cuando mencioné «El auge de la IA» en un correo electrónico reciente a inversores, uno de ellos me envió una respuesta interesante: «El ‘aumento de la IA’ es un nombre un poco inapropiado».
Lo que quiere decir esa inversionista, Rudina Seseri, socia gerente de Glasswing Ventures, es que las tecnologías sofisticadas como la IA y el aprendizaje profundo existen desde hace mucho tiempo, y todo este revuelo en torno a la IA ignora el simple hecho de que han sido en desarrollo desde hace décadas. «Vimos la primera adopción empresarial en 2010», señaló.
Aún así, no podemos negar que la IA está disfrutando de niveles de atención sin precedentes, y empresas de todos los sectores de todo el mundo están ocupadas reflexionando sobre el impacto que podría tener en su industria y más allá.
El Dr. Andre Retterath, socio de Earlybird Venture Capital, cree que varios factores están trabajando en conjunto para generar este impulso. «Estamos siendo testigos de la tormenta perfecta de la IA, donde finalmente se han unido tres ingredientes principales que evolucionaron a lo largo de los últimos 70 años: algoritmos avanzados, conjuntos de datos a gran escala y acceso a computación poderosa», dijo.
Aún así, no pudimos evitar ser escépticos ante la cantidad de equipos que lanzaron una versión de “ChatGPT para X” en el Demo Day de invierno de Y Combinator a principios de este año. ¿Qué posibilidades hay de que sigan existiendo dentro de unos años?
Karin Klein, socia fundadora de Bloomberg Beta, cree que es mejor correr la carrera y arriesgarse a fracasar que quedarse al margen, ya que ésta no es una tendencia que las empresas puedan darse el lujo de ignorar. “Si bien hemos visto un montón de ‘copilotos por [insert industry]’Es posible que eso no esté aquí en unos años, el mayor riesgo es ignorar la oportunidad. Si su empresa no está experimentando con el uso de IA, ahora es el momento o su empresa se quedará atrás”.
Y lo que es cierto para la empresa promedio lo es aún más para las startups: no pensar al menos un poco en la IA sería un error. Pero una startup también necesita estar a la vanguardia más que la empresa promedio, y en algunas áreas de la IA, «ahora» puede que ya sea «demasiado tarde».
Para comprender mejor dónde las startups todavía tienen posibilidades y dónde se están perfilando las dinámicas de oligopolio y las ventajas de ser los primeros en actuar, encuestamos a un grupo selecto de inversores sobre el futuro de la IA, en qué áreas ven mayor potencial, cómo los LLM multilingües y los programas de audio podría desarrollarse la generación de datos y el valor de los datos privados.
Esta es la primera de una encuesta de tres partes que tiene como objetivo profundizar en la IA y cómo se está perfilando la industria. En las próximas dos partes que se publicarán próximamente, escuchará a otros inversores hablar sobre las distintas partes del rompecabezas de la IA, dónde las nuevas empresas tienen mayores posibilidades de ganar y dónde el código abierto podría superar al código cerrado.
Hablamos con:
- Manish Singhal, socio fundador, pi Ventures
- Rudina Seseri, fundadora y socia gerente, Glasswing Ventures
- Lily Lyman, Chris Gardner, Richard Dulude y Brian Devaney de Underscore VC
- Karin Klein, socia fundadora de Bloomberg Beta
- Xavier Lázaro, socio, Elaia
- Dr. Andre Retterath, socio, Earlybird Venture Capital
- Matt Cohen, socio director de Ripple Ventures
Manish Singhal, socio fundador, pi Ventures
¿Los modelos de IA de última generación actuales y las empresas que los respaldan mantendrán su liderazgo en los próximos años?
Este es un panorama que cambia dinámicamente cuando se trata de aplicaciones de LLM. Muchas empresas se formarán en el ámbito de las aplicaciones y sólo unas pocas lograrán escalar. En términos de modelos básicos, esperamos que OpenAI tenga competencia de otros jugadores en el futuro. Sin embargo, tienen una gran ventaja inicial y no será fácil desbancarlos.
¿Qué empresas relacionadas con la IA cree que no son lo suficientemente innovadoras como para seguir existiendo dentro de cinco años?
Creo que en el espacio de la IA aplicada debería haber una consolidación significativa. La IA se está volviendo cada vez más horizontal, por lo que será un desafío para las empresas de IA aplicada, que se basan en modelos disponibles en el mercado, mantener sus fosos.
Sin embargo, se están produciendo bastantes innovaciones fundamentales en el frente aplicado, así como en el lado de la infraestructura (herramientas y plataformas). Es probable que les vaya mejor que a los demás.
¿Es el código abierto la ruta de comercialización más obvia para las nuevas empresas de IA?
Depende de lo que estés resolviendo. Para las empresas de la capa de infraestructura, es un camino válido, pero puede que no sea tan efectivo en todos los ámbitos. Hay que considerar si el código abierto es una buena ruta o no en función del problema que están resolviendo.
¿Le gustaría que hubiera más LLM capacitados en otros idiomas además del inglés? Además de la diferenciación lingüística, ¿qué otros tipos de diferenciación espera ver?
También estamos viendo LLM en otros idiomas, pero, por supuesto, el inglés es el más utilizado. Según los casos de uso locales, los LLM en diferentes idiomas definitivamente tienen sentido.
Además de la diferenciación lingüística, esperamos ver variantes de LLM que se especialicen en ciertos dominios (por ejemplo, medicina, derecho y finanzas) para proporcionar información más precisa y relevante dentro de esas áreas. Ya se están realizando algunos trabajos en esta área, como BioGPT y Bloomberg GPT.
