La rebelión de los pesos abiertos en la IA

Con la llegada de la informática personal a finales de los años setenta, la sociedad comenzó a ser más consciente de la necesidad de un aprendizaje continuo, debido a la acelerada adopción de este nuevo entorno técnico. Aun así, el proceso de maduración de la computación requirió un cuarto de siglo, desde el nacimiento de los primeros ordenadores de escritorio hasta la consolidación del internet y los servicios en la nube a principios de los años dos mil. Fue precisamente este prolongado letargo el que dio origen a la célebre Paradoja de Solow y que argumentaba que era desconcertante que los ordenadores eran visibles en todas partes, excepto en las estadísticas oficiales de productividad.

Con la inteligencia artificial (IA), sin embargo, los tiempos de difusión e implementación se han estrechado de forma vertiginosa. Aunque las bases teóricas de la disciplina se remontan a la década de 1950 y el campo atravesó diversos "inviernos" o desiertos de desarrollo y escepticismo financiero, la eclosión de la IA generativa a finales de 2022 con la llegada de los primeros chats conversacionales marcó un punto de no retorno. El desarrollo actual es de una naturaleza tan fulgurante que el ciclo habitual entre invención, innovación y difusión se está comprimiendo a pasos agigantados, obligándonos a asimilar y aplicar la tecnología prácticamente en tiempo real.

Esta asombrosa celeridad, no obstante, introduce un problema crítico en la economía real, ya que altera de forma constante las reglas del juego corporativo. Para el tejido empresarial, la adopción de la IA no solo representa un coste operativo directo por su implementación y uso, sino que introduce un factor de incertidumbre en la toma de decisiones estratégicas. En el dinámico escenario actual, las capacidades de los sistemas cambian cada pocos meses, por lo que calcular la viabilidad financiera de un proyecto empresarial gobernado por IA se ha convertido en un ejercicio de equilibrismo donde, a mitad de camino, un drástico giro tecnológico o un reajuste regulatorio puede obligar a reiniciar la inversión desde cero , o sencillamente, a descartar por completo el proyecto antes de que llegue a ver la luz.

Esta semana hemos asistido al que creo, y quizás sea así, el gran cambio a futuro. La evolución corporativa de esta nueva tecnología sugería que el futuro de la inteligencia artificial estaría dominado por un oligopolio cerrado . Se asumía que unas pocas corporaciones tecnológicas concentrarían el talento y el inmenso capital necesario para entrenar modelos fundacionales, mientras el resto del tejido empresarial mundial se vería abocado a pagar peajes mediante suscripciones y accesos a sus interfaces.

Desde luego, sin necesidad de dedicar mucho tiempo al análisis, esta parecía una predicción razonable. Sin embargo, lo que pensábamos sobre este potencial futuro cambió en cuestión de horas . Gracias a las nuevas noticias, el software de IA se está convirtiendo en una commodity a una velocidad vertiginosa, reduciendo las barreras de entrada, lo que reorientará los modelos de negocio globales.

Obviamente hablamos de la irrupción de modelos viables de pesos abiertos, entregados no solo para su uso sino para su implementación personal y privada para el usuario. Hoy podemos pensar que la ventaja competitiva de los modelos cerrados (como los de OpenAI o Anthropic) podría evaporarse a un ritmo que no hubiéramos esperado hace no mucho. Y es que los modelos cerrados imponen a las empresas un coste promedio muy superior al de los modelos de "pesos abiertos". Así, algunos cálculos indican que mientras que el uso de un modelo de las grandes corporaciones cuesta un promedio 1,86 dólares por millón de tokens, las alternativas abiertas reducen dicho coste a apenas 0,23 dólares, logrando una reducción del 87% en los gastos operativos directos.

Y, aunque podríamos pensar que este ahorro se logra a costa de una peor capacidad de actuación, esto no parece que sea así. A pesar de ser mucho más baratos, estos modelos abiertos alcanzan casi el 90% del rendimiento de la frontera tecnológica. Es más, estos modelos cierran la brecha con los sistemas cerrados en un promedio de tan solo 13 semanas tras su lanzamiento.

Es evidente que, de ser así, esta asimetría financiera sería preocupante, y mucho, para el modelo de negocio tradicional. Las grandes tecnológicas asumen gastos de capital de entre 50 y 100 millones de dólares para entrenar sus modelos más avanzados. Sin embargo, se enfrentan a lo que en la industria se conoce como la "Guerra de Destilación". Competidores y laboratorios (especialmente asiáticos) extraen el razonamiento de estas inteligencias artificiales multimillonarias generando datos sintéticos a través de sus APIs. Mediante operaciones a gran escala, destilan el conocimiento del modelo "maestro" hacia un modelo "estudiante" más pequeño y barato, preservando gran parte de sus capacidades analíticas por una fracción minúscula de la inversión original. La consecuencia, por lo tanto, es que ya muchos nos dicen que el verdadero valor económico de la industria ya no está tanto en el software sino en la capa de infraestructura física y los fabricantes de hardware, alterando la cadena de valor global.

Para la economía real, el verdadero salto productivo de lo que estamos hablando no provendría, por lo tanto, de pagar licencias corporativas en la nube. Más bien, vendría de la capacidad de las pequeñas y medianas empresas para gestionar su propia inteligencia artificial de forma privada.

Habrá que esperar para ver la rapidez de la implantación de estos nuevos ecosistemas y su impacto económico. Las tecnologías de propósito general requieren años de reestructuración que no es barata, así como organizativa antes de que sus beneficios se reflejen en las estadísticas agregadas y más aun con estos cambios tan relevantes y en el corto plazo. Sin duda terminarán afectando de muchas maneras a la organización y producción de las empresas , pero el coste, aunque se intuye bajo a largo plazo, es elevado en la transición, y más con esta incertidumbre.

El relato de la inteligencia artificial ha abandonado la fase del asombro tecnológico para adentrarse en la dura contabilidad corporativa y en las estrategias de negocio. El potencial fin del oligopolio del software obliga a las grandes tecnológicas a replantear su existencia comercial. Para el tejido productivo global, la economía del futuro no dependerá de quién alquila la mejor inteligencia a Silicon Valley, sino de qué empresa logra integrar mejor estos modelos gratuitos y comprimidos en sus propios servidores, protegiendo sus datos y transformando la eficiencia teórica en productividad económica real.

Sinergia Empresarial continuará el seguimiento de esta información sobre la rebelión de los pesos abiertos en la IA y ampliará la cobertura conforme se confirmen nuevos elementos relevantes para el ecosistema empresarial.