Tencent, Alibaba y ByteDance compiten en el mercado de tiendas de habilidades de IA

Skill is becoming one of the most popular keywords in the AI field.

Skill puede entenderse como el "manual de operaciones" para un AI Agent. Es un archivo de instrucciones estructurado que especifica qué herramientas llamar, cómo evaluar situaciones específicas y según qué criterios producir los resultados finales. Al leer este archivo, el Agent puede ejecutar tareas siguiendo una ruta preestablecida.

Por ejemplo, un product manager experimentado puede encapsular todo su proceso de escritura de documentos de requisitos del producto en una Skill; cualquier agente que la instale podrá generar un documento de requisitos estandarizado siguiendo el mismo marco.

A medida que aumentó la cantidad de Skill, surgieron plataformas de distribución. Los primeros en asumir este rol fueron comunidades de desarrolladores como GitHub y ClawHub, donde la carga, búsqueda y descarga de Skill se realizaban dentro de la comunidad técnica.

Las grandes empresas también están avanzando rápidamente. En marzo de este año, Tencent, Alibaba y ByteDance lanzaron sus tiendas de habilidades en sus propias plataformas de agentes. En los dos meses siguientes, Zhipu, Meituan y Xiaohongshu entraron sucesivamente. Las grandes empresas de internet, las compañías de modelos grandes y los gigantes del comercio local, incluso las plataformas de contenido, están compitiendo por esta entrada.

La esencia de la batalla por la tienda de habilidades es la posición de los puntos de acceso al tráfico en la era de la IA; quien controle la distribución, controlará a los usuarios.

Pero además de ByteDance haber probado la monetización de habilidades, el resto de las plataformas solo ofrecen versiones gratuitas. ¿Por qué todas compiten por una “tienda” que no genera ingresos?

¿Quién está en juego? ¿Por qué vale la pena comprar en la Tienda Skill?

Antes de responder a esta pregunta, primero revisa un modelo que ya funciona.

En la era de internet móvil, la App Store de Apple no solo gana dinero con un 30% de comisión por descargas; su valor más fundamental radica en que los desarrolladores crean aplicaciones para ingresar al ecosistema iOS, los usuarios permanecen en este ecosistema para usar estas aplicaciones y, en consecuencia, continúan consumiendo dentro del ecosistema: comprando iCloud, suscribiéndose a Apple Music y realizando pagos dentro de las aplicaciones. El derecho de distribución es la puerta de entrada; el consumo dentro del ecosistema es la fuente de ingresos.

La tienda de Skill compite por el mismo lógica. Los usuarios permanecen en el ecosistema correspondiente donde están acostumbrados a obtener Skill y consumen servicios allí. La diferencia radica en que esta lógica ya ha sido validada en la era de internet móvil, mientras que la tienda de Skill aún se encuentra en la fase de "promesas vacías". Una vez entendido esto, se puede analizar las distintas estrategias de los tres tipos de participantes.

La primera categoría son las grandes empresas de internet que atraen tráfico mediante la tienda Skill y generan ingresos dentro del ecosistema.

Ali ha integrado el mercado de Skills "Xiaobao" en su asistente JVS Claw Agent; los Skills seleccionados por los usuarios pueden sincronizarse con un solo clic para su uso en la herramienta. El mercado de Skills no tiene costo, pero los usuarios consumen capacidad de cómputo al utilizar los Skills, lo cual representa ingresos para el negocio en la nube de Ali.

ByteDance está siguiendo dos rutas en paralelo. Find Skill, lanzado por Volcano Engine, está dirigido a clientes empresariales e integra Skills de múltiples fuentes como ClawHub y GitHub; mientras que la Tienda de Skills integrada en Koubzi está dirigida a desarrolladores comunes, reduciendo las barreras para crear y utilizar Skills, y además permite la venta de Skills. El objetivo es captar a la comunidad de desarrolladores y utilizar los Skills para impulsar el consumo de servicios en la nube y capacidad de cómputo.

