Tubi lanza una aplicación ChatGPT con la intención de acabar con la frustración

Introducción：Cuando “qué ver” duele más que “qué hay”

¿Recuerdas la última vez que te desplomaste en el sofá y pasaste más de veinte minutos desplazándote repetidamente por los catálogos de Netflix y Disney+, solo para terminar apagando el televisor? Este no es tu problema, sino el dilema de la “paradoja de la elección” creado colectivamente por toda la industria del streaming. Según datos de la industria, en 2025 los usuarios pasaron un promedio de 20 minutos buscando su próximo programa para ver, más del doble que en 2019. El crecimiento explosivo de contenido ha convertido el “descubrimiento” en el eslabón más frustrante de la experiencia.

Justo en este momento crítico, Tubi, el servicio de televisión de streaming gratuito con anuncios (FAST) propiedad del grupo Fox, hizo un movimiento audaz y altamente simbólico: ya no intenta que los usuarios regresen a la aplicación de Tubi para resolver este problema, sino que directamente empaqueta su “motor de recomendaciones” como una aplicación nativa y la coloca en la tienda de ChatGPT.

Los usuarios solo necesitan escribir “@Tubi” en el cuadro de diálogo de ChatGPT y luego describir con lenguaje natural, por ejemplo, “dame una comedia familiar cálida para un día lluvioso” o “encuentra una película de ciencia ficción poco conocida con un final inesperado”; la IA dará recomendaciones directamente, junto con enlaces para ver en Tubi.

Esto puede parecer solo una integración de funciones, pero en mi opinión, es el primer disparo de salida de la guerra del streaming en la ’era posterior a las aplicaciones’. La lógica industrial y la intención estratégica detrás de esto son mucho más profundas de lo que parece a simple vista una colaboración técnica.

¿Por qué decir que el “descubrimiento” se ha convertido en el campo de batalla definitivo de la industria del streaming?

La cruel aritmética en la era de la atención escasa

Para comprender el profundo significado de este movimiento de Tubi, primero debemos ver claramente la situación actual del campo de batalla. Después de una década de lucha, la industria del streaming ha pasado de la temprana “carrera armamentística de contenido” a las profundidades de la “lucha por la atención del usuario”. Las principales plataformas han invertido cientos de miles de millones de dólares para enriquecer sus bibliotecas, solo para sumir a los usuarios en una parálisis de elección. Lo más fatal es que la estructura de atención de la generación más joven ha cambiado completamente.

Más del 34% de los usuarios de Tubi tienen entre 18 y 34 años. ¿Cuál es el contexto de uso de este grupo? Es estar desplazándose por TikTok en el teléfono, respondiendo mensajes de Instagram y reproduciendo programas de streaming en la televisión al mismo tiempo. Su atención está altamente fragmentada y realizan múltiples tareas en paralelo. La CEO de Tubi, Anjali Sud, expuso claramente el núcleo de su estrategia: “Apostamos a que el futuro de la televisión debería ser tan simple y personalizado como Instagram”.

El subtexto de esta frase es: el modo tradicional, cerrado y centrado en la plataforma de navegación y búsqueda ya no funciona para este grupo de usuarios. Si el proceso de “descubrir contenido” no es lo suficientemente intuitivo, rápido y adecuado al contexto actual, la pérdida de usuarios ocurre en un instante.

El fracaso de la IA propia y el cambio estratégico

Tubi no se dio cuenta repentinamente de la importancia de la recomendación por IA. Ya en 2023, intentó lanzar su propia herramienta de descubrimiento de IA “Rabbit AI”, permitiendo a los usuarios obtener recomendaciones dentro de la plataforma en forma de preguntas y respuestas. Sin embargo, este servicio se cerró discretamente al año siguiente. Esta experiencia de fracaso es extremadamente valiosa, ya que ilustra dos puntos clave:

1. Los datos y el tráfico de una sola plataforma no son suficientes para entrenar una IA conversacional general lo suficientemente inteligente.
2. Pedir a los usuarios que abran otra aplicación específica para una función específica es en sí mismo una fricción en la experiencia.

Fue este fracaso lo que impulsó la estrategia de Tubi a cambiar completamente de “construir” (Build) a “integrar” (Embed). En lugar de gastar enormes sumas para construir una interfaz de IA independiente que posiblemente nadie use, es mejor ubicarse directamente en esa plataforma conversacional que ya tiene 900 millones de usuarios activos semanales: ChatGPT. Esta es una lógica pragmática típica de “ir a pescar donde están los peces”.

La siguiente tabla compara las diferencias esenciales entre las dos estrategias de IA, antigua y nueva, de Tubi:

Este cambio no es solo un ajuste táctico, sino también un juicio anticipado sobre la estructura futura de la industria: los servicios futuros serán cada vez más ‘intangibles’, y la clave del éxito no radica en cuán frecuentemente se hace clic en el icono de tu aplicación, sino en cuán profunda e inteligentemente tu servicio puede integrarse en el flujo de vida digital (Digital Life Stream) del usuario.

¿Cómo reescribe la integración de ChatGPT de Tubi las reglas de competencia de las plataformas de streaming?

