La IA vertical con modelos propios ya marca la diferencia: 14 de las 30 compañías más valoradas del sector entrenan sobre tareas concretas para recortar costes y errores. Sin datos ni evaluación propios, el foso es una ilusión.
El dato que rompe el guion: casi la mitad ya no alquila el modelo
CB Insights ha revisado las 30 compañías de IA vertical más valoradas del mercado, ordenadas por la valoración de su última ronda con precio desde octubre de 2024, y las ha puntuado sobre cinco señales de capacidad investigadora: entrenamiento de modelos, publicación de test, publicación de investigación, fichajes procedentes de grandes laboratorios y vacantes para puestos de research. El resultado: 14 de 30 declaran públicamente que ya entrenan modelos propios.
Conviene precisar qué significa entrenar aquí. No es levantar un modelo fundacional desde cero. Es fine-tuning sobre un modelo de lenguaje ya existente, siguiéndolo de entrenar sobre un trabajo muy estrecho: detectar nombres de fármacos en el dictado de un médico, responder una pregunta clínica o resolver una tarea legal de varios pasos. Ese es todo el truco.
Busca dos cosas poco románticas: menos errores y menos coste en el trabajo que el cliente repite cada día. A efectos prácticos, el modelo deja de ser un servicio alquilado y pasa a ser activo propio.
Por sectores, el reparto no es casual. Sanidad lidera: siete de las nueve compañías de salud del análisis entrenan ya sus propios modelos, y CB Insights atribuye buena parte de esa ventaja al acceso a datos clínicos y a revisores expertos. Hippocratic AI ha entrenado modelos de voz para atender llamadas clínicas, y la firma de análisis la califica como Optimistic en parte porque poseer el modelo le permite ajustar el producto de formas que un competidor atado a un modelo general no puede.
Poseer el modelo no es una medalla técnica: es la capacidad de decidir qué errores tolera tu producto y cuánto cuesta cada respuesta.
Harvey escribió el examen antes que el modelo
El salto más claro, de evaluar modelos a entrenar uno propio, es el de Harvey, la compañía legal más valiosa del análisis. En mayo publicó Legal Agent Bench, su propio banco de pruebas de tareas legales multietapa. En agosto lanzó Tenet, un research preview construido entrenando más a fondo Kimi K3, el modelo del chino Moonshot AI. Los expertos legales escribieron las tareas y las rúbricas de corrección; el entrenamiento mezcló material legal público, ejemplos generados por IA y aportaciones de especialistas.
El orden importa: primero se define qué significa hacerlo bien y después se entrena al modelo para que lo haga más barato.
Los números que importan: Harvey sostiene que Tenet cuesta menos de una cuarta parte de lo que cuesta ejecutar los modelos líderes y queda segundo en su propio benchmark. Ambas cifras salen del test de Harvey, y eso es justo lo que un comprador querrá validar sobre su propio trabajo. El ahorro tiene lógica económica porque aquí se paga por token: el uso mensual de la plataforma pasó de 1 billón de tokens en enero de 2026 a 14,6 billones en junio, según datos de su inversor Lightspeed.
La compañía no se queda quieta. En septiembre compró Guardrails AI, especializada en herramientas de test para agentes, y en octubre buscaba un ingeniero de investigación de post-entrenamiento.
📦 Caso de estudio: Harvey
- El reto: Demostrar que un modelo propio rinde mejor y más barato que los generalistas en trabajo legal.
- La jugada: Escribir primero su benchmark con abogados y entrenar después sobre esas mismas tareas.
- El resultado: Tenet corre a menos de un cuarto del coste y el uso de la plataforma pasó de 1 a 14,6 billones de tokens en seis meses.
- La lección: El test propio es el activo; el modelo es solo la consecuencia.
Legal y finanzas: primero el examen, después el modelo
Aquí el orden se invierte. En legal y finanzas ocho de las once compañías analizadas publican sus propios benchmarks o métodos de evaluación, pero solo dos, Harvey y Feedzai, han descrito el entrenamiento de un modelo en el último año. La razón es práctica: un buen test permite elegir entre modelos externos y demostrar si entrenar el propio compensa.
Rogo, analista de IA para finanzas, hizo que profesionales del sector redactaran las 928 preguntas de su benchmark. Ese trabajo de evaluación y enrutamiento de modelos le ha abierto la puerta de la banca: nueve bancos figuran ya en su cap table y su ARR se ha más que triplicado desde el inicio de 2026.
Siete compañías muestran al menos cuatro de las cinco señales de laboratorio y cuatro de ellas son de salud; las siete publican investigación y test, y contratan para puestos de research. Harvey, Hippocratic AI y Abridge cumplen las cinco. Ojo con la letra pequeña: el índice mide actividad pública, es decir, cuánto invierten en investigación, no lo buenos que sean sus modelos ni lo bien que compitan.
La presión de OpenAI y Epic cambia el cálculo
El contexto aprieta por los dos lados. En septiembre, OpenAI lanzó productos para trabajo legal y financiero, con Harvey y Legora como clientes de API, y añadió herramientas para que los despachos construyan sus propios flujos. En febrero, Epic, el mayor proveedor de historiales clínicos de Estados Unidos, abrió a sus clientes su propia herramienta de documentación ambiental, compitiendo de frente con los escribas que se integran en su sistema, Abridge y Ambience incluidos.
La lectura que hago es incómoda para el relato fácil: el foso no es el modelo. Es el par evaluación-datos. Harvey no gana porque Tenet sea mejor en abstracto, su segundo puesto sale de su propio examen, sino porque tiene rúbricas escritas por abogados, un equipo de research y margen para rebajar el coste del trabajo repetitivo mientras los laboratorios cambian el modelo por debajo. Un wrapper sin test propio no puede ni demostrar que el cambio merece la pena.
Para el ecosistema español la traducción es directa. La mayoría de los equipos de IA vertical de aquí compite con modelos generales y sin banco de pruebas propio, y eso se nota en las ventas: sin evaluación no hay venta frente a un cliente regulado. Las líneas de ENISA o los programas de Lanzadera y Wayra sirven para financiar ese equipo de evaluación, no para comprar el foso.
Y el movimiento ya está en marcha en el resto del sector. Legora, la segunda compañía legal más valiosa del análisis, ha incorporado el entrenamiento adicional de modelos existentes a su estrategia, y el proveedor de datos de deuda 9fin ha publicado una vacante para hacer lo mismo con sus datos. Con ocho de once compañías corriendo ya sus propios benchmarks, la base está puesta: la siguiente ola es pasar de testear a entrenar.
🚀 Hoja de Ruta para Emprender
- Escribe tu examen antes que tu modelo: reúne a expertos del sector y define 100 tareas reales con su criterio de corrección.
- Mide coste por tarea, no por token: el ahorro solo existe si baja el coste del trabajo que tu cliente repite.
- Empieza por fine-tuning: entrenar sobre un modelo existente y un trabajo estrecho es más barato que partir de cero.
- Blinda los datos: sin datos propietarios y revisores expertos, tu ventaja se copia en un trimestre.
