El 36% de las grandes empresas podría cambiar su plataforma de IA este año: lo que no se cambia es tu contexto
En una encuesta de Morning Consult de julio de 2026, el 36% de las empresas de más de 5.000 empleados dijo que podría reemplazar su plataforma principal de IA dentro del año, y solo el 27% usa una sola. Si el modelo se cambia cada pocos meses, la ventaja que dura está en lo que la IA lee antes de trabajar: tus clientes, tus decisiones y cómo pedís las cosas.
Las empresas más grandes de Estados Unidos y Europa no se casan con un proveedor de IA. Según el AI Strategy Index de Lead with AI, con datos al 21 de noviembre de 2026, 19 de las 22 compañías del S&P 100 y el STOXX Europe 50 que publican una estrategia de IA tienen cuenta corporativa con OpenAI, Anthropic o ambas, y bancos como BNY o empresas como Cisco ya derivan cada tarea al modelo que conviene. El mismo informe lo dice sin vueltas: el modelo dentro de cada herramienta cambia cada pocos meses.
Nuestra lectura: cuando el motor es intercambiable, la ventaja se muda a lo que lo alimenta. Lo que hace que una IA rinda en tu negocio y no en el de otro es el contexto que le das —clientes, precios, decisiones pasadas con sus razones— y la claridad con la que le pedís el trabajo. Eso no se compra con una suscripción: se construye, y es lo único que no se pierde cuando cambiás de proveedor.
Señal 01 · Plataformas
Por qué las grandes empresas cambian de plataforma de IA y qué decisiones sí duran
La encuesta de Morning Consult citada por Lead with AI muestra que el 36% de las compañías de 5.000 empleados o más podría reemplazar su plataforma principal de IA este año y que solo el 27% opera con una sola en toda la empresa. Los caminos son distintos: UniCredit eligió un socio de largo plazo con Google Cloud, Banco Santander usa un proveedor por tarea y BNY corre modelos de OpenAI, Google y Anthropic sobre su propia plataforma, Eliza.
Importa porque desarma la idea de que elegir modelo es la gran decisión. El informe sostiene que lo que permanece son las reglas alrededor de las herramientas: quién usa qué, cuánto cuesta y a qué datos puede llegar. De sus cinco decisiones, la de conectar la IA a los datos y sistemas de la empresa es la única que no se rehace cada vez que sale un modelo nuevo.
La lectura: si las empresas con más recursos del mundo tratan al modelo como una pieza reemplazable, un negocio chico no tiene por qué atarse a uno. Lo que conviene cuidar es que tu información esté ordenada de forma que cualquier modelo la pueda leer mañana.
n8n vale US$5.200 millones apostando a que los modelos de IA se vuelven commodity
n8n pasó de una valuación de US$270 millones a US$2.500 millones y después a US$5.200 millones en 14 meses, con más de US$100 millones de ingresos anuales recurrentes y rentable, según su fundador, Jan Oberhauser. Tiene unas 430 personas y la intención de no pasar mucho de 1.000. Empezó como proyecto paralelo en Berlín, de un fundador que tenía un trabajo, otra startup y una familia.
Importa por la tesis detrás de ese crecimiento: la compañía apuesta a la orquestación —conectar los pasos y los sistemas de una empresa— porque los modelos se están volviendo commodity y la IA sola no alcanza para los procesos críticos.
La lectura: es la conclusión de la señal anterior vista desde el lado del que vende. En esta etapa no se compite por inteligencia cruda sino por cuánto se sabe del proceso del cliente y por lo difícil que es reemplazar ese tejido una vez armado.
Clientes simulados con IA: el experimento de Colgate muestra que sin perfil la IA dice que sí a todo
Según un hilo que resume el experimento, Colgate armó una multitud de compradores simulados con IA, cada uno con edad, ingreso y ciudad copiados de un panel real de encuestas. Les mostró 57 conceptos de producto que ya había probado con 9.300 personas reales, y los compradores artificiales eligieron los mismos ganadores con el 90% de la coincidencia que se da entre dos grupos de personas reales.
