Bienvenidos de nuevo a AI Shift, nuestra exploración semanal sobre cómo los modelos y agentes están transformando el trabajo. En esta edición echamos un vistazo a los avances recientes en el “perfeccionamiento” de modelos de inteligencia artificial más baratos para desarrollar una especialización profesional en un sector concreto, y las posibles implicaciones divergentes para las principales empresas de la economía del conocimiento y las grandes compañías estadunidenses del ramo.
Los experimentos
Desde hace varios años escuchamos las afirmaciones de que los modelos de IA especializados en áreas como medicina, educación y derecho tendrán un desempeño similar al de los esquemas de vanguardia de OpenAI y Anthropic en tareas dentro de su campo. Normalmente se crean perfeccionando uno más barato y con menor capacidad general, por ejemplo, mediante una capacitación intensiva en diagnóstico médico y ajustando su funcionamiento interno para que tenga más probabilidades de producir respuestas correctas.
Estos experimentos son interesantes y en ocasiones incluso impresionantes, pero después de un análisis más detallado, los resultados han sido engañosos. En muchos casos la supuesta igualación de las capacidades de los modelos más grandes y costosos sólo se cumplía al compararlos con generaciones anteriores, no de vanguardia, de los productos de los grandes laboratorios de Estados Unidos.
Sin embargo, ahora estamos viendo algunos avances interesantes que sugieren que puede haber casos en los que el perfeccionamiento especializado —sobre todo cuando se realiza a nivel de empresas individuales en lugar de dominios profesionales completos— no sólo iguale, sino que supere a los modelos de vanguardia, y tal vez de forma duradera.
Hasta hace poco, la mayoría de los ejercicios para hacer ajustes más destacados se parecían al realizado a principios de este año por la empresa de IA jurídica Harvey AI, que colaboró con la plataforma Fireworks AI para entrenar un agente especializado. En la práctica, tomaron el barato modelo chino Kimi 2.6, lo sometieron a una prueba comparativa de agentes mientras hacían monitoreo de su funcionamiento interno, descartaron las respuestas incorrectas y utilizaron los resultados correctos para el entrenamiento y obtener resultados similares. El proceso resultó en una mejora de casi 40 por ciento, suficiente para equiparar su desempeño con el de las grandes compañías, con tan solo una undécima parte del costo.
Sin embargo, los resultados, aunque caen en la categoría de impresionantes, resultan efímeros. Anthropic lanzó una nueva versión de su modelo Opus días antes de la publicación de las conclusiones, estableciendo nuevos récords en las mismas pruebas jurídicas que probablemente habrían relegado al modelo afinado al segundo puesto. Aun así, el ahorro de costos sigue siendo significativo. Sin duda, habrá muchos casos de negocio de bajo riesgo donde la compensación entre un desempeño comparable y un costo mucho menor valga la pena, lo que plantea interrogantes sobre la verdadera necesidad de utilizar agentes de vanguardia.
Pero un nuevo caso el mes pasado dio un paso más allá, cuando la firma de inversión de Ray Dalio, Bridgewater Associates, se unió a la empresa de plataformas de IA Thinking Machines Lab (fundada por la exdirectora ejecutiva de OpenAI, Mira Murati) para perfeccionar un modelo basado en la forma en que sus propios gestores de inversiones realizan su trabajo. Al igual que en el ejemplo jurídico, los resultados superaron a los modelos de vanguardia, esta vez a una decimocuarta parte del costo. Sin embargo, y esto es crucial, el uso de los registros propios de la firma y el conocimiento especializado de su personal altamente cualificado puede hacer que estas mejoras sean más duraderas.
Bridgewater encargó a sus propios expertos la redacción de preguntas personalizadas que guiaban a los modelos hacia las respuestas correctas. Esto produjo mejoras sólidas, pero la precisión se mantuvo por debajo de 80 por ciento.
Una pregunta transmite la experiencia que un profesional puede expresar con palabras; lo que es mucho mejor es aprender de sus acciones. Para la fase de ajustes crearon un conjunto de tareas extraídas de los procesos de trabajo diarios de sus propios inversionistas y, lo que es crucial, se aseguraron de que el personal garantizara que las respuestas ideales que iban a guiar el entrenamiento no sólo representaran las “respuestas correctas”, también “exactamente como nuestros profesionales de inversión abordarían esta situación”.
