El avance de la inteligencia artificial (IA) ha llevado a las empresas a replantear sus estrategias de gasto y uso en este ámbito. En un Umfeld donde la tecnología evoluciona constantemente, empresas como Uber han reconocido la necesidad de establecer límites presupuestarios para controlar sus inversiones en IA. Praveen Neppalli Naga, director de tecnología de Uber, señala que la rapidez del cambio en este sector hace necesario ajustar continuamente las previsiones de gasto.
A medida que más organizaciones se adentran en el uso de agentes de IA, muchos han implementado políticas para incentivar a sus equipos a aprovechar al máximo estas herramientas. Ara Kharazian, economista de Ramp, destaca que la capacidad de estos agentes para ejecutar tareas con mínima intervención humana es lo que desbloquea su verdadero potencial. Sin embargo, este mismo nivel de autonomía dificulta la estimación de los costos de operación. Se han dado casos en que proyectos de grandes empresas, como Amazon, han superado considerablemente sus presupuestos iniciales.
Las estrategias de precios en IA han comenzado a cambiar, moviéndose de modelos de suscripción fija a opciones basadas en el consumo. Este nuevo enfoque ha trasladado el riesgo financiero a los clientes, provocando que numerosas empresas líderes, como Meta y Walmart, implementen límites de gasto en sus herramientas de IA. Aunque esta competencia ha comenzado a abaratar los costos de modelos recientes, la fijación de precios sigue siendo un desafío. Los cargos actuales suelen estar relacionados con la potencia de cómputo, lo que ha llevado a un debate sobre la necesidad de fijar precios más acordes con el valor generado por estos servicios.
Economía de los Tókenes
En este contexto, el folleto de salida a Bolsa de Anthropic destaca la compleja economía de la IA, evidenciando sus significativas pérdidas operativas y su necesidad de inversiones sustanciales en infraestructura. La demanda de herramientas de programación basadas en IA ha crecido, lo que ha aumentado los ingresos de laboratorios que desarrollan estos modelos. Sin embargo, el uso intensivo de IA también ha desafiado la capacidad de las empresas para gestionarlo eficientemente.
A medida que los modelos de IA se vuelven más potentes, el manejo de la información se ha vuelto un factor crítico. Las ventanas de contexto han aumentado, permitiendo a los modelos procesar más datos a la vez, pero esta capacidad también implica un mayor consumo de recursos. La investigación indica que el costo de procesar cada token ha disminuido gracias a los avances tecnológicos, pero el uso ha crecido a un ritmo que supera este ahorro.
El consumo de tókenes, una unidad básica en la economía de la IA, varía significativamente según la tarea. Esto implica un requerimiento creciente de capacidad de cálculo y energía. Como menciona Aleh Tsyvinski de Yale, los tókenes son comparables a los kilovatios-hora en el consumo eléctrico, lo que subraya su importancia en la evaluación del desarrollo de la IA. Además, la selección de tokenizadores adecuados puede influir considerablemente en los costos de operación.
Control de Costes
Empresas como Uber han comenzado a tomar medidas drásticas para controlar sus gastos. La compañía ha fijado límites en el gasto mensual para herramientas de programación de IA, además de emplear estrategias para reducir el consumo de tókenes. Con el aumento del uso de la IA, marzo presentó un crecimiento notable en la facturación de estas herramientas. Uber, por su parte, ha explorado modelos más económicos y eficientes, incluyendo sistemas de modelado de código abierto que podrían ofrecer un rendimiento similar a menor costo.
En este entorno competitivo, el auge de modelos de IA más eficientes y económicos es evidente. Sin embargo, los gigantes del sector tienen además que enfrentar la creciente competencia de laboratorios emergentes, particularmente en el ámbito internacional. Esto ha llevado a importantes actores, como Airbnb, a evaluar opciones más económicas para manejar sus recursos de IA, lo que plantea un desafío considerable para los laboratorios establecidos.
Impacto en la OPV
Con miras a la próxima salida a Bolsa de labos importantes como Anthropic y OpenAI, el escenario es incierto debido a la volatilidad de los precios de sus modelos. A pesar de ello, algunos analistas mantienen una visión optimista. A medida que la demanda de IA continúa creciendo, es posible que estas organizaciones encuentren maneras de prosperar a pesar de una posible disminución en los precios.
Sin embargo, todavía persiste el dilema sobre cómo medir adecuadamente el retorno de inversión en relación con la IA. Muchos expertos abogan por un enfoque más centrado en los resultados, lo que podría llevar a una transformación en la forma en que las empresas evalúan sus inversiones en tecnología. A medida que el campo de la inteligencia artificial sigue evolucionando, será fundamental que las empresas encuentren un equilibrio entre los costos y el valor real que obtienen de estos avanzados sistemas.