CEO de Amazon: los ingresos anuales del negocio de IA superan los 25 000 millones de USD; su tasa de crecimiento es cientos de veces mayor que la de AWS en sus inicios; ni siquiera los 220 000 millones de USD invertidos logran satisfacer la demanda

Recientemente, el CEO de Amazon, Andy Jassy, participó en el conocido podcast del capital riesgo a16z, manteniendo una conversación profunda con Ben Horowitz, cofundador de a16z. En esta entrevista, Jassy reveló ampliamente la estrategia de Amazon ante la ola de IA generativa.

En respuesta a las preocupaciones de Wall Street sobre los gastos de capital aparentemente ilimitados de las grandes tecnológicas, Jassy dio una retroalimentación de mercado directa: la demanda no solo no ha disminuido, sino que está sobrepasando rápidamente la capacidad futura. Al mismo tiempo, detalló la actual estructura de demanda «en mancuerna» del mercado de IA y señaló claramente que, para desbloquear verdaderamente las aplicaciones empresariales de IA, el costo de la inferencia computacional debe reducirse aún más en un orden de magnitud.

«Incluso con 220 000 millones de USD gastados, seguimos dejando una cantidad significativa de demanda sin atender»

El problema central que más preocupa al mercado es si los gastos de capital de las grandes empresas —frecuentemente de cientos de miles de millones— se convertirán en costos hundidos excesivos. Jassy respondió directamente a las dudas del mercado con un conjunto asombroso de datos de pedidos.

«Incluso si gastamos este año 220 000 millones de USD, seguiremos dejando una cantidad significativa de demanda relevante sin atender». Jassy señaló sin ambages el actual desequilibrio extremo entre oferta y demanda de potencia computacional: «Siempre reservamos cierta proporción de potencia computacional para servicios bajo demanda, pero la capacidad para 2026 ya está claramente agotada, la de 2027 prácticamente agotada y gran parte de la de 2028 también está vendida».

Desde la perspectiva del crecimiento empresarial, la curva de crecimiento impulsada por la IA es extremadamente pronunciada. Jassy comparó la velocidad inicial de desarrollo de AWS (Amazon Web Services) con el ritmo actual: «En los primeros tres años de AWS, sentíamos que crecíamos rápido, con una tasa anualizada de ingresos de unos 60 millones de USD. Pero en los primeros tres años de esta ola de IA generativa, nuestra tasa anualizada de ingresos del negocio de IA de AWS ya supera los 25 000 millones de USD. Su velocidad es cientos de veces mayor que entonces; nunca habíamos visto algo así».

Al abordar las preocupaciones de los mercados de capitales, Jassy explicó la lógica del ciclo de flujo de efectivo en las inversiones en centros de datos. Indicó que las inversiones en construcción de centros de datos deben hacerse con dos años de anticipación, pero tienen una vida útil de hasta 30 años; mientras que la adquisición de servidores y equipos de red solo requiere unos meses de anticipación. Esto significa que la empresa tiene una visibilidad muy clara sobre la demanda de los clientes. «Si descubres que realmente no necesitas llenar esos centros de datos, no comprarás servidores ni equipos de red. La mayoría de los contratos de servidores son de cinco años, y típicamente el punto de equilibrio se alcanza en tres años. Debido a este ciclo de efectivo, cuando creces a tal velocidad, el flujo de caja libre inicial enfrentará efectivamente resistencias, pero una vez que todo esté operativo, los rendimientos serán muy sustanciales».

Refutando las controversias sobre centros de datos: «El consumo de agua de un campo de golf en dos días equivale al nuestro anual»

En Estados Unidos, el consumo energético y los problemas medioambientales de los centros de datos están evolucionando hacia una controversia política. Jassy los refutó contundentemente y los elevó al nivel macro de competitividad nacional.

«La construcción de infraestructura que estamos experimentando es comparable, en escala, a la construcción de autopistas y puentes en Estados Unidos en la década de 1950. El país e incluso el mundo entero no pueden permitirse el costo de no construir centros de datos; de lo contrario, veremos cómo países como China establecen todos los liderazgos y normas, lo cual es inaceptable tanto interna como globalmente».

Respecto a las acusaciones medioambientales, Jassy presentó datos contundentes: «Circulan muchas afirmaciones que oscilan entre el mito y la mentira, porque políticos y especuladores gustan de encontrar un ‘villano’ sencillo. En realidad, el consumo de agua de campos de golf o del cultivo de almendras supera con creces el de los centros de datos. Como dato concreto: el consumo de agua de un campo de golf es 200 veces mayor que el nuestro; usan más agua en dos días que nuestros centros de datos en un año».

También añadió que la contaminación de los generadores de respaldo está severamente exagerada: «Debes registrar los niveles de contaminación como si funcionaran a plena capacidad todo el tiempo, pero en realidad solo usamos los generadores de respaldo el 0,1 % del tiempo cada año (unos 10 horas), únicamente para mantenimiento».

El «efecto mancuerna» de la demanda de IA y la lógica central de reducir los costos de inferencia

Al analizar la demanda específica de IA, Jassy propuso una vívida teoría de la «mancuerna», que también explica por qué Amazon insiste en su estrategia de chips desarrollados internamente.

«Un extremo de la mancuerna son los laboratorios de IA, que consumen cantidades masivas de potencia computacional; el otro extremo son las empresas, que principalmente usan IA para reducir costos y mejorar la productividad, como el servicio al cliente automatizado o los procesos empresariales. Y en el centro de la mancuerna está la carga de trabajo actual de las empresas. La gran mayoría de las empresas aún no han adoptado (la inferencia de IA), pero creo que en 5 a 7 años, casi todas las aplicaciones empresariales existentes utilizarán profundamente la tecnología de inferencia».

Sin embargo, para activar el vasto mercado en la «parte central de la barra», el precio sigue siendo el mayor obstáculo.

«En los últimos años, los costos de inferencia han disminuido significativamente, pero, en mi opinión, siguen siendo diez veces más altos de lo deseable». Jassy enfatizó: «Si pedimos a las empresas que reescriban sus aplicaciones existentes para CPU usando aceleradores de IA, y la diferencia de costos es muy grande, el umbral para hacerlo será extremadamente alto. Pero si logramos reducir los costos de inferencia, ese umbral bajará notablemente. Por eso centramos nuestros esfuerzos en nuestro negocio de chips propios.»

Jassy elogió entusiastamente la adquisición de la empresa de diseño de chips Annapurna Labs en 2015, calificándola de «la adquisición más exitosa de la historia de Amazon, sin competencia cercana». Reveló que, mediante sus procesadores Graviton (40 % más rentables que otros procesadores x86) y los aceleradores de IA Trainium (30-40 % más rentables), Amazon está reduciendo agresivamente el costo de la potencia computacional.

Reestructuración organizativa: 6 ingenieros realizaron en un año el trabajo de 40 personas; todos los productos deben reconstruirse desde cero.

Además de ofrecer potencia computacional externamente, la IA está reestructurando internamente el funcionamiento de la inmensa máquina de Amazon, comenzando por la estructura de personal y la lógica de desarrollo de productos.

Jassy compartió un caso interno impactante: el equipo de Bedrock (plataforma de inferencia de IA de Amazon) reestructuró su motor de inferencia con solo 6 ingenieros en 76 días, mientras que antes requería 40 personas durante todo un año.

«Esto abrió los ojos de todos», afirmó Jassy con franqueza. «En el futuro, menos personas harán el mismo trabajo que hoy. No digo que no necesitemos personal, pero, al expandirse la escala del negocio, no invertiremos tanta mano de obra como antes. Los equipos serán más pequeños y las personas deberán trabajar de forma transversal, pues los modelos pueden ayudarles a completar el 80 % del trabajo.»