Al final obtuvieron un modelo a la medida cuyo comportamiento se había ajustado a la propia evaluación de excelencia de Bridgewater, alcanzando una precisión de 85 por ciento —una reducción de errores de casi 30 por ciento en comparación con los modelos de vanguardia— a una pequeña fracción del costo.
La perspectiva de que las mejoras en el desempeño y la reducción de costos sean duraderas resulta tentadora. Hasta la fecha, una de las razones por las que los modelos médicos especializados sólo habían superado a los modelos de vanguardia hasta que dejaron de hacerlo es que los modelos generalistas más recientes estuvieron expuestos a más datos de entrenamiento y podían razonar mejor para llegar a las respuestas correctas. Pero en casos como el de Bridgewater, la mejora en el desempeño provino de información y criterio propios a los que los modelos no tienen acceso.
Esto no significa que la ventaja de ajustes de experto no vaya a desaparecer con el tiempo, pero sin duda tardará más (estos resultados sólo han sido publicados por las empresas involucradas y no han sido verificados de forma independiente). También explica por qué muchas empresas de IA contratan a trabajadores del conocimiento con contratos temporales para incorporar justo este tipo de experiencia profesional especializada a sus datos de entrenamiento.
Me quedo con varias cosas:
-¿Este enfoque puede cambiar radicalmente el significado de que la inteligencia artificial realice tareas en un entorno empresarial? Los modelos de vanguardia suelen compararse con un becario inteligente e incansable, pero los modelos especializados entrenados internamente me parecen más similares a un aprendiz que dedicó un par de años a asimilar las mejores prácticas de la empresa.
-¿Las siguientes ganadoras serán las compañías de “modelos como servicio” que ayudan a las empresas a crear y mantener modelos a medida?
-Dado que es el uso corporativo el que impulsó los enormes ingresos y valoraciones de las compañías desarrolladoras de IA, ¿esto representa una gran amenaza para el modelo de negocio de Anthropic y OpenAI?
Sarah, ¿me gustaría saber qué opinas sobre hacia dónde puede dirigirse todo esto?
El valor de la experiencia
Creo que tienes razón, John, que este desarrollo sería una mala noticia para compañías como Anthropic y OpenAI si realmente llegara a despegar. Pero creo que sería una excelente noticia para esas empresas que tienen el talento técnico y los recursos para aprovecharlo. No sólo se trata de que puede ser mucho más rentable. También contribuirá a disipar la inquietud que existe ante la perspectiva de que un gran número de empresas dependan de un puñado de modelos propietarios de caja negra de unos cuantos proveedores.
Satya Nadella, de Microsoft, hizo esta observación recientemente en una publicación, escribiendo que “lo último que queremos es un mundo donde todas las empresas, en todos los sectores, cedan valor a unos cuantos modelos que lo acaparan todo. Si todo el valor se acumula en manos de unos pocos modelos, la economía política simplemente no lo tolerará”.
Un mundo en el que las compañías afinen modelos más pequeños, basándose en la experiencia de su propio personal, parece preferible. Sin embargo, aún plantea muchas preguntas interesantes. Algunos de los experimentos que mencionas, John, utilizaron modelos base chinos (Bridgewater utilizó Qwen3-235B, por ejemplo). Me pregunto si esto abre la posibilidad de que las empresas queden atrapadas en un nuevo tipo de riesgo geopolítico (aunque, como vimos recientemente cuando la Casa Blanca impuso controles de exportación a Fable 5 y Mythos de Anthropic, los modelos estadunidenses tampoco son inmunes al riesgo político).
En segundo lugar, el ejemplo de Bridgewater deja claro que el conocimiento tácito e institucional de los profesionales de inversión de la propia empresa fue clave para mejorar el desempeño del modelo. Pero, ¿los empleados considerarán que les conviene ayudar a perfeccionar los modelos de sus empleadores basándose en la experiencia que acumularon durante décadas? ¿Confiarán en que no extraigan ese conocimiento y prescindan por completo de sus servicios?
¿O lo verán como una oportunidad para contribuir a la creación de herramientas menos genéricas que las de OpenAI y Anthropic, y que se adapten mejor a sus necesidades? Dependerá del equilibrio de confianza y poder en cada entorno laboral.
Lecturas recomendadas
1. Un artículo de The New Yorker sobre cómo una familia estadunidense interactúa con la IA fue fascinante y estimulante.
2. David Deming, de Harvard, tiene un excelente ensayo en Forked Lightning sobre la gran ventaja de la humanidad sobre la IA en la eficiencia con la que aprendemos unos de otros (y sobre nosotros mismos).