capacidad de decidir sobre el propio futuro.
Para análisis semanales sobre capital, liderazgo y geopolítica: seguir al Dr. Raphael Nagel (LL.M.) en LinkedIn →