Los LLM sufren de alucinaciones y relevancia cuando desea utilizarlos en aplicaciones reales de producción. Creo que se realizará un trabajo considerable en ese frente para hacerlos más utilizables desde el primer momento.
¿Cuáles son las posibilidades de que el método LLM actual para construir redes neuronales se vea interrumpido en los próximos trimestres o meses?
Seguramente puede suceder, aunque puede llevar más de unos meses. Una vez que la computación cuántica se generalice, el panorama de la IA volverá a cambiar significativamente.
Dado el revuelo en torno a ChatGPT, ¿están comparativamente subestimados otros tipos de medios como el audio generativo y la generación de imágenes?
La IA generativa multimodal está ganando ritmo. Para la mayoría de las aplicaciones serias, será necesario compilarlas, especialmente para imágenes y texto. El audio es un caso especial: se está realizando un trabajo importante en la generación automática de música y la clonación de voz, que tiene un gran potencial comercial.
Además de esto, la generación automática de código se está volviendo cada vez más popular, y la generación de videos es una dimensión interesante: ¡pronto veremos películas completamente generadas por IA!
¿Son las startups con datos propietarios más valiosas hoy en día que antes del auge de la IA?
Al contrario de lo que el mundo pueda pensar, los datos propietarios dan una buena ventaja, pero eventualmente, es muy difícil mantener sus datos privados.
Por lo tanto, el foso tecnológico proviene de una combinación de algoritmos diseñados inteligentemente que se fabrican y ajustan para una aplicación junto con los datos.
¿Cuándo podría AGI convertirse en realidad, si es que alguna vez llega a serlo?
Nos estamos acercando a niveles humanos con determinadas aplicaciones, pero todavía estamos lejos de un verdadero AGI. También creo que después de un tiempo es una curva asintótica, por lo que puede llevar mucho tiempo llegar allí en todos los ámbitos.
Para lograr una verdadera AGI, es posible que también tengan que converger varias tecnologías, como las neurociencias y las ciencias del comportamiento.
¿Es importante para usted que las empresas en las que invierte se involucren en lobby y/o grupos de discusión sobre el futuro de la IA?
No precisamente. Nuestras empresas están más orientadas a resolver problemas específicos y, para la mayoría de las aplicaciones, el lobby no ayuda. Es útil participar en grupos de discusión, ya que uno puede estar al tanto de cómo se desarrollan las cosas.
Rudina Seseri, fundadora y socia gerente, Glasswing Ventures
¿Los modelos de IA de última generación actuales y las empresas que los respaldan mantendrán su liderazgo en los próximos años?
Los proveedores de modelos de capa base, como Alphabet, Microsoft/OpenAI y Meta, probablemente mantendrán su liderazgo en el mercado y funcionarán como un oligopolio a largo plazo. Sin embargo, existen oportunidades de competencia en modelos que brindan una diferenciación significativa, como Cohere y otros actores bien financiados a nivel fundamental, que ponen un fuerte énfasis en la confianza y la privacidad.
No hemos invertido y probablemente no invertiremos en la capa base de la IA generativa. Esta capa probablemente terminará en uno de dos estados: en un escenario, la capa base tendrá una dinámica de oligopolio similar a la que vimos con el mercado de la nube, donde unos pocos jugadores selectos capturarán la mayor parte del valor.
La otra posibilidad es que los modelos básicos sean proporcionados en gran medida por el ecosistema de código abierto. Vemos que la capa de aplicación ofrece la mayor oportunidad para fundadores e inversores de riesgo. Las empresas que ofrecen valor tangible y mensurable a sus clientes pueden desplazar a los grandes titulares en las categorías existentes y dominar otras nuevas.
Nuestra estrategia de inversión se centra explícitamente en empresas que ofrecen tecnología de valor agregado que aumenta los modelos básicos.
Así como la creación de valor en la nube no terminó con los proveedores de infraestructura de computación en la nube, aún no ha llegado una creación de valor significativa a través de la pila de IA generacional. La carrera de la IA generacional está lejos de terminar.
¿Qué empresas relacionadas con la IA cree que no son lo suficientemente innovadoras como para seguir existiendo dentro de cinco años?
Es posible que algunos segmentos del mercado de IA no sean sostenibles como negocios a largo plazo. Un ejemplo de ello es la categoría «envoltorio GPT»: soluciones o productos creados en torno a la tecnología GPT de OpenAI. Estas soluciones carecen de diferenciación y pueden verse fácilmente alteradas por funciones lanzadas por los actores dominantes existentes en su mercado. Como tales, tendrán dificultades para mantener una ventaja competitiva a largo plazo.
De manera similar, las empresas que no aportan un valor comercial significativo o que no resuelven un problema en un espacio costoso y de alto valor no serán empresas sostenibles. Considere esto: una solución que agilice una tarea sencilla para un pasante no se convertirá en un negocio importante, a diferencia de una plataforma que resuelve desafíos complejos para un arquitecto jefe y ofrece beneficios distintos y de alto valor.
Finalmente, las empresas con productos que no se integran perfectamente dentro de las arquitecturas y flujos de trabajo empresariales actuales, o que requieren grandes inversiones iniciales, enfrentarán desafíos en la implementación y adopción. Esto será un obstáculo importante para generar con éxito un retorno de la inversión significativo, ya que el listón es mucho más alto cuando se requieren cambios de comportamiento y costosos cambios de arquitectura.