El cambio de paradigma de “navegación por catálogo” a “acceso directo a la intención”

Las interfaces tradicionales de las plataformas de streaming, sin importar cuán bellamente diseñadas estén, son esencialmente productos del “pensamiento de catálogo”: clasificar el contenido por género, tema, popularidad, recomendaciones editoriales, etc., haciendo que los usuarios busquen como si consultaran fichas en una biblioteca. La función de búsqueda depende de la coincidencia de palabras clave y no puede comprender que “una película que me haga llorar” y “una película conmovedora y emotiva” pueden ser la misma intención.

Lo que Tubi logra a través de ChatGPT es un cambio de paradigma de “acceso directo a la intención”. Los usuarios expresan “necesidades” vagas, contextualizadas y llenas de color personal; la tarea de la IA es interpretar la “intención” subyacente y dar directamente el resultado más coincidente. Esto omite todos los pasos intermedios de navegación y filtrado.

graph LR
    A[Ruta de descubrimiento de streaming tradicional] --> B[Abrir la App de la plataforma]
    B --> C[Navegar por la página de inicio/categorías]
    C --> D{¿Decidir buscar?}
    D -- Sí --> E[Ingresar palabras clave]
    D -- No --> F[Navegar desplazándose infinitamente]
    E --> G[Obtener lista de coincidencias de palabras clave]
    F --> H[Posible abandono por fatiga de elección]
    G --> I[Seleccionar manualmente para ver]

    J[Ruta de Tubi + ChatGPT] --> K[En cualquier conversación de ChatGPT]
    K --> L[Ingresar @Tubi + necesidad en lenguaje natural]
    L --> M[IA analiza el contexto y la intención]
    M --> N[Obtener recomendación y enlace directamente]
    N --> O[Saltar a ver con un clic]

    subgraph “Comparación de fricción en la experiencia”
        A --> P[Alta fricción: múltiples pasos, alta carga cognitiva]
        J --> Q[Baja fricción: intuitiva, contextualizada, sin interrupciones]
    end

El significado industrial de este cambio es que redefine la “ventaja de la plataforma”. En el pasado, la ventaja de la plataforma se reflejaba en contenido exclusivo, interfaz de usuario, recomendaciones algorítmicas. En el futuro, la ventaja de la plataforma puede reflejarse más en “la profundidad e inteligencia de la integración con el ecosistema de IA externo”. Quien pueda “traducir” de manera más fluida su biblioteca de contenido en un servicio que los modelos de lenguaje grandes (LLM) puedan comprender y utilizar con precisión, podrá tomar la delantera en la lucha por la atención.

El impacto potencial en los gigantes de suscripción (SVOD): La grieta en el jardín amurallado

Este desarrollo envía una fuerte señal a gigantes de suscripción como Netflix, Disney+, Amazon Prime Video. Estos gigantes han operado durante mucho tiempo ecosistemas conocidos como “jardines amurallados” (Walled Garden): los usuarios pagan para entrar, y toda la experiencia (incluida búsqueda, recomendaciones) se completa dentro del muro. También invierten en IA, pero principalmente para optimizar algoritmos de recomendación dentro del muro (por ejemplo, los famosos pósters personalizados y el ordenamiento de Netflix).

El movimiento de Tubi equivale a abrir una ventana en el muro del jardín. Le dice a los usuarios: no tienes que perderte dentro del jardín, puedes pararte en un balcón más amplio (ChatGPT) y decirle directamente al mayordomo (IA) lo que quieres, y yo te entregaré la flor más adecuada para ti del jardín.

¿Qué impacto tendrá esto?

1. Transferencia del embudo de descubrimiento: Algunos usuarios, especialmente los jóvenes y los primeros en adoptar tecnología, pueden desarrollar el hábito de “preguntar primero en ChatGPT, luego ver en la plataforma”. Esto convierte a ChatGPT, en cierta medida, en la “entrada de búsqueda meta” para el contenido de streaming, debilitando la posición de la página de inicio de cada plataforma como el canal principal de descubrimiento.
2. Aumento de las dimensiones de competencia: Además de competir entre sí, los gigantes ahora tienen una nueva dimensión de competencia: ¿Cuál biblioteca de contenido puede ser indexada y recomendada de manera más efectiva por IA externa? Esto implica una compleja integración técnica, estructuración de datos y diseño de API.
3. Dilema estratégico: Los gigantes enfrentan una elección: ¿seguir la integración, arriesgándose a ceder parte del control de la experiencia del usuario a OpenAI? ¿O mantenerse en un ecosistema cerrado, apostando a que la experiencia de su propia IA es suficiente para retener a los usuarios? Esta no es una respuesta fácil.

La siguiente tabla analiza las posibles opciones estratégicas y los pros y contras para las principales plataformas de streaming frente a esta tendencia:

La evolución del modelo publicitario: Del “targeting de audiencia” al “targeting dual de contexto e intención”

Como plataforma con soporte publicitario, cada innovación de Tubi debe finalmente servir a la monetización publicitaria. Esta integración con ChatGPT puede llevar sus capacidades de tecnología publicitaria (Ad Tech) a un nuevo nivel.

