Microsoft y Copilot — la distribución como estrategia de IA

GitHub Copilot se lanzó en technical preview el 29 de junio de 2021, basado en un modelo llamado Codex — una variante de GPT-3 que OpenAI había fine-tuneado específicamente sobre código público de GitHub. En ese momento, ChatGPT no existía. DALL-E era un paper académico. La categoría "IA generativa de consumo" todavía no se había formado. Y sin embargo Microsoft, via su subsidiaria GitHub, ya estaba desplegando un producto comercial de IA generativa integrado a una herramienta que 60 millones de desarrolladores usaban a diario.

Ese lanzamiento merece ser el punto de partida de cualquier análisis serio sobre la estrategia de IA de Microsoft. Porque Microsoft Copilot en Office (noviembre de 2023) fue narrativamente el momento de irrupción masiva, pero GitHub Copilot en 2021 fue el ensayo operativo donde la empresa probó la tesis que define toda su posición actual: distribución existente + modelo externo + integración profunda = ventaja estructural. Cuando ChatGPT explotó, Microsoft ya sabía cómo hacer esto. Solo tenía que escalarlo.

La arquitectura económica de la relación con OpenAI

Lo que los análisis convencionales llaman "inversión de Microsoft en OpenAI" es, en la práctica, un acuerdo comercial en capas. Conviene desarmarlo con precisión porque la estructura explica mucho del comportamiento estratégico de ambas empresas.

Primer tramo, 2019: mil millones de dólares. No es puro capital. Una parte significativa son créditos de Azure — OpenAI paga con acceso a infraestructura de Microsoft. Microsoft obtiene derecho de primera negociación sobre licenciamiento de modelos.

Segundo tramo, enero de 2023: diez mil millones de dólares adicionales. Aquí la estructura se vuelve más compleja. Según reportes de Bloomberg y The Information, el deal incluye que Microsoft reciba el 75 por ciento de las ganancias de OpenAI hasta recuperar la inversión, después una participación significativa (49 por ciento según algunas fuentes) hasta cierto umbral, y después una posición minoritaria. En paralelo, OpenAI usa Azure como su proveedor de cómputo exclusivo — es decir, gran parte del dinero vuelve a Microsoft en forma de facturación de cloud.

Tercer tramo, inversiones adicionales en 2024-2025. Reportes posteriores sitúan el total acumulado cerca de trece mil millones. Los números exactos no son públicos.

Lo importante para entender la estrategia: Microsoft no compró OpenAI. Compró una licencia preferente sobre la tecnología de OpenAI, con cláusulas que protegen su acceso aun si OpenAI cambia de gobierno, y con una estructura financiera donde el riesgo operativo queda mayormente en el lado de OpenAI (que tiene que generar ganancias enormes para "salir" de la posición privilegiada de Microsoft).

El momento de exposición: noviembre de 2023

El fin de semana del despido de Altman expuso la fragilidad estructural de esa arquitectura. Cuando el directorio de OpenAI movió para sacarlo el viernes 17, Nadella recibió la llamada minutos después del anuncio público. Según reportes posteriores de The New York Times y The Atlantic, Microsoft tenía menos de dos horas de aviso — una falla clara en la relación de gobernanza.

La respuesta de Nadella fue inmediata: ofreció a Altman y Brockman un laboratorio interno de Microsoft con recursos ilimitados. El mensaje implícito era más interesante que el explícito: Microsoft demostraba que podía, de ser necesario, absorber al equipo técnico de OpenAI y continuar el desarrollo internamente. Esa amenaza latente fue un factor en la reinstalación de Altman el martes siguiente.

Pero el episodio, aunque "resuelto" desde afuera, dejó una lección operativa. Microsoft quedó con evidencia concreta de que OpenAI podía hacer decisiones que lo afectaran sin consulta previa. La respuesta interna de Microsoft a esa lección fue el plan de diversificación que desplegó a lo largo de 2024.

Microsoft AI y Phi-3: la construcción del plan B

El 19 de marzo de 2024, Microsoft anunció la formación de Microsoft AI como división consumer-facing, con Mustafa Suleyman como CEO. El deal con Inflection AI fue inusual: Microsoft pagó aproximadamente 650 millones en licencias sin adquirir formalmente la empresa, y llevó a casi todo el equipo — aproximadamente 70 personas incluidos Karén Simonyan como chief scientist. Esta estructura esquivó revisión regulatoria de adquisiciones tradicionales y dio a Microsoft una capacidad de investigación en modelos propios que antes no tenía.

El 23 de abril de 2024, Microsoft Research publicó el paper técnico de Phi-3 (arXiv:2404.14219). La familia incluye Phi-3-mini (3.8B parámetros), Phi-3-small (7B) y Phi-3-medium (14B). Lo técnicamente notable no es el tamaño — son modelos relativamente chicos — sino la estrategia de entrenamiento: los autores (Microsoft Research) reportan que Phi-3-mini, con 3.8B parámetros, obtiene performance comparable a Mixtral 8x7B en varios benchmarks estándar, usando una fracción del cómputo. El truco reportado es "curación agresiva de datos de entrenamiento" — menos datos pero de mayor calidad.

La posición estratégica de Phi-3 es distintiva: no compite con GPT-4o en capacidad bruta. Compite en otra dimensión: la capacidad de correr localmente en un Copilot+ PC sin enviar la consulta a OpenAI. Eso significa que Microsoft puede construir features de IA on-device (autocompletado avanzado, resúmenes de archivos locales, transcripción en tiempo real) sin depender del API de OpenAI para cada llamada.

