La IA en el futuro: pocos motores y muchas aplicaciones.
La industria de la inteligencia artificial será grande, enorme, pero sólo unas pocas empresas proporcionarán modelos.
Ya estamos de vuelta de vacaciones de Navidad y, pese a que todavía quedan por llegar sus Majestades los Reyes Magos, no quería dejar pasar más días… porque esto va muy rápido y los temas a tratar se acumulan.
No dejamos de ver como todo avanza a una velocidad de vértigo, a veces difícil de asimilar por el común de los mortales, y no me extraña. Nuevos modelos y herramientas que sirven para mil y una cosas, inversiones ‘locas’, impacto en todos los sectores y actividades, y noticias y ruido para todos los gustos y colores. Pero, ¿qué pasará?
La industria de la inteligencia artificial será grande. Muy grande. Pero sólo unas pocas empresas proporcionarán modelos como ChatGPT, Claude y la familia Gemini de Google. Sin embargo, muchas empresas proporcionarán herramientas para aplicar estos modelos a tareas específicas, con clientes que incluirán empresas, organismos públicos y consumidores en general. ¿Estoy loco? Puede. Es un juicio quizás prematuro y puede resultar erróneo, pero se basa en una teoría económica y una experiencia sólidas. Lo que podría cambiar son los costes y las oportunidades de los servicios prestados.
Venga, os cuento más, e intentaré, como siempre es mi intención, que sea para ese común de los mortales del que hablaba antes.
Si os fijáis, algunos sectores tienen pocas empresas y otras muchas. Pensad en fabricantes de grandes aviones comerciales y seguramente sólo os vendrán a la mente dos empresas. ¿Y bares o restaurantes? En cualquier pequeña ciudad hay un montón de ellos. Para entender la estructura del mercado de Inteligencia Artificial, debemos averiguar por qué algunos sectores tienen muchas empresas y otras pocas.
Las economías de escala determinan gran parte de la estructura del mercado. El año pasado, Airbus y Boeing construyeron entre los dos 1.263 aviones, unos 600 cada uno. Supongamos que esa producción se hubiera repartido entre 100 fabricantes en lugar de dos. Serían 12 aviones cada uno. El coste medio de producción habría sido mucho mayor. Los costes de los materiales habrían sido similares, pero los costes de diseño se habrían repartido entre muchos menos aviones. Las fijaciones y plantillas especializadas utilizadas en el proceso de producción serían menos comunes, lo que supondría más trabajo manual y, por tanto, más repeticiones.
Ahora pensad en restaurantes que atienden quizás a 100 comensales a la vez. ¿Cuánto más barato sería que 1.000 clientes se sentaran en un gran restaurante? La preparación de la comida probablemente estaría más automatizada, pero los camareros y ayudantes de camarero se cruzarían más a menudo. Mantener la calidad tanto de la comida como de la experiencia podría ser más costoso.
La diversidad de la demanda también impulsa la estructura del mercado. Los restaurantes tienen muchas especialidades: Mexicana, italiana, tailandesa, gallega (como no), etc. Pero los viajeros de avión no parecen interesados en demasiadas variaciones en el diseño de un avión.
El desarrollo de los grandes modelos lingüísticos de ChatGPT y sus homólogos es muy costoso. GPT-3 costó tres millones de dólares, pero GPT-4 costó más de 100 millones. Los modelos han mejorado mucho a medida que se han entrenado con conjuntos de datos más grandes, que requieren muchos más recursos de procesamiento. Una vez desarrollado el modelo, el gasto de ejecutarlo para responder a las consultas crece con el tamaño del modelo.
La gran propuesta de valor de la Inteligencia Artificial procede del aprovechamiento del gran modelo lingüístico para aplicaciones específicas. Los grandes modelos lingüísticos son de propósito general, lo que permite su comunicación en el lenguaje cotidiano. Una empresa quiere responder a las consultas de sus clientes sobre el pago de facturas; un ingeniero quiere buscar alternativas de diseño que se ajusten a determinados parámetros; un comercial quiere identificar a los clientes pasados que probablemente vuelvan a comprar. Todos ellos pueden utilizar el mismo modelo de IA de propósito general y, a continuación, ‘atornillar’ funciones, fuentes de datos y prácticas adicionales.
