Mi opinión contraria es que la opinión de "los modelos son mercancías, solo intercambian" es una visión ingenua y terminal que casi exclusivamente tienen gente aquí que nunca ha enviado productos basados en LLM en profundidad. Estas personas suelen ser solo pontificadores. Mi opinión personal es que el foso sí existe y es el ajuste acumulado... Que son cosas como bibliotecas de prompts, manejo de casos límite, intuición institucional sobre modos de fallo y calibración de confianza embebida. Los costes de cambio se acumulan de forma no lineal con la profundidad de integración. Consumir API a nivel superficial quizá sea trivial. Pero para cosas profundamente incrustadas como la lógica de segmentación, las canalizaciones de comunicaciones, flujos de trabajo clasificados, etc., el coste de cambio es básicamente un ciclo completo de reingeniería disfrazado de decisión del proveedor. La situación de Dow/Anthropic en concreto es interesante porque probablemente las organizaciones militares tengan la versión más extrema de este problema. No pueden simplemente hacer pruebas de Yolo en producción, y cada caso límite de comportamiento debe ser revalidado de formas lentas, caras y que requieran conocimientos especializados que no necesariamente se transfieran entre familias de modelos. Soy muy consciente de esto porque nuestra startup puede cambiar a cualquier modelo, pero es un fastidio porque todo o se estropea o se vuelve muy raro.