Perplexity publicó datos de 2025 que muestran algo que seguramente te suena: las empresas dejaron de usar un solo modelo de IA como estándar y empezaron a tratar los modelos como un menú al que cambiar según la tarea. ¿Por qué importa eso para tu equipo o tu empresa? Porque flexibilizar el acceso a opciones puede ser más valioso que elegir el "mejor" modelo de hoy.
Qué revelan los números
En 2025 las cifras muestran una fragmentación clara. A comienzos de año dos modelos concentraban más del 90% del uso empresarial; a fin de año ese panorama cambió: cuatro modelos superaban el 10% cada uno y el líder apenas respondía por alrededor del 23% de las consultas. ¿Qué nos dice eso? Que la preferencia por modelos se diversificó a medida que aparecieron opciones nuevas y más especializadas.
Perplexity, que asegura dar acceso a modelos de varios proveedores desde una sola interfaz, reporta además que 92% de las empresas Fortune 500 usan su plataforma. Eso le da una ventana privilegiada para ver el comportamiento real dentro de empresas grandes.
Datos clave
- 12.5% de los asientos empresariales son usuarios avanzados (activos al menos 12 de cada 28 días).
- 40% de esos power users usan 6 o más modelos; los usuarios regulares, 20%.
- Las 50 cuentas principales usan en promedio 30 modelos; las cuentas típicas, 7.
- 43.6% de las organizaciones usaron más de un modelo en 2025.
- 9.1% de los usuarios usaron varios modelos en un mismo día.
- Entre los que eligen modelos específicos, 53% cambiaron de modelo dentro de un mismo día al menos una vez en 2025.
Cómo se están usando los modelos según la tarea
No todos los modelos compiten en lo mismo. Algunos se vuelven preferidos para tareas concretas:
- Programación: modelos Claude cubrieron 38% de las consultas; a nivel organizacional 40% de empresas lo usan por defecto, frente a 22% que prefieren GPT.
- Diciembre 2025 - preferencias por función:
- Artes visuales: Gemini Flash 40%
- Análisis financiero: Gemini 3.0 Pro Thinking 31%
- Depuración (debugging): Claude Sonnet 4.5 30%
- Desarrollo de software: Claude Sonnet 4.5 29%
- Legal / casos judiciales: Claude Thinking 23%
- Investigación médica: GPT-5.1 Thinking 13%
Estos porcentajes muestran que la especialización importa: un modelo puede ser muy bueno para arte visual y otro para análisis financiero. Y eso cambia rápido: lo que lidera hoy puede no ser el líder el próximo trimestre.
Dinámica del mercado durante el año
A inicios de 2025 Claude Sonnet 4 y GPT-4o sumaban 91.5% del uso empresarial (47.5% y 44%). Al cierre del año el pastel se repartió más: Gemini 3.0 Pro Thinking 23.3%, Claude Sonnet 4.5 20.6%, Claude Sonnet 4.5 Thinking 10.7% y GPT-5 7.9%.
Cuando se lanzan nuevos modelos suelen tener picos de uso muy altos por unos días (más de 50%) mientras los equipos experimentan. Ese efecto baja rápido: a la semana siguiente suelen estabilizarse alrededor de 35% como máximo. En 2025 se lanzaron 46 modelos y Perplexity los puso a disposición en su plataforma dentro de 24 horas, lo que facilita probar sin gestionar contratos y accesos separados.
¿Qué significa esto para equipos y empresas?
Sin tecnicismos: si tu equipo solo permite un modelo, probablemente estés dejando rendimiento en la mesa. La práctica de "model-switching" (cambiar de modelo según la tarea) tiene ventajas claras:
- Mejor ajuste de resultados por función: selección por precisión, creatividad, velocidad o costo.
- Mayor experimentación: los power users encuentran combinaciones que optimizan flujos.
- Resiliencia ante cambios rápidos: cuando aparece un modelo nuevo que supera en algo, puedes adoptarlo sin trastocar todo.
Consejos prácticos si gestionas IA en una empresa:
- Da acceso a varias opciones y controla costos con límites y monitoreo.
- Define casos de uso y métricas por tarea (por ejemplo: mejor para resumen legal vs mejor para generación visual).
- Incentiva a los power users a documentar descubrimientos y crear plantillas de uso.
- Monitorea cambios en preferencias trimestralmente: en este mercado las curvas cambian rápido.
Un ejemplo sencillo
Imagínate en un equipo de finanzas: para análisis numérico usas un modelo que prioriza exactitud y trazabilidad; para presentaciones creativas eliges otro que genere gráficos y narrativas más llamativas. Si los dos están disponibles sin fricción, el proceso se acelera y cada tarea obtiene la herramienta adecuada.
Al final, la lección es práctica: más que apostar todo a un único ganador, vale la pena construir procesos que permitan elegir, probar y cambiar modelos según lo que cada tarea necesita.
Fuente original
https://www.perplexity.ai/hub/blog/inside-the-rise-of-enterprise-ai-model-switching