Este año, muchos modelos tienen capacidades y funciones que ya han superado a Deepseek. El tráfico de Deepseek todavía se ubica entre los 3 primeros a nivel mundial y el número uno en China. Esto es un tanto contra-intuitivo. Solo encontré la razón después de ver este informe ayer... Un modelo mental interesante: Efecto zapatilla de cristal de Cenicienta La retención de usuarios ya no depende del rendimiento general del modelo, sino que muestra un fenómeno en el que "la primera persona que resuelve el problema gana". Cuando un nuevo modelo resuelve perfectamente un problema de alto valor de un usuario por primera vez (probando con éxito la "zapatilla de cristal"), el grupo de usuarios desarrollará una adhesión extremadamente alta. En la historia de Cenicienta, el príncipe conoce a Cenicienta en el baile, y ella deja atrás una zapatilla de cristal. El príncipe llevó este zapato por todo el país, sólo para encontrar a la muchacha cuyos pies calzaban perfectamente. Esta metáfora se utilizó más tarde en psicología y en la investigación empresarial para significar: "Cuando un objeto coincide estrechamente con las necesidades únicas de un usuario, esta coincidencia generará un fuerte apego y exclusividad". Una vez que un flujo de trabajo está profundamente vinculado a características específicas del modelo (como latencia, estilo de inferencia y formato de la herramienta), el costo del cambio se vuelve extremadamente alto. Se trata de una especie de “efecto de bloqueo emocional entre usuarios y modelos”**. Después de analizar cientos de millones de llamadas del mundo real, OpenRouter descubrió: • Los primeros usuarios que entran en contacto con un modelo y lo “adaptan” (lo prueban) desarrollarán una dependencia a largo plazo; • Incluso si aparecen modelos más nuevos con mejor rendimiento, no necesariamente reemplazarán este modelo y les permitirán migrar. • Estos grupos de usuarios a largo plazo se denominan "cohortes fundacionales". • No existe una relación lineal entre la tasa de migración de usuarios y la mejora del rendimiento. En otras palabras: Rendimiento del modelo ≠ lealtad del usuario. Una vez que se logre una "experiencia adecuada", los usuarios serán como los zapatos de Cenicienta: solo reconocerán ese par. ¿Qué revela? 1️⃣ Nivel de comportamiento del usuario: uso del "apego a la personalidad" por parte de la IA Los modelos de IA no son sólo herramientas; tienen diferentes tonos, formas de responder y lógica de expresión. Con el tiempo, los usuarios desarrollarán un sentido de familiaridad y confianza en un modelo en particular. Esta "estabilidad de personalidad" hace que los usuarios estén más dispuestos a permanecer con el modelo existente. Esto es igual que las relaciones interpersonales: Es posible que prefieras la forma de hablar de un amigo, e incluso si otra persona es más inteligente o más eficiente, es posible que no quieras cambiarla. 2️⃣ Aspecto Técnico: La Importancia de la Coincidencia de Experiencias El "efecto zapatilla de cristal" nos recuerda que: La verdadera competitividad de un modelo no reside sólo en su rendimiento, sino también en su “ajuste a la experiencia”. A menudo es más importante si un modelo "me entiende" que si es "más poderoso". Esto tiene implicaciones importantes para el diseño futuro de la IA: Los diferentes modelos deben presentar diferencias estilísticas y personalizadas; La plataforma debe respaldar el mantenimiento de relaciones a largo plazo entre usuarios y modelos (como la memoria contextual y las preferencias a largo plazo). El ajuste y la alineación serán claves para la retención de usuarios. 3️⃣ Aspectos comerciales: fidelización y dependencia del ecosistema En la economía de plataformas, este efecto significa: Quien pueda encontrar y satisfacer el “ajuste” de un determinado tipo de usuario podrá construir un ecosistema estable; La competencia entre modelos está pasando de "potencia de cálculo y precio" a "adaptación psicológica y hábitos de uso". Esto es completamente coherente con la psicología humana: La gente no elige necesariamente el mejor producto, sino el que más les conviene. Ésta es precisamente la “economía de la adherencia emocional” de la era de la IA.
Por ejemplo: De los usuarios iniciales de Claude 4 Sonnet y Gemini 2.5 Pro, el 40% permaneció activo después de 5 meses. Los "primeros adoptantes" del GPT-4o Mini se convirtieron en una base fija; DeepSeek está experimentando un "efecto de reflujo": los usuarios prueban otros modelos y luego vuelven a él.
Es posible que OpenAI haya descubierto este fenómeno bastante temprano. ¡Han estado trabajando en la personalidad de GPT y mejorando sus capacidades de memoria para crear una conexión emocional profunda entre GPT y los usuarios! Por el contrario, ¡quizás no seamos capaces de percibir la individualidad de otros modelos!