A nivel de producto, Jassy considera que las mejoras incrementales ya no son viables; se requiere el valor para «reconstruir desde cero».

«Para productos como Alexa, su ‘cerebro’ fue muy innovador en su desarrollo, pero con la aparición de la IA generativa, los límites de sus capacidades han cambiado por completo. Si deseamos ofrecer una experiencia de cliente ganadora, debemos reconstruir el cerebro de Alexa.»

No solo Alexa: Jassy señaló que todas las experiencias clave para consumidores en Amazon —incluidos comercio minorista, Prime Video y música— deberán reinventarse profundamente junto con la IA en los próximos años. «Los equipos suelen resistirse por orgullo y bagaje histórico, diciendo: ‘ya lo intentamos y no funcionó’. Pero este proceso de reconstrucción es doloroso y necesario; si solo pensamos en mejoras incrementales, desapareceremos en tres o cinco años.»

A continuación se incluye la transcripción completa del podcast: Andy Jassy 00:00

Incluso si invertimos 220 000 millones de dólares este año, aún dejamos una parte considerable de la demanda sin atender. Siempre reservamos cierta capacidad para uso bajo demanda, pero 2026 ya está totalmente vendido, 2027 prácticamente agotado y gran parte de 2028 ya está comprometida.

Andy Jassy 00:14

Los mercados financieros dicen: ‘No hay tanto dinero en el mundo para financiar esto’. Pero todo lo que hacemos —bolsas de valores, bancos, salud— depende de centros de datos. Nuestra tarea es encontrar formas de disponer de la mayor capacidad posible; tenemos la oportunidad de mejorar muchas más experiencias de cliente, haciendo su vida cotidiana más fácil y satisfactoria. Esos grandes laboratorios están dispuestos a pagar casi cualquier precio por energía, refrigeración y chips. Bueno, quizá deberíamos sustituir antiguos clientes por nuevos, pues estos pujan a nuestros precios.

a16z 00:48

Andy, bienvenido al programa. Es un placer tenerte aquí. Gracias por la invitación. Llevas cinco años al frente de Amazon, realizando muchas cosas. No es fácil estar aquí, y como CEO hay múltiples asuntos avanzando simultáneamente: actualmente tienes 220 000 millones de dólares en gastos de capital, AWS ha crecido un 20 % y un 28 %. Realmente has logrado mucho.

Andy Jassy 01:09

Has conseguido tanto… ¿Cómo ves las ambiciones de Amazon para 2026 comparadas con cuando asumiste oficialmente como CEO en 2021? ¡Ah, 2021 parece hace muchísimo tiempo; como si hubieran pasado diez años! Pero, bueno, el mundo cambia tan rápido… simplemente…

Andy Jassy 01:30

Comparado con 2021, nuestros ingresos totales son aproximadamente un 80 % mayores, el negocio de AWS casi se triplicó y los ingresos publicitarios aumentaron dos veces y media. Así que este negocio ha crecido considerablemente.

Andy Jassy 01:47

Creo que, efectivamente, ocurrieron varias cosas. Poco después de asumir el cargo —justo cuando la pandemia comenzaba a remitir— nuestro negocio minorista enfrentó un verdadero desafío de costos logísticos: prácticamente duplicamos la escala de nuestra red de cumplimiento. La red construida durante 25 años se duplicó en unos 18 meses; luego, en unos 20 meses, creamos una red de entrega de última milla comparable a UPS. Al construir tan rápido, inevitablemente surgen múltiples aspectos no optimizados. Los costos logísticos de nuestra red no eran los deseados. Esto generó muchos desafíos y mucha ansiedad en ese momento.

Recuerdo que llevaba en el cargo alrededor de un año, incluso menos, y todos decían: «¡Qué mala suerte asumir ahora!». Pero al mirar atrás, considero que fue, en realidad, un excelente momento para empezar: una verdadera bendición, pues nos obligó a replantearnos aspectos que quizás no habríamos cuestionado en años, y esas ideas resultaron muy beneficiosas para clientes y negocio. Una de las más importantes fue nuestra red logística: regionalizamos la red nacional plana original de EE.UU. Al regionalizarla, ubicamos los productos mucho más cerca de los clientes, reduciendo costos logísticos por distancias más cortas y acelerando las entregas.

Durante esa fase de dificultades con los costos logísticos, revisar profundamente nuestras creencias más arraigadas liberó una gran demanda de velocidad de entrega y del negocio minorista, lo cual también fue clave para nuestro rápido crecimiento. Por supuesto, justo después, la IA avivó aún más el panorama. No es que la IA sea algo nuevo: llevamos mucho tiempo aplicando aprendizaje automático, y ya hubo varias olas de IA consideradas «puntos de inflexión reales». Pero en 2023 sí se percibió claramente la enorme diferencia que aporta la IA generativa. Lo que quiero destacar es que, para entonces, nuestro negocio de AWS ya crecía muy rápidamente.

Contamos, obviamente, con la cobertura funcional más amplia, un mejor rendimiento operativo y mayor seguridad, además de un ecosistema de socios distinto. Somos líderes indiscutibles y, en ese momento, creíamos que este negocio podría alcanzar ingresos de cientos de miles de millones de dólares a largo plazo —digamos, en diez años—. Ahora, ante todo lo que ocurre con la IA y viendo que cada experiencia del cliente se reinventará gracias al razonamiento y la IA, creemos firmemente que AWS no solo crece muy rápido —el último trimestre creció un 36,7 % interanual, sobre una base anualizada de 169 000 millones de dólares—, sino que las oportunidades actuales son verdaderamente asombrosas.

Y siento que, además, tenemos semillas de nuevos negocios: ya sea cómo el equipo desarrolló Prime Video —hoy un negocio grande y rentable—, o los satélites de órbita terrestre baja que construimos con Amazon Leo, o el servicio autónomo de transporte compartido con Zoox, así como nuestro negocio de salud y nuestras iniciativas en robótica. Realmente tenemos la oportunidad de ayudar a muchos más clientes, abarcar más experiencias y hacerles la vida mejor y más fácil cada día.

Y esta misión de «mejorar y facilitar la vida de los clientes cada día» realmente une todo lo que hacemos en la empresa. Ahora tengo algunas preguntas complementarias. Primero, mencionaste que al expandir rápidamente la red logística, inevitablemente surge cierta ineficiencia. Al avanzar tan rápido, siempre aparecen aristas ásperas. Entonces, ¿cómo comunicas, desde la perspectiva de CEO, lo que están haciendo sin rebajar los estándares culturales? Quiero decir, Amazon es conocida por la excelencia, la eficiencia operativa y la frugalidad. Pero ahora dices: «Queremos construir algo como UPS», etc. ¿Cómo concilias ambos aspectos?

Lo interesante es que contamos con un conjunto de principios de liderazgo, bien conocidos, que suman 16. Muchos de ellos rigen, y deben regir, cómo pensamos sobre operaciones y cultura como equipo.

Pero varios entran en tensión entre sí, lo que a veces genera confusión. La realidad es que esto refleja cómo opera el mundo real: nada es nunca absolutamente claro; siempre hay que tomar decisiones de compromiso. Así, al decidir expandir la red logística y la de entrega de última milla a un ritmo tan agresivo y rápido, el equipo enfrentó este dilema: sabíamos que avanzar así sería muy difícil; los costos probablemente serían mayores que si lo hiciéramos más despacio; y quizá no podríamos optimizar todo tan bien como si tomáramos más tiempo. Pero clientes y vendedores lo necesitaban urgentemente. ¿Debíamos priorizar «hacerlo primero»?

