War of the Ecosystems
Solicitar sesión de estrategia
TL;DR El verdadero avance en OpenAI y Tax AI de Thrive Holdings no es simplemente la mejora personal del modelo base. El sistema de mejora automática es el arnés alrededor del modelo: las correcciones de los profesionales se convierten en trazas de producción, las trazas en evaluaciones y las evaluaciones impulsan mejoras en el flujo de trabajo asistido por el Codex. Para los ejecutivos, esto marca un cambio de la compra de herramientas de IA a la creación de circuitos operativos habilitados para IA. Las empresas que ganen instrumentarán flujos de trabajo de alto valor, captarán comentarios de expertos, controlarán la confianza y convertirán cada corrección en una ventaja compuesta del ecosistema.
Resumen ejecutivo OpenAI, Thrive Holdings y la red de Creta de más de 30 firmas contables han demostrado algo más importante desde el punto de vista estratégico que otra herramienta de productividad de inteligencia artificial. Han mostrado un patrón repetible para la transformación de los servicios profesionales: las correcciones de los profesionales se convierten en evidencia estructurada, la evidencia en evaluaciones y las evaluaciones en mejoras de productos impulsadas por el Codex. Tax AI procesó 7000 declaraciones entre las empresas participantes de Creta, centrándose en la compleja preparación de los formularios 1040 y 1041.
OpenAI informó que el sistema ahorró a los profesionales alrededor de un tercio del tiempo de preparación de impuestos, redactó declaraciones con hasta un 97% de precisión y aumentó el rendimiento en aproximadamente un 50%. En el lanzamiento, solo el 25 % de las devoluciones alcanzaron el 75 % de finalización correcta del campo; en seis semanas, el 86% alcanzó esa marca. La publicación pública de OpenAI también afirma que los umbrales de finalización del 90 % y el 100 % mejoraron aún más rápido, mientras que un informe secundario indicó que el 90 % de las devoluciones finalmente alcanzaron el 100 % de finalización correcta del campo. 1][2] ([OpenAI) El titular no es que el modelo base se haya vuelto más inteligente. El titular es que el arnés operativo mejoró.
Como lo plantea la información informativa: "el arnés se mejora solo, no el modelo base". Esa distinción es importante para todos los líderes de asesoría, auditoría, finanzas, asuntos legales, seguros y operaciones que intentan llevar la inteligencia artificial de los experimentos a una ventaja operativa mensurable. En el lenguaje de War of the Ecosystems, esto no es simplemente una ganancia de producto. Es una nueva maniobra del ecosistema. La fuerza ganadora no es un modelo, un proveedor de software o una empresa de contabilidad.
Es el sistema coordinado del campo de batalla: capacidad de plataforma, experiencia de los profesionales, rastros de producción, infraestructura de evaluación, gobernanza del flujo de trabajo y una red de servicios capaz de convertir las correcciones humanas en ventajas compuestas. 1. Llamado a las armas: el campo de batalla de la IA ha pasado de los modelos a los circuitos operativos Durante los últimos dos años, muchos ejecutivos han librado la batalla equivocada. Han comparado modelos, negociado licencias, lanzado copilotos y medido la adopción. Esas actividades importan, pero no son suficientes. El campo de batalla decisivo es ahora el circuito operativo alrededor del modelo.
La encuesta sobre el estado de la IA 2025 de McKinsey capta esta brecha. Casi nueve de cada diez encuestados dijeron que sus organizaciones utilizan regularmente la IA en al menos una función empresarial, pero la mayoría de las organizaciones aún no habían integrado la IA lo suficientemente profundamente en los flujos de trabajo como para generar beneficios materiales a nivel empresarial. McKinsey también descubrió que las personas de alto rendimiento tienen más probabilidades de rediseñar los flujos de trabajo, definir procesos de validación humana y escalar la IA con la propiedad de los líderes senior. 3] ([McKinsey & Company) La IA fiscal es importante porque muestra cómo se ve el rediseño del flujo de trabajo a escala en un dominio profesional de alta fricción.
La preparación de impuestos no es un flujo de trabajo de juguete. Tiene documentos desordenados, notas específicas de clientes, información de años anteriores, consecuencias regulatorias, juicio de los profesionales y responsabilidad humana final. OpenAI describe que el sistema preserva los rastros de producción desde los archivos fuente hasta los campos extraídos, el mapeo del motor de impuestos, la corrección del profesional y el envío final. Esos rastros se convierten en la inteligencia del campo de batalla. 1] ([OpenAI) Aquí es donde los Ecosystem Commander deben cambiar de doctrina. La vieja pregunta era: "¿Qué modelo deberíamos comprar?"