La estrategia de Tencent es ligeramente diferente. SkillHub es esencialmente una versión localizada del ClawHub internacional, encargada de atraer tráfico y adaptarse al mercado local. Sin embargo, la verdadera carta fuerte de Tencent es el ecosistema de mini programas de WeChat. Apoyándose en las cadenas de servicios maduras acumuladas por millones de mini programas, Tencent puede empaquetar diversos servicios en línea y fuera de línea como Skills estandarizados. Si este camino tiene éxito, el modelo de negocio será similar al de los mini programas, generando ingresos a través de comisiones por transacciones y publicidad.

Meituan, por otro lado, utiliza el ecosistema Skill para reforzar su negocio principal. En abril lanzó xia345, posicionado como un navegador de ecosistema de Agentes de IA, que incluye más de 20 Agentes y más de 7.000 Skills. A continuación, en mayo, inició la prueba pública de la comunidad de IA "Mi You", con más de 3.000 Agentes inscritos y un total de más de 40.000 Skills. Desde el navegador hasta la comunidad, los usuarios ven compartidos en "Mi You" y descargan y utilizan los Skills en "xia345". Los Skills en sí mismos no generan ingresos, pero prolongan el tiempo que los usuarios pasan dentro del ecosistema de Meituan, creando más oportunidades de conversión para sus negocios centrales, como comidas en el lugar y entrega a domicilio.

El segundo tipo son las empresas de grandes modelos que retienen a los usuarios mediante la tienda de habilidades y generan ingresos a través de la llamada a modelos.

En abril, ZhiPu lanzó en su plataforma de agentes Auto Claw la plaza AgentMore Skills, que integra tres módulos: selección oficial, Skill Hub y comunidad de código abierto, con soporte para instalación de un solo clic sin tokens.

La Luna Oscura actuó antes, lanzando Kimi Claw en febrero, permitiendo a los usuarios implementar Open Claw con un solo clic en la versión web y configurar una biblioteca de habilidades; los usuarios pueden instalar y llamar directamente diversas habilidades desde su navegador.

Que las empresas de grandes modelos distribuyan habilidades parece lo más lógico. El modelo mismo es la base sobre la que funcionan las habilidades; desarrollar una tienda de habilidades puede impulsar el uso continuo de su propio gran modelo y retener a los usuarios en su propio ecosistema.

El ingeniero de agentes de la empresa de grandes modelos, He Yu, mencionó que las habilidades desarrolladas internamente tienen una mayor compatibilidad con su modelo subyacente propio y ofrecen una mejor experiencia de uso. En esencia, las habilidades son el "cebo", mientras que la cantidad de llamadas al modelo es el "pez".

La tercera categoría son las plataformas de contenido, que tratan a Skill como una nueva categoría de contenido para generar tráfico y ingresos por publicidad.

Xiaohongshu recientemente lanzó Red Skill, que aún se encuentra en prueba interna. Los usuarios pueden adjuntar enlaces a Skill debajo de sus publicaciones; al hacer clic, se copian automáticamente las instrucciones de instalación. A diferencia del flujo tradicional de distribución de Skill, que va desde la búsqueda hasta la configuración, Xiaohongshu sigue una estrategia de recomendación de contenido, transformando los Skill en una forma de contenido navegable y recomendable. Xiaohongshu no gana dinero con los Skill, sino con el tráfico y los ingresos publicitarios generados por este tipo de contenido.

La lógica de los tres tipos de jugadores es consistente: la tienda Skill en sí misma no genera ganancias, pero es la puerta de entrada para adquirir y retener usuarios. Los ingresos reales se encuentran fuera de Skill.

Sin embargo, este juicio se basa en la premisa de que los desarrolladores y los usuarios realmente estén dispuestos a usarlo.

El desarrollador independiente Sugimori Minami señaló que las tiendas de Skill integradas en los productos de grandes empresas pueden no tener el atractivo que se imagina. Más bien, parecen una función secundaria dentro del producto, con poca visibilidad y no constituyen una prioridad principal para las grandes empresas. La capacidad de difusión natural de las plataformas de contenido les otorga una ventaja competitiva en la distribución de Skill.

Es decir, la tienda ya está montada, pero aún no es lo suficientemente atractiva.

Para determinar si el negocio de la Skill Store es rentable, lo más directo es ver si genera ganancias.

