Snapchat: Gemini multimodal en el chatbot My AI — crecimiento de engagement superior a 2.5x en EE.UU.

• Snap Partners with Google Cloud to Power Multi-Modal Generative AI Experiences Within My AI — Snap Inc. (newsroom), 2024-09-24
• Gemini at Work: how customers use Google Cloud AI products (Thomas Kurian) — Google (blog), 2024-09-24
• Snap Inc. Partners with Google Cloud to Power Multi-Modal Generative AI Experiences Within its My AI Chatbot — Google Cloud Press Corner, 2024-09-24
• Snapchat taps Google's Gemini to power its chatbot's generative AI features — TechCrunch, 2024-09-24

Contexto

Snap Inc. es el creador de Snapchat, una de las aplicaciones de mensajería más grandes del mundo: según el comunicado de prensa de Google Cloud, la aplicación llega a más de 850 millones de usuarios activos mensuales, predominantemente una audiencia joven. My AI es el chatbot integrado de Snapchat y, en palabras de Snap, "uno de los chatbots de consumidor más grandes disponibles en la actualidad". Se lanzó en febrero de 2023 — y, importantemente para entender este caso, fue inicialmente impulsado por ChatGPT de OpenAI.

La relación de Snap con Google Cloud es mucho más antigua que la IA generativa: Snapchat se lanzó por primera vez en la infraestructura de Google Cloud en 2011, lo que hace que la asociación tenga más de una década de antigüedad. El 24 de septiembre de 2024, las empresas anunciaron su expansión: las capacidades multimodales de Gemini en Vertex AI se convirtieron en la base de la siguiente generación de My AI. El anuncio se sincronizó con la publicación del blog "Gemini at Work" del CEO de Google Cloud Thomas Kurian, coordinado con el evento global de Google del mismo nombre. En la publicación, Kurian clasifica casi 50 ejemplos de clientes en seis tipos de agentes de IA — cliente, empleado, datos, seguridad y creatividad — y Snap aparece en la sección "agentes de cliente", con una demostración de video en el programa del evento. En otras palabras, para Google esto no fue una integración rutinaria sino uno de sus ejemplos públicos destacados de Gemini de consumidor.

Lo que hace que este caso sea más interesante que la mayoría de las historias de "conectamos un LLM a un chatbot": la cámara es la interfaz principal de Snapchat. Los usuarios de esta aplicación se comunican en snaps y videos, no en párrafos de texto. Entonces, la multimodalidad aquí no es una característica de una lista de verificación de marketing sino una extensión natural del producto: un bot que entiende snaps se conecta con el comportamiento existente de la audiencia en lugar de exigir nuevo comportamiento.

El historial de cambio de modelo es una historia en sí misma. En año y medio, My AI pasó de ChatGPT (lanzamiento de febrero de 2023) a Gemini (septiembre de 2024) — una ilustración vívida de cómo las grandes plataformas B2C tratan la selección de modelos: no "casarse con un proveedor para siempre" sino "elegir el modelo para la capacidad específica". Para Google, esto se convirtió en un caso de exposición: demuestra que Gemini funciona a escala de consumidor, con interacciones contadas en millones por día.

Problema

Un chatbot solo de texto dentro de una aplicación centrada en cámara es una medida a medias. Los usuarios de Snapchat se expresan en snaps y videos; forzarlos a escribir consultas de texto largas significa sacar el bot del modo nativo de comunicación de la aplicación. Para que My AI sea útil para esta audiencia específica, necesita entender imágenes y video tan fluidamente como texto: desde una foto de una señal de calle en un idioma extranjero hasta un video de un estante de refrigerios.

La segunda parte del problema es la escala y la economía. My AI es uno de los chatbots de consumidor más grandes del mundo, y Snapchat llega a más de 850 millones de usuarios mensuales. A esa escala, cada mejora del modelo se multiplica en millones de interacciones diarias — pero también la latencia y los costos de inferencia. El servicio necesitaba respuestas multimodales con baja latencia y un costo aceptable por consulta, o la economía de la unidad de la característica no cuadraría.