Hay que recordar que fue al inicio de la pandemia, cuando todos los comercios físicos estaban cerrados.

Si observas el papel que Amazon jugó en la vida de todos durante la pandemia, fue realmente revolucionario. Así que tuvimos que preguntarnos: ¿debemos construir rápido, aunque menos optimizado, para servir a esos clientes y vendedores —quienes también luchaban por mantener sus negocios? Esa fue la primera decisión. Y decidimos, como casi siempre, priorizar al cliente. Luego, durante la construcción, quedó claro rápidamente que no todo avanzaba según lo planeado.

Nuestro equipo logístico trabaja presencialmente con más frecuencia que la mayoría de los demás departamentos. Aun así, muchas personas deben participar en diseño, planificación y evaluación. Están dispersas, trabajan de forma remota y debemos equilibrar la tensión entre «sesgo a la acción» o velocidad y «mantener estándares extremadamente altos» —esto último implica cumplir con la estructura de costos, métodos de entrega y diseños previstos. Así que volvemos a hacer compromisos.

Nuestro compromiso fue priorizar al cliente, avanzar rápido para servir bien a vendedores y consumidores, y aceptar que luego habría trabajo de corrección. ¿Sabíamos entonces que evolucionaría hasta lo que hoy es? No. También hubo aspectos que no optimizamos bien y no estoy seguro de que previéramos dicha falta de optimización. Pero si tienes buenas métricas y una cultura que valora la verdad —parte fundamental de nuestra cultura—, pones los datos y los problemas sobre la mesa, comunicas con franqueza y no permites que nadie los minimice. Con tal cultura, los problemas quedan claros tanto en las métricas como en las conversaciones.

Luego basta identificar cómo mejorarlos, diferenciando entre pequeñas ineficiencias y problemas estructurales. Una vez que tuvimos esa capacidad, volvimos y reestructuramos partes clave de la red —probablemente era la octava o novena prioridad del equipo entonces, pero luego pasó a ser mucho más importante porque permitía combinar velocidad y costo. Sí, es interesante. Es como al principio de AWS: lanzaste AWS con un enfoque tipo «constrúyelo y vendrán», ¿verdad? Construiste toda la infraestructura y luego la operaste. Así que tenían que venir, o estaríamos en graves problemas.

Pero ahora esto ocurre a una escala mucho mayor: ustedes y otras empresas —aunque debo decir que, principalmente, ustedes, al menos definitivamente son uno de los actores más importantes— están construyendo centros de datos y capacidad de chips a un ritmo tan acelerado que los mercados financieros empiezan a decir: ¡vaya!, no hay tanto dinero en el mundo para financiar estas inversiones. Recientemente vimos esa tensión en los mercados de deuda y capital de CoreWeave, entre otros. Entonces, ¿cómo evalúan —dada la demanda tan alta y su crecimiento tan rápido— cuánto es demasiado en esta ronda de construcción? Además, existe competencia en la cadena de suministro: deben competir por refrigeración, energía, chips y todos estos recursos. Sí, es una muy buena pregunta. ¡Ojalá existiera una fórmula que lo simplificara; eso ahorraría mucho tiempo a nuestro equipo.

Bueno, diría lo siguiente: en la primera ola de la nube, cuando lanzamos AWS, efectivamente hubo cierta actitud de «no sabemos si la gente lo usará, así que lo construimos y vendrá». Pero teníamos buenas señales internas. En aquella época, a principios de los 2000, varios equipos avanzaban mucho más lentamente de lo esperado —aunque, comparativamente, creíamos que éramos bastante rápidos—. Simplemente no entendíamos por qué tardaba tanto. La razón era que los equipos de producto dedicaban del 70 % al 80 % de su tiempo a la infraestructura, lo que les impedía diferenciarse; solo el 20 % se destinaba a las partes que realmente hacían único al producto.

Así que nos dimos cuenta de que todos los equipos repetían lo mismo y reinventaban la rueda. Por ello, concebimos inicialmente AWS para acelerar nuestro propio ritmo interno. Nuestra evaluación entonces fue: si construimos un conjunto de servicios modulares fundamentales, a gran escala, altamente disponibles, de bajo costo y muy flexibles —como computación, almacenamiento, bases de datos, distribución de contenidos, mensajería, etc.—, podríamos desarrollar mucho más rápido en nuestros negocios para consumidores. Luego pensamos, relativamente hablando, que nuestra tecnología era sólida y que probablemente otras empresas enfrentaban los mismos problemas. Pero incluso antes de lanzarlo externamente, ya había tantos equipos interesados internamente que supimos que íbamos por buen camino. Creo que nadie de nosotros anticipó que crecería tan rápido fuera de la empresa.

En cuanto a la IA, como usted sabe, ha habido oleadas de personas diciendo: «ahora es el momento, la IA finalmente ha llegado». Incluso unos seis o siete años antes de esta ola actual de IA generativa, muchos sentían que ya era la era de la IA. Construimos muchos servicios de IA y, de hecho, fue un negocio bastante sólido en AWS. Pero no se compara con lo que vemos hoy. Al principio de AWS, sentíamos que crecíamos muy rápido y estábamos satisfechos: tres años después alcanzamos unos 60 millones de dólares en ingresos anualizados. Y en los primeros tres años de esta ola de IA generativa, solo nuestro negocio de IA en AWS supera los 25 000 millones de dólares en ingresos anualizados. Así que ha crecido cientos de veces más rápido. Nunca habíamos visto algo así. Entonces surge la pregunta: ¿cuánta inversión en capital desea destinar para aprovechar esta oportunidad? Le puedo decir que hemos anunciado que esperamos invertir unos 220 000 millones de dólares en gastos de capital para 2026.

Por cierto, recuerdo que hace unos 15 años, en un desayuno con el equipo directivo, no podíamos creer que una compañía telefónica gastara 50 000 millones de dólares en gastos de capital; dijimos: «¿cómo pueden invertir tanto dinero en activos fijos?». Estas cifras, realmente, son asombrosas. E incluso si vamos a invertir 220 000 millones de dólares este año, aún dejaremos sin atender una parte considerable de la demanda. Lo que realmente nos ayuda aquí es que tenemos una buena visibilidad de la demanda de los clientes. Así que, si observa las inversiones en capital de AWS y cómo opera su ciclo de efectivo, tiene dos componentes principales: uno es la inversión en centros de datos y el otro, en servidores y redes. Para la parte de centros de datos, debe invertirse aproximadamente dos años antes de poder instalar los servidores y empezar a monetizar. La buena noticia es que esta inversión solo se realiza una vez y constituye un activo duradero, de unos 30 años.

Sin embargo, debe realizarse varios años antes. Los servidores y equipos de red solo requieren inversión unos meses antes, según los componentes específicos. Así que, antes de tomar la decisión final, tiene una buena visibilidad de la demanda de los clientes. Si descubre que realmente no necesita esa capacidad para llenar esos centros de datos, no comprará servidores ni equipos de red. En promedio, recuperan su inversión en unos tres años y actualmente su vida útil es de cinco a seis años.

La mayoría de nuestros contratos tienen una duración de unos cinco años. Así que, al construir tantos centros de datos a tanta velocidad como lo hacemos, se invierte mucho capital y el flujo de caja libre enfrenta presiones en esos años —hasta que, años después, alcanzamos una etapa posterior: todos esos centros de datos están operativos, generando ingresos, y recuperamos las inversiones en servidores y redes. Pero debido a cómo funciona el ciclo de efectivo, los primeros años de crecimiento acelerado sí generan presiones. Por tanto, volviendo a los inicios de AWS, los centros de datos probablemente eran lo último que uno imaginaría que se convertiría en un tema político. Pero ahora estamos en esa situación, especialmente en Estados Unidos.

