\n<\/p>\n
cuando mencion\u00e9<\/span> \u00abEl auge de la IA\u00bb en un correo electr\u00f3nico reciente a inversores, uno de ellos me envi\u00f3 una respuesta interesante: \u00abEl ‘aumento de la IA’ es un nombre un poco inapropiado\u00bb.<\/p>\n Lo que quiere decir esa inversionista, Rudina Seseri, socia gerente de Glasswing Ventures, es que las tecnolog\u00edas 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 d\u00e9cadas. \u00abVimos la primera adopci\u00f3n empresarial en 2010\u00bb, se\u00f1al\u00f3.<\/p>\n A\u00fan as\u00ed, no podemos negar que la IA est\u00e1 disfrutando de niveles de atenci\u00f3n sin precedentes, y empresas de todos los sectores de todo el mundo est\u00e1n ocupadas reflexionando sobre el impacto que podr\u00eda tener en su industria y m\u00e1s all\u00e1.<\/p>\n El Dr. Andre Retterath, socio de Earlybird Venture Capital, cree que varios factores est\u00e1n trabajando en conjunto para generar este impulso. \u00abEstamos siendo testigos de la tormenta perfecta de la IA, donde finalmente se han unido tres ingredientes principales que evolucionaron a lo largo de los \u00faltimos 70 a\u00f1os: algoritmos avanzados, conjuntos de datos a gran escala y acceso a computaci\u00f3n poderosa\u00bb, dijo.<\/p>\n A\u00fan as\u00ed, no pudimos evitar ser esc\u00e9pticos ante la cantidad de equipos que lanzaron una versi\u00f3n de \u201cChatGPT para X\u201d en el Demo Day de invierno de Y Combinator a principios de este a\u00f1o. \u00bfQu\u00e9 posibilidades hay de que sigan existiendo dentro de unos a\u00f1os?<\/p>\n Karin Klein, socia fundadora de Bloomberg Beta, cree que es mejor correr la carrera y arriesgarse a fracasar que quedarse al margen, ya que \u00e9sta no es una tendencia que las empresas puedan darse el lujo de ignorar. \u201cSi bien hemos visto un mont\u00f3n de ‘copilotos por [insert industry]’Es posible que eso no est\u00e9 aqu\u00ed en unos a\u00f1os, el mayor riesgo es ignorar la oportunidad. Si su empresa no est\u00e1 experimentando con el uso de IA, ahora es el momento o su empresa se quedar\u00e1 atr\u00e1s\u201d.<\/p>\n Y lo que es cierto para la empresa promedio lo es a\u00fan m\u00e1s para las startups: no pensar al menos un poco en la IA ser\u00eda un error. Pero una startup tambi\u00e9n necesita estar a la vanguardia m\u00e1s que la empresa promedio, y en algunas \u00e1reas de la IA, \u00abahora\u00bb puede que ya sea \u00abdemasiado tarde\u00bb.<\/p>\n Para comprender mejor d\u00f3nde las startups todav\u00eda tienen posibilidades y d\u00f3nde se est\u00e1n perfilando las din\u00e1micas 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 qu\u00e9 \u00e1reas ven mayor potencial, c\u00f3mo los LLM multiling\u00fces y los programas de audio podr\u00eda desarrollarse la generaci\u00f3n de datos y el valor de los datos privados.<\/p>\n Esta es la primera de una encuesta de tres partes que tiene como objetivo profundizar en la IA y c\u00f3mo se est\u00e1 perfilando la industria. En las pr\u00f3ximas dos partes que se publicar\u00e1n pr\u00f3ximamente, escuchar\u00e1 a otros inversores hablar sobre las distintas partes del rompecabezas de la IA, d\u00f3nde las nuevas empresas tienen mayores posibilidades de ganar y d\u00f3nde el c\u00f3digo abierto podr\u00eda superar al c\u00f3digo cerrado.<\/p>\n Hablamos con:<\/p>\n \u00bfLos modelos de IA de \u00faltima generaci\u00f3n actuales y las empresas que los respaldan mantendr\u00e1n su liderazgo en los pr\u00f3ximos a\u00f1os?<\/b><\/p>\n Este es un panorama que cambia din\u00e1micamente cuando se trata de aplicaciones de LLM. Muchas empresas se formar\u00e1n en el \u00e1mbito de las aplicaciones y s\u00f3lo unas pocas lograr\u00e1n escalar. En t\u00e9rminos de modelos b\u00e1sicos, esperamos que OpenAI tenga competencia de otros jugadores en el futuro. Sin embargo, tienen una gran ventaja inicial y no ser\u00e1 f\u00e1cil desbancarlos.<\/p>\n \u00bfQu\u00e9 empresas relacionadas con la IA cree que no son lo suficientemente innovadoras como para seguir existiendo dentro de cinco a\u00f1os?