La nueva pregunta es: "¿Qué flujo de trabajo podemos instrumentar para que cada corrección experta mejore el sistema, reduzca la fricción futura y fortalezca el ecosistema?" Ese es el paso del uso de la IA a la construcción de un ecosistema habilitado para ella. 2. Conquista vertical: los impuestos son la cabeza de playa, no toda la guerra La preparación de impuestos es la primera cabeza de playa visible. La conquista más grande es el trabajo profesional que está lleno de documentos, basado en reglas, sensible al juicio y limitado por la confianza.
En el marco del ecosistema de Alejandro Canonero, cinco campos de batalla importan: clientes, desarrolladores, proveedores de software independientes, socios de servicios y aliados de hardware o infraestructura. Tax AI activa los cinco. En primer lugar, el campo de batalla del cliente es la empresa contable y su cliente final. El sistema no promete simplemente menores costos. Libera a los profesionales para que puedan dedicar más tiempo al asesoramiento de cara al cliente. OpenAI informó que un contador senior que dedicó 180 horas a la preparación de impuestos el año pasado pasó solo 15 horas este año, utilizando el tiempo libre para llamar a los clientes, explicar las declaraciones y asumir nuevos trabajos.
1] ([OpenAI) En segundo lugar, el campo de batalla de los desarrolladores es el entorno de mejora impulsado por el Codex. El trabajo de ingeniería de OpenAI describe un cambio en el desarrollo de software donde los "humanos dirigen" y los agentes ejecutan dentro de repositorios estructurados, pruebas, documentación y bucles de revisión. Ese principio se vuelve más poderoso cuando se conecta con fallas de producción reales provenientes de flujos de trabajo expertos. 4] ([OpenAI) En tercer lugar, el campo de batalla de los proveedores de software independientes incluye motores de impuestos, sistemas de gestión de documentos, plataformas de flujo de trabajo, herramientas de auditoría y proveedores de análisis.
Los ganadores serán los proveedores cuyos sistemas puedan exponer rastros, preservar la procedencia, respaldar evaluaciones e integrarse en ciclos de mejora agentes. En cuarto lugar, el campo de batalla entre los socios de servicio es el más subestimado. Las empresas de contabilidad, las empresas de auditoría, las empresas de asesoramiento, los proveedores de servicios gestionados y las consultorías de operaciones ya no son meros implementadores. Son la fuente de correcciones expertas que entrenan el arnés. Su trabajo diario se convierte en la línea de suministro de retroalimentación. En quinto lugar, el campo de batalla de la infraestructura incluye capas seguras de nube, computación, almacenamiento, observabilidad y gobernanza de datos.
Sin una infraestructura y una trazabilidad fiables, el círculo colapsa. La lección vertical es clara: la ventaja de ser el primero en actuar no proviene del acceso genérico a la IA. Proviene de apropiarse del contexto de producción donde ocurren las correcciones expertas. 3. Arma estratégica: el arnés es el multiplicador de fuerza El arma estratégica no es la "IA" en abstracto. Es un instrumento de mejora personal: un sistema limitado que captura la retroalimentación de los expertos, la convierte en evidencia estructurada, convierte las fallas recurrentes en evaluaciones y utiliza el Codex para investigar y proponer soluciones.
OpenAI describe tres pilares detrás de Tax AI: comentarios de los profesionales, seguimientos de producción y un ciclo impulsado por el Codex basado en evaluaciones personalizadas. En un ejemplo de propiedad de alquiler, las correcciones de los profesionales revelan fallas, los rastreos muestran dónde ocurrió la falla y Codex inspecciona el rastreo, el repositorio, las evaluaciones y la estructura del producto para proponer cambios. Los casos ambiguos regresan a los humanos en lugar de verse obligados a través de la automatización. 1] ([OpenAI) Esa última frase es fundamental. Este no es un juicio fiscal autónomo. Es una mejora limitada del flujo de trabajo.
Los ingenieros siguen siendo responsables de la arquitectura, las decisiones sobre productos y el envío; los profesionales dirigen el ciclo a través de la revisión y aprobación. 1] ([OpenAI) Ésta es la diferencia entre una carga imprudente y una guerra disciplinada de armas combinadas. En la Batalla del Atlántico, los aliados no ganaron construyendo un barco mágico. Ganaron integrando radar, descifrado de códigos, doctrina de convoyes, cobertura aérea, tácticas de escolta y retroalimentación constante desde el frente. La IA fiscal muestra la misma lógica en la IA empresarial: el modelo es solo un activo.