Es bastante curioso, y creo que usted también lo ha experimentado: no hay lugar en el mundo donde la oposición a los centros de datos sea mayor que en la esfera política estadounidense, independientemente de las razones. Entonces, ¿cómo afectará esta situación finalmente este asunto? Lo que quiero preguntar es: ¿tiene fundamento el argumento en contra de los centros de datos? ¿Y cómo afectará esto, a su vez, su estrategia —qué construye aquí y qué construye en otras regiones? Bien, puedo darle algunos antecedentes que tengo, al menos lo que yo creo. Piénselo: todo lo que hacemos hoy —bolsas de valores, banca, salud, entretenimiento, compras, educación, negocios, transporte compartido— es impulsado por datos y depende, sencillamente, de centros de datos. Nadie puede evitarlo; me opongo a mí mismo, ya no quiero usar mi teléfono.

Pero todos usan centros de datos. Y esto es solo antes de la IA. La IA es la transformación tecnológica más importante de nuestra época —considerando que ya vivimos la era de internet, la nube y el internet móvil, esta afirmación tiene gran peso—. Así que la realidad es que, para apoyar el tipo de crecimiento acelerado que acabamos de mencionar en el ámbito de la IA, la infraestructura necesaria no se ha visto en este país desde que construimos autopistas y puentes en los años 50. Quiero decir que lo que vivimos ahora equivale a ese nivel de construcción. Y este país —creo que el mundo entero es similar, pero quiero mencionar específicamente a Estados Unidos— no puede permitirse el lujo de no construir centros de datos; de lo contrario, descubriremos que otro país, como China, establecerá toda la liderazgo y todas las reglas allí. No creo que ninguno de nosotros quiera eso, ni a nivel nacional ni global.

Así que ahora debemos construir centros de datos. Ahora bien, ¿pienso que, como industria completa, tenemos formas de hacerlo mejor de lo que hacemos ahora? Por supuesto. Siento que las cosas evolucionan rápidamente y todos aprendemos juntos. Pero actualmente circula un lote de ideas —podría llamarlas algo entre mito y desinformación— porque es un tema en el que cualquiera puede encontrar fácilmente un «villano» listo. Políticamente, a veces los oportunistas disfrutan señalar a ese villano. Les doy algunos ejemplos: el agua consumida por la industria del golf o por el cultivo de almendras es mucho mayor que la de los centros de datos.

Solo para dar un dato: los campos de golf consumen 200 veces más agua que todos nuestros centros de datos; su consumo en dos días supera el consumo anual de nuestros centros. Hay muchos ejemplos así, y este es uno bueno. O puede hablarse de contaminación. En realidad, al registrar un nuevo sitio y equipar generadores de respaldo, debe registrarse y declararse: ¿cuáles serían las emisiones si esos generadores funcionaran a plena carga, las 24 horas, los 7 días? Pero, por supuesto, eso nunca ocurre. Los generadores de respaldo funcionan solo una fracción del tiempo, como 10 horas al año para mantenimiento.

Así que, ya sabe, o puede hablar de los precios de la electricidad: al observar las distintas regiones donde tenemos instalaciones masivas de centros de datos, en algunas los precios han subido, mientras que en otras han bajado. Pero el verdadero problema es que, como país, no hemos invertido suficiente en nuestra infraestructura eléctrica. El crecimiento será inevitable, lo que llevará al sistema al punto crítico donde la inversión será indispensable. Y ese impulso lo da la IA: su rápido y masivo crecimiento la convierte en el factor que lo desencadena. Sin embargo, una vez construida la capacidad, en la mayoría de las regiones los precios de la electricidad se estabilizarán o incluso bajarán, como ya ocurrió en Indiana, Georgia o Misisipi.

Hay ámbitos donde podemos mejorar. Otro punto fácil de olvidar es que, en esas regiones, los grandes proveedores de centros de datos pagan impuestos significativos. Por ejemplo, en el condado de St. Joseph (Indiana), hemos pagado unos 3000 millones de dólares en impuestos. La comunidad ha recibido ese dinero y puede destinarlo a lo que realmente le importa. Así, también se beneficia. Hemos desarrollado iniciativas como «Built Together» y acabamos de comprometernos a invertir otros 1000 millones de dólares en las comunidades donde operamos centros de datos durante los próximos cinco años. Creo que debemos seguir trabajando con las comunidades para avanzar en esto: requiere una asociación público-privada. Pero esta fase de construcción es crucial para el futuro del país: imagínese qué habría pasado sin construir las autopistas.

a16z 20:44

Y los puentes: eso definiría la prosperidad económica y los límites de capacidad del país. Por tanto, debemos verlo con perspectiva razonable y convertirnos en socios de las comunidades donde construimos. Volvamos al tema de la inversión de capital. Ese monto de 220 000 millones de dólares equivale a 600 millones diarios. Solo quiero situarlo en contexto. Me interesa saber cómo percibe actualmente la demanda de IA: usted la describió como…

Andy Jassy 21:10

Una estructura de mancuerna. Quizá pueda describir o ubicar el estado actual de la demanda de IA. Primero, el antecedente que mencioné antes: apenas puedo creer lo grande y rápido que ha crecido la IA. Es cientos de veces más rápido que los inicios de AWS; en sus tres primeros años, alcanzamos una escala anualizada de 25 000 millones de dólares en ingresos por IA en AWS. Es realmente enorme. Pero, al mismo tiempo, si analizamos la estructura de la demanda, efectivamente es una mancuerna. Un extremo corresponde a los laboratorios de IA, que consumen cantidades masivas de potencia computacional, a una escala sin precedentes. Luego hay unas pocas aplicaciones destacadas, como ChatGPT, Claude Code, etc.

Andy Jassy 21:59

El otro extremo de la mancuerna son las empresas, que usan principalmente la IA para reducir costos y mejorar la eficiencia, como automatizar atención al cliente, detección de fraudes o automatización de procesos empresariales. El centro de la mancuerna son las cargas de trabajo productivas actuales de las empresas, muchas de las cuales ya corren en AWS y usan inferencia hoy. Pero quiero destacar que la gran mayoría aún no se usa de forma penetrante: creo que esa será, con mucho, la mayor parte del uso de IA. Así lo verá.

Andy Jassy 22:38

Es difícil predecir la velocidad de este proceso. Ocurre cada año en mayor medida. Pero si tomamos una perspectiva más amplia —de cinco a siete años— y consideramos su evolución, no creo que espere hasta entonces: nunca ocurre todo a la vez. Si miramos a cinco o siete años, una proporción considerable, incluso la mayoría, de las aplicaciones empresariales que usamos hoy se emplearán de forma penetrante para inferencia. Aún queda mucho espacio para crecer.

Entonces, ¿cómo ve esto? Porque enfrentamos una escasez inminente de centros de datos, chips y memoria —todo— realmente en 2027, pues todos están construyendo ahora, pero quizás no estarán listos a fin de año, y la demanda no disminuye en absoluto. ¿Cómo evalúa esta situación? Cuando esos grandes laboratorios están dispuestos a pagar casi cualquier precio por electricidad, refrigeración y chips, y tiene clientes históricos que pagan tarifas regulares para operar sus negocios. ¿Existe presión comercial que lo lleve a pensar: «quizá deberíamos dejar de atender a los clientes antiguos y vender a los nuevos, que compiten directamente con nosotros»? Y a los antiguos no les puedo duplicar los precios: no sería justo. ¿Cómo lo ve? Porque es extraño: tiene un grupo de clientes de 20 años, haciendo algo que, como dijo, probablemente evolucione hacia la inferencia; y luego tiene nuevos clientes ávidos, dispuestos a comprar cualquier cosa.

