Tres gigantes, tres apuestas, ¿un solo ganador?
En 2026 la pregunta real es dónde se captura el valor cuando todas las empresas adopten copilots, agentes y automatización a escala.
Amazon, Google y Microsoft están construyendo stacks completos de IA, pero cada uno está haciendo una apuesta distinta sobre como dominar la economía de la IA. Y estas apuestas son, en gran medida, mutuamente excluyentes.
La pregunta del millón: ¿el valor se acumula en la infraestructura (Amazon), en la calidad del modelo (Google) o en la integración en aplicaciones y flujos de trabajo (Microsoft)?
La arquitectura de IA en seis capas (L1–L6)
Los tres gigantes coinciden en una arquitectura de seis capas; lo que cambia es qué capa consideran decisiva:
- L1 Silicon & Infrastructure: chips, data centers, redes, CapEx y coste por token.
- L2 Foundation Models: modelos base (LLMs/multimodales) y acceso a frontier models.
- L3 Agent Infrastructure: orquestación de agentes, memoria, políticas, evaluaciones y gobernanza.
- L4 AI Tools & Development: herramientas de desarrollo y copilots (IDE, plataformas de agentes, etc.).
- L5 Enterprise Applications: suites y apps donde trabaja el usuario (productividad, colaboración).
- L6 Consumer / Distribution: distribución y canales de llegada (SO, dispositivos, búsqueda, plataformas).
Resumen ejecutivo: “tres apuestas, tres posibles futuros”
Por si no quieres leer todo, aquí tienes el resumen.
Amazon, Google y Microsoft lo abordan de forma distinta:
- Amazon (Infrastructure Play): “Models will commoditize. Value accrues to infrastructure.”
- Si los modelos se vuelven intercambiables, gana quien controle orquestación, gobernanza y silicio.
- Google (Intelligence Play): “Model quality is decisive. Own the intelligence, own everything.”
- Si la diferencia de calidad entre modelos sigue siendo decisiva, gana quien posea la mejor inteligencia.
- Microsoft (Workflow Play): “Distribution is everything. Own the workflow, capture the value.”
- Si lo que manda es la distribución en el día a día, gana quien controle la superficie de trabajo.
Amazon: The Infrastructure Play “Own the pipes, not the intelligence”
Amazon apuesta a que los modelos se vuelvan una commodity (como hoy ocurre con bases de datos o instancias de cómputo). Si eso pasa, la ventaja sostenible se desplaza a:
- la infraestructura (coste/eficiencia y capacidad),
- la orquestación y gobernanza de agentes,
- y el control plane (la capa que coordina y limita lo que los agentes pueden hacer).
Amazon tiene la idea de que su capa L3 debe convertirse en el estándar: AgentCore como “Kubernetes for Agents” (control plane empresarial para agentes).
El stack de seis capas de Amazon
- L6 Consumer: fuerte, con alcance relevante en comercio.
- Señales destacadas: Rufus con ~300M usuarios; Alexa con ~500M dispositivos (pero por debajo de Google en alcance global).
- L5 Enterprise Applications: gap.
- Mensaje clave: no tiene un equivalente a M365 donde “vive” el conocimiento del trabajo.
- L4 AI Tools & Frontier Agents: fuerte.
- Se posiciona con herramientas y agentes en crecimiento (p. ej. Kiro, Security/DevOps agents).
- L3 Agent Infrastructure & Orchestration: líder.
- Es la capa que “lidera” con AgentCore, gobernanza/política/memoria/evaluaciones.
- L2 Foundation Models: gap.
- Se apoya en modelos en marketplace/partners; “Nova” no compite en frontier vs GPT/Gemini.
- L1 Silicon & Infrastructure: fuerte.
- Señales: Trainium/Graviton; inversión masiva en CapEx; economía de infraestructura como ventaja.
Dónde Amazon lidera (según el análisis)
- Agent Infrastructure: gobernanza y control empresarial.
- Custom Silicon: escala comercial y economía (se citan $10B+ de ARR en silicio).
- Commerce AI: Rufus empujando ~$12B en ventas (palanca de datos de intención de compra).
- Contact Center: Amazon Connect como prueba de “economics” de agentes/automatización.
Dónde Amazon se queda por detrás
- Frontier Models: no lidera en capacidad.