La tercera capa es la confianza y la seguridad. La audiencia de Snapchat es joven, y desde su lanzamiento My AI ha estado rodeado de debate público sobre riesgos potenciales para los usuarios, especialmente los niños — TechCrunch señaló esto en su cobertura del movimiento de Gemini, enfatizando que a medida que las capacidades del bot crecen, también lo hacen las apuestas. Para Snap, esto significó que la nueva generación de My AI tenía que basarse en un modelo con mecanismos de precisión y seguridad integrados, no solo el más poderoso disponible.

Solución

Snap implementó Gemini en Vertex AI dentro de My AI. La redacción del anuncio es precisa y vale la pena citar en su totalidad: la empresa aprovecha "las sólidas capacidades multimodales de Gemini en Vertex AI, particularmente la capacidad de la tecnología para entender y operar en diferentes tipos de información como texto, audio, imagen, video y código, para ofrecer características más atractivas e innovadoras para nuestra comunidad de Snapchat a través de My AI".

En la práctica, esto se ve como escenarios incrustados en el gesto familiar de "dispara y envía". Un usuario puede fotografiar una señal de calle mientras viaja y pedirle a My AI que la traduzca. Pueden grabar un video de diferentes ofertas de refrigerios y preguntar cuál es la opción más saludable. Lo que solía requerir una aplicación de traductor separada o una sesión de búsqueda ahora ocurre dentro de una conversación con el bot — con el mismo movimiento que un usuario envía un snap a un amigo. Las capacidades multimodales se implementaron para todos los usuarios de Snapchat de EE.UU.

Elegir Vertex AI como plataforma continúa una historia de infraestructura: Snapchat se ha ejecutado en Google Cloud desde 2011, por lo que este fue el camino de menor resistencia para la integración, operaciones y escalado. El comunicado de prensa de Google Cloud enfatiza por separado que los modelos de Gemini proporcionan "funciones integradas de precisión y seguridad" y sirven millones de interacciones multimodales diarias — para un producto con una audiencia joven e historial de preguntas públicas alrededor de My AI, ese fue un argumento de selección significativo.

Igualmente importante es lo que Snap no hizo: la empresa no reescribió My AI "todo-Google" y no abandonó su estrategia de múltiples proveedores. My AI se lanzó en ChatGPT en febrero de 2023; desde septiembre de 2024, los escenarios multimodales se ejecutan en Gemini — Snap ha combinado históricamente modelos de diferentes proveedores en partes del producto. El caso, por lo tanto, registra no una "defección al campamento de Google" sino una decisión específica: para multimodalidad a escala de consumidor, eligieron el modelo que en ese momento mejor combinaba capacidad, latencia, costo y seguridad.

Del lado de Google, el caso se sitúa en un marco más amplio: en la publicación del blog "Gemini at Work", Thomas Kurian clasifica My AI como un ejemplo de un "agente de cliente" — un agente que ayuda a hacer recomendaciones y responder preguntas de clientes. El CEO de Snap, Evan Spiegel, según TechCrunch, describió la asociación como reforzadora de "todo lo que es tan importante para servir a nuestra comunidad": los usuarios pueden "aprender mucho más sobre el mundo, hacerlo muy rápidamente en el momento". En el comunicado de prensa de Google Cloud, Spiegel agrega el marco de misión: Snap empodera a las personas para que se expresen, vivan en el momento, aprendan sobre el mundo y se diviertan juntos — y en esa lógica un asistente multimodal no es un producto separado sino un amplificador de cada uno de los cuatro. Kurian, por su parte, llama a Snap "un líder temprano en comunicación digital" ahora "a la vanguardia del uso de IA generativa para construir agentes que crean nuevo valor para su comunidad".

Resultado

Según Snap y Google Cloud, después de implementar Gemini en My AI, el engagement dentro de Snapping to My AI creció más de 2.5x en Estados Unidos. La redacción de Kurian en el blog de Google: "Snap implementó la capacidad multimodal de Gemini dentro de su chatbot 'My AI' y desde entonces ha visto más de 2.5x más engagement dentro de Snapping to My AI en Estados Unidos".

El marco que importa. Esta es la única métrica publicada del caso. Se midió en una ventana estrecha del 27 de agosto al 2 de septiembre de 2024 — indicado directamente en la nota al pie del anuncio de Snap, marcado como "datos internos de Snap Inc.". "Snapping to My AI" significa enviar snaps al bot, por lo que la métrica rastrea el crecimiento del uso multimodal específicamente, no toda la actividad de My AI. No se revelaron cifras de audiencia absoluta para el bot: "2.5x" de una base desconocida podría significar crecimiento explosivo o números absolutos modestos. No se ha publicado ningún impacto en ingresos, retención o tiempo en la aplicación.

Análisis editorial. Primero: el tamaño del efecto aquí es menos interesante que su mecánica. El crecimiento de 2.5x+ no sucedió porque el modelo se volviera "más inteligente respondiendo en texto", sino porque el bot aprendió a aceptar entrada en el formato en el que la audiencia de Snapchat ya se comunica — snaps. Esta es una confirmación inusualmente limpia del principio de que la modalidad debe coincidir con la interfaz del producto: la misma funcionalidad de LLM empaquetada en una caja de texto casi ciertamente no habría producido tal salto. Segundo: una ventana de medición de una semana justo después del lanzamiento es el pico de novedad clásico; el nivel de engagement en estado estacionario podría haber resultado más alto o notablemente más bajo, pero las empresas nunca lo publicaron — a finales de 2024 o después. El silencio después de un anuncio ruidoso es información en sí mismo para quien evalúa el caso.

Tercero: estratégicamente, el caso ilustra dónde se encuentran las plataformas de la escala de Snap en el mercado de modelos — migran entre proveedores (ChatGPT en 2023, Gemini en 2024) más rápido que el segmento empresarial, porque sus integraciones son más delgadas y su motivación es una capacidad específica en lugar de lealtad al ecosistema. Para los proveedores de modelos, esto significa que los buques insignia de consumidor son un segmento que se puede ganar — y perder —; para los equipos de producto, la arquitectura para la reemplazabilidad del modelo se amortiza en cada una de estas transiciones.

Finalmente, noten la asimetría de divulgación: el anuncio incluye una cifra de engagement pero no dice nada sobre el costo de inferencia, latencia o el impacto de consultas multimodales (notablemente más caras que texto) en la economía de la característica — aunque con 850M+ usuarios mensuales esos son los parámetros que deciden si la característica sobrevive. La parte pública del caso responde "¿despegó?" pero no "¿cuadra?". Para un lector que mapea este caso en su propio producto, eso significa que los escenarios y mecánicas son transferibles, pero el modelo financiero tendrá que construirse desde cero con sus propios datos.

Lecciones aprendidas

1. La modalidad debe coincidir con la interfaz del producto: en una aplicación centrada en cámara fue la multimodalidad, no mejores respuestas de texto, la que desbloqueó el crecimiento de uso.
2. Lea las notas al pie: el titular 2.5x se midió en una ventana de una semana justo después del lanzamiento — una señal de pico temprano, no un estado estacionario comprobado; la ausencia de publicaciones de métricas de seguimiento también es una señal.
3. Las métricas relativas sin líneas base absolutas (cuántos usuarios, cuántas sesiones) son estándar en estudios de casos de proveedores; exija la base antes de tomar decisiones para su propio producto.
4. Un asistente de IA de consumidor crece en escenarios concretos (traducir un letrero, comparar refrigerios), no en un "chat abstracto con un bot" — los escenarios deben ajustarse al gesto existente del usuario.
5. Las grandes plataformas B2C eligen modelos por capacidad, no por marca: My AI pasó de ChatGPT a Gemini en dieciocho meses — arquitécte para la reemplazabilidad del modelo.
6. El historial de infraestructura tiene peso: más de 10 años de Snapchat en Google Cloud hizo que Vertex AI fuera el camino de menor resistencia — siendo todo lo demás igual, el proveedor ya en producción gana.
7. Para productos con audiencias jóvenes, los mecanismos de seguridad integrados de un modelo son un criterio de selección equivalente a la capacidad: el contexto público alrededor de My AI no dejó a Snap espacio para una solución 'cruda'.

Preguntas frecuentes