Andy Jassy 24:35

Sí, es una buena pregunta. Nuestra visión difiere ligeramente de lo mencionado, pero la entiendo perfectamente. Si lo piensa, hoy hay una cantidad limitada de centros de datos, energía y memoria, y no creo que esta escasez termine en 2027.

Creo —volviendo al tema de la inversión de capital— que una razón por la que podemos invertir mucho más, sin malgastar capital, es que 2026 ya está prácticamente agotado y 2027 también lo está casi por completo. Siempre reservamos algo para uso bajo demanda, ya sea en nuestro servicio de inferencia Bedrock o en EC2, pero básicamente todo está vendido: todos los bloques grandes ya tienen comprador. Una parte significativa de 2028 también ya está comprometida. La demanda es tan alta que… Si observa el negocio de IA y lo que llamamos negocio central —entendido como la parte no relacionada con IA—, ambos crecen muy rápidamente ahora.

Y si solo tiene cierta cantidad de memoria disponible, debe decidir cuánta asignar a HBM (para aceleradores de IA) y cuánta a DRAM (para su negocio central). Son decisiones reales de equilibrio. Pero quiero enfatizar que nuestro punto de partida es centrado en el cliente.

Para nosotros, tenemos relaciones profundas y colaboraciones sólidas con los clientes de AWS. Igual que durante la pandemia: entonces, nuestros competidores pensaban en cómo optimizar dentro de un trimestre para maximizar ingresos en un mundo donde todos buscaban reducir costos; nosotros adoptamos un enfoque distinto. Enviamos proactivamente equipos para ayudar a los clientes a reducir costos, aunque sabíamos que eso afectaría negativamente nuestros ingresos a corto y mediano plazo. Pero queremos ayudar a los clientes a tener éxito, porque creemos firmemente que, si los ayudamos a largo plazo, nuestro negocio seguirá. Lo mismo aplica al negocio central. Claro que podría hacer cálculos y decidir sacar más rentabilidad de los clientes centrales por la escasez y su disposición a pagar. Pero ellos operan sus negocios en AWS y todas sus aplicaciones centrales corren allí.

No exprimiremos a nuestros clientes; garantizaremos su escalabilidad. Nuestra labor consiste entonces en encontrar formas de maximizar la capacidad disponible, para que no solo nuestros clientes principales, sino también todos los que deseen usar IA con nosotros —y quienes quieran desarrollar IA con nosotros— puedan hacerlo de forma económicamente sostenible para nosotros. Por eso, me gustaría poder decirles que la escasez de oferta será un problema únicamente en 2027; sin embargo, creo que la veremos en distintos componentes durante varios años. Siempre hemos actuado con agresividad y, según mi criterio, desplegamos más capacidad que cualquier otro, pues estamos profundamente comprometidos y enfocados en seguir siendo un líder significativo en infraestructura e IA, tal como siempre lo hemos sido.

Pero, como dije, este año invertiremos 220 000 millones de dólares, y podríamos haber invertido mucho más. Eso no supondría un uso inadecuado del capital. Además, desde una perspectiva a medio y largo plazo, es probable que sigamos sin satisfacer toda la demanda. La demanda actual es simplemente asombrosa. Siguiendo con este tema: en 2015 realizaron una adquisición: Annapurna Labs. En aquel momento, probablemente no anticipaban la enorme demanda de IA que surgiría, pues entonces era muy limitada. ¿Qué motivó esa decisión? ¿Y cómo ha generado retornos en este nuevo contexto? Sí, considero que el equipo de Annapurna es uno de los más talentosos con los que he tenido el privilegio de trabajar; es, sin duda, una de las mejores adquisiciones de la historia de Amazon, si no la mejor.

Sí, previmos ciertos aspectos, pero no adquirimos Annapurna específicamente para chips de IA. He aquí el punto clave: al alcanzar cierta escala, se accede y observa a gran nivel los patrones de comportamiento de los clientes, y se comprende que, mediante integración vertical y desarrollo interno de ciertas capacidades, se puede ofrecer mayor valor a los clientes y mejorar también la economía del negocio. Así, el punto de partida de Annapurna con nosotros fue centrarse en los servidores EC2 básicos: sentíamos que dedicábamos demasiados recursos de servidor a virtualización, redes, seguridad y almacenamiento, y queríamos utilizar casi el 100 % de esos recursos para ofrecer potencia computacional a los clientes.

Así, antes de adquirirlos ya colaborábamos con Annapurna en esta tarjeta de interfaz de red (NIC), trasladando dichos componentes a la NIC para liberar la mayor cantidad posible de servidores destinados exclusivamente al cómputo. Nos encantó tanto este equipo como el producto que creamos juntos. Comprendimos que lo que íbamos a comprar acabaría instalándose prácticamente en cada servidor EC2 —y efectivamente así fue, en todos nuestros servidores.

Por tanto, la adquisición inicial se debió a que se convertiría en una capacidad fundamental de nuestra potencia computacional; además, al ser un equipo tan talentoso en diseño de chips, pensamos que probablemente podría desarrollar otros también. En aquella época manteníamos una asociación muy estrecha con Intel —y aún hoy conservamos una profunda colaboración con esa empresa. Sin embargo, el problema era que Intel poseía entonces casi toda la cuota de mercado de CPUs; y cuando un socio concentra casi todo el mercado, suele priorizar funciones que le otorguen más cuota y mayores ingresos, no la optimización de costos.

Por cierto, esto es totalmente comprensible: forma parte de la dinámica del mercado y de la razón del «dilema del innovador». Así pues, buscábamos impulsar la eficiencia de costos, pero era difícil captar su atención. No obstante, nuestros clientes deseaban migrar cada vez más cargas de trabajo locales a la nube y exigían mayor eficiencia de costos. Por ello, lo siguiente que encargamos al equipo de Annapurna fue diseñar un chip CPU. Así nació Graviton: hoy, el 99 % de nuestros 1000 principales clientes EC2 lo usan ampliamente. Su eficiencia de costos supera en un 40 % a la de otros procesadores x86, lo que ha tenido un impacto enorme tanto para nuestros clientes como para nuestro negocio. Pocos años después, vimos repetirse la misma situación en el campo de la IA: existía, efectivamente, un proveedor dominante muy fuerte. Manteníamos una asociación profunda con él —y seguimos colaborando estrechamente, y así continuaremos previsiblemente en el futuro.

Pero dicho proveedor tenía un mercado inmenso y numerosos productos y prioridades distintas. Y sabíamos que nuestros clientes necesitaban mayor eficiencia de costos, razón por la cual creamos dentro de Annapurna otro equipo dedicado a aceleradores de IA, denominado Trainium, cuya eficiencia de costos es también un 30 % a 40 % superior a la de procesadores comparables. Y, al hablar de la parte central de la barra —lo que acabamos de discutir—, si nos preguntamos qué cambiará esa parte central para permitir que más aplicaciones empresariales actuales usen inferencia, hay varios factores. Parte de ello es el talento: algunas personas ya están familiarizadas con el ajuste posterior al entrenamiento, y se requiere una capacidad organizativa capaz de priorizar, definir qué abordar y cómo hacerlo.

