La IA está impregnando las vidas de millones de personas en todo el mundo, pero a pesar de su amplia difusión, la tecnología está resultando difícil de rentabilizar en medio de una escalada de costes.
Las herramientas de IA generativa como ChatGPT son costosas de ejecutar, ya que exigen servidores de gama alta, GPU caras y un amplio hardware auxiliar que consume una enorme cantidad de energía.
Aunque en gran medida no verificado, Dylan Patel de SemiAnalysis contó La Información que OpenAI supuestamente bifurca algunos $700.000 al día para hacer funcionar sus modelos, registrando pérdidas de casi $500 millones en 2022.
John Hennessy, presidente de la empresa matriz de Google, Alphabet, dijo que un solo aviso en Bard cuesta hasta 1,5 millones de euros. 10 veces más que una búsqueda en Googley los analistas creen que Google incurrirá en miles de millones en gastos relacionados con la IA en los próximos años.
2023 ha servido de campo de pruebas para la monetización de la IA. Gigantes tecnológicos como Microsoft, Google y Adobe, entre otros, están probando una amplia variedad de enfoques diferentes para crear, promocionar y poner precio a sus ofertas de IA.
La mayoría de los modelos comerciales, como ChatGPT, Bard y Claude 2 de Anthropic, ya restringen a los usuarios a un número determinado de avisos por hora o día, incluidas las versiones de pago como ChatGPT Plus. Adobe está estableciendo límites de uso mensual para sus modelos Firefly.
Los enormes costes de la IA también afectan a las empresas. Adam Selipsky, CEO de Amazon Web Services (AWS), comentó los costes prohibitivos para los usuarios empresariales que desean crear cargas de trabajo de IA: "Muchos de los clientes con los que he hablado están descontentos con el coste que les supone ejecutar algunos de estos modelos."
Chris Young, responsable de estrategia corporativa de Microsoft, señaló que aún es pronto para las empresas que quieren aprovechar los modelos actuales de IA, y afirmó: "Llevará tiempo que las empresas y los consumidores entiendan cómo quieren utilizar la IA y lo que están dispuestos a pagar por ella."
Y añadió: "Estamos claramente en un punto en el que ahora tenemos que traducir el entusiasmo y el nivel de interés en una verdadera adopción."
Modelos de IA frente a software
La IA no ofrece la misma economía que el software convencional, ya que requiere cálculos específicos para cada tarea.
Cuando los usuarios preguntan a un modelo como ChatGPT, éste busca patrones y secuencias a partir de sus datos de entrenamiento en la arquitectura de la red neuronal y calcula una respuesta específica. Cada interacción consume energía y genera costes.
En consecuencia, a medida que crece la adopción, también lo hacen los gastos, lo que supone un reto para las empresas que ofrecen servicios de IA a tanto alzado.
Por ejemplo, Microsoft colaboró recientemente con OpenAI para presentar GitHub Copilot, dirigido a programadores y desarrolladores.
Hasta ahora, su elevado coste operativo significa que no ha sido rentable. En los primeros meses del año, Microsoft cobró una suscripción de $10 al mes por este asistente de IA e incurrió en una pérdida media de más de $20 al mes por cada usuario. Algunos usuarios infligieron pérdidas de hasta $80 al mes, según reveló un fuente al WSJ.
La suite Copilot de Microsoft para Microsoft 365 (confusamente llamada igual que la herramienta GitHub) planea cobrar un extra de $30 al mes. Esta herramienta ofrece funciones como la redacción autónoma de correos electrónicos, la elaboración de presentaciones de PowerPoint y la creación de hojas de cálculo de Excel.
Del mismo modo, Google también está a punto de lanzar una función de asistente de IA para sus herramientas de trabajo, imponiendo un cargo mensual adicional de $30 además de las tarifas existentes.
Tanto Microsoft como Google apuestan por una tarifa plana mensual, con la esperanza de que el aumento de las tarifas compense adecuadamente los costes medios de alimentación de estas herramientas de IA.
Aunque $30/mes puede parecer asequible en algunos países occidentales más desarrollados, estos modelos de precios no incluyen a gran parte de la población mundial.
Cuando ChatGPT Plus llegó al mercado indio, por ejemplo, muchos se quejaron de que era demasiado caroque suponen una parte importante del salario medio mensual de $330. Dejar fuera de la IA a miles de millones de usuarios puede costar caro a los desarrolladores a la hora de comercializar herramientas al público.
El coste tampoco es irrelevante para los que viven en países más ricos, ya que las encuestas muestran que las suscripciones son una de las primeras cosas que se eliminan cuando la gente intenta reducir sus gastos.
¿Por qué es tan difícil monetizar la IA?
La IA presenta un vacío entre las visiones aparentemente infinitas de los desarrolladores y los recursos finitos disponibles para alcanzarlas.
Sam Altman, Director General de OpenAI afirma que un mundo futurista con inteligencia artificial es simplemente "inevitable", en el que máquinas inteligentes vivan a nuestro lado cumpliendo nuestras órdenes, en el que las personas vivan cientos de años o inmortalmente, y en el que las IA integradas en nuestros cerebros nos ayuden a realizar tareas complejas sin que nosotros pensemos.
