--- title: "El colador de la IA: por qué Tomasz Tunguz dice que ningún modelo retiene a sus usuarios" description: "Tomasz Tunguz dice que la IA es un colador: los modelos casi no retienen usuarios y el líder cambia cada 41 días. Qué implica en Chile y Latinoamérica." canonical: "https://www.revenuehublatam.com/noticias/columnas/tendencias-saas-colador-ia-retencion-modelos-tunguz-26-08-05" language: "es" section: "Columnas" type: "Análisis" category: "tendencias-saas" author: "Redacción Revenue Hub" author_profile: "" rights_status: "original" published: "2026-08-05T12:24:00+00:00" updated: "2026-08-05T12:25:32.355+00:00" tags: ["IA", "SaaS", "Estrategia"] --- # El colador de la IA: por qué Tomasz Tunguz dice que ningún modelo retiene a sus usuarios > El inversionista Tomasz Tunguz compara la IA con un colador: los usuarios entran y muchos se escurren, y el modelo líder cambia casi cada mes. Analizamos qué implica para la estrategia de IA de equipos y fundadores B2B en Chile y Latinoamérica. ## La tesis Tomasz Tunguz, socio de Theory Ventures, sostiene que la retención de clientes en IA se parece a un colador: se ubica entre un juego móvil y una red social, y el modelo líder mantiene la corona apenas unos 41 días. Como el precio de un mismo nivel de inteligencia cae cerca de 10 veces por año, los compradores ganan poder de negociación en cada ciclo. Para equipos y fundadores B2B en Chile y Latinoamérica la señal es no casarse con un solo proveedor y diseñar sus productos y contratos para poder cambiar de modelo cuando convenga. ## ¿Qué quiere decir Tunguz con que la IA es un colador? Tomasz Tunguz, socio de la firma de capital de riesgo Theory Ventures y una de las voces más citadas sobre economía del software, publicó el 13 de julio de 2026 [un análisis titulado _The AI Colander_](https://www.tomtunguz.com/the-ai-colander/). Lo resume así: _«AI is like a colander. Customers pour in. Many pour out»_ (la IA es como un colador: los clientes entran y muchos se escurren). Este es un análisis editorial de Revenue Hub sobre su tesis, no su texto republicado. La idea es incómoda para cualquiera que asuma que un buen producto de IA construye la misma lealtad que un buen software. Según Tunguz, la retención en IA no se parece a la del software tradicional, sino a algo intermedio entre una red social y un juego móvil. Y ese patrón, dice, no está cambiando. ## ¿Cuánto retiene realmente un modelo de IA? Tunguz ordena los datos por cohortes. El software tradicional retiene alrededor del 90 por ciento de sus clientes durante los primeros cinco meses. Facebook e Instagram rondan el 80 por ciento. Un juego móvil típico conserva apenas un puñado de puntos porcentuales. Los modelos de IA, según su lectura, caen en un rango que va desde cifras de un dígito hasta cerca del 40 por ciento, con las cohortes más fieles en la parte alta. La consecuencia estratégica es clara: apoyar todo un negocio sobre la fidelidad a un modelo específico es frágil, porque el usuario está mucho más dispuesto a irse de lo que sugiere la intuición heredada del software por suscripción. ## ¿Por qué el modelo líder cambia casi cada mes? El segundo punto es el más citable. Tunguz calcula que el modelo de frontera promedio mantiene su corona unos 41 días antes de ser superado. En sus palabras, _«el rey ha muerto, larga vida al rey»_ se volvió un cántico casi mensual. Cada pocas semanas aparece un modelo que iguala o supera al anterior, y los usuarios migran. Lo interesante es su giro final: a diferencia de una guerra medieval, esta «guerra de los pesos» beneficia a la comunidad. Las startups construyen sobre el modelo que gana este mes y redirigen su tráfico al siguiente. En sus palabras, los clientes ganan poder de negociación cada 41 días. ## ¿Está bajando el precio de la inteligencia? El motor de todo esto es económico. Tunguz sostiene que el precio para un mismo nivel de desempeño en tareas de conocimiento, razonamiento, matemática e ingeniería de software cae cerca de 10 veces por año. Cita mediciones de terceros, como el [índice de inteligencia de Artificial Analysis](https://artificialanalysis.ai/evaluations/artificial-analysis-intelligence-index), donde modelos que puntúan casi igual difieren de forma importante en costo por tarea. La inteligencia, dice, empieza a valorarse como una relación entre desempeño y dólar, no solo por desempeño. La advertencia para quien compra: si un nivel de capacidad que hoy es caro será notablemente más barato en meses, comprometerse a contratos largos y rígidos con un solo proveedor puede salir caro frente a quien mantiene la flexibilidad de cambiar. ## ¿Qué deberían hacer los equipos B2B en Chile y Latinoamérica? Para fundadores y líderes de ingeniería o de revenue en Chile y en el resto de Latinoamérica, donde el tipo de cambio y los presupuestos ajustados vuelven cada dólar de software más sensible, la tesis de Tunguz se traduce en tres movimientos. Primero, evitar el lock-in: diseñar productos y flujos que puedan enrutar a distintos modelos, en lugar de acoplarse a la API de un único proveedor. Segundo, negociar con horizonte corto y cláusulas de salida, aprovechando que el poder de negociación del comprador crece con cada ciclo. Tercero, no construir la propuesta de valor solo sobre «usamos el mejor modelo», porque ese liderazgo dura semanas, sino sobre el flujo de trabajo, los datos propios y la integración, que sí retienen. La trampa regional es pagar sobreprecio por un modelo de frontera cuando un modelo más barato ya resuelve el caso de uso, o quedar atado a un vendedor por miedo a migrar. En un mercado donde el capital es más caro que en Estados Unidos, la disciplina de tratar el modelo como un componente intercambiable, y no como el corazón del producto, protege el margen. ## La lectura de Revenue Hub Este es un análisis de Revenue Hub sobre la posición de Tomasz Tunguz, no su artículo republicado. Nuestra lectura: el aporte más valioso no es la metáfora del colador, sino la conclusión operativa que se deriva de ella. Si el liderazgo entre modelos rota casi cada mes y el precio de la inteligencia cae 10 veces por año, la ventaja competitiva de una empresa B2B no puede vivir en qué modelo usa, sino en lo que rodea al modelo: sus datos, su flujo de trabajo y la experiencia del cliente. Para equipos de Chile y Latinoamérica, la señal práctica es construir con IA de forma modular y negociar con la mentalidad de que el poder está del lado de quien compra. Quien trate la elección de modelo como una decisión reversible, y no como un matrimonio, será quien capture la caída de precios en lugar de sufrirla. ## Fuentes y referencias - [The AI Colander](https://www.tomtunguz.com/the-ai-colander/) — Tomasz Tunguz - [Artificial Analysis Intelligence Index](https://artificialanalysis.ai/evaluations/artificial-analysis-intelligence-index) ## Transparencia editorial Análisis editorial de Revenue Hub asistido por IA. Sintetiza y comenta una columna de terceros; puede diferir del original. Lee la pieza original en la fuente enlazada. ## Preguntas frecuentes ### ¿Qué es el colador de la IA de Tomasz Tunguz? Es la metáfora con la que Tunguz describe la retención en IA: los clientes entran y muchos se escurren, como el agua en un colador. Sostiene que la retención de los modelos de IA se ubica entre la de una red social y la de un juego móvil, muy por debajo de la del software tradicional, y que ese patrón no está cambiando. ### ¿Cuánto retienen los modelos de IA comparado con software o redes sociales? Según la lectura de Tunguz, el software tradicional retiene cerca del 90 por ciento de sus clientes en los primeros cinco meses y Facebook e Instagram rondan el 80 por ciento, mientras que los modelos de IA caen en un rango que va desde cifras de un dígito hasta cerca del 40 por ciento, con las cohortes más fieles en la parte alta. ### ¿Por qué el modelo de IA líder cambia cada 41 días? Tunguz estima que el modelo de frontera promedio mantiene el liderazgo unos 41 días antes de que otro lo iguale o supere. Como aparecen modelos nuevos casi cada mes, los usuarios migran con facilidad. Él lo ve como positivo para el ecosistema: las startups construyen sobre el modelo que gana este mes y redirigen su uso al siguiente. ### ¿Está bajando el precio de la inteligencia artificial? Según Tunguz, el precio para un mismo nivel de desempeño en tareas de conocimiento, razonamiento, matemática e ingeniería cae cerca de 10 veces por año. Cita mediciones como el índice de inteligencia de Artificial Analysis, donde modelos con puntajes casi iguales difieren de forma importante en costo por tarea. ### ¿Qué significa esto para la estrategia de IA de una empresa B2B? Que la ventaja competitiva no puede depender de qué modelo se usa, porque ese liderazgo dura semanas. Conviene evitar el lock-in con un solo proveedor, negociar con horizonte corto y construir el valor sobre los datos propios, el flujo de trabajo y la integración, que sí retienen clientes. ### ¿Qué deberían hacer las empresas en Chile y Latinoamérica? Diseñar sus productos y flujos para poder enrutar a distintos modelos, negociar contratos cortos con cláusulas de salida y aprovechar que el poder de negociación del comprador crece cada ciclo. En una región con capital más caro y presupuestos ajustados, tratar el modelo como un componente intercambiable protege el margen. ### ¿Conviene comprometerse con un solo proveedor de IA? La tesis de Tunguz sugiere que no, o al menos no con contratos largos y rígidos. Si el precio de la inteligencia cae con rapidez y el modelo líder cambia casi cada mes, mantener flexibilidad para migrar suele salir más barato que atarse a un único proveedor por temor a cambiar.