Pero se necesitará tiempo para que los gastos de capital ascendentes se conviertan en beneficios duraderos de la empresa para todo un ecosistema. Las solicitudes posteriores o las adopciones de IA por primera vez no deben hacer una contribución significativa antes del segundo semestre de 2024 o del primer semestre de 2025, como dijo CFO Amy Hood sobre los servicios de IA de Microsoft y Azure AI. Mike Scarpelli de Snowflake explicó a los analistas durante la conferencia de ganancias del segundo trimestre: "Llevará algún tiempo para la IA [...] la gente todavía está luchando por conseguir GPU y hay un lapso de tiempo entre cuando un fabricante lo vende a [ cuando] el chip se inserta en el hardware que es realmente instalado en el Rack de un centro de datos y luego se implementa a los clientes "¹⁰.

Esto no ha detenido los precios de las acciones (y las valoraciones) de varios participantes descendentes desde el aumento registrado en el primer semestre de 2023, ya que los inversores están apostando por lo que "podría ser" mañana en lugar de lo que "es" hoy.

El reto para estas empresas es triple: ¿serán los fundamentos capaces alguna vez de igualar sus altas valoraciones? Una vez que comience la monetización, ¿podrán recuperar el desembolso inicial de capital y obtener beneficios? ¿Y cómo serán sostenibles estos beneficios una vez que el resto del mercado haya llegado a los innovadores y se maciza el uso de la IA?

La expectativa de que una GPU adquirida hoy se convierta mañana en un beneficio es al menos irremediable y es extremadamente difícil predecir el alcance del margen de ese beneficio en esta primera etapa.

Sin embargo, el potencial a largo plazo es innegable. Esto se debe en parte a la democratización de las innovaciones y aplicaciones futuras que ha hecho posible la capacidad generativa de la IA para conversar en el lenguaje humano. El know-how técnico ya no es un requisito previo para las ideas creativas o los casos de uso inteligente, cualquier persona con una computadora y portátil puede ahora escribir código, construir aplicaciones, ejecutar una película o escribir una novela.

Incluso el hardware ya no es una barrera para la entrada de nuevas ideas. Gracias al ‘cloud hosting’, las aplicaciones de IA podrán trabajar en dispositivos existentes que sean portátiles, tabletas o smartphones.

2. Las innovaciones más emocionantes a veces provienen de la aplicación menos obvia
Aplicaciones de IA que dan titulares, como el potencial de la IA generativa para crear películas personalizadas, con la posibilidad de que el público elija a sus propios actores o incluso encaje en la trama¹², o abejas robóticas alimentadas por IA que podrían apoyar la polinización y el desarrollo de cultivos para ayudar a contener la biodiversidad en un contexto de disminución de las poblaciones de abejas¹³. Pero detrás de las noticias, la IA se pone a trabajar en áreas como el desarrollo de fármacos y el diseño de chips.

En noviembre de 2020, la IA de Google DeepMind AlphaFold fue reconocida por un foro de ciencia comunitaria para encontrar una solución a un problema de biología que lleva 50 años¹⁴.

Durante décadas, los científicos han tratado de encontrar un método confiable para determinar cómo el vínculo entre aminoácidos conduce a estructuras proteicas aparentemente espontáneas con estructuras intricadas, llamadas pliegues proteicos.El modelo de IA que DeepMind desarrolló, utilizando las mismas técnicas fundamentales que impulsaron a AlphaGo a la victoria contra el legendario jugador de Go Lee Sedol en 2016, es capaz de predecir con precisión la estructura 3D de los pliegues de proteínas. La base de datos actualizada de AlphaFold, que ahora contiene más de 200 millones de instalaciones, se puso a disposición del mundo en Julio de 2022¹⁴.

Con innovaciones de IA como AlphaFold, las empresas ahora son capaces de evaluar miles de millones de moléculas para simular y entender cómo diversos fármacos interactúan con el cuerpo humano a escala molecular, celular o incluso genética. Esto puede reducir considerablemente los tiempos de desarrollo de drogas, mejorar las probabilidades de éxito y, en última instancia, reducir los costos de las drogas.

La IA también es utilizada por los propios diseñadores de chips, como Nvidia, AMD e incluso Alphabet, cuyos procesadores son la "plantilla" de grandes modelos de lenguaje y sistemas de aprendizaje de máquinas, ya sea GPU (unidad de procesamiento gráfico), particularmente eficaz en el procesamiento paralelo, DPU (unidad de procesamiento de datos), que gestiona la transferencia de datos, el cifrado y la compresión en centros de datos, o ASIC (Circuito Integrado Específico de Aplicaciones), procesadores complejos diseñados para cargas de trabajo específicas.

Un tablero de circuito único incluye componentes muy pequeños y muy complejos, con muchos intercambios térmicos y electromagnéticos entre ellos. Optimizar su posicionamiento implica simular sus interacciones, lo que es un proceso muy iterativo.

Por ejemplo, la implantación física y la verificación, procesos largos y delicados realizados por seres humanos durante meses, ahora pueden ser llevados a cabo por IA en unas horas. Además, los modelos de IA aprenden y se basan en todos los proyectos anteriores, simulan rápidamente nuevas arquitecturas de chip aún más eficientes que pueden ser optimizadas más tarde por los ingenieros.

La última innovación de American Cadence Design Systems, por ejemplo, ha ayudado a aumentar los PPA con chip (potencia, área de rendimiento) hasta en un 20% utilizando el diseño generativo AI¹⁵.

