Cómo la IA puede quebrar y sobrevivir, al igual que lo hizo Internet

Las dramáticas fluctuaciones del mercado entre los gigantes tecnológicos impulsados por la IA, con empresas públicas que pierden más de $1 billón en valoración en menos de un mes, ilustran claramente que las valoraciones están desconectadas de los fundamentos. Sin embargo, la verdadera pregunta que debemos hacernos ahora no es cuándo estallará la burbuja, sino cómo la industria puede desinflar responsablemente la burbuja y prepararse para la IA del futuro.

En los últimos años, la IA se ha vuelto sinónimo de grandes valoraciones, escalabilidad ilimitada y una sensación de que nadie puede competir con los jugadores más grandes. Pero la realidad técnica ha cambiado y apunta hacia un tipo de futuro diferente para la IA: el dinero real no está en los modelos de IA enormemente costosos que un día pagarán en retornos desproporcionados. Cada vez más, el valor de la IA estará en cómo se integra y se utiliza para generar dinero para las empresas, teniendo en cuenta que los modelos de IA de vanguardia deben ser más baratos, no más caros. El mito de la singularidad ha terminado. La escala sola ya no produce ganancias en forma de escalera. La ejecución, la distribución y el ecosistema ahora importan más que el tamaño del modelo bruto.

Ajustar las expectativas a esta nueva realidad permitirá que la burbuja de IA en crecimiento se desinfle lentamente, en lugar de estallar y causar estragos en la economía y los mercados financieros como lo hizo la burbuja de las puntocom hace un cuarto de siglo.

En la década de 1990, la industria tecnológica asumió que Internet podría y haría todo; y que cualquier cosa construida en Internet tendría éxito por naturaleza. Estaban equivocados y la burbuja en efecto estalló, pero Internet sobrevivió. El crac destacó cómo el éxito en línea no era solo sobre la tecnología subyacente – Internet – sino sobre la capacidad de desarrollar casos de uso inteligentes y efectivos, productos y hardware. Internet no ganó solo con protocolos. Ganó cuando los navegadores, las redes de entrega de contenido y los ecosistemas de desarrolladores lo hicieron utilizable.

Amazon sobrevivió y todavía prospera, mientras que Pets.com fracasó porque nunca tuvo una forma rentable de manejar el envío de su comida para perros, un desafío pasado por alto por la idea tentadora de que podría tener clientes en todo el país gracias al advenimiento de Internet.

Eso es exactamente donde está la Gran IA hoy, absorbida en sueños y expectativas sobre el potencial futuro de la tecnología. No hay duda de que es la tecnología más asombrosa que tenemos hoy. Pero los modelos de IA son solo la tecnología subyacente, no las respuestas en sí, y seguramente no donde el dinero y el valor permanecerán. De hecho, las arquitecturas de transformador y difusión, que subyacen a la mayoría de la IA generativa, son de código abierto; los marcos de optimización son abiertos; la potencia de cómputo es cada vez más accesible. La barrera ya no es el conocimiento teórico. Es el arte de construir sistemas confiables y integrarlos en las pipelines creativas y de producción existentes lo que determinará quién tiene éxito. Estos productos y servicios ya no requieren que los inversores adelanten billones de dólares. Lo sé por mi propia experiencia. Nuestro equipo en Jerusalén construyó un modelo de audio y video de código abierto para hacer videos de IA a un costo aproximado de una décima parte del costo de los líderes del mercado, y que genera escenas continuas más largas, a menudo con una resolución y velocidad más altas. Esto se logró con alrededor de $100 millones, no miles de millones. Nuestra historia muestra que el progreso actual de la IA es menos sobre la “salsa secreta” y más sobre la ingeniería disciplinada.

Al igual que con Internet, aquellos que sobrevivan serán aquellos que aprovechen la IA para los mejores casos de uso, aplicaciones de hardware, productos y servicios. Es cierto que es difícil predecir exactamente cuáles serán. Después de todo, a principios de la década de 1990, cuando la gente usaba AOL o Prodigy, nadie podría haber imaginado Gmail.

Sin embargo, ausente el poder de la clarividencia, hay preguntas inteligentes que hacer en el camino para guiar a la industria de la IA y a sus inversores a trabajar de una manera que permita desinflar gradualmente la burbuja, al mismo tiempo que se construye la economía del futuro.

