La carrera de la IA ya no se trata del modelo más grande.

      TL;DR La suposición de que el modelo de IA más grande gana se está desmoronando, con las empresas ahora eligiendo modelos por tarea, costo y control en lugar de por su posición en la tabla de clasificación. Lo que impulsa esto son las facturas de modelos que ascienden a millones al mes, el aumento del enrutamiento de modelos y agentes especializados específicos para tareas, que Gartner espera que estén en el 40% de las aplicaciones empresariales para finales de 2026, frente a menos del 5%. Si la capacidad se está convirtiendo en una mercancía, el margen se traslada a quien ejecute la inferencia de manera más económica. Durante años, la industria se basó en una suposición: que el modelo más grande gana. Esa creencia ahora se está desmoronando, informa CNBC. Las empresas están eligiendo modelos por tarea, costo y control en lugar de por su posición en los benchmarks. La frontera sigue siendo importante, pero ya no es lo único que se compra. La razón no es romántica. A escala empresarial, las facturas de modelos ascienden a millones de dólares al mes. El auge de lo suficientemente bueno El principio operativo ahora es el modelo más barato que supere el umbral de calidad. Los compradores han descubierto que la mayoría de las tareas no necesitan un sistema de frontera. El enrutamiento de modelos ha surgido para automatizar ese juicio, enviando cada solicitud al modelo que más le convenga. Un trabajo de resumir y un trabajo de razonamiento de múltiples pasos ya no van al mismo lugar. Modelos especializados y específicos de la industria están llenando el resto del vacío. Gartner espera que el 40% de las aplicaciones empresariales integren agentes de IA específicos para tareas para finales de 2026, frente a menos del 5% un año antes. Por qué las facturas forzaron esto La economía dejó de sumar. Los precios por token se han desplomado, sin embargo, las facturas de IA empresarial se han triplicado de todos modos, porque las herramientas agenticas consumen vastamente más tokens por tarea. Los compradores se dieron cuenta. El director ejecutivo de Palo Alto Networks, Nikesh Arora, ha dicho que los precios de los tokens necesitan caer hasta un 90% para que la adopción se escale. Algunas empresas se dieron por vencidas esperando y comenzaron a racionar. Una ola de "minimización de tokens" ha llevado a las empresas a limitar el gasto en IA de los empleados de manera drástica. Hacia dónde se mueve el valor a continuación Si la capacidad se está convirtiendo en una mercancía, el margen migra a quien lo ejecute de manera más económica. La optimización de la inferencia se ha convertido silenciosamente en una de las capas más valiosas de la infraestructura de IA. Los modelos abiertos y baratos agudizan el punto. Los modelos chinos se están acercando a los laboratorios de frontera de EE. UU. a una fracción del precio, lo que limita lo que cualquiera puede cobrar por una salida meramente competente. Esto es incómodo para la tesis de escalado. Cientos de miles de millones en capital fueron justificados por la premisa de que los modelos más grandes seguirían siendo decisivamente mejores, y los compradores ahora están votando lo contrario. Nada de esto significa que los modelos de frontera hayan terminado. Significa que la industria está descubriendo que la mayoría del trabajo es aburrido, y el trabajo aburrido no necesita la herramienta más cara del taller.

      

       Publicado el 12 de julio de 2026 - 3:02 pm UTC

      

       Volver arriba