Los SML y la burbuja de IA

Este texto, escrito por Paul Lara el 8 de Septiembre de 2025, analiza la situación actual de la inteligencia artificial generativa, argumentando que la burbuja que la rodea está a punto de estallar debido a sus limitaciones inherentes y a la sobreinversión en modelos de lenguaje grandes (LLM).

La industria de la IA está demasiado centrada en modelos de lenguaje grandes (LLM) de gran tamaño para sistemas de agentes, una estrategia que, según sostienen, es insostenible tanto económica como ambientalmente.

📝 Puntos clave

• La IA es una tecnología limitada, a pesar de los intentos de la industria por mostrar lo contrario.
• Ejemplos como el vehículo autónomo de Tesla y el robot Optimus demuestran las limitaciones de la IA en aplicaciones del mundo real.

• Publicidad
• El lanzamiento de ChatGPT 5 evidenció el rendimiento decreciente de los modelos generativos.
• La Conjetura de Floridi explica que la IA no puede tener a la vez un gran alcance y una gran certeza, lo que limita su fiabilidad en aplicaciones amplias.
• Estudios del MIT y METR revelan que la IA no siempre aumenta la productividad y puede incluso ralentizar a los desarrolladores.
• Amazon abandonó el uso de IA en sus tiendas sin caja debido a los errores frecuentes y los costos asociados.
• Investigadores de Nvidia sugieren que la industria debería enfocarse en modelos de lenguaje más pequeños (SLM) en lugar de seguir invirtiendo en LLM.
• El gasto en infraestructura en la nube para sistemas de agentes impulsados por API LLM es significativamente mayor que el valor del mercado de las API LLM.

Lo malo y lo bueno 👎👍

¿Cuál es el aspecto más negativo que se desprende del texto?

La sobrevaloración y la inversión desmedida en LLM, a pesar de sus limitaciones y el alto costo de infraestructura, lo que podría llevar a una crisis en el sector de la IA.

¿Cuál es el aspecto más positivo que se desprende del texto?

La propuesta de enfocarse en modelos de lenguaje más pequeños (SLM), que podrían ser más eficientes, económicos y adecuados para la mayoría de las cargas de trabajo de los agentes, lo que podría llevar a un desarrollo más sostenible y realista de la IA.