Un laboratorio de IA aplicada es una empresa de investigación que parte del trabajo que una empresa ya realiza, entrena modelos para ese trabajo y los mide con tráfico real. Factura desde su primer despliegue. Los frontier labs construyen los modelos generales más capaces, y los neolabs reúnen grandes sumas para una apuesta de investigación antes de tener un producto.
Este ensayo compara los tres, con datos citados y fechados a octubre de 2026. Ertas AI publica este sitio y es un laboratorio de IA aplicada en Brunswick, Melbourne, así que sirve de ejemplo práctico en la última parte.
¿Qué es un laboratorio de investigación en IA?
Un laboratorio de investigación en IA es una organización, o un equipo dentro de una, cuyo trabajo principal es desarrollar y probar nuevos métodos y modelos de IA. Los laboratorios están en universidades, en agencias científicas públicas y en empresas, y publican, despliegan o venden lo que descubren. Nuestro mapa de laboratorios de investigación en IA en Australia muestra los tres entornos en un solo país.
Entre las empresas, tres tipos de laboratorio concentran hoy casi toda la atención. Se diferencian en lo que construyen, en cómo se financian y en cuándo empiezan a vender.
| Tipo de laboratorio | Qué construye | Cuándo vende | Ejemplos |
|---|---|---|---|
| Frontier lab | Los modelos generales más capaces | Desde el lanzamiento, con apps y APIs | OpenAI, Anthropic, Google DeepMind |
| Neolab | Una apuesta de investigación a futuro | A menudo cuando la investigación da fruto | Safe Superintelligence, Thinking Machines Lab |
| Laboratorio aplicado | Modelos entrenados para trabajo concreto y repetido | Desde su primer despliegue | Ertas AI |
Los tres se solapan en los bordes. Un frontier lab tiene equipos aplicados, un neolab puede lanzar un producto pronto y un laboratorio aplicado publica investigación. La tabla describe el punto de partida de cada uno.
¿Qué hacen los frontier labs de IA?
Un frontier lab construye los modelos de propósito general más capaces de su momento y vende el acceso a ellos, normalmente con una app de chat y una API. El Frontier Model Forum, un organismo del sector, define un modelo frontera como "a general-purpose model that outperforms, based on a range of conventional performance benchmarks or high-risk capability assessments, all other models that have been widely deployed for at least 12 months" (un modelo de propósito general que supera a todos los modelos ampliamente desplegados durante al menos 12 meses en un conjunto de benchmarks convencionales o evaluaciones de capacidades de alto riesgo) (Frontier Model Forum, consultado el 29 de octubre de 2026).
Los frontier labs entrenan con datos generales a muy gran escala, de modo que un solo modelo sirve a millones de usuarios en casi cualquier tarea. También concentran la mayor parte del dinero del sector. New Enterprise Associates (NEA) cifró la valoración privada agregada de los laboratorios de investigación en IA en unos 1,68 billones de dólares, con el 93,6% en generalistas de frontera, y señaló que OpenAI, Anthropic, xAI y Safe Superintelligence absorbían casi todo (NEA, 17 de junio de 2026, con valoraciones de PitchBook a 30 de abril de 2026).
¿Cuáles son los 3 grandes laboratorios de IA?
No existe una lista oficial. La expresión suele referirse a OpenAI, Anthropic y Google DeepMind, los desarrolladores de ChatGPT, Claude y Gemini. Lo más parecido a una lista formal es el Frontier Model Forum, cuyos miembros a 29 de octubre de 2026 son Amazon, Anthropic, Google, Meta, Microsoft y OpenAI (página de miembros).
¿Qué es un neolab de IA?
Un neolab es una startup de IA centrada en la investigación, fundada por lo general por investigadores que dejaron un laboratorio establecido, que reúne grandes sumas para perseguir un avance a largo plazo antes de tener un producto. Business Insider describió los neolabs el 22 de octubre de 2026 como "the lavishly funded, research-first AI startups founded by top talent who defected from the likes of OpenAI or Google DeepMind" (las startups de IA centradas en la investigación y generosamente financiadas, fundadas por talento de primer nivel que dejó empresas como OpenAI o Google DeepMind) (Business Insider).
