Los laboratorios de IA y el dinero: ¿prueba de supervivencia o quema de caja sin fin?

Hay que reconocer lo evidente: la industria de la inteligencia artificial parece hoy una fiesta gigantesca en la que los invitados beben el champán más caro, pero nadie recuerda quién pagó la cuenta. Estamos acostumbrados a titulares sobre nuevas rondas de inversión de miles de millones de dólares, pero ¿con qué frecuencia oímos hablar de beneficios reales? Parece que ha llegado el momento de dejar de valorar los laboratorios de IA por el número de parámetros de sus modelos y empezar a mirar con atención sus extractos bancarios. Hemos creado un sistema de clasificación que responde a una pregunta sencilla, pero muy incómoda: ¿pensáis ganar dinero en algún momento o simplemente esperáis a que llegue la singularidad?

Durante mucho tiempo, Silicon Valley vivió bajo el lema «primero crecimiento, luego monetización». Esa estrategia funcionó de maravilla para Google y Facebook, pero la inteligencia artificial es una bestia radicalmente distinta. Aquí cada consulta de un usuario cuesta dinero real, y nada desdeñable, en forma de capacidad de cómputo. Si una búsqueda en Google le cuesta a la compañía una fracción ínfima de céntimo, generar una sola respuesta elaborada con GPT-4 puede costar decenas de veces más. Esto crea una situación única y peligrosa: cuanto más popular es tu producto, más rápido te arruinas si no tienes un modelo de negocio claro y eficaz.

Fijémonos en OpenAI. La compañía pasó de ser una modesta organización sin ánimo de lucro a una estructura compleja de «beneficio limitado», captó decenas de miles de millones de Microsoft y ahora busca desesperadamente formas de justificar esa inversión. El lanzamiento de suscripciones de pago y de la API es solo la punta del iceberg.

La batalla principal se libra en el terreno de las soluciones empresariales, donde los requisitos de seguridad y estabilidad son mucho más altos que los de un usuario corriente que quiere escribir un poema sobre su gato. Mientras tanto, el coste de entrenar cada nueva versión del modelo crece de forma exponencial, lo que obliga a Sam Altman a buscar billones de dólares para construir sus propias fábricas de chips.

El problema es que muchos laboratorios siguen comportándose como institutos académicos disfrazados de startups. Persiguen resultados SOTA (state-of-the-art) en los benchmarks y olvidan por completo que al cliente final le da igual un 0.5% de mejora de precisión en el test MMLU. Las empresas necesitan resolver un problema concreto con una solución que cueste menos que contratar a un empleado o usar el viejo y fiable Excel. Y aquí es donde muchos «unicornios» empiezan a tropezar: ofrecen herramientas increíblemente potentes, pero sin sentido económico.

Nuestra clasificación tiene en cuenta varios factores críticos: el coste de la inferencia, el grado de integración en los procesos de negocio existentes y, lo más importante, la singularidad de la propuesta. Si tu modelo es solo otra capa sobre Llama con un prompt de sistema ligeramente modificado, no tienes un negocio. Tienes un pasatiempo caro que vivirá exactamente mientras los inversores crean en la magia de la palabra «IA».

Vemos cómo el mercado empieza a dividirse en dos bandos. El primero lo forman quienes construyen infraestructura y venden de verdad las «palas» en esta fiebre del oro. El segundo, los visionarios que prometen una inteligencia artificial general en cinco años y piden un par de miles de millones más para tarjetas gráficas.

La historia enseña que, al final, sobreviven quienes saben hacer cuentas mientras construyen el futuro, no después de que llegue. Los inversores ya empiezan a hacer preguntas incómodas. ¿Por qué Nvidia registra beneficios récord mientras las empresas que usan sus chips, por ahora, solo registran pérdidas récord? Eso no significa que la tecnología sea humo. Significa que ha llegado la hora de madurar. La era del hype puro se acaba y comienza la de la eficiencia operativa estricta. Los laboratorios tendrán que demostrar su valor no por el número de GPU de su clúster, sino por el margen de cada token generado.

Lo esencial: el periodo romántico de la industria de la IA ha terminado. ¿Podrá OpenAI convertirse en el nuevo Microsoft, o seguirá siendo solo un departamento de investigación muy caro mantenido por los gigantes?

*Meta ha sido declarada organización extremista y está prohibida en la Federación de Rusia.