Pero una parte importante radica en que los costos de inferencia han disminuido considerablemente en los últimos años, aunque, en mi opinión, siguen siendo unas diez veces más altos de lo necesario para su adopción masiva. Porque si se quiere que las empresas reescriban aplicaciones que actualmente corren en CPUs para usar aceleradores de IA, y la diferencia de costos entre ambas opciones es muy grande, entonces deben obtener beneficios incrementales muy elevados con los aceleradores para justificar la reescritura —una barrera mucho más alta. Pero si reducimos los costos de inferencia, dicha barrera se reduce notablemente, y todas las aplicaciones se volverán mejores, más inteligentes y potentes gracias a los aceleradores y a la inferencia. Así pues, reducir los costos de inferencia es un eslabón crítico para la adopción generalizada de la IA por los clientes, y nuestro negocio de chips contribuye significativamente a ello. Sí, efectivamente. Desde nuestra propia experiencia, puedo decirles que puede volverse realmente costoso: un empleado gastó 2 millones de dólares en los últimos años —haciendo un trabajo valioso.

Pero sí, la sensación en ese momento era: bueno, la inferencia no es realmente barata. Así que una de las acciones que tomaron fue realizar inversiones importantes, especialmente en Anthropic y OpenAI, con montos muy elevados: recuerdo 18 000 millones de dólares en Anthropic y unos 50 000 millones en OpenAI. ¿Qué los llevó a hacer esto? Y este tipo de inversiones, junto con otras similares en Nvidia y otras empresas, ha generado cierta preocupación en Wall Street, pues les recuerda los malos tiempos de la burbuja de internet. ¿Cómo valoran esto —especialmente considerando que también son sus clientes? ¿Por qué es razonable? Ambas empresas cuentan con equipos sobresalientes y son compañías impresionantes; su ritmo de crecimiento empresarial —al menos en ingresos— es algo que, según creo, nunca antes habíamos visto. Realmente, es increíble.

Para nosotros, se trata de una combinación de varios factores: el tipo de equipos que son, la tecnología y los modelos que desarrollan, y algunas de las aplicaciones que crean; creemos firmemente en el carácter transformador de la IA; confiamos en que serán dos de las empresas más exitosas en este campo durante mucho tiempo —por supuesto, no todos los actores del sector triunfarán, pero surgirán muchas empresas muy exitosas, y creemos que ellas serán dos de ellas. Además, colaboramos muy estrechamente. Empecemos por Anthropic: llevamos más tiempo colaborando con ellos. Muchos de nuestros clientes ejecutan Anthropic en nuestro servicio de inferencia Bedrock. Y creo que los clientes que lo hacen en Bedrock obtienen los mejores resultados. Colaboramos profundamente con ellos en chips: llevan tiempo construyendo sobre Trainium. Considero que esto es muy beneficioso tanto para Anthropic como para nuestro equipo Trainium; ambos lados, sin duda, han aprendido mucho mutuamente. Así pues, tenemos una colaboración profunda —ya sea por nuestra fe en el futuro de la IA, en estas empresas o en la colaboración misma—, lo que hace perfectamente razonable invertir como parte de dicha alianza.

Luego, del lado de OpenAI, simplemente tenemos a muchos clientes que desean usar OpenAI en AWS, pero no podían hacerlo debido a acuerdos comerciales previos. Durante mucho tiempo, ambas empresas han mantenido un gran respeto y disposición para colaborar. Así pues, tras una serie de conversaciones prolongadas durante varios meses, logramos ejecutar OpenAI en Bedrock; creamos juntos un producto único: un entorno de ejecución con estado, y creo que todos los agentes inteligentes se construirán así en el futuro: necesitarán estado. Además, Anthropic realizó compromisos plurianuales y de varios gigavatios con Trainium. Creemos que será una de las empresas más exitosas del sector durante mucho tiempo. Todo esto nos lleva a considerar razonable profundizar la colaboración e inversión. Cambiando de tema, hablemos de cómo usan la IA para construir una empresa. Recuerdo que dijiste que el equipo de Bedrock reconstruyó su motor de inferencia con seis ingenieros en 76 días, mientras que originalmente habrían hecho falta 40 personas trabajando un año. Es una diferencia notable.

Y ya sabes, Amazon es conocida por sus «equipos de dos pizzas». Entonces, ¿cuál es tu pensamiento sobre el diseño organizacional actual? Esta tecnología parece cambiarlo todo. A lo largo de los años, nos hemos vuelto extremadamente especializados: tenemos diseñadores, gerentes de producto, ingenieros front-end, ingenieros back-end, etc. Ahora, sin embargo, todos parecen volver a ser generalistas. Desde una perspectiva de diseño organizacional, ¿cómo ves este cambio? Sí, estoy de acuerdo contigo. Creo que la experiencia de Bedrock que mencionaste fue muy reveladora para todos aquí.

También dedicamos mucho tiempo a compartir internamente esa historia para inspirar a las personas y recordarles lo que es posible. Porque con el tiempo, estos hechos ocurrirán: llevo 29 años en la empresa. Empecé como asistente de gerente de producto y entonces yo mismo gestionaba, no sé, cinco productos. Hoy, al tener éxito la empresa, crecer y ampliarse sus productos, llegamos a un punto donde un gerente de producto trabaja solo en un producto y solo gestiona una parte específica, como los precios, por ejemplo. Todos nos volvimos más especializados y aceptamos que, para crecer y tener éxito, este es el camino. Pero no es así, y al observar lo que hace la IA, definitivamente no lo es.

Tomemos solo la semana pasada: estamos trabajando en agentes inteligentes para el negocio de consumo. Hemos invertido mucho allí, pero tuvimos una idea muy prometedora y decidimos el jueves probar si podíamos crear un prototipo verdaderamente funcional. ¿El resultado? Cuatro o cinco personas comenzamos a trabajar el fin de semana y, para el domingo, ya estaba operativo al 80 % de listo para su lanzamiento. Es cierto: son dos mundos completamente distintos. Así que, para el futuro de las organizaciones, creo que, primero, habrá menos personas realizando las tareas que hacemos hoy. Basta ver cuánta programación realizan ya los agentes inteligentes, y cuánto trabajo de atención al cliente, inteligencia empresarial e investigación están asumiendo.

Sí, imagínalo avanzando rápido: ¿cómo se crearán las tablas?, ¿cuántos abogados necesitarás? —simplemente creo que no desaparecerán las personas, pero sí se necesitará menos personal; antes, al crecer los negocios, seguimos añadiendo más empleados, pero el futuro no será así. Surgirán trabajos distintos y nuevos, algunos ya conocidos y otros aún desconocidos. Con el avance de la IA, los robots y el espacio, aparecerán diversos empleos nuevos, pero menos personas realizarán las tareas actuales. Creo que los equipos serán mucho más pequeños que ahora: tendrán integrantes que trabajen transversalmente; no bastará asignarle a una persona una pequeña fracción porque los modelos pueden ayudarte a alcanzar el 80 %. En muchas funciones distintas, cada equipo partirá de una base mucho más alta que antes, lo que permitirá innovar de forma más amplia y rápida.

Sí, creo que hay muchas cosas que deben cambiar. La mayoría de las startups actuales nacen desde el inicio con un enfoque tipo agente o nativo de IA. Y todas las empresas consolidadas que llevan tiempo operando deben descubrir cómo desarrollar a la misma velocidad. Creo que algunas lo lograrán. Siempre ocurre que, cuando una empresa grande posee múltiples capacidades y una base fiel de clientes, algunas tardarán mucho en adaptarse y, desde mi punto de vista, serán más vulnerables frente a las startups.

Predigo que las empresas deberán reescribir casi todo su código para dotarlo de capacidades de agente; deben permitir que los agentes actualicen distintos fragmentos de código y establecer restricciones al respecto. Considero muy interesante, por ejemplo, el tema de la seguridad. Si observas las tensiones recientes en torno a los modelos, en el último mes o dos, todas se centraron en escenarios más fantásticos.

