La IA pasa de la generación de contenido al razonamiento autónomo
Sebastian Thomas, gestor de la estrategia de Inteligencia Artificial de Allianz Global Investors
La inteligencia artificial generativa está entrando en una nueva etapa, en la que las máquinas pueden razonar sobre problemas complejos, acercándose a las capacidades humanas. Este salto impulsará una importante expansión de la infraestructura de IA, ya que las demandas de carga de trabajo crecen exponencialmente. Además, creemos que remodelará fundamentalmente el panorama de la IA en todos los sectores al permitir una automatización sin precedentes.
Podemos analizar la evolución de la IA generativa a través del marco conceptual del premio Nobel Daniel Kahneman, que divide el pensamiento humano en «sistema 1» y «sistema 2»: el sistema 1 es rápido y se basa en la intuición, mientras que el sistema 2 es un proceso mental deliberado y consciente.
En 2022, la primera ola de modelos de IA generativa imitaba el pensamiento del sistema 1. Estos modelos requerían relativamente pocos recursos informáticos, pero a menudo adolecían de imprecisiones y alucinaciones. Eran buenos en tareas sencillas, simplemente repitiendo lo que sabían, pero no lograban replicar el razonamiento del sistema 2, similar al humano.
La nueva clase de modelos de razonamiento de IA aborda las tareas mediante una lógica paso a paso, el auto cuestionamiento, el análisis repetitivo y la triple verificación de las respuestas. En lugar de producir una única respuesta rápida, desglosan los problemas en partes secuenciales, lo que mejora la precisión y la fiabilidad. Este tipo de inferencia de IA requiere un gran esfuerzo computacional e imita la característica lógica y de gran esfuerzo del pensamiento del sistema 2.
Esta evolución no es simplemente una mejora técnica, sino que introduce capacidades completamente nuevas. La IA de razonamiento puede comprender mejor los matices, puede manejar consultas ambiguas y puede resolver sus propios problemas y pedir aclaraciones a los humanos. Estas capacidades allanan el camino para aplicaciones empresariales más avanzadas, desde revisiones de contratos legales hasta investigación científica avanzada, toma de decisiones autónoma e incluso diagnósticos médicos complejos.
¿Ampliar el ecosistema de la IA?
Las necesidades de infraestructura para dar soporte a los nuevos modelos de IA son abrumadoras. La IA basada en el razonamiento requiere mucha más potencia de cálculo de lo esperado, y Nvidia estima que los modelos pueden necesitar hasta 100 veces más potencia que los modelos generativos tradicionales.
Para satisfacer esta demanda, los hiperescaladores, los fabricantes de chips y los operadores de centros de datos compiten por construir plataformas informáticas de IA de última generación. Esto incluye hardware especializado, como el sistema Grace-Blackwell de Nvidia y su sistema Vera-Ruben de última generación, junto con centros de datos cada vez más densos y eficientes desde el punto de vista energético. Los requisitos de la red eléctrica y las innovaciones en materia de refrigeración también se están convirtiendo en puntos focales de inversión. De hecho, Dell’Oro Group prevé que el gasto en centros de datos de IA podría alcanzar los 1,1 billones de dólares al año en 2029.
Además, creemos que existe una enorme demanda latente de capacidades de razonamiento de IA para impulsar la ola de inversiones. Un claro ejemplo de ello es el lanzamiento de DeepSeek, un modelo de IA altamente eficiente con capacidades de razonamiento.
Contrariamente al temor de que los modelos más eficientes redujeran el uso de la computación, el debut de DeepSeek provocó un aumento de las cargas de trabajo en las plataformas de inferencia. Esto pone de relieve una potente dinámica: unas capacidades de razonamiento mejores y más eficientes amplifican el uso. A medida que los modelos se vuelven más capaces, los desarrolladores crean más aplicaciones, automatizan más tareas e introducen los modelos en ámbitos más complejos, lo que provoca un aumento exponencial de la demanda. Esta tendencia sigue la paradoja de Jevons: una mayor eficiencia impulsa un mayor consumo.
Las implicaciones para la inversión son de gran alcance
En resumen, la demanda de computación de IA está aumentando, impulsada tanto por la intensidad técnica de los modelos de razonamiento como por la explosión prevista de uso en el mundo real.
Para los inversores, esto representa una oportunidad generacional para posicionarse antes de la verdadera transformación del sector. Esto incluye a las empresas que construyen la infraestructura, las que aprovechan la IA de razonamiento para crear nuevas aplicaciones inteligentes y las que pueden ampliar su liderazgo en el sector mediante la ejecución basada en la IA.
La carrera ha comenzado. Y aquellos que comprendan la diferencia entre la IA actual y la IA de razonamiento del futuro serán los que más se beneficien.
