Inteligencia Artificial: Navegando la Fase de Ajuste hacia la Precisión y el Retorno Sostenible
Publicado Aug. 26, 2025, 8:17 p.m. por manlio
Introduccion
La inteligencia artificial ha capturado la imaginación del mundo, prometiendo transformaciones radicales en todos los sectores. Desde su irrupción, hemos sido testigos de una euforia inversora y tecnológica sin precedentes.
Sin embargo, estamos entrando ahora en una fase crucial de ajuste, donde la industria está aprendiendo a traducir el potencial en valor real y sostenible. Es un momento de reflexión que nos aleja de las expectativas infladas para enfocarnos en la construcción de soluciones robustas y rentables.
Sam Altman, CEO de OpenAI, ha reconocido esta dinámica al afirmar que, aunque la IA es "lo más importante que ha sucedido en mucho tiempo", también estamos en una fase donde los inversores "están demasiado entusiasmados" con ella, comparando la situación con la burbuja de las puntocom. Esto sugiere una corrección necesaria.
La "Fase de Ajuste" de la IA: Realismo Tras la Euforia
La situación se puede situar como parte de una "curva tecnológica" recurrente, donde después de un "pico de expectativas infladas" —como la creencia de que la Inteligencia General Artificial (AGI) estaba a la vuelta de la esquina— la tecnología se adentra en un "abismo de la desilusión". Es en esta etapa donde la gente comienza a cuestionar si las inversiones masivas han sido realmente buenas.
La narrativa predominante de que la AGI estaba a dos o tres años de distancia, que generó tanto visiones utópicas como distópicas, está siendo revisada El progreso de la IA está resultando ser más incremental y evolutivo que revolucionario, y los modelos se están volviendo más especializados en lugar de un único modelo "omnisciente". Esta "corrección saludable en el sentimiento" no es el fin del ciclo de inversión, sino una etapa necesaria para aplicar un "lógica más normal" tanto a la inversión como a la política en IA.
Hacia la Precisión: Superando los "Problemas de Última Milla"
Uno de los principales desafíos en esta fase de ajuste es la implementación práctica de la IA en el entorno empresarial. Un estudio del MIT reveló que el 95% de los proyectos piloto de GenAI no logran pasar a producción.
Las razones incluyen la resistencia de los empleados, la baja calidad de la producción y la asignación ineficiente de recursos. Se observó que la mayor parte del presupuesto se destinó a herramientas de ventas y marketing con bajo retorno de inversión (ROI), mientras que las tareas de optimización de back-office mostraron el ROI más alto.
Shamath K. Palihapitiya enfatiza la diferencia entre el software probabilístico (como muchos LLMs generales) y el software determinístico, sugiriendo que las tareas de back-office, que a menudo implican lidiar con "casos límite" (edge cases) y procesos bien definidos, son excelentes objetivos para la IA si se implementa correctamente, logrando "altísimos niveles de precisión".
Para Freeberg, la clave para el valor empresarial de la IA radica en resolver los "problemas de última milla". Esto significa:
• Conectar los modelos de lenguaje a fuentes de datos empresariales específicas. • Realizar un prompting muy detallado. • Validar las respuestas para evitar alucinaciones. • Iterar constantemente sobre las soluciones.
Alcanzar ese "99% de precisión" desde un "80% o 90% correcto" es donde reside el verdadero valor, y esto requiere un profundo conocimiento de la industria. No es sorprendente que el estudio del MIT también indicara que la adquisición de herramientas de IA de proveedores especializados tuvo una tasa de éxito mucho mayor (dos de cada tres veces), ya que abordan conjuntos de problemas más específicos y datos más acotados. La resistencia de los empleados también es un factor crucial que debe abordarse para que estas herramientas sean adoptadas y funcionen eficazmente.
El Retorno Sostenible: Optimizando el CAPEX y el ROIC
La inversión en IA ha sido monumental. Sam Altman proyecta que OpenAI podría gastar billones de dólares en la construcción de centros de datos en un futuro no muy lejano. Freeberg analiza esta "inversión masiva de capital" (CAPEX), principalmente destinada a chips y centros de datos, bajo la lente del Retorno sobre el Capital Invertido (ROIC). La pregunta es si este ciclo de CAPEX generará un ROIC adecuado.