Actualmente, solo los botones de Byte admiten la comercialización de Skills, permitiendo a los creadores fijar precios para vender sus propios Skills. La mayoría de otras plataformas los distribuyen gratuitamente. Lo que realmente puede considerarse una “comercialización” es cuando personas venden Skills de código abierto en Xianyu aprovechando diferencias de información.

La función "Tienda" aún es solo una metáfora. ¿Cuál es el problema?

El primer obstáculo es que Skill es difícil de valorar.

La App Store logró su éxito gracias a un sistema de evaluación completo: funciones claras, experiencia estable, y calificaciones y reseñas de usuarios. Más importante aún, cualquier persona que ejecute la misma aplicación obtiene los mismos resultados.

Lo que le falta a Skill es esta certeza. Cambiar el modelo o el entorno de contexto puede generar diferencias significativas en los resultados producidos por Skill.杉森楠 le dijo a «AIX Finanzas» que existen diferencias en el rendimiento de distintos productos Agent, y que las capacidades de los modelos integrados también varían; los resultados de la misma Skill pueden ser impredecibles cuando se ejecutan en diferentes productos y modelos. Incluso dentro del mismo producto y el mismo modelo, debido a la aleatoriedad inherente de la IA, los resultados no siempre son consistentes.

He Yu añadió otro ángulo: la mayoría de las habilidades generales dirigidas a usuarios comunes son de salida abierta, sin una única respuesta estándar, y la industria actualmente carece de un estándar unificado para evaluar su efectividad. Las habilidades de alta calidad no pueden identificarse eficazmente, y el costo de selección para los usuarios es muy alto.

Si el rendimiento es inestable, no se puede establecer un sistema de evaluación. Si no se establece un sistema de evaluación, los usuarios carecen de base para pagar.

El segundo obstáculo es la falta de transparencia en los costos.

Completar la misma tarea puede consumir varias veces más Tokens según la Skill utilizada, pero el usuario no puede saberlo antes de instalarla. No se puede comparar cuál de dos Skills con la misma función es más “ahorradora de Tokens”.

He Yu dio un ejemplo: una vez usó dos habilidades diferentes en la misma plataforma para resumir documentos largos, procesando el mismo documento y emitiendo las mismas instrucciones, pero el consumo de tokens varió enormemente, y esta diferencia era completamente imperceptible al elegir la habilidad. El usuario pagó por la habilidad, pero aún debe asumir un costo adicional e incierto en tokens: ¿cómo se calcula este gasto?

El tercer obstáculo radica en los riesgos de seguridad.

Este año ya ha habido casos previos de envenenamiento de Skill; los Skill maliciosos se publican imitando nombres de Skill populares para robar datos de los usuarios. Aunque las plataformas han implementado progresivamente mecanismos de revisión, esto también ha elevado el umbral para que los desarrolladores suban Skill.

Cuando Sōshin Nan subió un Skill a Xiaohongshu, encontró restricciones: la plataforma solo permite subir archivos Markdown y TSD, por lo que los Skills complejos no se pueden cargar por completo, y finalmente tuvo que reducirlo a un solo prompt. Aún no se ha encontrado un equilibrio entre la revisión de seguridad y la experiencia del desarrollador.

El último obstáculo es la falta de un protocolo estandarizado.

Diferentes desarrolladores describen la misma tarea de manera distinta, lo que facilita que el modelo desarrolle malentendidos y produzca resultados inconsistentes. He Yu indicó que la ambigüedad en la descripción hace que la experiencia real de Skill sea difícil de controlar, y que “fácil de usar” se convierte en algo místico.

Además, la falta de límites de permisos estandarizados impide que se logre el efecto ideal de "desarrollar una vez, distribuir en múltiples plataformas".

Estas cuatro barreras en realidad apuntan a la misma causa: Skill es esencialmente un flujo de trabajo personalizado y, por naturaleza, se resiste a la estandarización. Sin embargo, la premisa de la comercialización es precisamente la estandarización.

Entonces, la tienda de Skill ahora se parece más a un estante de exhibición: los productos están ahí, pero los usuarios no saben cuál elegir, ni siquiera si lo elegido funcionará bien. Todavía hay un largo camino por recorrer para lograr una verdadera "transacción".

Primero, desvía la mirada desde la plataforma hacia los desarrolladores.

El desarrollador independiente Chen Xu anteriormente subió un Skill de pago en Kozzi. El mismo día en que fue aprobado, seis personas realizaron pagos, y la recomendación en la página principal generó exposición continua. Sin embargo, esto no duró mucho: pronto descubrió que ya no tenía oportunidad de aparecer en la recomendación de la página principal; los usuarios debían buscarlo activamente para encontrarlo, y no podía invertir en tráfico. Las oportunidades de exposición en la página principal estaban completamente bajo el control de la plataforma y eran muy aleatorias.

Esto al menos indica dos puntos: primero, hay una demanda real por Skill pagado; segundo, en las plataformas actuales, la capacidad de distribución de los desarrolladores es extremadamente limitada.

Entonces, ¿puede la Skill Store convertirse en la próxima App Store? Por ahora, hay dos obstáculos.

Por un lado, no existe un sistema de evaluación unificado para las habilidades. Chen Xu mencionó que generalmente elige habilidades basándose en el número de estrellas en GitHub, ya que estas han sido validadas por usuarios reales, pero las clasificaciones populares en las plataformas nacionales difieren de las del extranjero, lo que puede distorsionar los indicadores. Al carecer de un sistema de evaluación estandarizado y multiplataforma, los usuarios solo pueden elegir por suerte.

Por otro lado, Skill posee fuertes atributos personalizados.杉森楠 mencionó que la mayoría de los Skill genéricos disponibles en el mercado tienen un rendimiento limitado. Los Skill verdaderamente útiles deben ajustarse al flujo de trabajo personal y requerir ajustes repetidos en el trabajo real para consolidar una metodología exclusiva. Por ejemplo, incluso dos Skill ambos etiquetados como "asistente de escritura" pueden tener flujos de trabajo adaptados y estilos de producción completamente diferentes.

Si no se puede establecer un sistema de evaluación, la tienda Skill solo podrá permanecer en la etapa de estante de exhibición.

Pero desde otra perspectiva, Skill es esencialmente un nuevo tipo de producto. Anteriormente, los usuarios pagaban por "certeza": necesitaban una función y descargaban una aplicación. Ahora, compran "posibilidad": una capacidad de creación, una metodología reutilizable.

He Yu dividió los escenarios con base de pago en dos categorías: una es la necesidad empresarial, como procesos estandarizados de revisión de contratos y generación de informes de datos, donde las empresas tienen una fuerte disposición a pagar; la otra es la herramienta personal, como escenarios de optimización de currículums para búsqueda de empleo o redacción de documentos para estudios en el extranjero, que tienen una tasa de conversión de pago relativamente alta.

El problema es quién puede convertir este espacio en un negocio real.

Los tres tipos de participantes tienen ventajas, pero también cada uno tiene sus debilidades.

Las grandes empresas de internet están más cerca de los escenarios, pero para ellas, la Skill Store es solo un “extra” y no recibirán recursos centrales. Las empresas de modelos grandes tienen una ventaja natural en la adaptación de modelos, pero su ecosistema no puede competir con el de las grandes empresas; la Skill Store es solo un servicio adicional, y su objetivo fundamental sigue siendo que los usuarios sigan llamando a los modelos. Las plataformas de contenido tienen la mayor capacidad de difusión; en la etapa en que aún no existe un sistema de evaluación estandarizado para las Skills, los usuarios eligen Skills basándose en recomendaciones de influencers y demostraciones de uso, lo cual es exactamente lo que mejor saben hacer las plataformas de contenido, aunque están más alejadas del ecosistema técnico.

La inestabilidad de Skill, sus atributos personalizados y sus riesgos de seguridad hacen que este negocio sea mucho más difícil de lo que parece a primera vista. Nadie ha logrado aún hacer que comprar Skill sea tan natural como comprar una app.

Este artículo proviene del canal de WeChat "AIX Finanzas", autor: Equipo de AIX Finanzas