Autor: Li Jia, Wall Street Insights
La IA está entrando en una nueva fase, pasando de "saber responder" a "ser capaz de ejecutar".
Según Trading Wind Desk, el último informe de Goldman Sachs muestra que la comercialización de la IA está pasando de una "suscripción por puesto" a una facturación basada en el consumo, el volumen de transacciones y los resultados; al mismo tiempo, los Agentes están pasando de ser herramientas de asistencia a ejecutores de flujos de trabajo, y el valor de la industria también se está desplazando del propio modelo hacia los datos propietarios, el contexto empresarial y las capacidades especializadas del dominio.
Esto significa que la competencia en la industria de la IA se está desplazando de "qué modelo es más potente" a "quién puede realmente dominar el flujo de trabajo". La capacidad del modelo sigue siendo importante, pero la capacidad de integrarse en el entorno de producción empresarial, comprender el contexto del negocio y completar tareas de forma estable se convertirá en una barrera competitiva más crítica.
Esta conclusión proviene de una inspección reciente de Goldman Sachs en la cadena industrial de IA de Silicon Valley. Los días 18 y 19 de agosto, Goldman Sachs visitó por tercer año consecutivo empresas emergentes de IA, principales fondos de capital de riesgo e investigadores de la Universidad de Stanford, la Universidad de California en Berkeley y la Universidad de California en San Francisco. Goldman Sachs considera que con la aceleración de la implementación de los Agentes, la distribución de valor entre los modelos de vanguardia, los modelos de código abierto, los modelos del mundo, el software empresarial y los datos propietarios cambiará.
Implementación de Agentes: lo que realmente les falta a las empresas no es capacidad, sino "controlabilidad"
Si en el pasado la IA resolvía "ayudar a las personas a completar tareas", los Agentes están intentando resolver "hacer la tarea por sí mismos". Sin embargo, en el proceso de despliegue a gran escala en las empresas, el mayor obstáculo puede que ya no sea la capacidad del modelo, sino cómo se divide la responsabilidad y si todo el proceso de ejecución puede controlarse.
El informe cita a investigadores de Stanford que señalan que la mayoría de las empresas aún se encuentran en un modo de supervisión manual. Especialmente en áreas como la ley, la gestión de riesgos, los seguros y la auditoría, una vez que el modelo comete un error, quién asume la responsabilidad, cómo rastrear el proceso y si se puede corregir a tiempo pueden ser tan importantes como la propia capacidad del modelo.
Por lo tanto, los flujos de trabajo que probablemente se automaticen primero suelen tener tres características: límites de decisión claros, resultados verificables y errores reversibles. El procesamiento de facturas es un caso típico. La IA se encarga de extraer los campos y realizar comprobaciones, los casos de baja confianza los revisa un humano y luego se completa la contabilización a través de un proceso ERP reversible.
Esto también significa que los proveedores de servicios de información que poseen contenido confiable, modelos de dominio verificados y relaciones regulatorias maduras tienen más probabilidades de integrarse primero en el entorno de producción empresarial.
Competencia de modelos: los modelos de vanguardia y los de código abierto avanzan hacia la división del trabajo
En torno al debate sobre "código abierto o cerrado", la señal que emite esta inspección de Goldman Sachs no es una elección binaria, sino que diferentes modelos pueden corresponder a diferentes niveles de flujo de trabajo.
El bando de los modelos de vanguardia considera que las pruebas de referencia empresariales a menudo subestiman la capacidad del modelo. En un entorno de producción real, las pérdidas comerciales derivadas de una disminución en la precisión del modelo pueden ser mucho mayores que el ahorro en costos de inferencia. Por lo tanto, aunque varias empresas nativas de IA proclaman una estrategia multimodelo, en sus entornos de producción centrales aún dependen en gran medida de modelos de vanguardia.
Otra opinión sostiene que la gran mayoría de los flujos de trabajo empresariales no requieren inteligencia de nivel de vanguardia. A medida que mejora continuamente el rendimiento de los modelos de código abierto, los clientes están cada vez más dispuestos a aceptar una pérdida limitada de rendimiento a cambio de un menor costo de inferencia. Un fondo de capital de riesgo prevé que en los próximos 12 a 18 meses, aproximadamente el 90% de los tokens de inferencia fluirán hacia modelos de código abierto.
Esto significa que el futuro mercado de modelos de IA podría formar una división del trabajo más clara: los modelos de vanguardia se encargan de tareas complejas de alto valor y alta fiabilidad, mientras que los modelos de código abierto asumen tareas estandarizadas a mayor escala y la mayor parte del consumo de tokens.
Modelo del mundo: la potencia de cálculo de la IA podría recibir una segunda curva de crecimiento
En los últimos 18 meses, los investigadores han ido desplazando cada vez más su atención de los LLM al "modelo del mundo".
A diferencia de los LLM, que se entrenan principalmente con datos de Internet, el modelo del mundo necesita comprender el entorno, la causalidad, las leyes físicas y las interacciones dinámicas en el mundo real, y sus datos provienen más de sistemas físicos, industrias específicas y escenarios operativos reales. Esto significa que la importancia de los datos propietarios podría aumentar aún más.
Goldman Sachs considera que los espacios problemáticos correspondientes a áreas como la física, la industria, la ciencia y la robótica son mucho mayores que la generación de puro texto, y además estos flujos de trabajo a menudo requieren una mayor inversión en potencia de cálculo. A medida que la IA avance desde el mundo digital hacia el mundo físico, la demanda de potencia de cálculo para el entrenamiento, simulación e inferencia de modelos también podría experimentar una nueva curva de crecimiento.
Goldman Sachs prevé que en los próximos 5 años la demanda de potencia de cálculo podría crecer aproximadamente 24 veces, y la tensión entre oferta y demanda podría mantenerse durante más tiempo, beneficiándose directamente empresas de computación en la nube e infraestructura de cálculo como Microsoft, Oracle y CoreWeave.
