por Daniel van der Woude – Builtin
En los últimos años, la inversión en inteligencia artificial se aceleró enormemente, alcanzando cientos de miles de millones de dólares. ¿Será rentable?
Las grandes empresas triunfan. Las pequeñas luchan. Eso afecta sin duda al retorno de la inversión.
En los últimos 10 años, la inversión en inteligencia artificial se ha acelerado a pasos agigantados, alcanzando los cientos de miles de millones de dólares.
3 factores que frenan el retorno de las inversiones en IA
- Gran parte de la inversión en infraestructura de IA está orientada hacia el futuro.
- Fuera de OpenAI, Claude y algunos otros, la adopción de la tecnología de IA por parte de los consumidores es limitada.
- Las empresas también se encuentran en una fase temprana de la curva de adopción de esta tecnología. La adopción a gran escala aún está en el horizonte.
Sin embargo, los beneficios económicos aún no se han correspondido con las inversiones. Los avances tecnológicos incipientes, como los grandes modelos lingüísticos, aún deben adoptarse plenamente en la mayoría de las empresas y, aunque la tecnología ha experimentado una de las curvas de adopción más rápidas, actualmente su desarrollo es costoso.
Este patrón es típico de las tecnologías emergentes. Por ejemplo, la secuenciación del genoma humano costó inicialmente 1.000 millones de dólares, mientras que ahora cuesta unos 100 dólares.
Mientras que OpenAI ha superado los 3.000 millones de dólares en ingresos, muchas otras empresas de IA luchan por superar la barrera de los 100 millones de dólares. El mercado actual se centra en gran medida en el desarrollo de modelos y tecnologías fundacionales de frontera, que permiten productos como los acompañantes de IA, como Friend.
En el espacio de las «envolturas» de IA, donde las startups desarrollan productos en torno a API de laboratorios de IA, la competencia es feroz. A menudo, estas empresas tienen dificultades para superar la barrera de los 100 millones de dólares de ingresos, incluso cuando perfeccionan sus modelos para casos de uso específicos.
Un riesgo importante es la aparición de nuevos modelos de IA que puedan realizar estas tareas especializadas de forma inherente, lo que podría dejar obsoletas las soluciones perfeccionadas de estas startups.
Por ejemplo, cuando salió ChatGPT, jasper.ai perdió suscriptores, lo que provocó recortes de plantilla, y copy.ai opera ahora en un mercado extremadamente saturado. Este reto subraya la volatilidad y la rápida evolución del sector de la IA, que dificulta a las empresas más pequeñas lograr una tracción y diferenciación significativas en el mercado.
La IA y la brecha competitiva
Esta situación de empresa grande contra empresa pequeña crea una brecha considerable entre los principales actores, como OpenAI, MidJjourney y Anthropic, y el resto de empresas del sector. Esto se debe a que la adopción de las tecnologías de IA por parte de los consumidores es limitada, al margen de algunos productos clave como Claude, ChatGPT, MidJourney y Runway.
Sin embargo, el funcionamiento de estos modelos requiere mucho capital, y los rumores sugieren que el funcionamiento de ChatGPT cuesta la asombrosa cifra de 700.000 dólares al día. Eso sin contar todo el personal y los gastos de I+D y formación de los nuevos modelos. Los elevados costes e inversiones excluyen a muchas empresas de la competencia.
Esto ha suscitado preocupación en el mercado y provocado ciertos rumores, uno de los cuales es que OpenAI podría quedarse sin liquidez en el plazo de un año. Aunque esto parece poco probable, la empresa necesita seguir atrayendo inversiones y ampliando sus operaciones para tener un camino claro hacia la rentabilidad. Pero ese no es el objetivo por ahora.
Invertir en infraestructura de IA
Debido a que el desarrollo de la IA todavía está en sus primeras etapas, empresas como Microsoft, Amazon y Google están liderando la carga con inversiones sustanciales en IA e infraestructura de centros de datos.