Por cierto, esos escenarios son posibles: ¿puede una botnet maliciosa tomar el control total? Creo que sí; ¿es posible inyectar intenciones maliciosas en robots? También es posible. Personalmente, creo que, como industria, junto con los sectores público y privado, trabajaremos juntos para resolver este problema. Pero debemos empezar centrándonos en aspectos concretos. Sí, pero lo interesante es que, según mi opinión, la discusión sobre esos riesgos recientes es insuficiente: principalmente giran en torno a la ciberseguridad. Estos modelos son tan potentes que pueden detectar muchas más vulnerabilidades de las que los humanos jamás encontraron antes. Podrías debatir si los humanos podrían haberlas hallado, pero lo cierto es que no lo hicieron. Así que, mirando hacia adelante, creo que las aplicaciones deberán responder a amenazas urgentes de seguridad en minutos.

La situación actual es: encuentras una vulnerabilidad, alguien la clasifica, alguien desarrolla un parche; e incluso si esta parte se resuelve rápidamente, la mayoría de las empresas tardan mucho en implementarlo por diversas dependencias. En el futuro, las implementaciones deben completarse en minutos. Así que, si no has reescrito realmente tus aplicaciones para que los agentes puedan actualizarlas, no tendrás ninguna oportunidad en ese nuevo mundo. Por tanto, creo que todas las organizaciones se reinventarán, y las empresas que prioricen esta transformación estarán en una posición mucho mejor que las que no lo hagan.

Sí, y parece que, como industria, no hemos arquitectado bien prácticamente nada —desde sistemas grandes hasta dispositivos embebidos— con una arquitectura de seguridad en mente. Ha llegado el día del ajuste de cuentas. Pero creo que la buena noticia es que esto representa una enorme oportunidad para nuevas empresas, nuevos intentos y personas que quieran innovar. Pero sí, como dijimos, esta amenaza —esos riesgos teóricos, experimentales— bien podrían ocurrir o no. Pero esto es claro y real.

Sí, casi todos los socios y clientes con los que hablamos en el lado de AWS, independientemente de su tamaño, están preocupados por la seguridad. Sabes, tenemos un negocio de servicios profesionales que ayuda a los clientes con esto, y creamos un servicio llamado Continuum, capaz de identificar numerosas vulnerabilidades y generar parches. Pero esto, ya sabes, es más fácil decirlo que hacerlo. De hecho, muchas empresas y muchos ingenieros, a veces, sienten que enfocarse en la seguridad no es muy emocionante, y es fácil postergarlo hasta que ocurra un problema. Pero si proteges datos importantes, esa es una mala idea. Además, creo que en la mayoría de las empresas —volviendo a nuestra conversación anterior— la especialización en seguridad probablemente sea el peor escenario: tienes ingenieros de seguridad muy especializados que no les gusta colaborar con otros ingenieros y que son recursos escasos, entre otras cosas.

El resultado es que, en la mayoría de las empresas —especialmente en las empresas de software—, sus prácticas de seguridad al desarrollar software no son muy buenas. Creo que esto debe cambiar claramente. La buena noticia es que contamos con herramientas que pueden ayudar a resolver este problema. Siguiendo lo que mencionaste, la buena noticia es: debes contratar pentesters, pero el número de personal especializado en seguridad que puedes contratar es limitado y solo puede cubrir una cantidad finita de aplicaciones. Los modelos combinados con la automatización te permitirán realizar pruebas de penetración más exhaustivas en toda la superficie de ataque y descubrirás hallazgos que quizás no habrías encontrado sin una suerte excepcional. Así, al observar este mercado, algo interesante es que, con la IA, puedes lograr mucho. Una forma es usarla para reducir costos, disminuyendo el número de contadores o abogados necesarios.

Actualmente, varias firmas de capital riesgo afirman: «Bueno, compraremos esas empresas antiguas y reduciremos sus costos». Esto nunca nos ha interesado realmente, porque pensamos: «Si esa es tu idea, entonces es demasiado limitada». Otra vía es crear algo que el mundo nunca haya visto: ¡eso sí es emocionante! Pero existe una tercera opción, como ocurrió con Alexa: tienes un producto exitoso y decides replantearlo por completo gracias a una nueva plataforma. ¿Cómo se llega a ese punto? ¿En qué circunstancias tiene sentido hacerlo? Sí, creo que has planteado una distinción interesante en tres partes. Y, tal como comentamos, las organizaciones cambiarán profundamente y se volverán más ágiles.

Si lo haces bien, permitirás que tus mejores creadores y equipos pequeños desarrollen precisamente ese segundo tipo de innovaciones: cosas que nadie ha visto antes. Además, cuando tienes la experiencia mencionada anteriormente —lograr llevar una nueva idea al 80 % en cuatro días—, eso resulta increíblemente motivador para las personas, que dedicarán más tiempo libre y más recursos mentales a generar nuevas ideas. Para mí, esta es una de las partes más fascinantes de lo que está ocurriendo con la IA.

También creo que, para las empresas ya establecidas que ofrecen experiencias exitosas a gran escala, si entienden la IA únicamente como una forma de mejorar progresivamente dichas experiencias, es probable que dentro de tres a cinco años pierdan su ventaja competitiva. Porque estoy convencido de que cada experiencia conocida —incluso las que parecen menos susceptibles de cambio— será notablemente distinta dentro de unos años debido a la IA.

Esto implica que, si lo que buscas va más allá de mejoras incrementales, debes encontrar la forma de que el equipo replantee desde cero cómo deberían ser estas aplicaciones —suponiendo que las construyeras hoy con todas las tecnologías disponibles. En algunos casos, como con Alexa, es bastante obvio que debemos hacerlo. Su «cerebro» fue muy creativo en su momento. Pero, gracias a la IA generativa, sus capacidades actuales son completamente distintas; así que, para ofrecer una excelente experiencia al cliente y mantenerse relevante a largo plazo, debemos reconstruir ese «cerebro». Es obvio, sí, pero también muy difícil: los equipos tienen una conexión emocional con lo que crean, sienten orgullo por su trabajo y llevan consigo cicatrices duramente ganadas sobre qué funciona y qué no.

Lograr que empiecen desde cero y replanteen todo requiere tiempo, pues los equipos dirán: «No hacemos eso así; ya lo intentamos y no funcionó», o algo similar. Pero lo que resulta aún más difícil es reinventar otras experiencias de consumo —como nuestro negocio minorista, Prime Video, Fire TV o Prime Music—, donde hoy existen soluciones tecnológicas mucho mejores, aunque no sea tan evidente. Sin embargo, creo firmemente que en cada uno de estos negocios debemos reinventarnos, y ya contamos con equipos trabajando en versiones radicalmente replanteadas.

¿Crees que acertaremos desde el inicio? Probablemente no. Encontraremos formas de iterar progresivamente, pero ya está generando todo tipo de ideas novedosas y experiencias al cliente que nos resultan muy atractivas. Entonces, la carrera interesante será: ¿prefieres una experiencia completamente distinta —casi como una aplicación nueva—, o deseas que esas novedades avancen lo suficiente como para integrarlas gradualmente en la experiencia actual, transformando sustancialmente la experiencia general del cliente en los próximos dos o tres años? A medida que identifiques los elementos que funcionan. Pero sí creo que, para ser un líder exitoso, cada una de estas experiencias debe cambiar significativamente en los próximos años.

Sí, este es un desafío directivo muy complejo. Me recuerda cuando comencé como ingeniero y discutía algo con alguien. Mi jefe me dijo: «Escucha, Ben: debes entender una cosa: antes de escribir la primera línea de código, todo está abierto al debate; después de eso, se convierte en una creencia». Supongo que tú viviste algo similar con Alexa. Lo interesante es que todo ese conocimiento, experiencia y aprendizaje acumulado para construir lo original… ahora estamos dispuestos a renunciar a gran parte de ello para ingresar a este nuevo mundo.

