Conversación de JPMorgan Chase con Zhipu AutoClaw: ¿Por qué explotan los agentes, sigue siendo importante la calidad del modelo y cómo es la monetización comercial?

¿Por qué ha sido tan popular “Criar langostas”? ¿En qué industrias podría “Langosta AI” revolucionar? ¿Y cómo puede monetizarse comercialmente?

Según el informe de investigación de valores en China publicado por JPMorgan el 12 de marzo, los analistas de la entidad, Xu Wentao y Yao Cheng, mantuvieron una conversación con el gerente de proyecto de Zhipu AutoClaw, analizando en profundidad las razones del éxito de productos como AutoClaw y OpenClaw, así como las rutas y lógicas para su implementación futura y monetización.

JPMorgan opina que, “la importancia de productos como AutoClaw y OpenClaw no radica en que de repente hagan que la IA autónoma sea madura en el ámbito comercial, sino en que reducen significativamente la barrera de entrada para que usuarios no técnicos experimenten con flujos de trabajo de agentes inteligentes.”

Para el mercado, el impacto más crucial es que, aunque la adopción de agentes inteligentes podría ampliar el uso de modelos y la demanda de infraestructura, la monetización a corto plazo todavía está en una fase inicial. La implementación real comenzará en flujos de trabajo relativamente estructurados, en lugar de reemplazar ampliamente y completamente la mano de obra humana de forma autónoma.

Explosión de agentes inteligentes tipo “Langosta”: victoria del diseño del producto, no mutación del modelo

¿El reciente auge de productos como OpenClaw refleja un avance en las capacidades del modelo o una optimización en el diseño del producto? La declaración de los entrevistados ofrece una respuesta clara. “Esta tendencia refleja mejoras en el diseño y la usabilidad del producto, no una mutación en la inteligencia del modelo.”

Los entrevistados destacaron especialmente tres factores clave: “la integración con las herramientas de comunicación existentes, la capacidad de que los agentes construyan perfiles de usuario con memoria persistente a lo largo del tiempo, y la ampliación del alcance operativo real de los agentes mediante permisos más amplios en los sistemas.”

JPMorgan señala que esta diferenciación es fundamental. La tendencia actual está impulsada por una mejor producción y accesibilidad del producto, lo que permite primero ampliar la participación del usuario antes de lograr una monetización empresarial real.

Calidad del modelo base: núcleo que determina el límite comercial

En un escenario donde los agentes proliferan, ¿se comercializará el modelo base? La respuesta más clara en las conversaciones es que, “el límite comercial de los agentes todavía depende en gran medida de la calidad del modelo base.”

Los entrevistados reiteraron que, “en realidad, los agentes son un contenedor o medio, y el modelo sigue siendo el factor central para determinar si pueden completar tareas con precisión y coherencia, y si la profundidad de razonamiento es suficiente para desempeñarse en contextos de alto valor.”

JPMorgan considera que esto refuta la idea de que en el corto plazo la capa de modelos será completamente comercializada. “Los modelos más avanzados seguirán traducéndose en mejores tareas, mayor adherencia a instrucciones, mayor estabilidad en contextos largos y mejor capacidad para manejar flujos de trabajo abiertos.” Por ello, la mayor adopción de agentes sigue siendo una buena noticia para los principales proveedores de modelos.

Monetización: aún en fase temprana, centrada en tareas estructuradas

Aunque el concepto de agentes está en auge, los entrevistados sugieren que, “a corto plazo, el mercado de agentes probablemente siga en una fase exploratoria sin una monetización plena.” Los productos actuales aún ayudan a los usuarios a descubrir escenarios de uso. Para una expansión significativa en escenarios comerciales, “probablemente se requieran de 6 a 12 meses de mejoras en modelos, datos de entrenamiento para flujos de trabajo y nuevas iteraciones de productos.”

JPMorgan opina que esto está alineado con el estado actual de la IA empresarial. “La codificación y los flujos de trabajo técnicos siguen siendo las vías más claras para una monetización temprana, ya que las tareas son estructuradas, los objetivos más claros y los trayectos de ejecución más fáciles de definir.” Fuera de la codificación, la falta de datos estandarizados de ‘trayectorias’ limita la capacidad de los agentes para ejecutar tareas complejas en el mundo real.

Implementación en mercado: priorización de ingeniería técnica y flujos estructurados

En el proceso de llevar estos agentes al mercado, ¿qué áreas serán las primeras en adoptarlos? Los entrevistados destacaron tres categorías principales:

• Ingeniería técnica: “Desde la codificación hasta pruebas, despliegue, operación, configuración y depuración. Parece ser la categoría más confiable en el ámbito comercial actual.”

