La inteligencia artificial, que durante casi cuatro años se ha medido por su capacidad de conversación, está evolucionando hacia modelos de decisión que no generan texto. Estos sistemas, que ofrecen respuestas cerradas y un nivel de confianza numérico, prometen mayor eficiencia y ahorro de costes, marcando un cambio significativo en la aplicación de la IA en diversos sectores.
Han transcurrido casi cuatro años desde el lanzamiento de ChatGPT, un evento que marcó un antes y un después en el ámbito de la inteligencia artificial. Durante este tiempo, la medición de la IA se ha centrado en su habilidad para comunicarse, su capacidad para escribir de manera convincente en segundos, o su tendencia a asentir o a ser asertiva y sabia.
El foco de la IA ha estado en la interacción conversacional. Sin embargo, la próxima gran apuesta de gigantes como Google y OpenAI se inclina hacia una IA que no se comunica verbalmente. Se trata de los modelos de decisión, sistemas que no producen texto. Se les proporciona un contexto y una pregunta cerrada, como "¿este correo es urgente?" o "¿a qué departamento lo envío?", y a cambio ofrecen una opción junto a un número que representa su nivel de confianza en la respuesta. Todo esto ocurre en aproximadamente 150 milisegundos y a un costo muy bajo.
Estos modelos de decisión fueron desarrollados por primera vez por la startup TypeSafe en septiembre. Su modelo, denominado Jev, tuvo una acogida tan positiva que la empresa alcanzó una valoración de 7.500 millones de dólares en tan solo tres semanas. OpenAI presentó su propia versión semanas después, seguida por Microsoft y Amazon en octubre. Google hizo lo propio esta semana. Cuando los principales actores tecnológicos convergen en la misma dirección, es indicativo de un cambio significativo.
La razón fundamental de este cambio es el coste. Hemos pasado de un gasto generoso y descontrolado en IA a un escrutinio financiero cada vez más riguroso. Además, una proporción creciente de este gasto no es generada directamente por personas, sino por sus agentes, programas autónomos que deben tomar pequeñas decisiones en cada paso de su funcionamiento.
Pagar a modelos avanzados como Opus 5.5 o GPT-6.1 para que redacten un extenso párrafo del cual solo se necesita extraer un simple "sí" es comparable a contratar a un notario para preguntar la hora. Amazon ya ha implementado uno de estos modelos para la clasificación interna de sus tickets, lo que ha resultado en una reducción de más del 40% en los costes. La ventaja adicional es que los tokens de salida son gratuitos, ya que no hay texto de salida.
Hasta ahora, todo parece ventajoso: son más rápidos, más económicos y más fiables. Impecable. No obstante, en este proceso, estamos perdiendo un aspecto importante: el chatbot, a pesar de sus imperfecciones como la verborrea, ofrecía explicaciones. Era posible entender cómo llegaba a una conclusión y, en ocasiones, detectar errores. Un modelo de decisión, en cambio, solo proporciona un número: 0,16, 0,82, 0,55.
Este número influirá cada vez más en decisiones que nos afectan directamente. Por ejemplo, determinará si nuestra reclamación es prioritaria o si se envía al final de la cola. También decidirá si un pago parece sospechoso, lo que podría resultar en el bloqueo de nuestra tarjeta en un momento inoportuno. O si nuestra consulta merece ser procesada por un modelo de alta capacidad como Opus o si es suficiente con Haiku. Toda esta operativa será invisible para nosotros, ocurriendo dentro de sistemas a los que no tenemos acceso y a una velocidad que no permite formular preguntas.
El psicólogo Daniel Kahneman denominó "sistema 1" al pensamiento rápido, aquel que no se detiene a razonar. Generalmente funciona bien, pero el problema surge cuando se equivoca, ya que no es consciente de su error. TypeSafe nombró su tecnología inspirándose en este concepto.
Llevamos cuatro años interactuando con chatbots. Quizás su etapa de ofrecer respuestas extensas ha sido solo parte de su proceso de aprendizaje. Lo preocupante es que su madurez se manifieste en el silencio.