La nueva era de la IA: modelos de decisión que responden con números
Los gigantes tecnológicos despliegan sistemas que priorizan la velocidad y el bajo costo, entregando solo un porcentaje de confianza en lugar de largas conversaciones.
A casi cuatro años del surgimiento de ChatGPT, la forma de evaluar la inteligencia artificial está atravesando una transformación profunda. Mientras que la primera etapa de la tecnología se centró en la capacidad de los chatbots para mantener conversaciones fluidas, redactar textos elaborados y justificar sus respuestas, las principales empresas del sector están orientando sus inversiones hacia un concepto distinto: los modelos de decisión.
Respuestas en milisegundos y costos reducidos
Compañías como Google, OpenAI, Microsoft y Amazon avanzan en el desarrollo de estos modelos, cuya característica principal es que no generan texto. Frente a una pregunta cerrada y un contexto determinado —por ejemplo, clasificar la urgencia de un correo o definir a qué área enviarlo—, la herramienta entrega una opción y un número que representa su grado de confianza en la respuesta.
Este proceso toma alrededor de 150 milisegundos y requiere un consumo financiero sustancialmente menor. El motivo central de este cambio radica en la factura operativa. La expansión de agentes autónomos de software que toman decisiones constantes en segundo plano volvió ineficiente el uso de grandes modelos conversacionales para obtener respuestas binarias. En el caso de Amazon, la aplicación de un modelo de decisión para la clasificación interna de sus tickets redujo el costo operativo en más de 40 veces, beneficiándose de que los tokens de salida no tienen costo al no existir generación de texto.
El impulso de TypeSafe y la reacción de la industria
El desarrollo acelerado de este segmento cobró impulso en septiembre, cuando la startup TypeSafe presentó su modelo llamado Jev. Apenas tres semanas después de la presentación, la cotización de la empresa alcanzó los 7.500 millones de dólares. Tras este movimiento, OpenAI lanzó su propia alternativa semanas más tarde, Microsoft y Amazon presentaron sus soluciones en octubre y Google sumó su propuesta recientemente.
El dilema de la interpretabilidad
Pese a las ventajas en términos de velocidad y ahorro, la consolidación de estos sistemas implica la pérdida de la explicación paso a paso que ofrecían los chatbots. Mientras que en un modelo tradicional es posible leer el razonamiento e identificar un error, los modelos de decisión entregan únicamente una cifra, como 0,16 o 0,82.
Ese número procesado internamente determinará de forma automatizada acciones como la prioridad de un reclamo de atención al cliente o la detección de operaciones sospechosas para el bloqueo de una tarjeta. El planteo recuerda al denominado «Sistema 1» descripto por el psicólogo Daniel Kahneman, referido al pensamiento rápido e intuitivo: un mecanismo eficiente que funciona bien en la mayoría de los casos, pero que carece de la capacidad de advertir sus propios fallos cuando se equivoca.