Mustafaya Suleman, Consejero Delegado de Inflection, ha publicado recientemente su libro "The Coming Wave", en el que compara la IA con la explosión cámbrica de hace 500 millones de años, que dio lugar al estallido más rápido de la evolución jamás visto en nuestro planeta.
La IA generativa está a punto de explotar, y se espera que los ingresos superen los $1 billones en 2032. De donde empezó a donde está ahora y a donde llegará es alucinante... todos los sectores se transformarán para mejor. pic.twitter.com/0licQGfphn
- Mustafa Suleyman (@mustafasuleyman) 20 de octubre de 2023
Las ambiciones alimentan las ideas, pero el dinero impulsa la industria tecnológica. La investigación y el desarrollo de la IA son costosos, por lo que los líderes del sector, como OpenAI, Google y Facebook, realizan grandes inversiones para mantenerse a la cabeza de la carrera.
Las empresas de IA atrajeron la friolera de $94 mil millones de inversión en 2021, con múltiples rondas de financiación que alcanzaron los $500 millones o más. El año 2023 subió la apuesta, con inversiones en startups Antrópico y Inflexión superando la barrera de los 1.400 millones de euros.
Los especialistas en IA cobran sueldos elevados, a menudo millonarios, debido a la feroz competencia, y los modelos requieren ajustes y pruebas de estrés periódicas, lo que aumenta los costes.
También hay costes auxiliares relacionados con los centros de datos y el mantenimiento, especialmente refrigeraciónEl hardware se calienta y es propenso a averiarse si no se mantiene a la temperatura óptima.
En algunas circunstancias, las GPU tienen una vida útil corta, inferior a cinco años, y con frecuencia requieren un mantenimiento especializado.
Estrategias de monetización de la IA
A la luz de estos retos, ¿cómo están abordando las empresas tecnológicas el desafío de la monetización de la IA?
Aumentar la productividad
Las empresas pueden beneficiarse de la IA aumentando significativamente la productividad neta de la sociedad. Al automatizar las tareas repetitivas, las empresas permiten que los profesionales humanos se centren en funciones de mayor valor añadido.
Esto les ayudará a aprovechar el dinero público y privado. Por ejemplo, DeepMind colabora con el Servicio Nacional de Salud (NHS) del Reino Unido, y las empresas tecnológicas trabajan con los gobiernos en la lucha contra el cambio climático.
Sin embargo, la productividad impulsada por la IA podría afectar a otras fuentes de ingresos de las empresas tecnológicas. Por ejemplo, Google los ingresos publicitarios disminuyen a medida que la IA resta tráfico a su motor de búsqueda. Este año, los ingresos de Google por anuncios en YouTube disminuyen en 2,6%y los ingresos de la red publicitaria disminuyen un 8,3%, una cifra sin precedentes.
Venta de hardware
La formación y el alojamiento de modelos de IA requieren hardware especializado de gama alta. Las GPU son indispensables para ejecutar sofisticados algoritmos de IA, lo que las convierte en un componente lucrativo en el ecosistema de la IA.
El líder del sector, Nvidia, es el gran vencedor, con una capitalización bursátil que alcanza los $1 billones. fabricantes de hardware de IA de clave inferior también se han beneficiado.
Suscripciones
Ofrecer mejoras de la IA como parte de paquetes de suscripción es la forma de generar ingresos a partir de usuarios públicos y empresas que no quieren o no necesitan seguir el camino de las API.
ChatGPT Plus es el servicio de IA más suscrito en todo el mundo, pero falta información que describa cuántos ingresos genera.
OpenAI lanzó su Variante para empresas este año para reforzar los ingresos por suscripciones y declaró que la empresa tiene como objetivo alcanzar los $1.000 millones de ingresos durante el próximo año.
APIs
Empresas como OpenAI utilizan un enfoque de facturación basado en tokens para usuarios empresariales y de negocios para sus API.
Este sistema garantiza que se facture a los usuarios en función de la carga computacional real de sus solicitudes, lo que garantiza la equidad y la transparencia.
Los modelos de precios de las API se adaptan a un amplio espectro de usuarios, desde los que realizan esporádicamente llamadas ligeras hasta los usuarios intensivos con tareas intensivas.
La IA como característica inherente
Algunas empresas están integrando capacidades de IA en sus productos sin cobrar inmediatamente un suplemento. Esta estrategia pretende impulsar primero el valor inherente de un producto.
Con el tiempo, una vez que los usuarios han integrado las capacidades de la IA en sus flujos de trabajo y se han dado cuenta de su valor, es más probable que acepten una subida de precios posterior. Sin embargo, la IA tiene que ofrecer ventajas progresivas si los costes aumentan de forma constante.
Los costes de formación en IA de código abierto se abaratan
Hay un debate paralelo aquí: ¿por qué debería alguien pagar por la IA si nunca es su dueño?
Algunos -como el "padrino" de la IA, Yann LeCun- sostienen que la IA debería formar parte de nuestra infraestructura pública, haciendo hincapié en la necesidad de que los desarrolladores construyan modelos de código abierto baratos y de fácil acceso.
Un artículo del NYT sobre el debate en torno a si los modelos de base LLM deben ser cerrados o abiertos.
Meta aboga por la apertura, empezando por la publicación de LLaMA (para uso no comercial), mientras que OpenAI y Google quieren mantener las cosas cerradas y patentadas.
Sostienen que la apertura puede...
- Yann LeCun (@ylecun) 18 de mayo de 2023
A medida que las soluciones de IA se integran en las empresas, muchas no disponen del presupuesto necesario para desarrollar modelos propios desde cero. Tradicionalmente, han recurrido a API de nuevas empresas de IA o a sistemas comerciales.
Sin embargo, a medida que disminuyen los costes de formación y aumenta la exigencia de privacidad de los datos, se favorece cada vez más la colaboración con proveedores especializados en la personalización de modelos tanto privados como de código abierto.
Naveen Rao, director general y cofundador de MosaicML, explicó a The Register que los modelos de código abierto son tentadores, ya que son más baratos, más flexibles y permiten a las empresas mantener privadas las cargas de trabajo.
MosaicML lanzó una serie de grandes modelos lingüísticos (LLM) de código abierto basados en su arquitectura MPT-7B. A diferencia de muchos otros LLM, este modelo es comercialmente viable para las masas.
Rao explicó la razón de ser de este modelo: "Sin duda, hay mucho tirón para este tipo de cosas, y lo hicimos por varias razones". Y añadió: "Una era que queríamos tener un modelo que tuviera permiso para su uso comercial. No queremos reprimir ese tipo de innovación".
En cuanto a la asequibilidad, Rao comentó: "Si un cliente viniera y nos dijera que formáramos a este modelo, podríamos hacerlo por $200.000 y seguiríamos ganando dinero con ello".
MosaicML también proporciona a las empresas las herramientas para alojar eficazmente sus modelos personalizados en plataformas en la nube. "Sus datos no se comparten con la startup, y son propietarios de los pesos del modelo y de su IP", confirma Rao.
Rao también se refirió a las limitaciones de las API comerciales: "Las API comerciales son una gran herramienta de creación de prototipos. Creo que con los servicios tipo ChatGPT la gente los utilizará para entretenimiento, y quizá para algunas cosas personales, pero no para las empresas. Los datos son un foso muy importante para las empresas".
Rao destacó además los costes de la arquitectura interna, afirmando que "las GPU fallan realmente con bastante frecuencia". "Si un nodo se cae, y hay que hacer una intervención manual, te ha llevado cinco horas [arreglarlo], acabas de quemar $10.000 sin trabajo, ¿verdad?".
También abordó el problema de la escasez de chips en la industria., afirmando: "Vamos a vivir en este mundo de escasez de GPU durante al menos dos años, quizá cinco".
Si las empresas pueden aprovechar la IA de código abierto para entrenar sus modelos de bajo coste con total soberanía y control de los datos, eso supone un reto para la IA pública como ChatGPT.
¿Los inminentes cuellos de botella de la IA?
Además de la escasez de GPU señalada por Rao, otro obstáculo para la monetización de la IA es el aumento vertiginoso de las necesidades energéticas del sector.
A estudio reciente predice que en 2027 la energía consumida por la industria de la IA podría ser equivalente a la de una pequeña nación.
Microsoft el consumo de agua de los centros de datos se dispara afirma la inmensa sed de recursos naturales que tiene la IA. Las pruebas indican que los recientes picos en el consumo de agua por parte de gigantes tecnológicos como Microsoft y Google se atribuyen a cargas de trabajo intensivas relacionadas con la IA.
A mayor escala, la energía acumulada utilizada por los centros de datos supera ya las 1% del consumo mundial de electricidad, según la Agencia Internacional de la Energía (AIE).
Si la demanda de energía sigue aumentando, las empresas de IA podrían verse obligadas a centrar su atención en el desarrollo de enfoques más eficientes para el entrenamiento de modelos, lo que podría perjudicar la trayectoria de la tecnología a corto plazo.
Narrativas contrapuestas
La naciente industria de la IA sigue siendo joven, y su dirección futura es excepcionalmente difícil de predecir.
Figuras centrales de la IA reconocen que sus ideas preconcebidas no siempre coinciden con la realidad.
Por ejemplo, en el podcast de Joe Rogan, Sam Altman admitió que se equivocaba sobre el curso de desarrollo de la IA, describiendo que el camino hacia la realización de formas altamente inteligentes de IA será más granular que explosivo.
Por un lado, está resultando difícil rentabilizar la IA, lo que hace dudar de que se disipe la expectación inicial y ralentice el proceso de maduración de la tecnología.
Por otro lado, es posible que la industria ya haya avanzado lo suficiente como para empujar a la IA hacia una "singularidad" en la que supere a la cognición humana.
En los próximos años, si la humanidad progresa en campos esenciales como la producción de energía y la construcción de hardware y arquitectura de IA de bajo consumo -y este año se han hecho progresos - entonces la tecnología puede eliminar los cuellos de botella a corto plazo y continuar su endiablado ritmo de desarrollo.
