La presión por reducir costes favorece a modelos más baratos y de código abierto, como los desarrollados por las chinas DeepSeek, Alibaba o Tencent
La inteligencia artificial (IA) ha entrado en una nueva fase de adopción empresarial tras casi cuatro años de expansión de herramientas como ChatGPT, Claude o Gemini, en la que las compañías ya no buscan los modelos más potentes, sino aquellos que ofrecen mayor eficiencia y retorno de la inversión, según analistas consultados por EFE.»La primera fase de la IA consistía en demostrar que los modelos funcionaban, la siguiente consiste en demostrar que generan suficiente valor para justificar el gasto», explica a EFE Shay Boloor, estratega jefe de mercado de Futurum.Para el experto, el consumo de ‘tokens’, la unidad con la que se mide el uso de los modelos y su coste, se ha convertido en una métrica clave de eficiencia.Cada pregunta, respuesta o código consume ‘tokens’ y, cuanto más compleja es la tarea, mayor es el coste: «Cuando las compañías pasan a producción, los costes de los ‘tokens’ dejan de ser una cuestión técnica y se convierten en un gasto operativo que los directores financieros empiezan a vigilar», agrega.Según una encuesta de UBS entre 130 empresas, el 60% ya ha implantado restricciones al gasto en IA para maximizar el rendimiento por dólar invertido. El banco cita casos como un empleado que llegó a gastar 35.000 dólares mensuales en ‘tokens’ o equipos que superan entre un 100% y un 200% los límites semanales.Karl Freund, fundador de Cambrian-AI Research, considera que este cambio refleja el paso de una fase centrada en crear modelos a otra centrada en maximizar su rendimiento.»Cuando la IA se enfocaba en entrenar y desarrollar nuevos modelos, el tiempo de llegada al mercado y el rendimiento eran lo más importante. Ahora que esos modelos se utilizan millones de veces y llegan los agentes de IA, el mercado vira a la eficiencia», explica a EFE.Esta etapa modificará el reparto de valor en del sector, según Boloor: «Si la IA se vuelve más barata y accesible, el valor se desplazará hacia las capas que ayudan a las empresas a usarla de forma efectiva».Semiconductores y nube, al alzaEn un reciente informe, Goldman Sachs señala que las empresas que más utilizan IA consumen tres veces más ‘tokens’ que las compañías medias, una tendencia que impulsa la demanda de chips, memoria y centros de datos.Agrega que la próxima fase estará marcada por la expansión de la inferencia, es decir, el uso de modelos ya entrenados para ejecutar tareas con nuevos datos, y por un mayor interés inversor en fabricantes de chips y proveedores de nube ante la ausencia aún en bolsa de desarrolladores como OpenAI y Anthropic.Nvidia, líder en chips para centros de datos, acumula una subida cercana al 13% en los últimos seis meses, mientras que AMD se ha disparado un 167%, Intel, un 150% y Micron un 186%, favorecidas por la demanda de infraestructura para IA.Pero vender chips ya no será suficiente: «Seguirán siendo importantes, pero tendrán que ofrecer soluciones completas a los operadores de nube», puntualiza Freund.Así, los prov
La inteligencia artificial (IA) ha entrado en una nueva fase de adopción empresarial tras casi cuatro años de expansión de herramientas como ChatGPT, Claude o Gemini, en la que las compañías ya no buscan los modelos más potentes, sino aquellos que ofrecen mayor eficiencia y retorno de la inversión, según analistas consultados por EFE. «La primera fase de la IA consistía en demostrar que los modelos funcionaban, la siguiente consiste en demostrar que generan suficiente valor para justificar el gasto», explica a EFE Shay Boloor, estratega jefe de mercado de Futurum. Para el experto, el consumo de ‘tokens’, la unidad con la que se mide el uso de los modelos y su coste, se ha convertido en una métrica clave de eficiencia. Cada pregunta, respuesta o código consume ‘tokens’ y, cuanto más compleja es la tarea, mayor es el coste: «Cuando las compañías pasan a producción, los costes de los ‘tokens’ dejan de ser una cuestión técnica y se convierten en un gasto operativo que los directores financieros empiezan a vigilar», agrega. Según una encuesta de UBS entre 130 empresas, el 60% ya ha implantado restricciones al gasto en IA para maximizar el rendimiento por dólar invertido. El banco cita casos como un empleado que llegó a gastar 35.000 dólares mensuales en ‘tokens’ o equipos que superan entre un 100% y un 200% los límites semanales. Karl Freund, fundador de Cambrian-AI Research, considera que este cambio refleja el paso de una fase centrada en crear modelos a otra centrada en maximizar su rendimiento. «Cuando la IA se enfocaba en entrenar y desarrollar nuevos modelos, el tiempo de llegada al mercado y el rendimiento eran lo más importante. Ahora que esos modelos se utilizan millones de veces y llegan los agentes de IA, el mercado vira a la eficiencia», explica a EFE. Esta etapa modificará el reparto de valor en del sector, según Boloor: «Si la IA se vuelve más barata y accesible, el valor se desplazará hacia las capas que ayudan a las empresas a usarla de forma efectiva». Semiconductores y nube, al alza En un reciente informe, Goldman Sachs señala que las empresas que más utilizan IA consumen tres veces más ‘tokens’ que las compañías medias, una tendencia que impulsa la demanda de chips, memoria y centros de datos. Agrega que la próxima fase estará marcada por la expansión de la inferencia, es decir, el uso de modelos ya entrenados para ejecutar tareas con nuevos datos, y por un mayor interés inversor en fabricantes de chips y proveedores de nube ante la ausencia aún en bolsa de desarrolladores como OpenAI y Anthropic. Nvidia, líder en chips para centros de datos, acumula una subida cercana al 13% en los últimos seis meses, mientras que AMD se ha disparado un 167%, Intel, un 150% y Micron un 186%, favorecidas por la demanda de infraestructura para IA. Pero vender chips ya no será suficiente: «Seguirán siendo importantes, pero tendrán que ofrecer soluciones completas a los operadores de nube», puntualiza Freund.
