El ciclo del hype: de ChatGPT a Grok en 3 años — y por qué cambiar de proveedor de IA cada lanzamiento está fragmentando tu operación

La masa está migrando otra vez. Primero fue ChatGPT. Luego Gemini. Después Claude. En julio, con el lanzamiento de GPT-5.6 Sol y Codex, "todos" volvieron a OpenAI. Y ahora, con Grok Bot de SpaceXAI — agentes 24/7 con un PC en la nube propio por $200 al mes — la conversación de cada feed, de cada comunidad, de cada LinkedIn es la misma: "¿ya probaste Grok? ¿Migraste?".

Y aquí está el problema que nadie en esa conversación está señalando: cada una de esas migraciones dejó un rastro de fragmentación. Embeddings que no se portan, prompts afinados a un modelo que ya no usas, integraciones que dependen de una API que cambió, datos que quedaron atrapados en la plataforma de la que te fuiste. La operación no se volvió más ágil con cada salto — se volvió más fragmentada, más dependiente y más cara de deshacer.

Este artículo no es un ataque a Grok (de hecho, Grok 4.6 es un excelente modelo, al nivel de Fable 5 Max con 85% menos costo). Es una crítica al comportamiento: tratar la arquitectura de IA de tu empresa como si fuera un chiste de los gurús que cambian de favorito cada dos semanas. Porque cuando la operación depende de un solo proveedor — y esa dependencia se decide por hype — no tienes una arquitectura. Tienes una apuesta.

1. El ciclo documentado: la masa siempre llega tarde (y migra en manada)

Miremos los últimos tres años con honestidad. Cada lanzamiento grande produce la misma coreografía: una semana de euforia, dos semanas de "esto cambia todo", un mes de migraciones masivas... y luego el siguiente lanzamiento. Los datos de usuarios lo confirman: ChatGPT tiene 1.110 millones de usuarios mensuales, Gemini 662 millones y Claude 245 millones (Sensor Tower, mayo 2026). No son mercados excluyentes — son una masa que se mueve, en manada, hacia el producto que más ruido hace.

Nota importante: la masa que migra hoy a Grok no está migrando porque su operación esté rota. Está migrando porque el nuevo producto genera más ruido. Y ahí está el error de fondo: la decisión de arquitectura se toma con la misma lógica que se elige un tema de conversación para la cena — no con la lógica de una operación que debe funcionar los 365 días del año.

2. Lo que cuesta de verdad cambiar de proveedor de IA (y por qué lo subestimas 3 a 5 veces)

Cuando un gurú dice "migra a Grok, es 85% más barato", compara lo único que es fácil de comparar: el precio por token. Lo que casi nunca aparece en esa cuenta son los costos invisibles de la migración. Y son brutales:

¿Qué es "todo lo demás"? Hagamos la lista de lo que se rompe o se rehace en cada salto de proveedor:

Y aquí está la trampa del ciclo: cada ciclo de hype convence a la masa de que "esta vez el salto vale la pena" — pero el costo de migración se paga completo, cada vez, acumulándose. La primera migración te costó €290.000. La segunda, otros €290.000 (o más, porque ya hay más integraciones). La tercera, más todavía. Después de 3-4 migraciones por hype, pagaste más de un millón de euros... en mover una operación que no se movió de lugar, solo cambió de dueño.

3. Fragmentación operativa: cada proveedor nuevo es un silo más

Hay una segunda factura, más silenciosa y más cara a largo plazo: la fragmentación. Cada salto de proveedor no reemplaza limpiamente al anterior — lo deja cohabitando. El resultado es una operación híbrida donde conviven:

• Datos en 3-4 plataformas distintas, cada una con su propia copia de la "verdad"
• Embeddings en 3-4 espacios vectoriales incompatibles, que no se pueden mezclar
• Prompts optimizados para 3-4 modelos distintos, que se comportan de forma impredecible al mezclarlos
• Integraciones con 3-4 APIs, cada una con su propia gestión de errores y límites
• Facturas de 3-4 proveedores, con lógicas de pricing incompatibles

Esto no es teoría: es exactamente el patrón que vimos en el análisis de 305 aplicaciones por empresa, con 87% de las compras de software hechas fuera de IT (Zylo, State of SaaS 2026) — solo que ahora aplicado al layer de IA. La empresa que migró 4 veces por hype tiene 4 veces más superficie de falla, 4 veces más puntos de fuga de datos, y 4 veces más dificultad para responder la pregunta más básica: "¿dónde está el dato?".

Y con la Ley 21.719 en Chile (vigencia plena el 1 de diciembre de 2026), esa fragmentación deja de ser un problema de productividad y se convierte en un problema legal: si tus datos de clientes están repartidos entre la plataforma que usaste en 2024, la de 2025 y la de 2026, responder un derecho ARCO en 15 días hábiles es matemáticamente imposible. La fragmentación por hype no solo es cara: es un riesgo de compliance que crece con cada lanzamiento.

4. El precedente que lo cambia todo: Fable 5 apagado por orden del gobierno

Si crees que "elegir bien el proveedor" es suficiente, necesitas conocer el caso que demostró lo contrario: el 12 de junio de 2026, el Departamento de Comercio de EE.UU. ordenó a Anthropic desactivar sus modelos de frontera Fable 5 y Mythos 5 para todo el mundo, bajo la ley ECRA. No fue un problema de capacidad, ni un bug, ni un hackeo: fue una orden legal. Y Fable 5 seguía offline 10 días después, el 22 de junio, sin fecha de regreso.

El caso Fable 5 no es anecdótico. Es la evidencia de que el riesgo de "un solo proveedor" no es teórico: es un riesgo de disponibilidad, tan real como que te corten la luz. Y el ciclo del hype lo agrava: la masa no solo migra de proveedor — migra de proveedor en manada, justo antes del siguiente apagón del que nadie habla. Cuando todos están en el mismo barco, el barco es un riesgo sistémico.

5. La alternativa: un harness custom multiprovider (el modelo como componente, no como centro)

Si la respuesta no es "migrar al proveedor correcto", ¿cuál es? La respuesta es dejar de apostar por un solo proveedor: construir una capa de abstracción — un harness custom multiprovider — donde el modelo sea un componente intercambiable, no el centro de la operación. La arquitectura es simple en concepto y poderosa en la práctica:

No es teoría: es exactamente como operamos nosotros en producción. Shiva, nuestro agente de IA, corre sobre un harness que rota entre DeepSeek, Kimi K2.6 y MiniMax según la tarea, con un costo de operación de $18.56 al mes por agente 24/7 y un 99.6% de cache hit rate — cifras que ningún proveedor "de frontera" puede igualar por ese precio. Y su memoria (391 sesiones, 27 skills, un grafo de 727 tripletes en MillenniumDB) vive en nuestra infraestructura, no en la plataforma de un tercero.

Y ojo con la tentación de "construir nuestro propio harness" desde cero: no hace falta. El movimiento de DeepSeek de abrir DeepSeek Harness (MIT, 158.000 estrellas en una semana, model-agnostic) y la ola de harness open source (OpenClaw, Hermes, OpenCode, Odysseus) demuestran que la capa de orquestación ya es una commodity. Lo que sigue siendo un diferenciador es saber diseñar la arquitectura: qué router, qué tiers, qué fallbacks, qué memoria, qué validaciones — eso no viene en ningún lanzamiento de modelo.

6. Qué hacer la próxima vez que un lanzamiento "lo cambie todo"

Vamos a lo práctico. La próxima vez (y siempre habrá una próxima vez — Grok 4.7 ya está anunciado) que un lanzamiento de IA genere el griterío de siempre, esta es la checklist para no caer en el ciclo:

1. Pregúntate si es un problema o una conversación. El 90% de los "debes migrar ya" no es un problema de tu operación: es una conversación de feed. Tu operación solo debe cambiar cuando hay un problema medible (costo, calidad, disponibilidad).
2. Mide antes de mover. Define métricas de costo por tarea, latencia y calidad en tu stack actual. Si el nuevo modelo no gana en métricas reales (no en benchmarks de laboratorio), no hay migración.
3. Nunca migres todo de una vez. Prueba el modelo nuevo en un tier específico, con tráfico real, durante una semana. El 90% de los modelos "revolucionarios" se quedan en el tier de prueba.
4. Construye o adopta el harness ANTES de necesitarlo. La capa de abstracción se construye cuando no hay presión. Migrar bajo el hype es la peor forma de hacer arquitectura.
5. Mantén tus datos fuera de la jaula. Mientras tus datos, embeddings y memoria vivan en tu infraestructura, ningún proveedor te puede retener. El día que migres, migras el adaptador, no los datos.

El ciclo del hype va a seguir. Los lanzamientos van a seguir llegando, cada dos meses, cada uno más ruidoso que el anterior. La pregunta no es "¿cuál es el mejor modelo hoy?" — porque esa respuesta cambia cada dos semanas. La pregunta correcta es: "¿mi operación sobrevive al próximo lanzamiento, al próximo apagón y al próximo cambio de opinión de la masa?". Si la respuesta es "no", no necesitas un modelo mejor: necesitas una arquitectura mejor.

Conclusión: el hype es gratis. La migración no.

Vivimos en la era con más lanzamientos de IA de la historia. ChatGPT, Gemini, Claude, GPT-5.6 Sol, Grok 4.6 — y en un par de meses, el siguiente. La tentación de migrar con la masa es enorme, sobre todo cuando cada lanzamiento llega con un descuento del 85% o una promesa de "empleados digitales" por $200 al mes. Pero cada salto tiene una factura que nadie pone en el titular: 58% de las migraciones fracasan, el costo medio es de €290.000, y la fragmentación que dejas atrás te persigue en forma de datos dispersos, integraciones rotas y deuda técnica.

La diferencia entre una empresa que aprovecha el hype y una que es víctima del hype no está en qué modelo elige. Está en si su arquitectura es de un solo proveedor o multiprovider, en si sus datos son del proveedor o suyos, en si cambiar de modelo es un proyecto de 6 meses o un cambio de adaptador. En un mercado que lanza un "modelo de frontera" cada dos meses, la única estrategia que no envejece es la que no depende de ninguno.