Simplifica el acceso a los recursos empresariales de manera drástica. Ahora, cualquier empleado puede comunicarse con los sistemas corporativos de forma tan natural como lo haría con un colega, obteniendo la información necesaria rápida y fácilmente. Y esto es solo el comienzo. Pronto, estaremos rodeados de máquinas capaces de razonar y tomar decisiones por sí mismas. De hecho, Sam Altman predice que en las próximas décadas, «las máquinas harán casi todo, incluso nuevos descubrimientos científicos».
El entusiasmo mostrado por los bancos de inversión y los gigantes tecnológicos ha infundido optimismo en todo el mercado. En el primer trimestre de 2024, las principales bolsas internacionales, impulsadas por el auge de la IA generativa, alcanzaron su nivel más alto en los últimos cinco años. Sin embargo, Gary Gensler, presidente de la SEC, advirtió sobre la conducta oportunista de ciertas entidades, declarando que no permitirá el «AIwashing», es decir, engañar a los inversores afirmando que utilizan inteligencia artificial cuando en realidad no lo hacen, o no como lo declaran.
A pesar del entusiasmo en el mercado, surge una preocupación por la creciente concentración de la oferta. Actualmente, solo un puñado de empresas domina los eslabones clave de la cadena de valor, lo que genera una dependencia que condiciona el desarrollo y acceso a esta tecnología. Por ejemplo, ¿cuántas empresas son capaces de desarrollar los modelos más avanzados, los llamados «frontier AI models»?
La respuesta sencilla es que, debido al coste y escasez de computación, datos y talento especializado, solo unas pocas empresas pueden hacerlo. Una respuesta más detallada consideraría la batalla por la dominancia del mercado y cómo los gigantes tecnológicos protegen sus multimillonarias inversiones, comenzando por controlar el acceso a la computación.
La capacidad de computación no lo es todo, pero a largo plazo, lo es casi todo
Durante la fase de entrenamiento del modelo, se requiere una gran capacidad de procesamiento. La calidad del resultado es proporcional al cómputo empleado, una característica distintiva de la IA generativa. Crear ChatGPT-4, por ejemplo, costó aproximadamente 50 millones de dólares, al menos 10 veces más que su predecesor ChatGPT-3.
Además del coste, está la escasez de cómputo. Elon Musk afirmó que es más difícil conseguir GPUs que drogas. Microsoft destaca la oferta insuficiente de estos en su último informe anual como un factor de riesgo en su negocio. La escasez también se extiende al consumo energético voraz de los modelos, convirtiéndolo en otro factor limitante.
A principios de año en Davos, Sam Altman expresó que el futuro de la IA generativa depende de una revolución en las tecnologías de generación eléctrica. Altman ha invertido 375 millones de dólares en Helion Energy, una startup de energía de fusión, y en Oklo, que se especializa en reactores nucleares modulares (SRM).
Para competir en este mercado, es crucial tener acceso a capacidad de cómputo asequible y abundante. Esto obliga a empresas como OpenAI, Mistral, Anthropic o Coherence a asociarse con gigantes tecnológicos, a sabiendas de los riesgos de lock-in e incluso de ayudar a un futuro competidor. Actualmente, los gigantes del cloud tienen la llave para desarrollar los modelos más avanzados de IA generativa. Nvidia, beneficiado por este mercado, también invierte en proveedores de cómputo como servicio, como Codeware.
Talento, ¿qué talento?
Según el informe «El estado del talento IA 2024» de la consultora Zeki, hay unos 140,000 ingenieros expertos en inteligencia artificial en el mundo, repartidos en unas 20,000 empresas. Sin embargo, solo unos pocos cientos pueden desarrollar modelos de frontera. Las startups suelen contar con menos de una docena de ingenieros entrenando sus modelos.
Aunque contratar a estos especialistas implica pagar cifras exorbitantes, más del 80% del presupuesto para desarrollar un modelo se destina a la computación. Los ingenieros que optimizan el uso de recursos computacionales son muy valorados. Arthur Mensch, cofundador de Mistral, señala que su empresa se enfoca en conseguir modelos más eficientes para competir con gigantes estadounidenses.
Los proveedores cloud están adquiriendo ingenieros con altas compensaciones. Microsoft, por ejemplo, contrató a la mayoría de los empleados de Inflection en lugar de comprar la startup. No obstante, el talento tiende a moverse de las grandes tecnológicas a las startups, generando un costoso flujo de entrada y salida. De los 8 ingenieros de Google que «inventaron» los modelos detrás de la IA generativa, ninguno permanece en la compañía.
El centro de gravedad se desplaza del modelo al dato
Los datos, antes considerados solo materia prima, ahora se ven como una fuente de diferenciación. Su calidad permite crear modelos más precisos y eficientes. Los proveedores de IA generativa están llegando a acuerdos con creadores de contenido para acceder a información actualizada y especializada.
Pocas empresas desarrollan un modelo basado en sus propios datos. Bloomberg es una excepción, con su BloombergGPT creado utilizando información de sus archivos. Otros sectores, como el sanitario, jurídico o financiero, tienen su propio vocabulario y fuentes de información, lo que requiere entrenar modelos desde cero con datos específicos.
El uso de bases de datos públicas ha generado problemas de calidad y sesgos, además de demandas por usar contenido sin permiso. Sin embargo, acuerdos como el de OpenAI con Axel Springer para acceder a contenidos actualizados muestran un cambio en esta tendencia.
Ganadores y perdedores en un mercado en construcción
Nvidia se destaca como el claro vencedor del mercado, con resultados reales hoy. Los proveedores de cloud invierten en expandir su infraestructura global, incluida España, y monetizar su capacidad de cómputo. Los gigantes tecnológicos están moviendo sus fichas para asegurar su dominio, pero la partida se juega a corto y largo plazo. Habrá ganadores y perdedores en este dinámico mercado. ¡Hagan juego!