Los grandes modelos lingüísticos pueden adaptarse a aplicaciones específicas. En el ejemplo más conocido, GPT se adaptó para que sonara como un útil asistente llamado ChatGPT. En algunos casos, el gran modelo lingüístico será simplemente un mecanismo de entrada-salida que traduce el inglés común, u otro idioma, en instrucciones que pueden introducirse en un pequeño modelo especializado de inteligencia artificial. A continuación, los resultados de ese modelo pueden devolverse al modelo lingüístico grande para que el usuario reciba los resultados en lenguaje cotidiano. En otros casos, el modelo lingüístico grande tendrá una conexión con información externa, como un historial de pagos de facturas o el manual de servicio de un producto.
Cada una de estas aplicaciones especializadas se beneficiará del desarrollo por parte de personas con un profundo conocimiento del campo. Un mecánico sabe mejor que nadie qué información será útil para otro mecánico. Habrá muchas, muchas de estas aplicaciones especializadas. Pueden desarrollarse e implantarse a un coste relativamente bajo. Mientras que el gran modelo lingüístico se parecerá al oligopolio Airbus-Boeing, el sector de las aplicaciones se parecerá al sushi, las hamburguesas, la pizza,…
Dentro de una aplicación, como ayudar a los clientes a devolver algo que han comprado online, puede haber sólo dos o tres empresas que presten el servicio. Pero el número de servicios especializados será enorme. Algunas empresas adquirirán experiencia en el desarrollo de aplicaciones especializadas y tendrán muchos productos diferentes desarrollados con esa experiencia. Pero siempre habrá emprendedores en busca de oportunidades que otros han dejado pasar, así que los pequeños desarrolladores de aplicaciones persistirán.
Pero, ojo, esta visión de la futura estructura del mercado de la Inteligencia Artificial podría fallar de varias maneras, algunas de las cuales pueden reconocerse fácilmente hoy en día. Por ejemplo, los grandes modelos lingüísticos podrían desarrollar una mayor capacidad para manejar tareas especializadas. Hace tres o cuatro años, antes de la explosión de la IA Generativa, pregunté a un referente en IA sobre el desarrollo de una aplicación altamente especializada para el sector asegurador. Me dijo que se podría dedicar un año a ello, pero entonces la aplicación se basaría en un modelo ‘anticuado un año’. Probablemente se obtendrían mejores resultados utilizando un modelo de IA actualizado pero no especializado.
Otra alternativa a esta previsión de la estructura del mercado procede del descenso del coste del desarrollo de modelos de IA. Una estimación sitúa los costes de formación en un 80% menos en un periodo de dos años y medio, lo que equivale a un descenso anual de aproximadamente el 50%. Otras estimaciones oscilan entre un 20% y un 70% menos cada año. Muchos artículos señalan el elevado precio de los chips Nvidia utilizados en IA. Unos precios que son altos porque los chips son muy potentes, lo que ayuda a reducir los costes generales de formación de los modelos. Así que quizá los grandes modelos lingüísticos sean tan baratos que invite a que muchas empresas generen los suyos propios. Incluso si el coste se estabiliza en, digamos, 100 millones de dólares, estaríamos dentro del presupuesto razonable de muchas grandes empresas.
En tercer lugar, la regulación, ¡ay la regulación!, podría cambiar la estructura del mercado, como ha ocurrido en otros sectores. Los países podrían exigir o subvencionar modelos de IA fabricados localmente.
En cuarto lugar, puede que alguien desarrolle un método de desarrollo propio totalmente nuevo y revolucionario. Los resultados de las investigaciones recientes sobre Inteligencia Artificial se han compartido a menudo públicamente, o una empresa ha llegado a la misma solución que otra había desarrollado anteriormente. Pero siempre es posible que se desarrolle algo nuevo y genial… y se mantenga en secreto.
La concentración del mercado también puede verse afectada por otros factores que no parecen aplicarse a la IA tal y como la conocemos, pero eso podría cambiar. Estos otros factores incluyen los efectos de red y el acceso a los canales de distribución.
Dicho esto, las empresas del sector tecnológico deberían ser lo más agnósticas posible en cuanto a la futura estructura del mercado, pero si hay que apostar, ahí va la mía: lo más probable es que unas pocas grandes empresas desarrollen grandes modelos lingüísticos con muchas pequeñas empresas que proporcionen aplicaciones especializadas.
