Mira Murati lleva menos de un año al frente de Thinking Machines Lab y ya ha lanzado su primer modelo de inteligencia artificial. La exdirectora de tecnología de OpenAI apunta directamente a sus antiguos empleadores con una propuesta que los grandes del sector han ignorado: modelos que las empresas puedan personalizar de verdad, adaptados a sus datos, sus procesos y sus marcos legales específicos.
De OpenAI a competidora directa: la trayectoria de Mira Murati
Murati no es una fundadora más de startup tecnológica. Fue directora de tecnología de OpenAI durante años críticos, cuando la compañía pasó de ser un laboratorio de investigación a convertirse en el nombre más reconocido de la inteligencia artificial global. Supervisó el desarrollo de GPT-4 y de ChatGPT, los productos que definieron el mercado tal como existe hoy.
Su salida de OpenAI en septiembre de 2024 fue abrupta y llamó la atención de toda la industria. Murati anunció su marcha apenas días después de que Sam Altman recuperara la dirección ejecutiva de la compañía, tras el turbulento episodio del consejo de administración de noviembre de 2023. La coincidencia de tiempos alimentó especulaciones que ella nunca ha confirmado públicamente.
Thinking Machines Lab se constituyó poco después. La empresa opera desde San Francisco y ha atraído a varios ingenieros y científicos que también procedían de OpenAI y de otros laboratorios de primer nivel. La identidad del equipo fundador completo no se ha hecho pública, pero la reputación de Murati bastó para generar expectativa desde el primer día.
El modelo que Thinking Machines Lab lanza contra OpenAI y Anthropic
El primer modelo de Thinking Machines Lab ya está disponible. Su característica central no es la potencia bruta, sino la adaptabilidad. Frente a los grandes modelos de OpenAI, como GPT-4o, o de Anthropic, como Claude 3.5, que ofrecen capacidades generales muy amplias pero con márgenes de personalización limitados, Thinking Machines Lab propone una arquitectura diseñada para moldearse según las necesidades del cliente.
La diferencia práctica es significativa. Una empresa del sector financiero que trabaje con regulación europea, por ejemplo, no puede simplemente conectar un modelo genérico a sus sistemas internos y esperar resultados fiables. Necesita un modelo que entienda su terminología, respete sus restricciones de privacidad, opere dentro de sus flujos de trabajo y no genere respuestas que contradigan sus obligaciones legales. Eso es exactamente lo que Thinking Machines Lab dice ofrecer.
El enfoque recuerda al que han intentado, con distinto éxito, empresas como Cohere o Mistral AI. Pero Murati llega con un capital de credibilidad que ninguna de esas compañías tenía en su lanzamiento: conoce desde dentro cómo se construyen los modelos más avanzados del mundo y, sobre todo, conoce sus límites.
Por qué los modelos de propósito general tienen un techo para las empresas
Los modelos de OpenAI y Anthropic son extraordinariamente capaces en tareas generales. Redactan, resumen, codifican, analizan. Pero las empresas que los integran en sus operaciones se topan con una fricción constante: el modelo no sabe nada de su negocio específico, y adaptarlo requiere ingeniería costosa, ajuste fino que no siempre está disponible en los planes comerciales estándar, y una dependencia total de las decisiones que tome el proveedor sobre su propio producto.
Cuando OpenAI actualiza GPT-4o, lo hace para todos sus clientes a la vez. Una empresa que había afinado sus flujos de trabajo en torno a un comportamiento concreto del modelo puede encontrarse con que ese comportamiento cambia de un día para otro. La personalización real, la que permite a una organización tener un modelo que se comporte de forma estable y predecible según sus propias reglas, sigue siendo una promesa incumplida en los planes de acceso masivo.
Thinking Machines Lab apuesta por resolver exactamente esa fricción. No compite en el segmento del consumidor final, donde ChatGPT tiene una ventaja de marca casi imposible de erosionar. Compite en el segmento empresarial, donde la fiabilidad, la adaptabilidad y el control sobre el modelo valen más que el nombre en el logotipo.
El mercado empresarial de IA: el terreno donde se decide la próxima batalla
El segmento empresarial de inteligencia artificial es el de mayor crecimiento y, también, el más disputado. OpenAI ha lanzado ChatGPT Enterprise para atacarlo. Anthropic ha firmado contratos con Google y con Amazon precisamente para llegar a clientes corporativos a través de sus infraestructuras de nube. Microsoft ha integrado los modelos de OpenAI en su suite de productividad y los vende a empresas de todo el mundo bajo la marca Copilot.