La ventaja decisiva proviene de la coordinación entre señales, flujos de trabajo, herramientas, expertos y gobernanza. El trabajo sinfónico de OpenAI refuerza la replicabilidad de este patrón. Symphony es una implementación de referencia y especificación de orquestación de Codex de código abierto diseñada para convertir los flujos de trabajo de gestión de proyectos en un plano de control para los agentes de codificación. OpenAI dice que ha abierto Symphony para demostrar Codex App Server combinado con herramientas de flujo de trabajo y permitir que otros creen versiones adaptadas a sus entornos. 5] ([OpenAI) Para las empresas de asesoría, esto significa que la próxima frontera del producto no es un chatbot que responda preguntas sobre impuestos.
"La ventaja decisiva proviene de la coordinación entre señales, flujos de trabajo, herramientas, expertos y gobernanza".
, Dr. Alejandro Canonero, DBA, autor de La guerra de los ecosistemas
Es un arnés de flujo de trabajo que aprende de cada revisión, excepción, corrección y decisión específica del cliente. 4. Campo de batalla decisivo: confianza, gobernanza y métricas El caso de Tax AI también expone las limitaciones que decidirán a los ganadores y a los perdedores. La primera limitación es la confianza. En finanzas y contabilidad, la precisión no es una característica; es permiso para operar. AICPA y CIMA informan que los líderes financieros ven la IA como un cambio decisivo, sin embargo, solo el 8 % se siente muy bien preparado para adoptarla, y el 46 % identifica la IA generativa como la brecha de habilidades más importante para 2025. 6] ([AICPA & CIMA) La segunda limitación es la rendición de cuentas.
El sistema debe preservar la procedencia: qué documento respalda el campo extraído, qué propuso el agente, qué cambió el practicante y qué se incluyó finalmente en la declaración presentada. Esta es la razón por la que los rastros de producción son estratégicamente superiores a los registros prompt sueltos. La tercera limitación es el retorno de la inversión. Gartner ha advertido que más del 40% de los proyectos de IA agente podrían cancelarse para finales de 2027 debido al aumento de los costos, un valor comercial poco claro o controles de riesgo inadecuados. La recomendación práctica de Gartner es buscar una IA agente que ofrezca un valor claro a través del costo, la calidad, la velocidad y la escala.
7] ([Gartner) Tax AI cumple con ese estándar porque el valor es mensurable: tiempo de preparación, rendimiento, finalización de campo, precisión, carga de revisión, capacidad del cliente y expansión a servicios adyacentes. En el lenguaje de Métricas Estratégicas de Alejandro, los Ecosystem Commander deberían medir este tipo de iniciativa a través de siete lentes: Productividad ROI: Reducción de horas de preparación por devolución. Rendimiento: Número de devoluciones procesadas por practicante o equipo. Calidad: porcentaje de devoluciones con un 75 %, 90 % y 100 % de finalización correcta del campo antes de la corrección.
Ingresos impulsados por los socios: ingresos incrementales de las empresas que adoptan el arnés. Venta adicional y venta cruzada: servicios de asesoramiento, auditoría, contabilidad y operaciones habilitados por la capacidad liberada. Crecimiento del consumo: mayor uso de la plataforma de inteligencia artificial, el motor de impuestos, el almacenamiento y los sistemas de flujo de trabajo. Velocidad de confianza: reducción de los ciclos de revisión necesarios antes de la aprobación del profesional. El punto decisivo es que el arnés convierte la confianza de un eslogan a una métrica operativa. 5. Manual de ejecución: cómo ganan los Ecosystem Commander en los próximos 12 a 24 meses El manual del general se aplica directamente. 1.
Construya una visión compartida en torno a la conquista del flujo de trabajo. No lance la IA como un programa de productividad genérico. Seleccioná un flujo de trabajo de alta fricción donde las correcciones de expertos sean frecuentes, costosas y mensurables. La preparación de impuestos fue la cabeza de puente para OpenAI, Thrive y Crete. Otros candidatos incluyen revisión de evidencia de auditoría, abstracción de arrendamientos, reclamos de seguros, excepciones de adquisiciones, resolución de asistencia técnica, cierre financiero y monitoreo de cumplimiento. 2. Cree relaciones basadas en la confianza con los profesionales. El profesional no es un obstáculo para la automatización. El practicante es la fuente de inteligencia.