Leído en conjunto con la arquitectura de hardware de Copilot+ PCs (NPU de 40+ TOPS como requisito mínimo), la estrategia queda clara. Microsoft está construyendo una capa de IA on-device que puede ejecutarse autónomamente — y que, si un día OpenAI no está disponible, sigue funcionando. No cubre todos los casos de uso (las tareas complejas seguirán requiriendo modelos grandes en la nube) pero cubre los casos de uso de consumo masivo donde el volumen y la latencia importan más que la capacidad absoluta.

La controversia Recall y lo que revela

En el anuncio de Copilot+ PCs de mayo de 2024, Microsoft presentó una feature llamada Recall: el sistema operativo graba periódicamente snapshots de tu pantalla, los indexa localmente usando modelos on-device, y permite buscar en tu historial con lenguaje natural. La promesa de producto era potente: "recordá lo que hiciste hace tres semanas".

El backlash fue inmediato y severo. Investigadores de seguridad (notablemente Kevin Beaumont) demostraron que la base de datos de Recall era accesible sin encriptación adecuada en las versiones preliminares, y que cualquier malware con acceso al usuario podría extraer años de historia visual incluyendo contraseñas, documentos privados y mensajes. Microsoft retrasó el lanzamiento, rediseñó la arquitectura de seguridad (encriptación, opt-in explícito, autenticación biométrica para acceso), y volvió a lanzar en una versión más restringida.

El episodio revela una tensión estructural de Microsoft que vale nombrar. La empresa tiene una presión interna por "shippear IA en todos lados" que proviene directamente de haber comprometido 13 mil millones en OpenAI — necesita justificar esa inversión con productos visibles. Esa presión produce decisiones de producto que priorizan velocidad sobre revisión, y Recall es el caso más claro de un feature que llegó a usuarios reales antes de estar maduro en dimensiones de seguridad crítica.

Posicionamiento competitivo: distribución versus capacidad

Conviene evaluar la posición de Microsoft en IA contra el resto del campo usando un marco de análisis preciso.

Capacidad de modelo propio. Microsoft está detrás de OpenAI, Anthropic y Google en modelos de frontera. Phi-3 compite en la capa de modelos chicos, pero no tiene un GPT-4o o un Claude Opus propio. La dependencia de OpenAI para frontera es estructural.

Distribución empresarial. Microsoft está adelante de todos. Office 365 tiene alrededor de 400 millones de asientos pagos (estimación de analistas financieros 2024-2025). Ningún competidor tiene nada comparable en alcance de distribución directa a empresas.

Distribución developer. GitHub Copilot es dominante en su categoría. Los competidores principales — Claude en terminales via Anthropic, Amazon CodeWhisperer, Codeium — capturan fracciones minoritarias. Cursor y otros IDEs con IA están ganando terreno pero GitHub Copilot tiene la ventaja de estar integrado donde ya está el código.

Infraestructura cloud. Azure es el segundo más grande del mercado (detrás de AWS). La combinación de Azure + OpenAI API le da a Microsoft una posición única: puede ofrecer a empresas clientes acceso a modelos OpenAI bajo acuerdos de privacidad enterprise (Azure OpenAI Service) que OpenAI directamente no ofrece con el mismo nivel de garantías.

Consumer direct. Aquí Microsoft está detrás. La app Microsoft Copilot tiene mucho menos uso que ChatGPT para consultas de consumo general. La marca Copilot en consumo no ganó tracción equivalente a la que ganó en enterprise.

El patrón es claro. Microsoft domina donde la distribución existente convierte ventaja. Está detrás donde requiere construir categoría desde cero.

Tesis editorial

Cierro con evaluación propia.

La tesis que propone Microsoft implícitamente — que distribución vale más que capacidad de modelo — es correcta a corto y mediano plazo. En los próximos tres a cinco años, la empresa va a seguir dominando la IA empresarial mainstream porque Office es donde trabaja el mundo corporativo, y Copilot es lo que viene con Office. Es una victoria que ya está pagando.

Pero esa tesis tiene un punto ciego estructural que el episodio Suleyman + Phi-3 confirma. Microsoft depende de OpenAI para el motor de frontera. OpenAI no es Microsoft. Tiene gobierno propio, tensiones propias (el fin de semana de Altman, la salida de Sutskever y Leike, la disolución del equipo de superalignment), y puede moverse de maneras que Microsoft no controle. La arquitectura comercial que Microsoft negoció protege mucho — pero no protege contra un colapso institucional de OpenAI ni contra una decisión unilateral de OpenAI de competir directamente.

El plan B (Mustafa Suleyman, Phi-3, Copilot+ PCs con NPU) está construido precisamente para ese riesgo. Es un reconocimiento implícito de que la dependencia es el talón de Aquiles. La pregunta que define los próximos cinco años de Microsoft en IA no es "¿puede ganar el segmento enterprise?". Es "¿puede ganar el segmento enterprise sin depender de un proveedor que no controla?".

Mi lectura: Microsoft no va a romper con OpenAI mientras OpenAI produzca el mejor modelo. Pero va a construir paralelamente una capa propia que le permita, si alguna vez hace falta, sustituir progresivamente la dependencia. El ritmo de esa construcción va a ser el indicador adelantado más importante. Si Phi-5 o Phi-6 en 2026-2027 alcanzan paridad de capacidad con modelos de frontera, la relación de poder entre Microsoft y OpenAI se va a redefinir. Si no, la dependencia va a quedar estructurada — y el talón de Aquiles va a seguir ahí, bajo la superficie de una distribución imbatible.

¿Cuál es tu test empírico para decidir si una integración de IA empresarial está madura: cuando hace la tarea bien, o cuando además no te deja expuesto si el proveedor del modelo se tambalea?