Tras la continua iteración de grandes modelos, la competencia de productos se orienta hacia escenarios y experiencias

Autor: Frank, PANews

A medida que la IA pasa de ser una demostración de habilidades a una aplicación práctica, la implementación de aplicaciones de IA se está acelerando continuamente para satisfacer la creciente demanda de los consumidores. Al mismo tiempo, con la mejora continua de las capacidades de los grandes modelos, la IA parece haber entrado en una era en la que “todos pueden crear prototipos de productos”.

Durante la Semana de IA de muShanghai, en la mesa redonda titulada “Prácticas innovadoras y exploración de caminos en el ecosistema de consumo de IA”, organizada por PANews, se centró en las rutas reales de implementación de productos de IA para consumidores. Los invitados que participaron en la discusión incluyeron a Feng Wen, responsable del producto en la plataforma abierta MiniMax, Levy, CEO de FateTell, Anita, responsable de Sentient APAC, y Gao Jiafeng, músico electrónico y desarrollador independiente, provenientes de diferentes campos como plataformas abiertas de modelos, aplicaciones culturales para la expansión internacional, ecosistemas de IA de código abierto y prácticas de creación musical.

En opinión de los invitados, el núcleo del problema de la IA para consumidores no se ha simplificado con la iteración tecnológica. Tras el salto en capacidades de los modelos, las verdaderas barreras se están desplazando hacia la comprensión de escenarios, organización de datos, educación del usuario, valor emocional y construcción de ecosistemas abiertos.

La IA no ha reducido la dificultad de emprender, las verdaderas barreras siguen siendo los escenarios de aplicación

Una contradicción común en la industria de la IA es: los modelos cada vez más potentes parecen reducir las barreras de entrada para emprender, pero muchos productos tienen dificultades para encontrar escenarios sostenibles a largo plazo. Las aplicaciones que parecen viables hoy en día pueden perder rápidamente relevancia con el lanzamiento de la próxima versión del modelo.

Para Feng Wen, en cuanto a productos de IA para consumidores, las ideas de producto y la evaluación de escenarios siguen siendo más importantes. Como proveedor de modelos grandes y plataforma abierta, MiniMax enfatiza más las capacidades subyacentes del modelo, el diseño de productos relacionados con tokens y la experiencia de extremo a extremo para los desarrolladores. Pero desde la perspectiva del emprendedor, el diseño del producto debe basarse en “el nivel de inteligencia del modelo después de seis meses”.

Su juicio es que, en un contexto donde las leyes de escalamiento de modelos aún no han fallado y las capacidades continúan mejorando, los emprendedores no deben limitarse excesivamente por la velocidad, costo o límites de capacidad del modelo actual, sino pensar con mayor audacia en los usuarios objetivo, escenarios específicos y problemas pendientes de solución. Los fabricantes de modelos seguirán ofreciendo capacidades más baratas, rápidas y con mejor relación calidad-precio, mientras que en la capa de aplicación, es necesario responder con mayor claridad a la pregunta “¿por qué este escenario?”.

Levy añade desde la capa de aplicación otra fuente de barreras. Él opina que, aunque los cambios tecnológicos son rápidos, los datos y la comprensión asociados a los escenarios no se borran con rapidez. Muchas personas pensaban que solo ajustando finamente los modelos se podía formar una barrera de datos; sin embargo, con la madurez de la ingeniería de contexto y las instrucciones, los datos y estructuras que se sedimentan en la gestión del contexto en las aplicaciones también influirán en el rendimiento del modelo. Especialmente, algunos datos altamente verticales, relacionados con cultura o experiencias personalizadas, no necesariamente entrarán en los pesos del modelo general, lo que puede convertirse en una base diferenciadora para que los productos de IA de consumo resistan las iteraciones del modelo.

Anita tiene una visión más cautelosa respecto a la idea de que “la IA reduce las barreras para emprender”. Ella opina que, si bien la IA facilita la generación de demostraciones, prototipos y el lanzamiento rápido de productos iniciales, las dificultades reales del emprendimiento no desaparecen e incluso pueden volverse más evidentes: cómo captar clientes, cómo construir comunidad, cómo lograr la implementación comercial y cómo establecer conexiones humanas más allá de la programación. Menciona que el concepto de individuos supercapaces y “empresas unipersonales” está en auge, pero los verdaderos individuos que logran avanzar suelen necesitar habilidades más diversas, no solo el uso de grandes modelos.