<\/b><\/p>\n Creo que en el espacio de la IA aplicada deber\u00eda haber una consolidaci\u00f3n significativa. La IA se est\u00e1 volviendo cada vez m\u00e1s horizontal, por lo que ser\u00e1 un desaf\u00edo para las empresas de IA aplicada, que se basan en modelos disponibles en el mercado, mantener sus fosos.<\/p>\n Sin embargo, se est\u00e1n produciendo bastantes innovaciones fundamentales en el frente aplicado, as\u00ed como en el lado de la infraestructura (herramientas y plataformas). Es probable que les vaya mejor que a los dem\u00e1s.<\/p>\n \u00bfEs el c\u00f3digo abierto la ruta de comercializaci\u00f3n m\u00e1s obvia para las nuevas empresas de IA?<\/b><\/p>\n Depende de lo que est\u00e9s resolviendo. Para las empresas de la capa de infraestructura, es un camino v\u00e1lido, pero puede que no sea tan efectivo en todos los \u00e1mbitos. Hay que considerar si el c\u00f3digo abierto es una buena ruta o no en funci\u00f3n del problema que est\u00e1n resolviendo.<\/p>\n \u00bfLe gustar\u00eda que hubiera m\u00e1s LLM capacitados en otros idiomas adem\u00e1s del ingl\u00e9s? Adem\u00e1s de la diferenciaci\u00f3n ling\u00fc\u00edstica, \u00bfqu\u00e9 otros tipos de diferenciaci\u00f3n espera ver?<\/b><\/p>\n Tambi\u00e9n estamos viendo LLM en otros idiomas, pero, por supuesto, el ingl\u00e9s es el m\u00e1s utilizado. Seg\u00fan los casos de uso locales, los LLM en diferentes idiomas definitivamente tienen sentido.<\/p>\n Adem\u00e1s de la diferenciaci\u00f3n ling\u00fc\u00edstica, esperamos ver variantes de LLM que se especialicen en ciertos dominios (por ejemplo, medicina, derecho y finanzas) para proporcionar informaci\u00f3n m\u00e1s precisa y relevante dentro de esas \u00e1reas. Ya se est\u00e1n realizando algunos trabajos en esta \u00e1rea, como BioGPT y Bloomberg GPT.<\/p>\n Los LLM sufren de alucinaciones y relevancia cuando desea utilizarlos en aplicaciones reales de producci\u00f3n. Creo que se realizar\u00e1 un trabajo considerable en ese frente para hacerlos m\u00e1s utilizables desde el primer momento.<\/p>\n \u00bfCu\u00e1les son las posibilidades de que el m\u00e9todo LLM actual para construir redes neuronales se vea interrumpido en los pr\u00f3ximos trimestres o meses?<\/b><\/p>\n Seguramente puede suceder, aunque puede llevar m\u00e1s de unos meses. Una vez que la computaci\u00f3n cu\u00e1ntica se generalice, el panorama de la IA volver\u00e1 a cambiar significativamente.<\/p>\n Dado el revuelo en torno a ChatGPT, \u00bfest\u00e1n comparativamente subestimados otros tipos de medios como el audio generativo y la generaci\u00f3n de im\u00e1genes?<\/b><\/p>\n La IA generativa multimodal est\u00e1 ganando ritmo. Para la mayor\u00eda de las aplicaciones serias, ser\u00e1 necesario compilarlas, especialmente para im\u00e1genes y texto. El audio es un caso especial: se est\u00e1 realizando un trabajo importante en la generaci\u00f3n autom\u00e1tica de m\u00fasica y la clonaci\u00f3n de voz, que tiene un gran potencial comercial.<\/p>\n Adem\u00e1s de esto, la generaci\u00f3n autom\u00e1tica de c\u00f3digo se est\u00e1 volviendo cada vez m\u00e1s popular, y la generaci\u00f3n de videos es una dimensi\u00f3n interesante: \u00a1pronto veremos pel\u00edculas completamente generadas por IA!<\/p>\n \u00bfSon las startups con datos propietarios m\u00e1s valiosas hoy en d\u00eda que antes del auge de la IA?<\/b><\/p>\n Al contrario de lo que el mundo pueda pensar, los datos propietarios dan una buena ventaja, pero eventualmente, es muy dif\u00edcil mantener sus datos privados.<\/p>\n Por lo tanto, el foso tecnol\u00f3gico proviene de una combinaci\u00f3n de algoritmos dise\u00f1ados inteligentemente que se fabrican y ajustan para una aplicaci\u00f3n junto con los datos.<\/p>\n \u00bfCu\u00e1ndo podr\u00eda AGI convertirse en realidad, si es que alguna vez llega a serlo?<\/b><\/p>\n Nos estamos acercando a niveles humanos con determinadas aplicaciones, pero todav\u00eda estamos lejos de un verdadero AGI. Tambi\u00e9n creo que despu\u00e9s de un tiempo es una curva asint\u00f3tica, por lo que puede llevar mucho tiempo llegar all\u00ed en todos los \u00e1mbitos.