Por Canuto  

Sam Altman reconoció que calculó mal la velocidad con la que la inteligencia artificial transformaría la economía y cuestionó el tono alarmista adoptado por parte de la industria. Sus declaraciones llegan mientras OpenAI enfrenta compromisos financieros multimillonarios, elevados gastos de cómputo y una lenta adopción empresarial.

***

  • Sam Altman dijo que esperaba una disrupción mucho más rápida después del lanzamiento de GPT-4.
  • El ejecutivo afirmó que la industria no ha explicado adecuadamente los beneficios ni cómo reducir los riesgos de la IA.
  • OpenAI enfrenta compromisos de gasto multimillonarios hasta 2030 y elevados planes de inversión en capacidad de cómputo.

 

Sam Altman, CEO de OpenAI, reconoció que se equivocó al estimar la velocidad con la que la inteligencia artificial (IA) transformaría la economía. Según sus declaraciones, esperaba que después de la llegada de GPT-4, en 2023, el negocio del software entrara rápidamente en una etapa de disrupción generalizada, con oportunidades abiertas para nuevos competidores y cambios inmediatos en la forma de trabajar.

“Pensé que cuando llegáramos a ChatGPT-4, que fue en 2023, muy poco después habría mucha más disrupción y que el negocio del software estaría disponible para cualquiera de inmediato. Me equivoqué en algunas cosas, una de ellas fue la velocidad”, afirmó Altman.

El ejecutivo atribuyó parte de la demora a la llamada inercia económica, porque las personas y las empresas suelen mantener sus proveedores, herramientas y procesos incluso cuando aparece una tecnología nueva.

La explicación plantea una diferencia importante entre la capacidad técnica de los modelos de lenguaje y su adopción comercial. Aunque estas herramientas pueden generar texto, resumir información y automatizar tareas, las organizaciones deben modificar flujos internos, capacitar empleados y asumir riesgos antes de incorporarlas a operaciones críticas, por lo que el lanzamiento de un producto no garantiza una transformación inmediata.

Altman sostuvo que el ritmo más lento podría hacer más suave la transición hacia la inteligencia artificial, en lugar de provocar una ruptura repentina del mercado laboral y empresarial. Sin embargo, ese argumento también deja abierta una pregunta central para los inversionistas: si la adopción tarda más de lo previsto, las compañías que gastan grandes sumas en infraestructura deberán sostener sus planes durante un período prolongado antes de demostrar retornos proporcionales.

Una industria que comunicó miedo

Durante la misma conversación, Altman cuestionó la forma en que los líderes de la industria han presentado la IA ante el público. A su juicio, muchos desarrolladores han hablado de probabilidades de destruir el mundo, de una carrera tecnológica contra adversarios y de una posible desaparición masiva de empleos, un discurso que puede hacer que la tecnología parezca más amenazante que útil.

“Creo que muchas de las personas que construyen IA han estado diciendo que existe un 25% de probabilidad de que destruyamos el mundo“, señaló Altman. También criticó los mensajes según los cuales la mitad de los empleos desaparecería en el corto plazo y la sociedad tendría que aceptar una transición incierta, porque ese tipo de advertencias no ofrece una explicación concreta sobre los beneficios ni sobre las medidas para reducir los daños.

El director ejecutivo de OpenAI afirmó que el sector no ha explicado suficientemente por qué sería importante que las personas tuvieran más poder y libertad, en vez de menos. En su opinión, mencionar soluciones generales como un ingreso básico universal o un futuro en el que trabajar sea opcional no reemplaza una discusión detallada sobre cómo se distribuirán las ganancias, quién controlará los sistemas y qué mecanismos protegerán a los usuarios.

La crítica tiene relevancia comercial además de política, porque la percepción pública influye en las decisiones de compra, regulación y contratación. Si las empresas ven la IA como una fuente de riesgos legales, errores operativos o rechazo de sus clientes, pueden limitar el despliegue de modelos incluso cuando el acceso a la tecnología sea sencillo y los proveedores prometan incrementos de productividad.

El costo financiero de la carrera por la IA

Las declaraciones de Altman ocurren mientras OpenAI y otras grandes compañías enfrentan costos elevados para desarrollar y operar sistemas de inteligencia artificial. Algunos reportes citados en la cobertura del tema sitúan los compromisos de gasto de OpenAI hasta 2030 en cientos de miles de millones de dólares y describen planes de inversión muy elevados en capacidad de cómputo. Estas cifras deben entenderse como proyecciones o compromisos reportados, no necesariamente como gastos ya ejecutados.