- Enterprise Apps: ausencia en el “desktop” de productividad.
- Developer Tools: GitHub Copilot domina; Kiro parte con desventaja.
- Consumer Reach: ~500M dispositivos vs ~3B en Android (Google).
Si la apuesta gana…
AWS se convierte en el “Intel Inside” de la era IA: infraestructura invisible pero indispensable, donde “corren” los modelos y agentes de todos.
Si la apuesta pierde…
El propio marco del análisis lo resume así: si la calidad del modelo sigue siendo decisiva, entonces Google/Microsoft capturan el valor (Amazon queda como gran infraestructura).
Google: The Intelligence Play “Own the intelligence, own everything”
Google cree que, a diferencia de otras olas tecnológicas, en IA el “producto” es el modelo: su razonamiento, fiabilidad, conocimiento y capacidades. Si las brechas de calidad persisten, quien tenga el mejor modelo obtiene:
- la preferencia del usuario,
- la preferencia del desarrollador,
- y la capacidad de “arrastrar” el resto del stack.
El análisis refuerza esta tesis con integración vertical: Gemini + TPU + distribución masiva.
El stack de seis capas de Google
- L6 Consumer Distribution: líder.
- Señales: ~3B dispositivos Android; ~8.5B búsquedas/día; YouTube ~2B+ usuarios; Chrome domina el mercado de los navegadores.
- L5 Enterprise Applications: fuerte, pero por detrás de M365.
- “Workspace + Gemini” con tracción creciente, aún en desventaja frente a Microsoft en el segmento enterprise.
- L4 AI Tools & Development: fuerte.
- Se mencionan Vertex AI, AI Studio, Gemini Code Assist, Colab, Firebase AI.
- L3 Agent Infrastructure: gap.
- Mensaje clave: enfoque “capability-first”, pero ligero en gobernanza frente a necesidades enterprise/reguladas.
- L2 Foundation Models: líder.
- Gemini 2 como “frontier proprietary”; optimización end-to-end.
- L1 Silicon & Infrastructure: líder.
- TPU v5p y liderazgo en investigación; integración modelo–silicio.
Dónde Google lidera
- Frontier Models: Gemini compite en frontera.
- Custom Silicon: TPU como ventaja estructural.
- Consumer Distribution: Search/Android/YouTube como canales de hábito.
- Research: DeepMind sosteniendo la innovación.
Dónde Google queda por detrás
- Agent Governance: gobernanza y controles enterprise percibidos como más ligeros.
- Enterprise Apps: Workspace todavía detrás de M365.
- Developer Mindshare: mejora, pero no es el default universal.
Si la apuesta gana…
Gemini se convierte en el “cerebro por defecto” de internet: la capa de inteligencia que alimenta aplicaciones, dispositivos y servicios.
Si la apuesta pierde…
Si los modelos de verdad se vuelven commodities (capacidad comparable, precios competitivos, switching cost bajo), Google pierde y el valor se desplaza hacia infraestructura (Amazon) o workflows (Microsoft).
Microsoft: The Workflow Play “Own the workflow, capture the value”
Microsoft sostiene que el valor de la IA se captura donde se hace el trabajo. Si:
- los modelos se vuelven reemplazables (se compra el mejor),
- la infraestructura es “good enough” (Azure competitivo, aunque no el más optimizado),
entonces la clave está en la distribución: M365 + GitHub + VS Code como superficie universal de trabajo.
El stack de seis capas de Microsoft
- L6 Consumer Distribution: fuerte.
- Señales: Windows (1.4B+ dispositivos), LinkedIn (~1B+), Xbox, Bing con Copilot.
- L5 Enterprise Applications: líder.
- M365 Copilot integrado en Word/Excel/PPT/Outlook/Teams; ~400M usuarios de empresa.
- L4 AI Tools & Development: líder.
- GitHub Copilot domina; VS Code como IDE más popular; Azure AI Studio.
- L3 Agent Infrastructure: gap.
- Mensaje clave: Copilot Studio “embebido” en M365, menos portable/standalone y con menos profundidad de gobernanza.
- L2 Foundation Models: fuerte por acceso, pero sin propiedad.
- Dependencia explícita de la alianza con OpenAI.
- L1 Silicon & Infrastructure: gap.