Las cifras detrás de la palabra, según lo publicado en octubre de 2026:
- 29 neolabs habían reunido 23.000 millones de dólares en total, según un recuento de Radical Ventures, y menos del 35% había lanzado un producto comercial (Dealroom, 18 de octubre de 2026, resumiendo a The Economist).
- Poco más de la mitad de esos 29 había publicado algo de código, a menudo solo demos de investigación (misma fuente).
- Safe Superintelligence estaba valorada en 32.000 millones de dólares y ha dicho que no lanzará ningún producto hasta alcanzar la "superinteligencia" (misma fuente).
The Economist publicó la noticia el 15 de octubre de 2026 con el titular "AI neolabs are raising huge sums. Most have little to show for it".
Los inversores están divididos. En el mismo artículo de Business Insider, Matt Murphy, socio de Menlo Ventures, citó los neolabs cuando le preguntaron qué sector le parecía más sobrevalorado, mientras que Aaron Rosenberg, de Radical Ventures, dijo: "We're confident that the best neolabs will attract ongoing support" (confiamos en que los mejores neolabs seguirán atrayendo apoyo). El ensayo de NEA de junio defiende la visión optimista: espera que la próxima generación de grandes retornos de capital riesgo venga de "research-first companies that own a domain-biased corpus, run an integrated RL and verification loop perhaps inside a high-stakes domain" (empresas centradas en la investigación que poseen un corpus sesgado hacia un dominio y ejecutan un ciclo integrado de aprendizaje por refuerzo y verificación, quizá en un dominio de alto riesgo), y señala que los neolabs reúnen entre 50 y 500 millones de dólares antes de tener ingresos.
¿Qué significa "IA aplicada"?
IA aplicada significa usar métodos de IA en un problema definido y en un entorno real, y juzgar el resultado por si funciona allí. Las preguntas de investigación nacen del trabajo: qué necesita saber un modelo para hacer esta tarea, qué tamaño de modelo mantiene el nivel de calidad y cuánto cuesta ejecutarlo por tarea.
Las universidades usan la palabra con el mismo instinto. El Applied Artificial Intelligence Initiative de Deakin University y el Applied AI Research Centre de Macquarie University organizan su investigación en torno a problemas de la industria (laboratorios de investigación en IA en Australia, comprobado el 28 de octubre de 2026).
¿Qué es un laboratorio de IA aplicada?
Un laboratorio de IA aplicada es una empresa que investiga en IA para desplegar lo que investiga: elige problemas del trabajo que las empresas ya hacen, entrena modelos para ese trabajo y los mide en producción frente a la alternativa que la empresa usaría de otro modo. Tres rasgos lo distinguen de los otros dos tipos de laboratorio:
- El problema va primero. La agenda de investigación sigue las tareas que las empresas repiten a gran volumen, así que cada resultado tiene un comprador esperándolo.
- Los despliegues son la prueba. Un método cuenta cuando se sostiene con el tráfico real de una empresa, medido con el nivel de calidad de esa empresa.
- Factura desde el primer despliegue. Cada construcción genera ingresos, y cada modelo que sigue en servicio genera más, así que la investigación se financia con el trabajo que mejora.
Algunos inversores de capital riesgo han empezado a describir una idea vecina. Aspiring for Intelligence sostuvo el 25 de septiembre de 2026 que las empresas se están convirtiendo en productoras de sus propios modelos, algo que llamó el "neo neo lab", donde "the 'lab' is less about pretraining and more about owning the process that turns what an organization knows into how a model behaves" (el "laboratorio" consiste más en controlar el proceso que convierte lo que sabe una organización en el comportamiento de un modelo que en el preentrenamiento) (Aspiring for Intelligence). Un laboratorio aplicado le da a una empresa ese proceso sin que tenga que montar un laboratorio propio.