La comparación entre esos planes y los ingresos proyectados no demuestra por sí sola que el modelo sea inviable, pero sí muestra la magnitud del desafío: la empresa necesita convertir el uso de modelos y servicios de IA en ingresos recurrentes suficientes para financiar centros de datos, chips, energía y compromisos contractuales.

La presión económica aumenta cuando el cómputo se utiliza para actividades que no producen una mejora demostrable en ventas, retención o eficiencia. La expansión de tokens y consultas puede elevar el consumo de infraestructura, pero si las compañías no encuentran clientes dispuestos a pagar por los resultados, el aumento de uso termina convirtiéndose en un costo mayor y no necesariamente en una ventaja competitiva sostenible.

Utilidad, errores y límites prácticos

El debate sobre la adopción no depende únicamente de la resistencia cultural o de la lentitud de las organizaciones. También influye la calidad de las respuestas, porque los modelos de lenguaje pueden perder matices, cometer errores y presentar información inventada con una seguridad que dificulta distinguir una respuesta válida de una falsedad convincente.

La cobertura citada puso como ejemplo una consulta realizada a Copilot para localizar enlaces de artículos antiguos: la herramienta entregó vínculos inventados en lugar de referencias reales. El caso pertenece a una tarea de bajo riesgo, pero sirve para ilustrar por qué una equivocación similar tendría consecuencias mucho más graves en áreas como la medicina, la seguridad pública o las aplicaciones militares.

Los modelos pueden resultar útiles para ordenar grandes volúmenes de información, resumir documentos complejos y apoyar procesos en industrias específicas. No obstante, esas ventajas exigen controles humanos, verificación de fuentes y límites claros sobre las decisiones que el sistema puede tomar, especialmente cuando una alucinación del modelo puede afectar la salud, la libertad o la seguridad de una persona.

La tensión es particularmente visible en los negocios de bajo riesgo, donde un error puede corregirse con relativa facilidad, pero el beneficio económico quizá no supere el costo de revisar cada resultado. En ese escenario, algunas empresas podrían descubrir que la IA no elimina el trabajo, sino que desplaza el cuello de botella hacia la supervisión, la comprobación de datos y la corrección de respuestas defectuosas.

La pregunta sobre la verdadera disrupción

La discusión también alcanza a las plataformas de contenido, que intentan filtrar materiales generados por IA porque consideran que pueden reducir el interés de los usuarios. Servicios como Spotify, YouTube e Instagram, además de plataformas de videojuegos, han buscado limitar o detectar contenido automatizado, mientras algunos usuarios expresan rechazo frente a publicaciones repetitivas, genéricas o producidas en grandes cantidades sin una aportación humana reconocible.

El problema no consiste en que la inteligencia artificial carezca de usos, sino en que una parte considerable de su capacidad de cómputo puede destinarse a producir materiales de escaso valor. Crear cientos de videojuegos o piezas de contenido automatizadas no garantiza que exista una audiencia adicional, especialmente cuando los consumidores ya disponen de más opciones de entretenimiento de las que pueden revisar o jugar.

El análisis citado sostiene que ciertos intentos corporativos por utilizar tokens para aumentar la productividad podrían estar incrementando los costos sin generar más ventas. Esa posibilidad desafía la narrativa según la cual cada consulta adicional representa progreso, porque el gasto en infraestructura solo tiene sentido empresarial cuando produce una mejora medible en ingresos, márgenes, calidad o capacidad de servicio.

En los próximos años, la inteligencia artificial podría consolidarse con mayor claridad en funciones gubernamentales, policiales y médicas orientadas a procesar grandes conjuntos de datos. Aun así, la presencia de errores y alucinaciones obligará a combinar esas herramientas con supervisión especializada, de modo que la expansión no dependa únicamente del entusiasmo de los inversionistas ni de promesas sobre una automatización total.

La admisión de Altman no equivale a un abandono de la inteligencia artificial, pero sí representa una revisión significativa de sus expectativas iniciales. La tecnología puede avanzar con rapidez en laboratorios y centros de datos, aunque su valor económico dependerá finalmente de que las personas encuentren aplicaciones confiables, asequibles y suficientemente útiles para cambiar hábitos que llevan años funcionando.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados