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 hay que hacer 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 la sensación de que nadie puede competir con los jugadores más grandes. Pero la realidad técnica ha cambiado y apunta a un tipo diferente de futuro para la IA: el dinero real no está en los modelos de IA enormemente costosos que un día pagarán en rendimientos desproporcionados. Cada vez más, el valor de la IA estará en cómo se integra y se utiliza para ganar dinero para las empresas, teniendo en cuenta que los modelos de IA de vanguardia deberían 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 importan más que el tamaño del modelo bruto.

Ajustar las expectativas a esta nueva realidad permitirá que la creciente burbuja de IA 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 crash destacó cómo el éxito en línea no se trataba solo de la tecnología subyacente – Internet – sino de 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 usable.

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 que pasó por alto la idea tentadora de que podría tener clientes en todo el país debido 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 ciertamente 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 públicas; los marcos de optimización están abiertos; el poder 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 aporten 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 aproximadamente diez veces menor que el de los líderes del mercado, y que genera escenas continuas más largas, a menudo con mayor resolución y velocidad. Esto se logró con alrededor de $100 millones, no miles de millones. Nuestra historia muestra que el progreso de la IA moderna se trata menos de una “salsa secreta” y más de ingeniería disciplinada.

Al igual que con Internet, aquellos que sobrevivan serán los que aprovechen la IA para los mejores casos de uso, aplicaciones de hardware, productos y servicios. Es cierto que qué exactamente serán es difícil de predecir. 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 lentamente 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 se replicó fácilmente 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 e 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 simplemente los talentos o la naturaleza propietaria del modelo en sí, son los elementos clave del valor. También es importante entender el valor de los modelos de código abierto. Estos 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 ganancias y éxito

Tanto los inversores como los empresarios preocupados por el uso eficiente del capital deben 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 deberían 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 se encuentra en la optimización de la infraestructura, los datos propietarios y la profundidad de integración. Los empresarios con buenas ideas para soluciones que utilicen modelos con ese rendimiento en mente saldrán victoriosos sobre aquellos que buscan modelos masivos que puedan escalarse más tarde para diferentes usos potenciales. Otro beneficio es ofrecer opciones de implementación abierta 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 mucho 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 la regulación de 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 la implementación 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 productos y divulgación para los medios sintéticos. La historia de la década de 1990 y principios 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 per se — esa tecnología solo creció y se volvió mucho más rápida, eventualmente dando paso al streaming — sino que se centró en la implementación responsable de la tecnología de una plataforma. (Incluso a través de la quiebra, Napster en realidad logró mantenerse como una marca ajustando cómo implementó su tecnología y fue comprada por más de $200 millones a principios de este año.)

En resumen, el mercado se consolidará alrededor de unos pocos modelos de IA multimodales unificados que puedan destilarse para la eficiencia y adaptarse para diferentes usos. Todas las partes interesadas 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.