¿Cómo funciona un laboratorio de IA aplicada? Ertas AI como ejemplo
Ertas AI funciona con un ciclo sencillo: la investigación del laboratorio elige los problemas, los despliegues con socios de diseño demuestran el método con tráfico real, y cada despliegue deja una pieza reutilizable en el producto.
La investigación elige los problemas. La investigación del laboratorio se organiza en tres líneas: especialistas del tamaño justo, modelos que aprenden del tráfico y economía unitaria de los agentes. La tercera apunta adonde va el dinero. En los datos públicos de OpenRouter de los 30 días hasta el 12 de octubre de 2026, la clasificación, la extracción y la transformación sumaron el 20,8% del gasto clasificado en modelos. Son tareas repetidas con resultados verificables, lo que las convierte en las primeras candidatas para un modelo entrenado.
La investigación se publica con sus límites. En el estudio QMSum del laboratorio (arXiv 2609.25028, 18 de agosto de 2026), un modelo entrenado en Ertas obtuvo 35,41 de ROUGE-1 frente a 32,43 del mejor de cinco modelos propietarios alojados en resúmenes de reuniones orientados a consultas. Los modelos alojados se ejecutaron en zero-shot con un único prompt conciso, sus respuestas más largas contribuyen a la diferencia en esta métrica de solapamiento con la referencia, y no se hizo evaluación humana ni de factualidad. El artículo lo indica junto a las cifras.
Los despliegues demuestran el método con tráfico real. Un socio de diseño trae una tarea que sus agentes de IA repiten. El laboratorio entrena un modelo especializado para esa tarea y lo sirve a través del endpoint de modelo adaptativo, una API compatible con OpenAI. El endpoint mejora mediante aprendizaje continuo: las nuevas versiones se entrenan con el tráfico de los agentes en segundo plano, se puntúan con las evaluaciones del cliente y solo entran en servicio con su aprobación. Si una nueva versión se queda corta, el modelo actual sigue en servicio. El endpoint es por ahora solo por invitación, y estamos desarrollando una versión más ágil para un acceso más amplio.
Cada despliegue deja una pieza en el producto. Un sistema de evaluación, un paso de preparación de datos o una receta de entrenamiento creados para un despliegue pasan a formar parte del endpoint y de la plataforma Ertas, así que el siguiente equipo empieza con ventaja. Ese es el camino del laboratorio al producto: los despliegues financian la investigación, y la investigación se convierte en el producto.
Para la empresa del otro lado, el argumento a favor de un modelo entrenado se apoya en dos dimensiones de coste. Un especialista entrenado funciona con un precio por token más bajo que el modelo frontera al que sustituye, y necesita menos tokens por tarea, porque las instrucciones y ejemplos que se repiten en cada prompt quedan entrenados en el modelo. Nuestra calculadora de coste por tarea muestra ambos efectos con tus propios números, y la nota sobre los márgenes brutos de las startups de IA los desarrolla con tamaños de prompt reales.
¿En qué se diferencia un laboratorio de IA aplicada de un neolab?
Los dos se diferencian en el origen del problema y en el momento en que empiezan los ingresos. Un neolab elige una apuesta de investigación, reúne lo suficiente para perseguirla durante años y construye un producto cuando la investigación da fruto. Un laboratorio aplicado toma sus problemas del trabajo que las empresas ya hacen y cobra a medida que cada modelo entra en servicio, así que su investigación y sus ingresos crecen a partir de los mismos despliegues.
Ambos se centran en la investigación a su manera, y ambos pueden ser independientes de las grandes tecnológicas y de las universidades. La diferencia se ve en la primera pregunta de cada uno: un neolab pregunta qué capacidad nueva puede crear, y un laboratorio aplicado pregunta qué tarea repetida puede hacer mejor, más rápido y más barato con un modelo entrenado para ella.
¿Vale la pena la IA aplicada?
La IA aplicada vale la pena cuando una tarea se repite a gran volumen, su resultado se puede verificar y su coste aparece en una factura mensual de tokens. Esas condiciones le dan a un modelo entrenado un nivel de calidad que cumplir y un coste que batir. Una tarea que cambia cada semana, o que se ejecuta unos pocos miles de veces al mes, se resuelve mejor con prompting sobre un modelo frontera mientras se asienta; nuestro artículo sobre si el fine-tuning ha muerto explica dónde cae esa línea.
Una empresa puede usar un modelo frontera y especialistas entrenados a la vez: el generalista para el trabajo abierto y cada especialista para la tarea para la que se entrenó. Nuestra explicación sobre modelos fundacionales y modelos específicos de tarea cubre cómo funciona ese reparto.
Preguntas Frecuentes
¿Qué es un neolab en IA?
Un neolab es una startup de IA centrada en la investigación, fundada por lo general por investigadores que dejaron un laboratorio establecido, que reúne grandes sumas para un avance a largo plazo antes de tener un producto. A octubre de 2026, Dealroom informó de que 29 de estos laboratorios habían reunido 23.000 millones de dólares en total y que menos del 35% había lanzado un producto comercial.
¿Qué hace un laboratorio de IA aplicada?
Un laboratorio de IA aplicada investiga en IA para desplegar lo que investiga. Elige problemas del trabajo que las empresas ya hacen, entrena modelos para ese trabajo, los mide con tráfico real y factura desde su primer despliegue.
¿Cuál es un ejemplo de laboratorio de IA?
OpenAI, Anthropic y Google DeepMind son frontier labs; Safe Superintelligence y Thinking Machines Lab son neolabs; Ertas AI, en Melbourne, es un laboratorio de IA aplicada. Los institutos universitarios y las agencias científicas públicas también tienen laboratorios de investigación en IA, como los de nuestro mapa de laboratorios de IA en Australia.
¿Cuántos frontier labs de IA hay?
No hay una cifra fija, porque la "frontera" se mueve a medida que mejoran los modelos. La membresía del Frontier Model Forum es una referencia: seis empresas a 29 de octubre de 2026 (Amazon, Anthropic, Google, Meta, Microsoft y OpenAI).
¿Cuáles son los 10 mejores laboratorios de investigación en IA del mundo?
Los rankings dependen de la medida. Por valoración privada, NEA calculó que los generalistas de frontera tenían el 93,6% de unos 1,68 billones de dólares a 30 de abril de 2026, con OpenAI, Anthropic, xAI y Safe Superintelligence a la cabeza. Por investigación publicada, los laboratorios universitarios y corporativos se ordenan de otra forma, así que conviene elegir primero la medida que corresponde a tu pregunta.
¿En qué se diferencia un laboratorio de IA aplicada de un frontier lab?
Un frontier lab construye un modelo general para millones de usuarios y vende el acceso a él. Un laboratorio aplicado entrena modelos especializados para el trabajo concreto que una empresa repite y los sirve para esa empresa.
La Versión Corta
Los frontier labs construyen los modelos generales más capaces. Los neolabs reúnen grandes sumas para una apuesta de investigación y venden más tarde, si la apuesta sale bien. Un laboratorio de IA aplicada parte del trabajo que las empresas ya hacen, entrena modelos para ese trabajo, los demuestra con tráfico real y factura desde el primer despliegue. Ertas AI es un laboratorio de IA aplicada en Brunswick, Melbourne; su página de investigación recoge lo que ha publicado, y la página sobre nosotros explica cómo funciona el laboratorio.
Fuentes, consultadas el 29 de octubre de 2026: Dealroom (18 de octubre de 2026); The Economist (15 de octubre de 2026, titular); Business Insider (22 de octubre de 2026); NEA, "The AI Neolab Wild West" (17 de junio de 2026); Aspiring for Intelligence, "The Rise Of The Neo Neo Lab" (25 de septiembre de 2026); Frontier Model Forum, acerca de y miembros. Nuestra investigación: el estudio QMSum y el informe de OpenRouter sobre tareas estructuradas.