Una ducha fría para la manía de la IA

Por Raghuram G. Rajan, Project Syndicate.

CHICAGO- Las herramientas de IA, sin duda, transformarán la naturaleza del trabajo. Los grandes modelos lingüísticos (LLM) ya pueden generar informes de revisión de mis propios artículos de investigación que rivalizan con los de revisores humanos. A diferencia de los humanos, que siempre andan escasos de tiempo, un LLM “conoce” o puede acceder a mucha más bibliografía al instante y, muchas veces, muestra menos sesgos. La IA señala mis debilidades analíticas, revisa las demostraciones y sugiere mejoras. Solo en contadas ocasiones los informes humanos son mejores, normalmente porque conectan los puntos y ofrecen nuevas perspectivas.

No obstante, la euforia del mercado en torno a la IA se ha vuelto preocupante, especialmente dada la magnitud de la emisión de deuda a gran escala por parte del sector. Por lo tanto, conviene considerar en qué punto de la cadena de suministro de la IA las cosas podrían salir mal.

La cadena de suministro comienza con los productores y diseñadores de infraestructura de IA: empresas como TSMC y Samsung, que fabrican chips; Nvidia, que los diseña; y Cisco, que proporciona conectividad. Luego vienen los proveedores de servicios en la nube como Amazon, Google y Microsoft, que están construyendo centros de datos tanto para el uso de sus propios modelos de IA como para vender capacidad de procesamiento a terceros. Además de los proveedores de servicios en la nube, hay empresas más especializadas como Equinix (centros de datos) y, por supuesto, Anthropic y OpenAI, los desarrolladores de los LLM fundamentales.

Por último, están los usuarios finales de los servicios de IA, tanto particulares como corporativos. El uso particular está creciendo aceleradamente, y el uso corporativo en algunas áreas (desarrollo de software y atención al cliente) estalla.

Sin embargo, la mayoría de las grandes empresas, si bien experimentan intensamente, aún no han implementado usos de extremo a extremo. Muchas todavía necesitan organizar sus datos históricos para entrenar la IA para sus propios fines, y reestructurar sus operaciones tradicionales de modo que la IA pueda implementarse y mejorar con la experiencia. Asimismo, a muchas empresas les preocupa, con razón, la seguridad de los datos, los errores de la IA y las alucinaciones que podrían destruir su imagen de marca. Aun así, a medida que las empresas más jóvenes y menos conservadoras encuentren más usos para la IA, ejercerán presión competitiva sobre las empresas más antiguas y grandes para que cambien.

No obstante, la implementación de la IA podría verse interrumpida de diversas formas, lo que generaría riesgos para las empresas financiadas con deuda. Por ejemplo, si las unidades de procesamiento gráfico, las CPU y los chips de memoria se vuelven más rápidos y eficientes energéticamente, los equipos que ocupan los centros de datos existentes podrían depreciarse rápidamente, dificultando la amortización de sus costos. Por otra parte, los LLM, que han alcanzado una capacidad extraordinaria gracias a la predicción de la siguiente palabra, podrían estancarse hasta que surja alguna técnica nueva.

Por ahora, los laboratorios de IA están invirtiendo sumas enormes para entrenar modelos más nuevos y de mayor tamaño, partiendo de la hipótesis de que el primer modelo en alcanzar un punto óptimo de autoaprendizaje dominará el mundo de la IA y generará enormes beneficios. Sin embargo, este escenario parece poco probable. Aun si se alcanzara ese punto, los competidores podrían igualar el modelo del pionero (incluso contratando a empleados clave para obtener secretos técnicos).

Hasta ahora, ningún modelo de IA parece haber logrado una ventaja sostenida. A menos que Gemini (Google), Claude (Anthropic) y ChatGPT (OpenAI) puedan diferenciarse finalmente atrayendo a segmentos de usuarios específicos (o fusionándose o colaborando), es difícil prever de dónde provendrán las ganancias que justifiquen sus enormes inversiones en entrenamiento.