Actualmente, los sistemas de IA son "muy ineficientes en términos de energía y costos" por cada "token" generado, lo que representa un desafío para el ROIC de las inversiones actuales. Freeberg establece un paralelismo con el boom de las puntocom, donde el despliegue de fibra superó la creación de valor económico real, llevando al estallido de la burbuja, aunque la promesa del internet se realizó años después.
La esperanza para un ROIC sostenible reside en la eficiencia y los rediseños arquitectónicos. Freeberg cree que el movimiento hacia los Modelos de Lenguaje Pequeños y Especializados (SLMs), que funcionan en tareas o aplicaciones específicas o en red, reducirá drásticamente "el costo energético y el costo en dólares por token generado". Si estos rediseños funcionan, los sistemas podrían volverse "10 o incluso 100 veces más eficientes", lo que aumentaría drásticamente el ROIC de las inversiones actuales.
Además, se está aprendiendo que el emparejamiento de humanos con IA es crucial; no se trata solo de "encender la IA y que maneje tu negocio". Se necesitan ingenieros humanos para depurar código, integrarlo y ponerlo en producción. Los "modelos de socios", donde la IA generativa se combina con sistemas determinísticos existentes (como usar IA para generar objetos y Unity para renderizar video), están demostrando ser muy efectivos.
Conclusión
La industria de la IA está experimentando una maduración necesaria. Actualmente estamos experimentando la "fase de ajuste", es una oportunidad para que las empresas y desarrolladores se alejen de las promesas abstractas y se centren en la resolución de problemas reales con soluciones de IA precisas, eficientes y especializadas.
Al superar los "problemas de última milla" y optimizar el ROIC de las inversiones masivas, la inteligencia artificial no solo demostrará su valor, sino que también establecerá un camino más sostenible y rentable para el futuro. Esta etapa de realismo y enfoque es, en última instancia, lo que sentará las bases para la verdadera y duradera revolución de la IA.
Me parece tambien que no hemos encontrado el rompimiento de una "burbuja", mas bien, como ya lo mencionamos, estamos viendo una desaceleracion para repensar las inversiones dentro de la IA.
Finalmente, creo que este "super ciclo" de inversion en IA se conjugara con el ciclo moderno de las criptomonedas, especificamente de Bitcoin. Es decir, me parece que en el proximo (cercano) ciclo de un empuje alcista de los stonks de IA Bitcoin lo seguira. Sugiero ver de cerca las tasas de interes de la FED estadunidense, creo que el proximo septiembre dara sorpresas a la baja, a saber, cortes.
Fuentes:
• YouTube: "AI Bubble Pops, Zuck Freezes Hiring, Newsom’s 2028 Surge, Russia/Ukraine Endgame" del canal "All-In Podcast" [consultado el agosto 25, Ciudad de Panamá]
• Artículo Web: "I talked to Sam Altman about the GPT-5 launch fiasco | The Verge" por Alex Heath, publicado el 15 de agosto de 2025 [consultado el agosto 26, Ciudad de Panamá]
• Artículo Web: "Meta tried to buy Safe Superintelligence, hired CEO Daniel Gross" publicado por CNBC el 19 de junio de 2025 [consultado el agosto 26, Ciudad de Panamá]
• Artículo Web: "OpenAI's Altman says Meta tried to poach staff with $100 million bonuses" publicado por CNBC el 18 de junio de 2025 [consultado el agosto 26, Ciudad de Panamá]
• Artículo Web: "OpenAI's Sam Altman says AI market is in a bubble" publicado por CNBC el 18 de agosto de 2025 [consultado el agosto 26, Ciudad de Panamá]
Posts similares
Brechas de Seguridad por IA: La Nueva Tesis de Inversión en Ciberseguridad para 2025
0 comentarios
No hay comentarios.