La combinación de Tubi Moments y el análisis de intención de IA

Tubi ya ha integrado profundamente la IA en su pila de tecnología publicitaria, utilizando modelos de lenguaje grandes y aprendizaje profundo para analizar la intención del usuario. Su producto emblemático “Tubi Moments” puede identificar automáticamente emociones, atmósfera y elementos visuales en escenas de video (por ejemplo, una escena de brindis con una copa) y marcarlos como inventario publicitario vendible. Esto logra la automatización y escalabilidad de la “publicidad contextual” (Contextual Advertising).

Ahora, imagina combinar esta capacidad con los datos de intención del usuario después de la integración con ChatGPT:

1. Lado de la intención: El usuario describe en ChatGPT “quiero encontrar una película de crimen filmada en Nueva York, con ritmo tenso”. Esto no solo expresa preferencias de contenido, sino que también implica el estado emocional actual del usuario (buscando emoción) e interés geográfico.
2. Lado del contexto: La IA de Tubi identifica que en las películas que cumplen las condiciones, hay precisamente una escena de persecución en Times Square (marcada por Tubi Moments).
3. Coincidencia publicitaria: El sistema puede colocar anuncios de la oficina de turismo de Nueva York, de una marca de zapatillas deportivas o de una bebida energética, precisamente en el espacio publicitario de esa escena.

Esto actualiza el tradicional “targeting demográfico de audiencia” a un targeting dual de “intención + contexto”. La relevancia y el efecto esperado de los anuncios mejorarán significativamente, aumentando así el precio por mil impresiones (CPM) y el retorno de la inversión de los anunciantes.

mindmap
  root(Refuerzo de la cadena de valor publicitaria de IA de Tubi)
    (Expansión de fuentes de datos de intención)
      Consultas en lenguaje natural de ChatGPT
        Analiza emociones de visualización en tiempo real
        Analiza temas de interés potencial
        Analiza preferencias de contexto de visualización
    (Profundización de la tecnología de identificación de contexto)
      Marcado de escenas de Tubi Moments
        Identificación de elementos visuales (objetos, escenas)
        Análisis de emociones y atmósfera (alegría, tensión)
        Análisis de contenido de audio (diálogo, música)
    (Coincidencia y colocación precisa)
      Inserción dinámica de anuncios (DAI)
        Selecciona categoría de anuncio basada en intención
        Coincide material publicitario específico basado en escena
        Mejora la eficiencia de la subasta en tiempo real (RTB)
    (Medición y optimización de efectos)
      Análisis de correlación de tasa de finalización de visualización
      Encuesta de efectos de elevación de marca
      Seguimiento de conversión de comportamiento posterior

Según datos públicos de Tubi, su entrenamiento de modelos se basa en 10 mil millones de horas de datos de visualización mensuales. Después de integrar ChatGPT, los datos de intención de alto valor provenientes de la interfaz conversacional se convertirán en otro poderoso combustible para optimizar su modelo de coincidencia publicitaria. Esto construye una barrera competitiva difícil de alcanzar tanto para plataformas de puro modelo de suscripción como para la publicidad televisiva tradicional: un motor publicitario dinámico y consciente del contexto, basado en datos masivos de interacción.

Panorama futuro de la industria: ¿El futuro “sin aplicaciones” del streaming?

Esta acción de Tubi no debe verse como un evento aislado, sino como una fuerte señal de tendencia. Apunta a un posible futuro: los servicios de streaming se vuelven cada vez más “intangibles”, cada vez más como una “utilidad” (Utility) siempre lista.

Ruta de desarrollo por etapas

Creo que la fusión de la industria del streaming con la IA generativa pasará aproximadamente por tres etapas:

1. Etapa de descubrimiento asistido (Ahora - 2027): Es la etapa actual en la que se encuentra Tubi. La IA funciona principalmente como una herramienta externa de búsqueda y recomendación, la experiencia central de la plataforma sigue dentro de su propia App. El enfoque competitivo es “la fluidez de la integración y la precisión de las recomendaciones”.
2. Etapa de integración profunda y servitización (2027 - 2030): La IA ya no es solo una entrada de recomendación, sino el núcleo que impulsa experiencias personalizadas. Las funciones que pueden surgir incluyen: generación automática de canales personalizados basados en diálogos de IA, un asistente de IA unificado para contenido multiplataforma, recomendación en tiempo real de fragmentos de video relacionados según el contenido del chat, etc. Parte de los servicios backend de la plataforma se “APIzarán” completamente para que los diversos agentes inteligentes (Agent) de IA los utilicen.
3. Etapa distribuida y dirigida por agentes inteligentes (Después de 2030): Es posible que los usuarios ya no necesiten recordar a qué plataformas están suscritos. El agente de IA personal administrará dinámicamente la combinación de suscripciones según las preferencias, presupuesto y necesidades actuales del usuario, navegará entre las bibliotecas de contenido de varias plataformas, e incluso comparará precios y autorizaciones temporales para una sola película entre plataformas. Las plataformas de streaming