- Maia aparece como “early” y por detrás de Trainium/TPU; Azure infra fuerte, pero no lidera en silicio.
Dónde Microsoft lidera
- Enterprise Applications: suite de productividad + Copilot en el día a día.
- Developer Tools: GitHub Copilot + VS Code como punto de entrada masivo.
- Workflow Integration: la IA se integra en rutinas y documentos existentes.
- Distribution: ~400M usuarios de empresa como canal.
Dónde Microsoft es vulnerable
- Model Ownership: no posee el modelo; riesgo si la relación/condiciones cambian.
- Custom Silicon: desventaja temporal frente a estrategias más avanzadas.
- Research: dependencia de OpenAI vs motor interno equivalente.
Si la apuesta gana…
Copilot se convierte en la “AI layer of work”: la interfaz por la que los usuarios consumen IA, independientemente de qué modelo corra por debajo.
Si la apuesta pierde…
Si los usuarios cambian de interfaz o si el modelo domina la elección del producto, el control del workflow ya no basta; y si la infraestructura se vuelve el gran cuello de botella, Amazon captura más.
Comparación estratégica: quién lidera y dónde
El análisis muestra una idea clave: nadie domina todas las capas.
- Amazon
- Apuesta: “Models commoditize → value to infrastructure”
- Liderazgo: L3 Agent Infra (1/6 capas)
- Características clave: AgentCore + Trainium (+ enorme CapEx)
- Debilidades: sin frontier model líder; sin suite enterprise; distribución más limitada fuera de comercio
- If bet wins: AWS = “Intel Inside” de la IA
- Google
- Apuesta: “Model quality decisive → own intelligence”
- Liderazgo: L1 Silicon + L2 Models + L6 Consumer (3/6 capas)
- Características clave: Gemini + TPU + Android (distribución masiva)
- Debilidades: gobernanza de agentes (L3) más ligera; apps enterprise por detrás; mindshare dev no dominante
- Si su apuesta gana: Gemini = “default brain” de internet
- Microsoft
- Apuesta: “Distribution is everything → own workflow”
- Liderazgo: L4 Dev Tools + L5 Enterprise Apps (2/6 capas)
- Características clave: M365 + GitHub + alianza OpenAI (y su distribución)
- Debilidades: no posee el modelo; silicio débil; dependencia estratégica
- Si su apuesta gana: Copilot = “AI layer of work”
Y esto se traduce en:
- Amazon: 69%; lidera 1/6 capas.
- Stack amplio, pero la dominancia se concentra en L3.
- Google: 82%; lidera 3/6 capas.
- El más verticalmente integrado; el hueco crítico está en L3 (gobernanza enterprise de agentes).
- Microsoft: 73%; lidera 2/6 capas.
- Domina la capa de aplicaciones/herramientas, pero es vulnerable por modelo y silicio.
Estas tres apuestas no pueden ganar a la vez
Esto no es una carrera de características. Es una carrera de teoría del valor:
- Si los modelos se vuelven commodities → gana Amazon.
- El valor se concentra en rails, gobernanza y eficiencia: AgentCore/Bedrock como control plane y marketplace; “own the pipes”.
- Si la calidad del modelo sigue siendo decisiva → gana Google.
- El mejor modelo, sobre el mejor silicio, con la mayor distribución, crea un flywheel imposible de igualar.
- Si la distribución captura el valor → gana Microsoft.
- Da igual quién tenga el mejor modelo si Copilot es la interfaz diaria: el valor se captura en el workflow.
El horizonte crítico: el análisis lo plantea como una ventana de ~24 meses para ver qué teoría se valida con adopción masiva, regulación, costes y hábitos.
La pregunta del millón: ¿el valor se concentra en las tuberías, en el cerebro o en el flujo de trabajo?
Recapitulando
- Amazon, Google y Microsoft están construyendo stacks end-to-end de IA.
- Coinciden en las capas, pero discrepan en la capa donde se concentrará el valor.
- Cada uno optimiza una capa distinta:
- Amazon: control y gobernanza para agentes.
- Google: inteligencia e integración vertical.
- Microsoft: hábito, superficie de trabajo y distribución.
- A escala, estas apuestas son mutuamente excluyentes.
La próxima fase de adopción dirá qué capa va a dar el liderazgo de forma continuada.
Información basada en la publicación