<\/p>\n Para lograr una verdadera AGI, es posible que tambi\u00e9n tengan que converger varias tecnolog\u00edas, como las neurociencias y las ciencias del comportamiento.<\/p>\n \u00bfEs importante para usted que las empresas en las que invierte se involucren en lobby y\/o grupos de discusi\u00f3n sobre el futuro de la IA?<\/b><\/p>\n No precisamente. Nuestras empresas est\u00e1n m\u00e1s orientadas a resolver problemas espec\u00edficos y, para la mayor\u00eda de las aplicaciones, el lobby no ayuda. Es \u00fatil participar en grupos de discusi\u00f3n, ya que uno puede estar al tanto de c\u00f3mo se desarrollan las cosas.<\/p>\n \u00bfLos modelos de IA de \u00faltima generaci\u00f3n actuales y las empresas que los respaldan mantendr\u00e1n su liderazgo en los pr\u00f3ximos a\u00f1os?<\/b><\/p>\n Los proveedores de modelos de capa base, como Alphabet, Microsoft\/OpenAI y Meta, probablemente mantendr\u00e1n su liderazgo en el mercado y funcionar\u00e1n como un oligopolio a largo plazo. Sin embargo, existen oportunidades de competencia en modelos que brindan una diferenciaci\u00f3n significativa, como Cohere y otros actores bien financiados a nivel fundamental, que ponen un fuerte \u00e9nfasis en la confianza y la privacidad.<\/p>\n No hemos invertido y probablemente no invertiremos en la capa base de la IA generativa. Esta capa probablemente terminar\u00e1 en uno de dos estados: en un escenario, la capa base tendr\u00e1 una din\u00e1mica de oligopolio similar a la que vimos con el mercado de la nube, donde unos pocos jugadores selectos capturar\u00e1n la mayor parte del valor.<\/p>\n La otra posibilidad es que los modelos b\u00e1sicos sean proporcionados en gran medida por el ecosistema de c\u00f3digo abierto. Vemos que la capa de aplicaci\u00f3n 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 categor\u00edas existentes y dominar otras nuevas.<\/p>\n Nuestra estrategia de inversi\u00f3n se centra expl\u00edcitamente en empresas que ofrecen tecnolog\u00eda de valor agregado que aumenta los modelos b\u00e1sicos.<\/p>\n As\u00ed como la creaci\u00f3n de valor en la nube no termin\u00f3 con los proveedores de infraestructura de computaci\u00f3n en la nube, a\u00fan no ha llegado una creaci\u00f3n de valor significativa a trav\u00e9s de la pila de IA generacional. La carrera de la IA generacional est\u00e1 lejos de terminar.<\/p>\n \u00bfQu\u00e9 empresas relacionadas con la IA cree que no son lo suficientemente innovadoras como para seguir existiendo dentro de cinco a\u00f1os?<\/b><\/p>\n Es posible que algunos segmentos del mercado de IA no sean sostenibles como negocios a largo plazo. Un ejemplo de ello es la categor\u00eda \u00abenvoltorio GPT\u00bb: soluciones o productos creados en torno a la tecnolog\u00eda GPT de OpenAI. Estas soluciones carecen de diferenciaci\u00f3n y pueden verse f\u00e1cilmente alteradas por funciones lanzadas por los actores dominantes existentes en su mercado. Como tales, tendr\u00e1n dificultades para mantener una ventaja competitiva a largo plazo.<\/p>\n 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 ser\u00e1n empresas sostenibles. Considere esto: una soluci\u00f3n que agilice una tarea sencilla para un pasante no se convertir\u00e1 en un negocio importante, a diferencia de una plataforma que resuelve desaf\u00edos complejos para un arquitecto jefe y ofrece beneficios distintos y de alto valor.<\/p>\n 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, enfrentar\u00e1n desaf\u00edos en la implementaci\u00f3n y adopci\u00f3n. Esto ser\u00e1 un obst\u00e1culo importante para generar con \u00e9xito un retorno de la inversi\u00f3n significativo, ya que el list\u00f3n es mucho m\u00e1s alto cuando se requieren cambios de comportamiento y costosos cambios de arquitectura.<\/p>\n<\/p><\/div>\n\n
Manish Singhal, socio fundador, pi Ventures<\/h2>\n
Rudina Seseri, fundadora y socia gerente, Glasswing Ventures<\/h2>\n