De los Bazi a la música: entender mejor a los usuarios, una barrera en IA para consumo

A medida que las capacidades tecnológicas avanzan, el valor de los productos de IA para consumidores finalmente debe volver a las necesidades humanas.

Un ejemplo típico es la práctica de FateTell. Levy explica que FateTell es una aplicación de consumo de IA + astrología oriental/Bazi para usuarios en el extranjero, con presencia en más de 90 países. El equipo evitó inicialmente centrarse en herramientas puramente de eficiencia, y en cambio valoró el consumo espiritual y el valor emocional.

Para él, entender el destino propio, buscar explicaciones y consuelo son necesidades psicológicas profundas que trascienden culturas y que existen a largo plazo. La IA, en el pasado, tenía dificultades para generar confianza en este escenario, pero con la mejora de modelos como DeepSeekR1, objetivamente ayuda a usuarios e inversores a entender que “los grandes modelos pueden hacer razonamientos complejos y explicaciones”. La barrera de FateTell no solo radica en la capacidad del modelo, sino en cómo traducir conceptos culturales chinos como los troncos celestiales, las ramas terrestres, el I Ching y el Bazi a usuarios en el extranjero, y cómo, mediante lenguaje, visuales e interacción, hacer que personas de diferentes culturas comprendan su atractivo.

Gao Jiafeng plantea una cuestión similar desde la perspectiva de los creadores musicales: la IA no debe solo entregar resultados, sino también preservar el proceso. Menciona que herramientas como Suno hacen que la generación musical sea muy directa, pero también saltan el proceso creativo, lo que puede hacer que los usuarios carezcan de participación y sentido de pertenencia. Para músicos y usuarios comunes, crear no es solo obtener una “canción terminada”, sino que el proceso en sí mismo es parte de la experiencia.

Lo ilustra con una metáfora futbolística: incluso si una persona nunca podrá superar a Messi o C. Ronaldo, seguirá jugando por amor al juego. Lo mismo ocurre con la creación musical. Gao está desarrollando MusicAIGameBoy (una consola de juegos de música con IA), que intenta mediante modelos grandes o pequeños, junto con interacciones gamificadas, permitir que personas sin conocimientos musicales participen en la creación durante el juego. Para él, el escenario real no es solo “generar automáticamente una canción”, sino devolver la interacción en la creación musical a los usuarios.

El auge de los agentes está cambiando la lógica de la educación del usuario

En los productos de IA para consumidores, la educación del usuario suele determinar si el producto será realmente utilizado.

Feng Wen menciona que, en la plataforma abierta MiniMax, algunos usuarios tienen conocimientos de desarrollo, pero aún así se ven bloqueados por la documentación de la API, parámetros, códigos de error y el uso de tokens. Por ello, la plataforma ofrece entornos de prueba de modelos, guías de desarrollo, casos de demostración y tutoriales en video para acelerar el proceso de comprensión y uso.

Con el desarrollo de los Agentes, la forma de educar a los usuarios también está cambiando. Antes, los usuarios necesitaban leer documentación, entender interfaces y solucionar errores. Pero ahora, con la mejora del rendimiento de los Agentes, muchos usuarios simplemente dejan que el Agente lea la documentación, busque soluciones, seleccione el modelo adecuado y corrija automáticamente los errores. Los fabricantes de modelos deben ofrecer buenas experiencias en modelos, documentación y plataformas, mientras que la comunidad, los desarrolladores y diferentes productos en conjunto reducirán las barreras de uso.

Para Sentient, el ecosistema abierto en sí mismo también es parte de la educación del usuario y la implementación del producto. Anita explica que Sentient se enfoca en el ecosistema de IA de código abierto y en infraestructura relacionada, y atrae a desarrolladores mediante hackatones, programas de financiamiento, etc. Ella enfatiza que el producto debe primero entender claramente quiénes son sus usuarios objetivo: quiénes son, dónde aparecen y qué canales usan para generar confianza. Para las herramientas de desarrollo, los hackatones y las colaboraciones en ecosistemas son vías efectivas; para productos de consumo, los KOL, KOC y contenidos en redes sociales también son clave.

