El auge de la inteligencia artificial (IA) se ha fundamentado en una suposición básica: cuanto más grandes son los modelos, más potencia tienen y, por lo tanto, los modelos más potentes ganan en el mercado. Sin embargo, el sector está a punto de descubrir las implicaciones de si esta suposición empieza a fallar. Los costes crecientes han llevado a los usuarios a considerar modelos más pequeños y económicos, lo que puede tener un impacto significativo en la industria.
Presión de costes y cambio en la dinámica del mercado
Cambios en la percepción de los modelos
El creciente coste de la operación de modelos de gran tamaño ha llevado a una reconsideración de la inversión en inteligencia artificial. Esta nueva perspectiva, conocida como model-shopping centrado en los costes, se está convirtiendo en una tendencia emergente, aunque sus efectos finales aún están por determinar.
Se prevé, según Brian Armstrong, cofundador de Coinbase, que la gran mayoría de las tareas se trasladarán a modelos más baratos. En su opinión, la demanda de inteligencia es prácticamente infinita, pero se estima que en un plazo de 12 a 18 meses, el 80% de las cargas de trabajo funcionará con modelos que son 99% más económicos.
Implicaciones para la industria
Si se cumple esta predicción, podría significar un cambio drástico en la forma de operar de las empresas de IA, que hasta ahora se han enfocado en la calidad, eligiendo los modelos más avanzados. Con la posibilidad de que tareas complejas se gestionen con modelos más asequibles sin comprometer la calidad, la economía de la IA podría verse profundamente alterada. Las grandes empresas como OpenAI y Anthropic, que actualmente están preparándose para salir a bolsa, podrían enfrentar un golpe financiero.
La distinción entre modelos grandes y pequeños
El verdadero debate en la IA
El enfoque actual a veces se presenta como una lucha entre modelos de laboratorios grandes y modelos chinos o de código abierto. Sin embargo, el verdadero dilema radica en la elección entre modelos grandes y pequeños. Esta elección puede ser crucial en términos de ahorro de costes y eficiencia. Se ha demostrado que, al organizar correctamente los sistemas, es posible sustituir modelos más caros sin sacrificar la calidad.
Pruebas recientes y resultados
Un ejemplo práctico lo proporciona la plataforma de IA legal Harvey, que logró reducir los costes de inferencia en un 300% sin afectar la calidad. En una prueba llevada a cabo en colaboración con Fireworks AI, combinaron diferentes modelos y lograron significativos ahorros en tiempo de servidor y costes totales.
Reflexiones para emprendedores y negocios
-
Optimización de costes: Es fundamental que las empresas revisen sus gastos en IA y consideren modelos más pequeños y económicos sin comprometer la calidad. Esto puede liberarlas de cargas financieras innecesarias.
-
Evaluación constante: Implementar un sistema de revisión continua de los modelos utilizados puede ayudar a detectar oportunidades de ahorro. Pregúntate si realmente necesitas un modelo grande para determinadas tareas.
-
Experimentación con modelos alternativos: No tengas miedo de probar diferentes modelos y herramientas. La versatilidad en los enfoques puede brindarte ventajas competitivas.
- Monitoreo de la evolución de la IA: Mantente al tanto de los avances en la IA y las nuevas ofertas de modelos para asegurarte de que tu negocio no se quede atrás en un entorno cambiantes.
Conclusiones
La tendencia hacia modelos más pequeños y eficientes podría redefinir el futuro de la inteligencia artificial. Si las empresas son capaces de adaptarse a estos cambios, podrían no solo reducir costes, sino también mejorar la eficiencia de sus operaciones. La clave estará en la validez de la premisa: si la mayoría de las tareas se pueden realizar de manera efectiva con modelos más pequeños, se abrirá un nuevo mundo de posibilidades económicas en el sector de la IA.