• Flujos de trabajo de información y contenido: “Incluye investigación, generación de informes, procesamiento de documentos, manejo de archivos de oficina y producción de contenido interno.”

• Productividad personal: “Como gestión de correos electrónicos, calendarios y mensajes.” Aunque atractiva para consumidores, su monetización sostenida puede requerir más tiempo.

JPMorgan aconseja a los inversores que, “a corto plazo, enfoquen sus expectativas en tareas empresariales estructuradas y en ingeniería técnica, en lugar de hacer inferencias demasiado optimistas desde la perspectiva del consumidor.”

Arquitectura abierta y barreras de entrada: funciones rápidas de copiar no son importantes

Otra visión importante en las conversaciones es que la capa de agentes puede no ser un canal exclusivo con modelos propietarios que garantice la dominancia total. AutoClaw soporta múltiples proveedores de modelos, y la dirección ha dejado claro que apoya una arquitectura abierta, en lugar de forzar el uso exclusivo de modelos de Zhipu.

JPMorgan considera que esto amplía el mercado potencial del producto y aumenta las oportunidades de que la plataforma de agentes se convierta en un agregador del ecosistema de modelos. Pero para los proveedores de modelos, esto significa que “la interfaz de agentes en sí misma puede no garantizar una captura exclusiva del valor downstream, a menos que los proveedores también lideren en rendimiento del modelo, llamadas a herramientas de agentes y en integración de flujos de trabajo.”

En cuanto a las barreras de entrada, los directivos opinan que “comparar funciones no es tan importante, ya que muchas funciones visibles pueden ser rápidamente replicadas.”

Creen que la verdadera capacidad defensiva se construye en tres aspectos: “la velocidad de percepción del producto, la calidad del modelo base y las funciones acumuladas del agente (como herramientas de navegador, sistemas de memoria y procesamiento de flujos).”

JPMorgan comparte esta visión y señala que los inversores deben centrarse en si los proveedores pueden “mejorar continuamente la tasa de cumplimiento de tareas, reducir fricciones y usar datos integrados para mejorar el rendimiento del agente con el tiempo.”

Reconfiguración de la cadena de valor: ¿quién se beneficia y quién será desplazado?

Una adopción más amplia de agentes inteligentes beneficiará a varias partes de la pila de IA:

• Primero, una adopción más generalizada debería favorecer a los proveedores de modelos, ya que flujos de trabajo más autónomos implican mayor consumo de tokens y uso más duradero.

• En segundo lugar, beneficiará a los proveedores de infraestructura de inferencia, nube y computación relacionada, especialmente en un escenario donde la demanda continúa superando la oferta.

• En tercer lugar, plataformas de colaboración y flujos de trabajo que permitan APIs abiertas y integraciones controladas también podrán beneficiarse al convertirse en interfaces que integren agentes en las tareas diarias.

Por otro lado, las empresas cuyo valor principal sea “intermediarios superficiales o procesamiento de información de bajo umbral” podrían enfrentar riesgos. Para roles o servicios con barreras de entrada limitadas, información abierta y procesos relativamente automatizables, la IA probablemente ejercerá presión."

Además, la seguridad y la regulación son restricciones prácticas para la implementación empresarial. Los directivos consideran que “la inyección de prompts, errores en permisos, habilidades maliciosas de terceros y vulnerabilidades en software son restricciones reales.” Esto podría ralentizar la monetización a corto plazo, pero también aumentará la importancia de proveedores confiables y arquitecturas regulatorias.

JPMorgan mantiene una calificación de “mantener” en Zhipu, con un precio objetivo de HKD 800 para diciembre de 2026, basado en un PER esperado de 30 veces para 2030, proyectando una tasa de crecimiento anual compuesta de ingresos superior al 100% entre 2026 y 2030.

Este contenido destacado proviene de Zui Feng Trading Platform.

Para análisis más detallados, interpretaciones en tiempo real y estudios de primera línea, únase a【**Zui Feng Trading Platform▪Membresía Anual**】.

Aviso de riesgo y exención de responsabilidad

El mercado tiene riesgos, invierta con cautela. Este artículo no constituye una recomendación de inversión personal ni considera objetivos, situación financiera o necesidades específicas del usuario. El usuario debe evaluar si las opiniones, puntos de vista o conclusiones aquí expresadas se ajustan a su situación particular. La inversión es bajo su propio riesgo.