Importa por los dos detalles que hicieron funcionar el método. Cuando se les pedía un puntaje del 1 al 5, respondían «3» casi siempre: hubo que dejarlos contestar con sus palabras y usar otra IA para convertir esas respuestas en puntaje. Y sin un perfil detrás, la IA aprobaba todo.
La lectura: el resultado no lo produjo el modelo sino la descripción de los clientes que le dieron. Un negocio que tiene documentado quién le compra y por qué puede probar 20 ideas antes de gastar en una; uno que no lo tiene recibe entusiasmo genérico.
Qué hacen distinto los mejores usuarios de IA según los estudios de Anthropic
Un análisis de dos estudios publicados por Anthropic —uno sobre unas 400.000 sesiones de 235.000 personas y otro sobre el uso interno de su propio equipo— marca una brecha clara: los principiantes llegaron a un resultado verificado alrededor del 15% de las veces y los expertos, más del doble. Lo que definió al experto no fue el cargo sino la precisión para describir lo que quería, qué le pedía revisar a la IA y quién corregía a quién. Los gerentes puntuaron más alto que nadie, incluso en tareas de programación.
Importa porque ubica la habilidad clave fuera de lo técnico. Una persona del equipo de Anthropic contó que la parte estratégica de su trabajo pasó de cerca del 20% al 90%.
La lectura: el contexto tiene dos mitades. Una es lo que la IA puede leer de tu negocio; la otra, lo que sabés explicar del trabajo que querés. Las dos se entrenan, y ninguna depende del proveedor que uses.
Venimos siguiendo cómo el modelo deja de ser la decisión central. El 7 de noviembre analizamos cómo Revolut cambió Claude por un modelo abierto y recortó el costo casi diez veces, y el 19 vimos qué tareas conviene delegar a un agente y con qué modelo. Hoy el foco pasa a lo que queda fijo cuando el modelo cambia. La guía de IA personalizada explica por qué el contexto propio es lo que vuelve útil a la IA, y el caso de uso muestra cómo llevarlo a un negocio.
Si trabajás solo o con un equipo chico, tu contexto hoy está desparramado: los precios en una planilla, las objeciones de clientes en tu cabeza, el porqué de cada decisión en ningún lado. Cada conversación con una IA arranca de cero, y por eso las respuestas suenan genéricas. Pedile a un agente que lea tus últimos 30 mails con clientes y las propuestas que enviaste, y que arme una página por cliente con quién es, qué compró, qué objetó y qué precio aceptó.
Con eso hacé la prueba de Colgate en chico: describí a 10 de esos clientes con su perfil real, mostrales tres ideas de oferta y pediles que respondan con sus palabras si comprarían y por qué no. Te vas a dar cuenta de que sirvió si los «no» nombran objeciones que ya escuchaste de clientes reales; si todos dicen que sí, el perfil todavía es demasiado pobre.
La movida del día
Abrí un documento que se llame «cerebro» y cargá hoy tres cosas: tus precios actuales, las cinco objeciones que más escuchás y tus últimas tres decisiones importantes con la razón de cada una. Pegalo al principio de cada tarea que le des a una IA. En un mes revisalo y actualizalo: ese archivo va a valer más que cualquier suscripción que pagues.
¿Conviene atarse a un solo proveedor de IA?
No necesariamente. Según una encuesta de Morning Consult de julio de 2026, el 36% de las empresas de más de 5.000 empleados podría cambiar su plataforma principal de IA dentro del año y solo el 27% usa una sola. Lo que conviene es tener tu información de clientes, precios y decisiones ordenada en documentos propios, para que cualquier modelo pueda leerla cuando cambies de herramienta.
Nuexty es una comunidad que se posiciona en la era de la IA. Nos juntamos en el Café IA en Buenos Aires, y los miembros tienen su lugar todos los meses y la plataforma con el conocimiento que armamos cada día.