Eficiencia en inteligencia artificial redefine estrategias empresariales

Wall Street reorienta su enfoque hacia modelos más rentables

Inteligencia artificial (IA) inicia una etapa enfocada en la eficiencia y el retorno de inversión, marcando una nueva era en la adopción empresarial. Atrás queda la obsesión por los modelos más potentes. Este cambio estratégico se consolida tras años de expansión de herramientas como ChatGPT. Empresas buscan validar la capacidad…

Inteligencia artificial (IA) inicia una etapa enfocada en la eficiencia y el retorno de inversión, marcando una nueva era en la adopción empresarial. Atrás queda la obsesión por los modelos más potentes. Este cambio estratégico se consolida tras años de expansión de herramientas como ChatGPT. Empresas buscan validar la capacidad de estos modelos para generar valor que justifique el gasto, centrándose en métricas como el consumo de 'tokens', cruciales para evaluar la eficiencia. Cada interacción con un modelo, ya sea una pregunta o línea de código, implica un consumo de 'tokens', y este costo se vuelve crítico a medida que la IA se integra en las operaciones empresariales. Recientes análisis indican que el 60% de las empresas encuestadas han implementado restricciones en el gasto en IA para maximizar el rendimiento de cada dólar invertido. Casos extremos, como empleados que gastan grandes sumas mensuales en 'tokens', han llevado a los directores financieros a tomar medidas sobre estos gastos operativos. La transición refleja un movimiento desde la creación y entrenamiento de modelos hacia la optimización de su rendimiento. Históricamente, la rapidez en el lanzamiento y el rendimiento eran prioritarios, pero ahora la eficiencia es el nuevo estándar. Este cambio impacta la distribución de valor en el sector. A medida que la tecnología se vuelve más accesible, el valor se desplaza hacia las capas que faciliten su implementación efectiva. Se anticipa una expansión de la inferencia, utilizando modelos ya entrenados para tareas con nuevos datos. El interés inversor se centra en fabricantes de chips y proveedores de servicios en la nube. Empresas líderes en chips para centros de datos experimentan un crecimiento significativo, impulsadas por la demanda de infraestructura para IA. Sin embargo, la venta de chips por sí sola ya no basta; se requieren soluciones integrales para operadores de nube. El desarrollo de modelos económicos y de código abierto intensificará la competencia, dificultando que un solo proveedor mantenga precios elevados por largos períodos. La industria se encamina hacia un modelo por capas, con modelos potentes para tareas complejas y accesibles para trabajos rutinarios. Tomadores de decisiones en México y América Latina deberán adaptarse a esta rápida evolución en el ámbito empresarial.