Los inversores, incluidos los capitalistas de riesgo y los fondos de pensiones que invierten dinero en empresas de IA, necesitan preguntar qué valor, exactamente, se está creando. Miles de millones de dólares se invirtieron en investigación en las grandes empresas tecnológicas para construir IA que al final resultó fácil de replicar en otros lugares. Los presupuestos masivos de IA no garantizan propiedad intelectual única, bloqueo de usuarios o economía defensiva. Ahora los inversores necesitan evaluar cómo las empresas construyen, optimizan y integran modelos en los flujos de trabajo reales de los clientes, creando productos y servicios reales. Los inversores deben pedir métricas como la economía por carga de trabajo al considerar aplicaciones de IA.

Estos, no solo los talentos o la naturaleza propietaria del modelo en sí, son los elementos clave del valor. También es importante comprender el valor de los modelos de código abierto. A menudo superan a las API cerradas porque los investigadores y desarrolladores pueden adaptarlos localmente. Esa adopción se convierte en una trinchera alrededor de una empresa o producto, lo que ayuda a garantizar beneficios y éxito.

Tanto los inversores como los empresarios preocupados por el uso eficiente del capital necesitan dar un paso atrás y evaluar el costo real de la IA y todos los componentes relacionados; estos a menudo están inflados y son más altos de lo que necesitan ser. El enfoque general debe ser que los costos de hardware son volátiles, por lo que el diseño de IA no debe depender de ningún dispositivo o hardware específico. El valor y lo que diferencia a una empresa es su rendimiento por dólar, no los descuentos del proveedor que favorecen un tipo específico de hardware. La defensibilidad del gasto en IA ahora reside en la optimización de la infraestructura, los datos propietarios y la profundidad de integración. Los empresarios con buenas ideas para soluciones que cuidadosamente diseñen o utilicen modelos con ese rendimiento en mente saldrán adelante sobre aquellos que buscan modelos masivos que puedan escalarse más adelante para diferentes usos potenciales. Otro beneficio es ofrecer opciones de despliegue abierto para estudios y plataformas que no pueden depender de una API remota para experiencias en tiempo real.

Los formuladores de políticas y la industria también necesitan pensar de manera más lógica sobre la regulación. El progreso ha sido lento en estas áreas y se centra en gran medida en los modelos de vanguardia que se ejecutan en dispositivos grandes; este ya no es un enfoque práctico. El impulso es abrumadoramente hacia que dichos modelos puedan ejecutarse en dispositivos de consumo, lo que hace imposible regular los modelos en sí. La naturaleza de código abierto de muchos modelos presenta otro desafío formidable al enfoque actual de regulación. Una vez más, el enfoque correcto es centrarse en el despliegue a través de aplicaciones y productos, y desarrollar marcos regulatorios alrededor de ellos para varias industrias, no políticas generales sobre modelos. El objetivo debe ser regular aplicaciones y sectores, con estándares para la procedencia, barandillas de seguridad en los productos y divulgación para los medios sintéticos. La historia de la década de 1990 y principios de la de 2000 una vez más contiene una lección sabia sobre este concepto: el caso contra la popular empresa de intercambio de archivos de música Napster no limitó el intercambio de archivos en sí — esa tecnología solo creció y se volvió mucho más rápida, eventualmente dando paso a la transmisión – sino que se centró en el despliegue responsable de la tecnología por parte de una plataforma. (Incluso a través de la quiebra, Napster en realidad logró mantenerse como una marca ajustando cómo desplegaba su tecnología y fue comprada por más de $200 millones a principios de este año.)

Al final, el mercado se consolidará alrededor de unos pocos modelos de IA multimodales unificados que puedan ser destilados para la eficiencia y adaptados para diferentes usos. Todos los interesados deben prestar mucha más atención a las aplicaciones y al valor comercial real que la IA puede aportar, y no perderse en las promesas de los modelos en sí. La industria se está inflando más rápido de lo que está creando valor. Si esto termina en una corrección dramática – similar a la burbuja de Internet temprana – está abierto a debate. Pero la claridad ahora significa resiliencia más adelante.