En ese contexto, Thinking Machines Lab no entra como el actor más grande ni con la distribución más amplia. Entra con una propuesta de valor diferenciada: no te ofrezco el modelo más potente del mercado, te ofrezco el modelo que mejor se adapta a lo que tú necesitas. Es una apuesta por el nicho de alta personalización frente a la escala bruta.
El riesgo es real. OpenAI y Anthropic tienen recursos financieros enormes, equipos de miles de personas y contratos con las mayores empresas del mundo. Thinking Machines Lab es, por ahora, una startup con un primer modelo y una fundadora de alto perfil. Pero el mercado de IA empresarial ha demostrado repetidamente que la especialización puede derrotar a la escala cuando el problema del cliente es lo suficientemente específico.
Personalización como ventaja competitiva: un escenario de uso concreto
Imaginemos un despacho de abogados con sede en Madrid que gestiona litigios en varios países de América Latina. Sus documentos internos están en español, portugués e inglés. Sus obligaciones de confidencialidad son estrictas. Sus flujos de trabajo son específicos: revisión de contratos, análisis de jurisprudencia, redacción de escritos con terminología procesal precisa.
Un modelo de propósito general puede ayudar con tareas básicas, pero cometerá errores terminológicos, ignorará las particularidades del derecho procesal de cada jurisdicción y requerirá supervisión constante. Un modelo ajustado específicamente sobre la base de datos del despacho, con sus propias plantillas, su vocabulario y sus restricciones, puede integrarse en el flujo de trabajo real y reducir el tiempo de revisión de documentos de forma medible.
Ese es el tipo de cliente al que apunta Thinking Machines Lab. No el usuario individual que escribe prompts en ChatGPT, sino la organización que necesita que la IA funcione dentro de sus sistemas, con sus reglas, sin depender de que un proveedor externo decida cuándo y cómo actualiza el producto.
Impacto en España y Latinoamérica: la oportunidad de la dependencia reducida
Para empresas en España, México, Colombia y Argentina, la llegada de nuevos competidores al mercado de modelos empresariales tiene una implicación directa. La concentración actual en dos o tres proveedores estadounidenses crea una dependencia estructural que muchas organizaciones han empezado a cuestionar, especialmente tras la entrada en vigor del Reglamento Europeo de Inteligencia Artificial.
El AI Act europeo, aplicable en España y con influencia creciente en marcos regulatorios latinoamericanos, exige a las empresas que usan IA en decisiones de alto riesgo un nivel de control y trazabilidad sobre los modelos que utilizan. Ese nivel de control es difícil de garantizar cuando el modelo pertenece íntegramente a un tercero que puede modificarlo sin previo aviso.
Un proveedor que ofrezca modelos personalizables y con mayor transparencia sobre su arquitectura puede convertirse en una opción atractiva para sectores regulados como la banca, los seguros, la salud o los servicios jurídicos en mercados hispanohablantes. Thinking Machines Lab aún no ha detallado su estrategia de distribución fuera de Estados Unidos, pero la propuesta de valor encaja con una necesidad real y creciente en estos mercados.
Thinking Machines Lab, OpenAI y Anthropic: tres escenarios para los próximos doce meses
El lanzamiento del primer modelo de Murati abre al menos tres trayectorias posibles. En la primera, Thinking Machines Lab consigue tracción en el segmento empresarial de alta personalización, atrae clientes que los grandes no pueden servir bien y se establece como referencia en ese nicho, lo que le permite levantar financiación adicional y ampliar el equipo.
En la segunda, OpenAI y Anthropic aceleran sus propias capacidades de personalización empresarial, reducen la ventana de diferenciación y convierten a Thinking Machines Lab en un competidor marginal antes de que alcance escala suficiente. Ambas compañías tienen los recursos para hacerlo y la motivación para no ceder ese segmento.
En la tercera, y quizá la más interesante para el sector, Thinking Machines Lab demuestra que hay demanda suficiente para modelos de nicho bien construidos y atrae la atención de un comprador estratégico, ya sea una consultora tecnológica global, una empresa de software empresarial o incluso uno de los grandes proveedores de nube que buscan diversificar su oferta de modelos.
Lo que ven los inversores
Lo que ya es innegable es que Mira Murati ha convertido su conocimiento interno de OpenAI en el activo fundacional de una empresa que compite directamente con ella. En un mercado donde la credibilidad del equipo fundador pesa tanto como el producto en sí, eso no es un detalle menor.
Imagen ilustrativa generada con inteligencia artificial.
Edición con asistencia de herramientas de IA bajo supervisión editorial. Cómo trabajamos.
Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico. Cada artículo se elabora con la asistencia tecnológica de Iberia y se revisa antes de publicarse. Más sobre cómo trabajamos →
