Amazon compra Decart AI: que impacto tiene en la industria

La posible compra de Decart por parte de Amazon por alrededor de US$7.000 millones no es solamente una noticia sobre chips, valuaciones o adquisiciones tecnológicas. Amazon Decart también plantea una pregunta concreta para cualquier empresa que esté implementando agentes de IA: ¿qué parte de la solución depende del proveedor de infraestructura y qué parte queda bajo control del negocio?

La operación todavía no está confirmada. The Wall Street Journal informó que las compañías negocian y Reuters recogió la noticia, pero Amazon y Decart no hicieron comentarios públicos. Aun así, el caso permite entender hacia dónde se mueve el mercado: los grandes proveedores buscan que sus propios chips sean más fáciles de usar y que cambiar de plataforma no implique reconstruir todo desde cero.

Amazon Decart: qué se sabe hasta ahora

Decart fue fundada en 2023 por Dean y Orian Leitersdorf y Moshe Shalev. La compañía levantó más de US$400 millones de inversores como Radical Ventures, Nvidia, Sequoia y Benchmark. En mayo de 2026 consiguió US$300 millones con una valuación cercana a US$4.000 millones.

La cifra que se estaría negociando ahora, unos US$7.000 millones, representa una prima importante sobre esa valuación. La noticia también tiene antecedentes: Nvidia exploró una compra y Anthropic habría negociado una operación de aproximadamente US$6.000 millones antes de desistir, según los reportes citados en el documento original.

Nada de esto convierte la negociación en una adquisición cerrada. Puede caerse, cambiar de condiciones o terminar con otro comprador. Por eso conviene analizar el interés estratégico de Amazon sin presentar la operación como un hecho consumado.

Qué hace Decart y por qué importa

La compañía tiene dos líneas de trabajo especialmente relevantes. La primera es DOS, su plataforma de optimización. La segunda reúne herramientas de generación y simulación de video y entornos virtuales, como Lucy y Oasis.

DOS permite ejecutar modelos de IA sobre GPUs de Nvidia, TPUs de Google o chips Trainium de Amazon sin reconstruirlos para cada arquitectura. En términos simples, funciona como un adaptador: el modelo se mantiene y cambia la infraestructura que lo ejecuta.

Ese problema es menos visible que un chatbot o un generador de video, pero puede tener un impacto operativo significativo. Adaptar un modelo a un chip diferente suele exigir tiempo de ingeniería, pruebas y cambios en el software. Si cada migración lleva meses, una empresa queda condicionada por el proveedor que eligió al principio. Si la adaptación se vuelve más rápida, cambiar de capacidad de cómputo puede ser una decisión más flexible.

Lucy modifica video en vivo y Oasis genera entornos virtuales simulados. Ambas herramientas pertenecen a una categoría de sistemas que no se limitan a responder texto: producen o simulan escenas completas, con imágenes, movimiento y reglas dentro de un entorno. Sin embargo, la pieza central de la posible operación parece ser DOS, porque resuelve una barrera directa para el negocio de infraestructura de Amazon.

Por qué Amazon estaría interesada

Amazon desarrolla sus propios chips de IA, entre ellos la familia Trainium, para competir con Nvidia. Pero fabricar hardware no alcanza. Gran parte del software y de los modelos que usa la industria fue diseñado alrededor de las GPUs de Nvidia.

Ahí aparece el problema comercial: aunque Trainium ofrezca una alternativa, un cliente puede no querer migrar si el costo técnico de hacerlo es demasiado alto. Cada adaptación requiere personal especializado, pruebas de rendimiento y validaciones antes de pasar a producción. El riesgo no está solamente en el precio del chip, sino también en el trabajo que hay que rehacer.

DOS podría ayudar a reducir esa fricción. Si un modelo puede correr sobre Trainium sin una reconstrucción extensa, AWS tendría una propuesta más sencilla para sus clientes. La relación entre Amazon y Decart no empezaría de cero: AWS le habría dado a la startup acceso anticipado a Trainium3 en 2025 y ambas compañías firmaron un acuerdo comercial en mayo de 2026.

Amazon ya utilizó una estrategia parecida con Annapurna Labs, una startup israelí que compró en 2015. De ese equipo surgieron procesadores como Graviton y otros chips de infraestructura. Decart podría sumar una capa distinta: el software que ayuda a que esos procesadores sean más fáciles de adoptar.

Qué cambia para una empresa que usa agentes de IA

La mayoría de las empresas no decide qué chip comprar. Contrata servicios en la nube, integra una API o implementa un agente en sus canales. Aun así, las decisiones que se toman en la infraestructura terminan influyendo en los costos, la disponibilidad y las alternativas que tiene el negocio.

