La carrera por la inteligencia artificial parece no tener freno. Cada semana aparece un nuevo modelo, una nueva startup o una funcionalidad que promete revolucionar la forma en la que trabajamos, estudiamos o nos entretenemos. Pero en medio de ese ruido constante, hay noticias que destacan por encima del resto, y esta es una de ellas. Uno de los cerebros detrás de ChatGPT ha decidido emprender por su cuenta y ha presentado una inteligencia artificial que, según sus propias palabras, es hasta 400 veces más barata que las alternativas actuales. El dato, por sí solo, ya es llamativo. Pero lo que realmente ha encendido las alarmas en el sector es el motivo por el que consigue ese ahorro: su truco consiste, básicamente, en no generar texto.
Sí, has leído bien. Mientras todo el mundo compite por crear modelos de lenguaje cada vez más grandes y capaces de escribir párrafos infinitos, este nuevo proyecto apuesta por lo contrario. En lugar de redactar respuestas palabra por palabra, como hace ChatGPT, esta IA se limita a producir representaciones internas, vectores o estructuras de datos que después pueden usarse para muchas otras cosas. Es un cambio de enfoque radical y, si funciona como promete, podría transformar la economía de todo el sector. Vamos a desglosar qué hay detrás de esta noticia, quién está detrás de ella y por qué puede ser mucho más importante de lo que parece a primera vista.
##Quién está detrás de esta nueva IA
El nombre que aparece en todos los titulares es el de un ingeniero e investigador que participó directamente en el desarrollo de los primeros modelos de lenguaje que dieron origen a ChatGPT. No hablamos de un desconocido que ha aparecido de la nada, sino de alguien que conoce por dentro cómo funcionan estas tecnologías, cuánto cuesta entrenarlas y cuáles son sus limitaciones más evidentes. Esa experiencia es, precisamente, lo que le ha llevado a plantear una solución diferente.
Después de pasar por OpenAI, este creador decidió que el camino que está tomando la industria no es el único posible. Mientras las grandes empresas invierten miles de millones en ampliar sus centros de datos y en comprar tarjetas gráficas cada vez más potentes, él se preguntó si había una forma más inteligente de hacer lo mismo. Su conclusión fue que sí, y su propuesta pasa por dejar de lado la generación de texto tradicional para centrarse en lo que él considera el verdadero núcleo del problema.
La idea no es nueva del todo, pero sí lo es la forma de aplicarla y el respaldo de alguien con su currículum. En el mundo de la inteligencia artificial hay muchas voces que llevan tiempo advirtiendo de que el modelo actual es insostenible. Entrenar un modelo como GPT-4 cuesta decenas de millones de dólares, y cada consulta que hacemos consume una cantidad de energía nada despreciable. Reducir ese coste sin perder calidad es el gran reto de la década, y este investigador cree haber encontrado una vía.
##El secreto: no generar texto palabra por palabra
Aquí está el corazón de la noticia. Los modelos de lenguaje convencionales, como ChatGPT, funcionan generando texto de forma secuencial. Es decir, predicen cuál es la siguiente palabra más probable, luego la siguiente, y así hasta completar una respuesta. Ese proceso es tremendamente costoso porque implica hacer cálculos enormes por cada palabra que se escribe. Si la respuesta tiene 500 palabras, el modelo ha tenido que ejecutar su maquinaria interna 500 veces seguidas.
Lo que propone esta nueva IA es dejar de escribir. En lugar de devolver un párrafo, devuelve un vector, una especie de huella matemática que representa el significado de lo que se quiere decir. Ese vector puede utilizarse después para buscar información, clasificar documentos, comparar ideas o alimentar otros sistemas. Al no tener que generar texto token a token, el ahorro computacional es brutal. De ahí esa cifra de 400 veces más barata que suena casi a exageración, pero que tiene una lógica detrás.
Imagina que quieres saber si dos frases significan lo mismo. Un modelo tradicional tendría que escribir una explicación larga
Imagina que quieres saber si dos frases significan lo mismo. Un modelo tradicional tendría que escribir una explicación larga justificando las similitudes semánticas o respondiendo con párrafos explicativos. En cambio, Jev, el modelo desarrollado por la startup TypeSafe
, elimina la retórica para devolver decisiones categóricas con sus correspondientes probabilidades.
Qué es Jev y por qué revoluciona el mercado
Diseñado por exinvestigadores vinculados a los inicios de los grandes modelos de lenguaje (LLM)
en OpenAI, el modelo Jev abandona la generación token a token para enfocarse exclusivamente en la toma de decisiones estructuradas en tiempo real.
1. Decisiones directas en lugar de texto
Al prescindir de redactar lenguaje natural, Jev evalúa las entradas de información no estructurada y entrega una elección dentro de los límites definidos por el desarrollador (por ejemplo: «Fraude detectado: Alto / Medio / Bajo» con sus respectivos porcentajes de confianza).
2. Ahorro de costes drástico
La compañía asegura que este enfoque permite ejecutar decisiones entre 20 y 200 veces más rápido y ser entre 40 y 400 veces más barato que un LLM convencional como GPT-4. En su estructura tarifaria, los tokens de salida son prácticamente gratuitos debido a que el consumo computacional para devolver la elección final es insignificante.
3. Cero alucinaciones de formato
Al limitar las respuestas a un conjunto estricto de opciones válidas predeterminadas por el sistema, se elimina el riesgo de que la IA invente datos fuera de las reglas marcadas, garantizando una integración idónea con otras aplicaciones empresariales y agentes autónomos.
El origen del nombre: la Paradoja de Jevons
El nombre de la herramienta es una referencia directa a William Stanley Jevons y su famosa Paradoja de Jevons
, la cual sostiene que el incremento en la eficiencia del uso de un recurso provoca un aumento en su consumo global en lugar de una disminución.
Aplicado al ámbito de los agentes de inteligencia artificial
, al abaratar sustancialmente la toma de decisiones por software, el volumen total de tareas automatizadas por segundo explotará exponencialmente.
Conclusión
El movimiento de TypeSafe demuestra que el futuro de la automatización no reside únicamente en crear asistentes capaces de redactar mejor o conversar como un ser humano. Para millones de procesos industriales, financieros y de logística, la eficiencia de una IA reside en su capacidad para elegir el camino correcto al menor coste energético y económico posible.