Por cierto, ocurre lo mismo con los clientes: tendrás un amplio grupo que ama la experiencia actual, ¿verdad? Sí, toda transformación importante —al menos según mi experiencia, aunque quizás puedas citar ejemplos distintos— exige un cambio masivo: la tecnología, el producto, la experiencia del cliente y los elementos comerciales deben ser lo suficientemente convincentes como para motivar a la gente a cambiar. Pero incluso así, no sucederá de forma automática. Se trata de una gestión del cambio a gran escala, igual que al migrar de despliegues locales a la nube: muchos líderes de infraestructura sienten gran orgullo por lo construido, lo conocen a fondo, están en el centro de la acción y no quieren aprender cosas nuevas.

Sucederá lo mismo, tal como mencioné antes. Esto se aplicará también a la reinención de todas tus experiencias al cliente. Todos sentimos orgullo por lo construido en la última década, todos tenemos cien ideas para mejorarlo, todos estamos entusiasmados y dedicamos todas nuestras horas despiertas a ello. Pensar «¿cómo empiezo desde cero?» es difícil tanto racional como emocionalmente. Sin duda alguna.

a16z 53:06

Además, Andy, hace unas semanas lanzamos Harwood’s y Jason Academy para ayudar a los jóvenes a prepararse para esta transformación de la que hablamos. Mencionaste que la IA facilita la construcción, pero los jóvenes aún necesitan aprender, sabes, una verdadera especialización. Me interesa: si tuvieras 18 años en 2026, ¿qué consejo te darías a ti mismo para prepararte para esta transformación?

Andy Jassy 53:29

Bueno, tengo un hijo de 25 y otro de 22 años. Creo que el de 22 empezó a destacar a los 19. Rápidamente entendí: no puedes prohibirles usar la IA en la educación. Ese barco ya zarpó, o ese tren ya partió. Y pienso que lo más sensato que pueden hacer las universidades es no resistirse. Es simplemente una herramienta que las personas usarán.

Andy Jassy 53:54

Pero al mismo tiempo, creo que todos los jóvenes —y lo digo también para nosotros, pues tenemos mucha gente y una fuerte cultura escrita, donde todos usan la IA para redactar— pueden identificar fácilmente lo escrito por IA: simplemente no encaja del todo, esas partes no están bien integradas. Así que mi consejo para los jóvenes —y también para mis hijos— es:

Andy Jassy 54:18

No puedes escapar de ello, ya lo sabes, ni esperar que desaparezca. Tendrá un impacto enorme en tu vida, en cada experiencia que intentes vivir y en tu trabajo; además, te permitirá inventar de formas que antes no eran posibles. Por eso debes comprenderlo bien, aprenderlo por tu cuenta y usarlo mucho. Debes probarlo: haz cosas que estén fuera de tu zona de confort.

Andy Jassy 54:48

Ninguno de mis dos hijos es desarrollador, pero ambos han usado IA para crear aplicaciones. Trátala como el eje central para organizar tu día y usar herramientas en el trabajo. Sin embargo, no creo que reemplace el razonamiento crítico ni el pensamiento analítico. Lo mismo aplica a las universidades. Suelo reflexionar sobre esto desde distintas perspectivas: por ejemplo, en una escuela de negocios analizas tres casos, lees mucho, tomas notas y defines los problemas clave. Luego recibes materiales complementarios, sobre los que también debes tomar notas. Finalmente, integras tus conclusiones sobre qué debería hacer la empresa. Muchas personas no hacen esta tarea: no leen, no investigan ni toman notas. La IA puede ayudarte con todo esto y elevar más rápido el nivel inicial de todos.

Andy Jassy 55:52

Pero también quiero destacar que conectar realmente esos puntos o fragmentos —ya sea para formular una estrategia, una idea, un plan, un nuevo producto o una experiencia innovadora para el cliente— no creo que la IA lo haga por la mayoría de las personas, la mayor parte del tiempo. No digo que nunca sucederá.

Andy Jassy 56:10

Sigo creyendo que se necesita el juicio humano, la creatividad, la capacidad de inventar, el espíritu experimental y la habilidad para integrar todas las piezas y crear experiencias y empresas extraordinarias. Así que sí, usa estas herramientas: serán de gran ayuda, pero sigo considerando fundamental el razonamiento y el pensamiento críticos en todo lo que hacemos. Estamos llegando al final. Tu negocio es como…

a16z 56:43

Desde conexiones satelitales hasta robots y atención médica: ¡tan diverso! Esta ambición es increíble. Piensa en cómo empezó: vendiendo libros por internet, y ahora ha evolucionado hasta esto. ¿Cómo ves lo que une estas distintas…

Andy Jassy 57:00

líneas de negocio? ¿O cómo decides en cuáles vale la pena invertir años? ¿Cómo evitas dispersarte demasiado? ¿Y cómo entiendes este panorama tan amplio?

Andy Jassy 57:11

Bueno, diría algunas cosas. Primero, estamos en medio de las tres mayores transformaciones de nuestra vida —quizá de la historia—: la IA, la robótica y el desarrollo espacial. Son enormes y cambiarán radicalmente muchas experiencias de los clientes. Y estamos justo en el centro de estas tres grandes transformaciones.

Andy Jassy 57:40

Si observas lo que hacemos en retail y cómo usamos robots, o lo que hacemos en IA —como facilitar a creadores internos y externos el desarrollo exitoso de aplicaciones y agentes de IA, además de reinventar todas nuestras experiencias para consumidores—

Andy Jassy 57:58

Si piensas en Amazon Leo —la constelación de satélites en órbita terrestre baja que construimos para los 500 millones de hogares sin conectividad de banda ancha— hay una serie de transformaciones increíbles en marcha, y tenemos la oportunidad de ayudar a los clientes a aprovecharlas para mejorar sus vidas. Nuestra forma de actuar beneficia tanto a los clientes como a nuestro negocio sostenible a largo plazo. Creo que podemos volvernos más relevantes para los clientes en más ámbitos. Ni siquiera menciono lo que hacemos en el sector de comestibles, transporte autónomo o atención médica, entre otros.

Andy Jassy 58:47

Respecto a cómo estamos organizados, durante años hemos mantenido debates internos —y muchos externos nos han hecho la misma pregunta—: ¿nos estamos dispersando demasiado? Creo que depende, en parte, de cómo te organices y de cuánto estés dispuesto a invertir. No dejamos que el mismo grupo gestione múltiples negocios; adoptamos un modelo descentralizado de «hilo único». Si tienes líderes y creadores adecuados en esos equipos, si la experiencia es lo suficientemente grande como para impulsar métricas de crecimiento y si cuentas con ideas diferenciadas en un área poco atendida, puedes perseguir varias de estas iniciativas simultáneamente —y así lo hemos hecho durante mucho tiempo. Luego, todo se reduce a tu disposición para invertir.

Algunas empresas —totalmente comprensible— dicen: «Solo queremos enfocarnos en lo nuestro, en nuestro negocio principal y su crecimiento». Por cierto, esa también puede ser una estrategia muy exitosa. Nosotros también estamos muy enfocados en seguir expandiendo y fortaleciendo nuestro negocio actual, y lo estamos haciendo bastante bien, a buen ritmo. Pero hay muchas otras experiencias de cliente que sabemos que nuestros clientes quieren que resolvamos —y que podemos resolver—, lo que beneficiará a los clientes y transformará nuestro negocio a largo plazo. Así que seguiremos avanzando en ellas. Es una conclusión inspiradora: ambición sin límites. Andy, muchas gracias por participar en el programa. Sí, gracias por invitarme. Muchas gracias a todos.