1. La competencia puede presionar sobre los costos

Si los modelos funcionan con mayor facilidad sobre chips de distintos fabricantes, los proveedores de nube tienen más margen para competir por precio y disponibilidad. Eso podría ejercer una presión a la baja sobre el costo de ejecutar IA.

Pero hay que separar una posibilidad de un resultado garantizado. Que la infraestructura sea más eficiente no significa automáticamente que el ahorro llegue completo al cliente final. Intervienen los precios de cada proveedor, el modelo elegido, el volumen de uso y la arquitectura de la solución.

2. La ventaja se desplaza hacia el contexto del negocio

Cuando la capa de infraestructura se vuelve más intercambiable, el diferencial de un agente no está necesariamente en dónde corre. Está en lo que conoce y en cómo actúa dentro de la operación.

Un agente de atención necesita entender las preguntas frecuentes, las reglas comerciales, los productos, los canales y los criterios de derivación. Un agente de ventas tiene que reconocer intención, seguir el proceso definido y conservar el contexto de cada conversación. Cambiar el modelo o la nube no debería obligar a reconstruir ese conocimiento desde cero.

Esta distinción es importante para los líderes de negocio. La inversión no está solamente en elegir una tecnología potente, sino en estructurar el conocimiento propio, conectarlo con los sistemas que ya existen y definir cómo se mide el desempeño.

3. El riesgo de dependencia merece una revisión

Los grandes proveedores tienen incentivos para construir ecosistemas completos: chips, modelos, servicios y herramientas de desarrollo. Eso puede simplificar una implementación, pero también aumentar el costo de cambiar de plataforma más adelante.

Antes de contratar una solución, conviene preguntar qué elementos son realmente portables. El modelo puede cambiar, pero ¿qué pasa con las instrucciones, las reglas, el historial, las integraciones y los criterios de evaluación? Si toda esa información queda encerrada en una plataforma, la migración futura puede ser más compleja de lo que parece.

4. El video en tiempo real puede volverse más accesible

La tecnología de Lucy también abre una línea de análisis. Si las herramientas de generación y edición de video en tiempo real quedan integradas a grandes plataformas de nube, podrían aparecer nuevas experiencias de marca, capacitación y atención conversacional.

Eso no significa que toda empresa necesite un avatar o una interfaz de video. La pregunta correcta es qué tarea concreta resolvería esa experiencia y si aporta utilidad además de novedad visual. En algunos casos puede servir para acompañar una interacción; en otros, una conversación por texto será más simple y adecuada.

Tres preguntas para hacerle a tu proveedor de IA

La posible operación Amazon Decart es una buena excusa para revisar la arquitectura actual, incluso si tu empresa todavía no trabaja directamente con chips o modelos propios.

1. Si mañana cambia el modelo o la nube, ¿qué parte de la solución hay que rehacer?
2. ¿Dónde vive el conocimiento del negocio: en tus sistemas o atado a una plataforma?
3. ¿Cómo medís el costo por conversación, por consulta o por venta a lo largo del tiempo?

También conviene documentar qué información utiliza el agente, qué sistemas consulta, cuándo deriva a una persona y qué indicadores determinan si la implementación funciona. Esa documentación reduce la dependencia de decisiones técnicas que el equipo de negocio no puede auditar.

Qué todavía no sabemos

Hay varias preguntas abiertas sobre la negociación y sus posibles consecuencias:

• Si la compra se concreta. El acuerdo puede caerse o puede aparecer otro comprador.
• Por qué Anthropic desistió. Los reportes indican que revisó la empresa y abandonó una negociación, pero no se conocen los motivos.
• Cuánto rinde DOS en escenarios reales. Las mejoras comunicadas por la compañía son difíciles de verificar de forma independiente.
• Si conservaría su neutralidad. DOS resulta atractivo porque funciona con chips de distintos fabricantes. Bajo el control de Amazon, los clientes de Nvidia y Google podrían preguntarse si esa característica se mantiene.
• Qué evaluación harán los reguladores. Una adquisición de este tamaño en infraestructura de IA podría quedar sujeta a revisión antimonopolio.

La lectura para líderes de negocio

La noticia no obliga a elegir hoy entre Nvidia, Google o Amazon. Sí invita a revisar una decisión más importante: cuánto de la operación de IA de tu empresa depende de una sola plataforma y cuánto del valor está construido sobre conocimiento propio.

Para las organizaciones que tienen un cuello de botella específico y necesitan conectar sus documentos, canales, reglas o procesos con una solución funcional, Soluciones a medida UAMI trabaja bajo un enfoque de diagnóstico, implementación y medición antes de ampliar el alcance. El objetivo es diseñar el sistema alrededor del problema operativo real, en lugar de forzar una herramienta genérica sobre una necesidad concreta.

Si estás evaluando un agente o querés revisar la dependencia tecnológica de una implementación existente, podés conversar con el equipo de UAMI sobre el problema, la métrica y las alternativas de arquitectura.