Startups de IA priorizan aplicaciones sobre modelos base, según BoxWorks

Las empresas emergentes tratan los modelos fundacionales como un commodity intercambiable. Este cambio estratégico se debe a la ralentización de los beneficios del pre-entrenamiento masivo y al auge de la personalización para tareas específicas.

Ventaja competitiva en entredicho

La ventaja competitiva de los grandes laboratorios de IA se debilita. La atención se centra ahora en el post-entrenamiento y el aprendizaje por refuerzo, no en construir modelos más grandes. Esto beneficia a las startups que se especializan en ajustar modelos para usos concretos.

Un nuevo panorama empresarial

El futuro inmediato consiste en negocios discretos como herramientas de desarrollo de software o generación de imágenes. No está claro que poseer un modelo fundacional otorgue ventaja en estos mercados de aplicación.

Riesgo para los gigantes

La abundancia de modelos de código abierto reduce el poder de fijación de precios de empresas como OPENAI o ANTHROPIC. Un fundador lo compara con «vender granos de café a Starbucks», convirtiéndolas en proveedores de un negocio commodity de bajos márgenes.

Antecedentes de la industria

Durante el boom inicial, el éxito de la IA estuvo ligado al de los modelos fundacionales. Se asumía que la mayor parte del beneficio económico fluiría hacia estas compañías debido a la dificultad de replicar su trabajo. El rápido progreso hizo que su ventaja pareciera insuperable.

Implicaciones del cambio

La estrategia de construir modelos fundacionales cada vez más grandes resulta menos atractiva que hace un año. Este giro hacia la capa de aplicación cuestiona la ventaja del primer movil y sitúa a las grandes inversiones, como las de META, en una posición de mayor riesgo.