¿Cuál es la vuestra?
Y dicho esto, vamos con las recomendaciones…
¿Un libro?
Gray Matters: a biography of brain surgery, de Theodore H. Schwartz.
Un libro que relata la experiencia personal y profesional de un neurocirujano, quien comparte tanto los desafíos técnicos como emocionales de operar el cerebro humano, un órgano fascinante y misterioso. A través de historias autobiográficas, describe su formación, casos reales de cirugías a gente conocida, y la evolución de la neurocirugía desde sus orígenes primitivos hasta la precisión tecnológica actual. El autor reflexiona sobre el impacto de esta profesión, desmitifica su práctica y destaca la importancia de los pioneros como Harvey Cushing y Wilder Penfield en el avance de la disciplina.
Entre los temas tratados, el autor explora la complejidad de las lesiones cerebrales traumáticas, como el caso de Natasha Richardson, y analiza el papel de los deportes en la generación de conmociones cerebrales y sus consecuencias a largo plazo. Asimismo, aborda los desafíos éticos y técnicos de cirugías como la extracción de tumores cerebrales, donde el neurocirujano debe tomar decisiones cruciales bajo presión, considerando variables como el tamaño, la ubicación y la malignidad del tumor.
El libro también incluye capítulos sobre cirugías relacionadas con eventos históricos, como los atentados a Lincoln y JFK, y ofrece una mirada profunda a procedimientos innovadores como la estimulación cerebral mientras el paciente está despierto. Estas técnicas avanzadas permiten mapear funciones críticas del cerebro, como el lenguaje, y minimizar riesgos durante operaciones complejas.
Finalmente, el autor reflexiona sobre el futuro de la neurocirugía y su conexión con cuestiones filosóficas sobre el cerebro, la mente y la existencia humana. Invita al lector a considerar cómo los avances en este campo pueden responder a dilemas sobre la plasticidad cerebral, el libre albedrío y la relación entre mente y cuerpo.
Me ha gustado especialmente.
¿Otro libro?
The Price of Power: how Mitch McConnell mastered the Senate, changed America, and lost his Party, de Michael Tackett.
Si os gusta la historia de los Estados Unidos y de su política, este libro os gustará. The Price of Power analiza la trayectoria política de Mitch McConnell, senador estadounidense y una figura central en la política republicana de las últimas décadas. Desde sus inicios humildes en Alabama hasta su ascenso como líder de la mayoría en el Senado, McConnell ha sido un maestro en el uso estratégico del poder. Aunque en sus comienzos defendía la selección de jueces federales basándose únicamente en sus cualificaciones legales, cambió su postura tras el rechazo partidista a la nominación de Robert Bork en 1987, adoptando un enfoque más partidista que marcó su influencia en el sistema judicial estadounidense.
Su capacidad para recaudar fondos y su enfoque en la consolidación de poder han fortalecido al Partido Republicano, especialmente a través de la designación de jueces conservadores en tribunales federales y en la Corte Suprema. Durante la presidencia de Donald Trump, McConnell desempeñó un papel clave al bloquear la nominación de Merrick Garland al Tribunal Supremo en 2016 y al facilitar la confirmación de tres jueces conservadores que transformaron la orientación ideológica del tribunal. Este cambio ha tenido un impacto duradero, incluyendo decisiones que han revertido precedentes legales importantes.
McConnell también es criticado por priorizar intereses partidistas sobre el bienestar del país. Esto quedó evidenciado durante los procesos de destitución de Trump, cuando, a pesar de reconocer la gravedad de los cargos, evitó condenarlo para proteger la posición política del Partido Republicano. Su decisión permitió la continuidad de Trump en la política, con consecuencias significativas para la democracia estadounidense.
A lo largo de su carrera, McConnell ha sido más conocido por su habilidad para obstruir y consolidar poder que por impulsar legislaciones que beneficien al país. Su legado, aunque significativo, refleja una búsqueda de poder como fin en sí mismo, en lugar de una visión centrada en principios de cooperación y organización social. A pesar de su apoyo puntual a temas como la ayuda a Ucrania, su impacto se percibe principalmente como divisivo y orientado a intereses partidistas.
