Startups de IA priorizan aplicaciones sobre modelos base, según BoxWorks

El desarrollo de modelos fundacionales de IA muestra rendimientos decrecientes, según análisis del sector. Las empresas emergentes se centran ahora en el ajuste fino y el diseño de interfaz, tratando los modelos base como commodities intercambiables.

Cambio de estrategia en el ecosistema IA

Las startups personalizan modelos para tareas específicas y consideran el modelo fundacional una commodity que puede ser intercambiada según necesidad. La ventaja competitiva en pre-entrenamiento, dominio exclusivo de los modelos base, se ha ralentizado.

Nuevos focos de progreso

La atención se desplaza hacia el post-entrenamiento y el aprendizaje por refuerzo. Para crear una mejor herramienta de codificación, es más efectivo trabajar en el ajuste fino que invertir miles de millones en pre-entrenamiento.

Repercusión para los gigantes

Compañías como OpenAI y Anthropic podrían convertirse en proveedores de back-end en un negocio de bajos márgenes. La abundancia de alternativas de código abierto les quitaría poder de precios si pierden la competencia en la capa de aplicación.

Antecedentes del sector

Durante años, el desarrollo de modelos fundacionales fue el único negocio de IA y su rápido progreso hizo que su ventaja pareciera insuperable. Se asumía que el beneficio mayoritario revertiría en estas compañías por realizar el trabajo más difícil de replicar.

Implicaciones del nuevo panorama

El paisaje competitivo cambia y mina las ventajas de los grandes laboratorios de IA. El futuro inmediato se dirige hacia negocios discretos como desarrollo de software o gestión de datos empresariales, donde no está claro que poseer un modelo fundacional otorgue ventaja.