La IA fiscal mejoró porque los contadores corrigieron el trabajo real, aclararon la ambigüedad y revelaron qué fallas importaban. El líder del ecosistema debe hacer sentir a los expertos que la IA está amplificando su juicio, no extrayéndolo sin crédito. 3. Haga que el sistema sea fácil de usar y de corregir. Un arnés de mejora personal depende de la captura de la corrección. Si la revisión es dolorosa, la línea de suministro se rompe. Cada corrección del practicante debe ser estructurada, atribuible y útil para evaluaciones futuras. 4. Alinear incentivos Las empresas contables no deberían ser recompensadas sólo por las horas facturadas.
Deberían ser recompensados por la reducción del tiempo de ciclo, la expansión de clientes, la calidad y la conversión de asesoramiento. Las plataformas deben recompensar a los socios que aportan evaluaciones reutilizables, flujos de trabajo validados y patrones de mejora específicos de la industria. 5. Escalar a través de patrones repetibles OpenAI dice que el mismo diseño de tres partes de Tax AI se está utilizando como modelo para otros flujos de trabajo contables, como la contabilidad y la auditoría, y para flujos de trabajo operativos, como la automatización de la mesa de ayuda de tecnología de la información.
1] ([OpenAI) La decisión de Commander es empaquetar el patrón: esquema de seguimiento, flujo de trabajo de revisión, biblioteca de evaluación, modelo de gobernanza, habilitación de socios y solución lista para marketplace. 6. Innovar continuamente La ventaja se agrava sólo si el ciclo sigue funcionando. Las revisiones de corrección semanales, la generación de evaluaciones recurrentes, las pruebas de regresión y la implementación controlada deberían convertirse en el nuevo ritmo operativo. 7. Gobernar con conocimientos prácticos Los paneles deben ir más allá de la adopción.
Realice un seguimiento de dónde se producen las correcciones, qué campos fallan repetidamente, qué tipos de documentos crean ambigüedad, qué socios generan comentarios de alta calidad y qué correcciones reducen la carga de revisión. Conclusiones clave para Ecosystem Commander El avance estratégico no es que el modelo base mejore por sí solo. El aprovechamiento mejora mediante correcciones de expertos, seguimientos de producción, evaluaciones e iteraciones impulsadas por el Codex. La próxima guerra del ecosistema se librará dentro de los flujos de trabajo, no entre tablas de clasificación de modelos. Las empresas de servicios profesionales deberían tratar las correcciones de los profesionales como activos de datos estratégicos.
Las plataformas que exponen seguimientos, respaldan evaluaciones y habilitan bucles agentes gobernados atraerán a los socios de servicios más sólidos. Los líderes de asesoría deben comenzar con un flujo de trabajo mensurable, instrumentarlo profundamente y construir un arnés repetible antes de expandirlo. Las métricas ganadoras no son demostraciones ni tasas de adopción. Son el rendimiento, la precisión, la reducción de revisiones, los ingresos de los socios, la expansión de los clientes y la velocidad de la confianza. El mandato del comandante es claro: construir el sistema del campo de batalla, no sólo la herramienta de IA. Referencias 1] OpenAI, 2026, "Creación de agentes fiscales de mejora personal con Codex".
([OpenAI) 2] The Deep View, 2026, "Los agentes de superación personal son el próximo paso de la IA". ([The Deep View) 3] McKinsey & Company, 2025, "El estado de la IA: Encuesta global 2025". ([McKinsey & Company) 4] OpenAI, 2026, "Ingeniería de arneses: aprovechamiento de Codex en un mundo en el que el agente es lo primero". ([OpenAI) 5] OpenAI, 2026, "Una especificación de código abierto para la orquestación del Codex: Symphony". ([OpenAI) 6] AICPA & CIMA, 2026, "Finanzas preparadas para el futuro: Informe de encuesta sobre tecnología, productividad y habilidades". ([AICPA & CIMA) 7] Gartner, 2025, "Gartner predice que más del 40% de los proyectos de IA agente se cancelarán para fines de 2027". ([Gartner) 8]James F.
Moore, 1993, "Depredadores y presas: una nueva ecología de la competencia", Harvard Business Review. ([Harvard Business Review) 9] Marco Iansiti y Roy Levien, 2004, "Estrategia como ecología", Harvard Business Review. ([Harvard Business Review) 10] Ron Adner, 2017, "Ecosistema como estructura: una construcción procesable para la estrategia", Journal of Management. ([journals.sagepub.com) 11] Michael G. Jacobides, Carmelo Cennamo y Annabelle Gawer, 2018, "Towards a Theory of Ecosystems", Strategic Management Journal. ([sms.onlinelibrary.wiley.com)