Por qué desarrollamos toda nuestra IA en casa
En el último ciclo de IA generativa muchas empresas han descubierto que pueden montar un producto encima de una API ajena en cuestión de semanas. Es un movimiento legítimo y, en muchos casos, sensato: si tu valor no está en la IA, no tiene sentido construir lo que cualquiera puede comprar. Pero esa lógica deja de funcionar cuando la IA sí es el producto. Por eso, en TrawlingWeb, lo hemos construido en casa desde el principio.
La distinción que importa
Hay dos tipos de empresas que dicen "usamos IA":
- Las que aplican IA a su problema usando proveedores. Su valor está en otro sitio —en la distribución, en el dato propio, en la integración— y la IA es una commodity intercambiable.
- Las que son una empresa de IA. Su valor está en cómo procesan información. La IA no es intercambiable: define el producto.
TrawlingWeb está en la segunda categoría. Por una razón muy práctica: lo que vendemos —análisis del universo público de Internet transformado en señal accionable— no funciona sin un motor semántico afinado a casos reales de cliente, sector a sector, idioma a idioma. Eso no se compra. Se construye.
Tres consecuencias que valen el esfuerzo
1. Control absoluto del roadmap
Cuando dependes de un proveedor externo, tu producto avanza al ritmo del suyo. Si Anthropic, OpenAI o Google deciden cambiar precios, modelos o términos, tienes que reaccionar. Y reaccionar no es lo mismo que liderar.
Nosotros podemos decidir esta semana añadir una nueva categoría sectorial, ajustar el sentimiento canónico para un cliente concreto, integrar un nuevo idioma o cambiar la lógica de detección de entidades. Sin pedir permiso a nadie. Sin esperar al próximo release de un proveedor.
2. Velocidad para casos reales
Un cliente nos describe su sector y sus categorías de análisis. En horas tenemos un prompt productivo, en días un modelo afinado, en semanas un esquema completo desplegado. Eso es solo posible porque los modelos, la infraestructura y los agentes son nuestros.
Si tuviéramos que abrir un ticket a un proveedor cada vez que un cliente del sector salud pide "categorización específica de oncología en cinco idiomas", no podríamos prometer plazos. Y sin plazos, no hay producto enterprise.
3. Coherencia entre productos
FeedScale, DashAI y Voxscope comparten análisis y semántica. Eso significa que el sentimiento sobre una marca y el sentimiento sobre un autor están calibrados por el mismo motor. La categoría temática que aplica DashAI a una mención y la que aplica Voxscope a un autor son la misma categoría. Las entidades extraídas se cruzan automáticamente entre dashboards.
Esa coherencia es imposible si cada producto compra IA por su lado. Es la diferencia entre tener tres herramientas inconexas y tener una infraestructura.
El coste de hacerlo bien
Construir IA propia no es gratis. Hace falta talento, tiempo, GPU, datos de entrenamiento y un equipo dispuesto a iterar durante años sin atajos. Por eso casi nadie lo hace: porque las cifras son brutales si lo que vendes no requiere ese nivel de control.
Pero cuando lo que vendes es el procesamiento semántico, no hay alternativa. La opción de "comprar IA y revenderla" es un agujero estratégico: a la primera vez que un competidor decide hacerlo en casa, te come en márgenes y en velocidad.
Lo que viene
Lo que TrawlingWeb va a hacer en los próximos años no se entiende como "una empresa que vende dashboards". Se entiende como una infraestructura de inteligencia de datos sobre el universo público de Internet. Esa infraestructura tiene capas: análisis, semántica, agentes, entrega.
Hoy tres productos viven encima de esas capas. Mañana pueden vivir muchos más —data lakes a medida, integraciones de empresa, agentes especializados sectoriales, modelos predictivos verticales—. Todos posibles porque las capas son nuestras y no se compran a nadie.
Esa es la apuesta. Y por eso seguimos construyendo en casa.