3. Aunque se espera que los principales actores tecnológicos impulsen la innovación a corto plazo, a medio plazo esto allanará el camino para casos de éxito entre las pequeñas empresas.
La experiencia nos enseña que cuando surge una tecnología revolucionaria, sigue una ola de nuevas start-ups, spin-offs, o startups corporativas. Sin embargo, dada la inversión necesaria para las infraestructuras, llevará tiempo emerger una ola de innovaciones disruptivas fuera de las empresas tecnológicas en cuestión. Los modelos fundamentales, aquellos con cientos de miles de millones de parámetros, requieren un poder de computación significativo y normalmente cuestan más de 50 millones $ para construir y entrenar¹⁶.

Sin embargo, al igual que en la metáfora histórica, popularizada por Isaac Newton "Ví más lejos sólo poniéndome sobre los hombros de los gigantes", las compañías más pequeñas y ágiles podrán aprovechar el trabajo de las compañías incumbentes y construir modelos más pequeños y especializados.

Estos modelos más pequeños y menos energizantes podrían ser instruidos sobre datos específicos de la empresa o de la industria, con aplicaciones muy específicas. En última instancia, esto les permitiría ser implementados en "dispositivos vanguardistas" como smartphones. Este proceso se denomina "destilación del conocimiento", en la que el conocimiento de un modelo o conjunto de modelos grandes pasa a un único modelo más pequeño que puede utilizarse en condiciones reales.

De hecho, ya están surgiendo plataformas de destilación de conocimientos en forma de modelos de código abierto y conjuntos de datos. Una carrera franco-americana de inicio ofrece modelos fundamentales y "destilados" que van desde la clasificación de imágenes y la detección de objetos hasta el reconocimiento y resumen del discurso¹⁷

Una ilustración interesante del proceso de destilación del conocimiento, aunque paradójicamente esta vez, es Nuance Communications. Desde finales de los años 90, Nuance Communications ha desarrollado y perfeccionado sistemas de reconocimiento de voz. Una de las primeras aplicaciones de la compañía, llamada Dragon, fue precursora de los asistentes virtuales que vemos hoy en día en smartphones y televisores inteligentes. El reconocimiento automático de voz de Nuance y la tecnología de voz a texto se han adoptado en la atención médica, permitiendo a los médicos dictar notas de pacientes, en las finanzas, permitiendo la prevención del fraude a través del reconocimiento de voz y la venta al por menor, donde sus aplicaciones de mensajería pueden proporcionar un compromiso personalizado con los clientes a través de bots de chat automatizados.

Microsoft completó la adquisición de Nuance Communications en Julio de 2022 por 17,2 mil millones $, con una prima del 23% sobre el precio de cierre del día anterior al anuncio del 12 de abril de 2021¹⁸.

El acuerdo permitió a Microsoft, que también tiene una participación de OpenAI, combinar la experiencia de Nuance con el modelo GPT4 de OpenAI y el poder informático. Esto ya ha dado lugar a algunas innovaciones médicas extraordinarias, ya que los médicos recortan la carga de manejar los historiales médicos electrónicos de sus pacientes mediante tecnologías combinadas, ayudando a reducir la burocracia administrativa y a aumentar el tiempo dedicado a la atención de los pacientes¹⁹.

Entonces, ¿cuáles son las implicaciones para los inversores?
El campo de la Inteligencia Artificial fue un área emocionante para los inversores en 2023 y esperamos picos similares de entusiasmo en el futuro, ya que nuevas innovaciones como ChatGPT hacen titulares y captan la atención del público en general.

Aunque también habrá períodos en los que aparentemente se avanza muy poco, o en los que surgen obstáculos potenciales, hay que tener en cuenta la naturaleza exponencial de los acontecimientos en el campo, como se ilustra a continuación por el mapeo gráfico del aumento de la IA durante ocho décadas.

En una gama de oportunidades de inversión dinámica y en rápida evolución, los inversores tienen el reto y la oportunidad de identificar a los ganadores a largo plazo en sus etapas iniciales pero, sobre todo, de evitar las áreas excesivamente intensas del mercado que podrían perjudicar significativamente el rendimiento (distinción que no se ofrece mediante exposiciones pasivas).

Es probable que las estrategias ganadoras del mañana sean aquellas que mantengan una exposición regular y a largo plazo a las oportunidades más atractivas del universo, al tiempo que toman una rigurosa disciplina de valoración para facilitar los inevitables altibajos en el camino. De hecho, creemos que el valor real reside en habilitadores de inteligencia artificial más que en usuarios, ya que se espera que estas compañías se beneficien del continuo avance exponencial en el campo que observamos desde los años 40 .²⁰

Y, además de utilizar la última década de la robótica y la automatización como objetivo para mirar lo que el futuro podría reservar a la IA, la combinación de estas dos áreas puede presentar una nueva gama de oportunidades para inversores que no solo equilibran dos campos en diferentes etapas de su desarrollo y adopción (además de la ciclicidad y las diferentes valoraciones), sino también dos campos con una miríada de ventajas mutuas y capaces de sostenerse.

Sólo pregunte a IBM que lanzó el 28 de agosto de 2023 una nueva campaña publicitaria (re) introduciendo su Jeopardy supercomputador bajo el nuevo nombre Watsonx.ai, "Un estudio de empresa de próxima generación para constructores de IA". En su paquete se incluyen "modelos de código abierto seleccionados" de Hugging Face²¹, que podría ayudar al gigante tecnológico Watson a ver más esta vez.

El aumento exponencial de la inteligencia artificial desde los años 40