El ecosistema de capital de riesgo también es muy activo en inversiones en IA. Firmas como Sequoia Capital y Andreessen Horowitz se encuentran entre los inversores más activos y destacados en el espacio de la IA, especialmente en empresas emergentes de IA generativa.
Las inversiones en infraestructura garantizan que los laboratorios de IA puedan mantenerse a la vanguardia, introduciendo los modelos más novedosos y manteniendo su competitividad. La construcción de esta infraestructura es crucial para el futuro, ya que permite el desarrollo y despliegue de una tecnología de IA aún más avanzada.
Invertir en computación
Uno de los principales componentes de la infraestructura es la computación, con inversiones que podrían superar la asombrosa cifra de 1 billón de dólares en los próximos años. Las principales empresas tecnológicas, como Microsoft, Google y Amazon, están invirtiendo mucho en este sector, y la construcción de cada centro de datos cuesta unos 2.000 millones de dólares. Este campo es aún incipiente, ya que las empresas están aprendiendo a montar estos centros de datos especializados en GPU.
Estos centros estarán equipados con los últimos chips, como el H100. Sin embargo, estos chips quedarán rápidamente obsoletos a medida que surjan otros más potentes, lo que exigirá una reinversión continua para satisfacer las crecientes demandas computacionales de los nuevos modelos de IA.
Aunque se puede argumentar que ciertos laboratorios tienen ventajas en modelos, algoritmos o datos, competir en este espacio es todo un reto. Los investigadores suelen moverse entre laboratorios de IA, transfiriendo conocimientos y reduciendo las ventajas competitivas.
Uno de los muchos ejemplos es Dario Amodel, antiguo vicepresidente de investigación de OpenAI, que cofundó Anthropic en 2021. Cuando se trata de rentabilizar el capital invertido, ¿a qué apuestan realmente los laboratorios de IA y sus inversores?
El costo futuro de la inteligencia
Aunque la IA aún no está en la hoja de ruta de todas las empresas, los laboratorios de IA cuentan con disminuir el coste de la inteligencia y su valor para las empresas que quieran adquirirla.
Actualmente, las empresas invierten mucho en la contratación de los mejores talentos, lo que supone un gasto importante. Aunque los modelos actuales de IA se asemejan a torpes becarios o empleados subalternos, están mejorando y abaratándose.
Por ejemplo, el GPT-4o-mini de OpenAI es un 97 por ciento más barato para los tokens de entrada y un 96 por ciento más barato para los tokens de salida, en comparación con el GPT-4. Esta reducción se traduce en un 97 por ciento de reducción de costes. Esta reducción se traduce en una disminución del 97 por ciento en el coste de la inteligencia de un becario torpe. Imaginemos que esta inteligencia alcanzara capacidades de nivel de doctorado; las implicaciones para el ahorro de costes y la eficiencia serían inmensas.
En un futuro próximo, los trabajadores digitales, también conocidos como agentes de IA, colaborarán con humanos y otros agentes de IA. Al principio, automatizarán tareas mundanas, pero con el tiempo se encargarán de actividades de mayor valor.
Este cambio podría permitir a los humanos centrarse en problemas más importantes, reduciendo potencialmente la necesidad de tantos trabajadores humanos. Grupos más reducidos de humanos, apoyados por miles de agentes digitales que se ocupan de tareas no estratégicas, podrían producir resultados más valiosos y abordar problemas complejos con mayor eficacia.
Al considerar la inversión en IA, cabe preguntarse si la captura de solo una pequeña parte de las tareas que los humanos realizan hoy en día producirá importantes retornos de la inversión. Este patrón es típico de las tecnologías emergentes. Por ejemplo, la secuenciación del genoma humano costó inicialmente 1.000 millones de dólares, mientras que ahora cuesta unos 100 dólares.
Del mismo modo, la IA tiene el potencial de transformar varios sectores al disminuir el coste de la inteligencia, creando así un valor económico significativo y mejorando la productividad en general.