En un contexto donde los costos de AIGC bajan rápidamente, los equipos emprendedores pueden producir avances, materiales visuales y contenidos de difusión con menor inversión, logrando así captar a los primeros usuarios más rápidamente. Gao también opina que el diseño del producto debe acercarse al usuario, permitiendo que aprenda de forma natural a través de la interacción y el entretenimiento, en lugar de depender de instrucciones extensas. Este método de “aprender en uso” puede ser más adecuado para la IA de consumo que los tutoriales tradicionales.

Hardware en el mundo real: la personalización y el valor emocional siguen ampliándose

En los próximos tres a cinco años, los invitados coinciden en que el mercado de consumo de IA aún está en una etapa temprana de penetración, pero las formas de los productos cambiarán notablemente.

Feng Wen estima que en ese período, hardware inteligente, robots y la inteligencia embebida tendrán un punto de inflexión importante. Tras la mejora de las capacidades de los modelos, la IA dejará de limitarse a interfaces de software y también entrará en el mundo físico real, realizando más interacciones y tareas. Algunos productos estarán dirigidos a las personas, ofreciendo mejoras en eficiencia o valor emocional. Otros, en cambio, podrían estar orientados a agentes, proporcionando entornos, herramientas e infraestructura para conectar la IA con el mundo físico. Pero independientemente de la forma, los productos deben centrarse en las personas, permitiendo que dediquen más tiempo a conectar con otros, a la familia, al mundo real y a experiencias de vida más ricas.

Levy opina que predecir en la industria de la IA en un plazo de tres a cinco años es muy difícil, incluso en tres a cinco meses hay muchas incertidumbres. Aunque los usuarios avanzados ya usan herramientas como ClaudeCode en profundidad, la mayoría de los usuarios comunes todavía están en las primeras etapas de penetración de la IA. En los próximos años, la IA seguirá satisfaciendo necesidades más fragmentadas y personalizadas. En contraste con los servicios relativamente “uniformes” de la era de Internet móvil, la IA tendrá la oportunidad de ofrecer servicios más específicos y segmentados para cada individuo. Además, la ansiedad por el desempleo y la incertidumbre que trae el avance tecnológico también puede ampliar la demanda de compañía emocional y consumo espiritual.

Anita resume estos cambios como una “igualdad tecnológica”. Ella cree que, en el futuro, las distinciones entre ciencias humanas, ciencias exactas, arte y tecnología se reducirán. Incluso un pequeño comerciante podrá usar IA para hacer publicidad y enviar información dirigida, mejorando su negocio. El valor de la IA no será necesariamente que todos se conviertan en programadores de élite, sino que ayude a las personas en diferentes escenarios a acceder a mejores herramientas. Al mismo tiempo, el miedo al desempleo y la soledad impulsarán la demanda de valor emocional, abriendo oportunidades para hardware, mascotas con IA, dispositivos de compañía y productos de interacción multisensorial.

Gao también aborda el cambio en las formas culturales. Él opina que en el futuro, las formas de contenido como música, cine y video serán reorganizadas, e incluso la idea de si la “canción” seguirá siendo la unidad mínima del consumo musical no está clara. Los conceptos actuales de audio en múltiples pistas y pistas de audio podrían seguir descomponiéndose en unidades de creación aún más atómicas. Pero, en medio de la disolución de las formas, la conexión emocional a través de IP, marcas y personajes específicos será aún más importante. La gente no siempre busca obras perfectas, sino objetos con imperfecciones, calidez y que puedan establecer relaciones emocionales.

Aunque los invitados no ofrecen una respuesta única sobre el consumo de IA para el público general, las discusiones desde plataformas de modelos, aplicaciones culturales, ecosistemas de código abierto y creación musical apuntan a una misma tendencia: a medida que las capacidades de los modelos sigan mejorando, la competencia en IA para consumidores no será solo “quién usa el modelo más potente”, sino “quién entiende mejor a los usuarios, los escenarios reales y las necesidades emocionales”.

El ecosistema futuro de consumo de IA podría incluir infraestructura más abierta, menores barreras de entrada para desarrolladores, servicios más personalizados, hardware con mayor sentido de compañía y nuevas formas de productos centrados en la cultura y el proceso creativo. Los modelos seguirán avanzando, pero lo que realmente perdurará serán aquellos productos que puedan ser necesarios, comprendidos y que establezcan conexiones con las personas.