¿Un podcast?
Aprovechando las imágenes que ilustran el artículo de hoy, comparto con vosotros mi nueva participación en La Tarde de La Cope, donde estuve conversando con Pilar García Muñiz sobre el boom de los robots humanoides. ¿Será 2025 el año en el que empiecen a acompañarnos?
¿Un artículo?
El enorme gasto de las devoluciones. Expansión - Financial Times.
Un artículo que aborda el impacto económico de las devoluciones en las ventas online, destacando cómo el aumento del comercio electrónico ha generado un problema significativo para las cadenas de distribución. Durante el Black Friday, la temporada navideña y ahora las rebajas, los consumidores gastan verdaderas barbaridades, pero la facilidad para devolver productos online ha llevado a una ‘avalancha de devoluciones’, que representa un alto porcentaje de las ventas totales, especialmente en sectores como la moda, donde las devoluciones pueden alcanzar el 40%.
Las devoluciones no solo implican costes elevados para las empresas, como el procesamiento de productos devueltos y su posible inutilización, sino que también complican la contabilidad y afectan directamente a los márgenes de beneficio, ya de por sí ajustados debido a la presión por ofrecer envíos y devoluciones gratuitas. Para contrarrestar este desafío, algunas empresas han implementado tasas o políticas más estrictas de reembolsos, mientras que otras incentivan a los clientes a conservar los productos devueltos mediante descuentos. Además del gran impacto medioambiental de todo el proceso.
El artículo señala, además, la creciente inversión en tecnología y la contratación de terceros para agilizar las devoluciones, como estrategias clave para adaptarse a esta problemática, dejando claro que las cadenas de distribución que logren controlar mejor este desafío tendrán una ventaja competitiva en un entorno de comercio online cada vez más complejo.
¿Otro artículo?
¿Por qué maltratamos tanto la Educación en España?, de Laura Cuesta Cano.
Necesario artículo sobre la realidad de la educación en España, y en el que la autora critica la inestabilidad legislativa en materia educativa, señalando que en los últimos 40 años se han promulgado ocho leyes educativas, cada una impulsada por el gobierno de turno. Esta constante modificación dificulta la adaptación de la comunidad educativa a nuevos currículos y metodologías, afectando la calidad de la enseñanza.
Además destaca la pérdida de autoridad y relevancia del profesorado, atribuida no solo a la actitud del alumnado, sino también a la desvalorización por parte de gobiernos, administraciones y sociedad en general. Esta situación se ve agravada por debates polarizados sobre temas como la financiación de la educación concertada, la segregación escolar y la equidad en el acceso a recursos educativos.
En cuanto al uso de la tecnología en las aulas subraya la importancia de definir claramente qué herramientas digitales se utilizan, cómo y con qué propósito. Distingue entre el uso pasivo y consumista de dispositivos personales y el uso educativo estratégico de tecnologías digitales que pueden personalizar y enriquecer el aprendizaje. Para ello, es fundamental que los centros educativos dispongan de los medios digitales necesarios y los integren de forma pedagógica, orientando su uso hacia el desarrollo de competencias digitales.
Porque la educación es cosa de todos. Y no del Ministro de turno. Las cifras están ahí y las consecuencias nos condenan como sociedad y como país.
¿Una reflexión?
Disculpad que me extienda un poco más, pero esta infografía que me encontré el otro día en X (Twitter) nos invita a pensar en si estamos tomando las mejores decisiones sobre nuestro futuro.
En ella podemos ver una representación de las empresas que cotizan en bolsa cuya capitalización es superior a los 10.000 millones de dólares (el tamaño del círculo indica su capitalización) y que tienen menos de cincuenta años de vida.
A la izquierda las nacidas en los Estados Unidos, y a la derecha las nacidas en la Unión Europea.
Da, como os decía, para pensar, ¿no?
Y si queréis ‘rascar’ más, casualmente profundiza en ello mi querido Xavier Ferràs hoy en La Vanguardia:
Todo esto me recuerda a cómo Leo Harlem define el barranquismo: ‘eso es, básicamente, bajar un río por donde no es’ o, en el tema que nos ocupa:
‘Raise your standards, and the world will meet you there’.