Por otro lado, si bien los políticos se han mantenido en gran medida al margen hasta ahora, las intervenciones políticas para abordar los riesgos y las preocupaciones relacionados con la IA son inevitables. Dado que los centros de datos consumen enormes cantidades de energía -lo que encarece el precio de la electricidad para todos-, los gobiernos estatales y locales se verán sometidos a una mayor presión política para limitar su construcción. En Indiana, por ejemplo, varios condados proclamaron recientemente una moratoria sobre la construcción de centros de datos.

Las previsiones para el próximo año ya sugieren que los fabricantes de hardware y los centros de datos no podrán suministrar suficiente capacidad de procesamiento en Estados Unidos. Y a medida que aumente la escasez de capacidad de procesamiento, los usuarios finales tendrán más motivos para retrasar la implementación. No se pueden reorganizar todas las operaciones en torno a la IA si existen buenas razones para preocuparse por la fiabilidad del acceso o precios razonables en el futuro.

Peor aún, si bien su uso generalizado podría tardar más de lo que muchos esperan, el uso malintencionado por parte de hackers y creadores de deepfakes, así como el uso sin supervisión por parte de menores, está creciendo rápidamente. No es difícil imaginar escenarios catastróficos, como un ciberataque mortal, el uso indebido de datos por parte de agentes de IA o modelos de IA mal entrenados que inciten a los niños a cometer actos de violencia contra sí mismos o contra otros (algo que ya ha ocurrido). El clamor que exige regulación y mayor responsabilidad para los modelos de IA no hará más que aumentar. Los riesgos que plantea una IA descontrolada podrían incluso propiciar un diálogo muy necesario entre las grandes potencias, lo que tal vez conduzca a algún tipo de Convención de Ginebra sobre IA.

Probablemente el detonante más importante de la intervención política serían las pérdidas masivas de puestos de trabajo relacionados con la IA. Por temor a la reacción política o social, incluso las empresas proclives a adoptar la IA podrían mostrarse reacias a despedir a empleados redundantes fuera de una recesión, lo que reduciría cualquier beneficio derivado de la implementación y difusión de la IA.

Dadas todas estas incertidumbres, no está nada claro con qué alcance y rapidez se implementará la IA, ni quién se beneficiará. Los fabricantes y diseñadores de hardware parecían estar bien posicionados, teniendo en cuenta la enorme demanda de capacidad de procesamiento. Pero si se interrumpe la construcción de centros de datos, esto podría trasladar las ganancias a los proveedores de servicios en la nube y a los laboratorios de IA. Estos podrían reducir la cantidad de capacidad de procesamiento dedicada a entrenar mejores modelos, lo que les reporta solo ventajas efímeras, y dedicarse a vender la capacidad de procesamiento que han adquirido a empresas que utilizan sus modelos que ya son perfectamente capaces. Estos cambios también son probables si las capacidades de los modelos se estancan. La regulación también podría obligar a los modeladores a dedicar más esfuerzos a mejorar el entrenamiento y la seguridad de los modelos existentes, generando así una mayor confianza pública.

La buena noticia es que una implementación más limitada y cautelosa de la IA podría darles a las empresas más tiempo para encontrar usos que potencien la mano de obra (en lugar de sustituirla), y a los gobiernos y trabajadores más tiempo para adaptarse. La mala noticia es que las expectativas eufóricas de beneficios excepcionales y rápidos podrían ser infundadas, lo que supone un problema particular para las empresas de IA que deben afrontar pagos de deuda implacables. Es probable que los avances en IA acaben dando sus frutos. Pero no todos los proveedores obtendrán beneficios, ni siquiera sobrevivirán. Copyright: Project Syndicate, 2026.

Raghuram G. Rajan, exgobernador del Banco de la Reserva de la India y economista jefe del Fondo Monetario Internacional, es profesor de Finanzas en la Escuela de Negocios Booth de la Universidad de Chicago, presidente del Grupo de los Treinta, presidente de la Fundación Per Jacobsson y coautor (junto con Rohit Lamba) de Breaking the Mold: India’s Untraveled Path to Prosperity (Princeton University Press, mayo de 2024).