IA generativa en 2025:
Dile adiós a PPT y únete a la revolución de la productividad.
Ahora mismo, toma tu teléfono, abre una tienda online, busca «cargador» y la primera marca recomendada que aparezca probablemente sea Anker Innovations.
Si te gusta alguno de estos productos y quieres comparar precios y parámetros, haz clic en atención al cliente y consulta en línea.
Lo que quizás no sepas es que estas dos breves operaciones implican cuántas capacidades de modelos de IA a gran escala.
En la Cumbre de Amazon Cloud Technology China 2025, celebrada el 19 de junio, Gong Yin, director de Innovación de Anker Innovations, una reconocida marca de tecnología de hardware inteligente, compartió cómo usar la IA para innovar en productos inteligentes y mejorar la eficiencia operativa de la empresa con la ayuda de Amazon Cloud Technology.
Anker Innovations y Amazon Cloud Technology han establecido un sistema de modelos de lenguaje a gran escala con base de conocimiento en tiempo real de alta calidad y han creado más de 50 agentes de IA; han creado Vela, una plataforma multimodal de producción de contenido de IA y GC. construyó un sistema de publicidad inteligente que integra la plataforma Amazon SageMaker, con una tasa de cobertura publicitaria en el sitio de más del 90%; y desarrolló y actualizó productos a través de algoritmos de aprendizaje profundo y grandes modelos de IA…
Publicidad, generación de materiales, respuesta de atención al cliente, actualizaciones de productos… ¿Qué tan vanguardista es esta tecnología negra?. Para nada.
¿Pero es útil?. Muy útil.
Actualmente, el número de imágenes producidas por la plataforma de producción de contenido Vela de Anker Innovations ha superado los 1,2 millones, la tasa de resolución de tickets de atención al cliente con IA ha superado el 70% y más del 20% de los anuncios del sitio web se alojan de forma totalmente automática mediante IA. En la plataforma AIME, la base de capacidades de IA internas de Anker Innovations a nivel de empresa, se han acumulado más de 300 agentes de IA activos, y las aplicaciones de IA desarrolladas a través de AIME se han utilizado más de 10 millones de veces.
No se trata de una «singularidad» ni de un «momento revelador», sino de convertir las necesidades diarias en negocios inteligentes, permitiendo que la IA trabaje en tiempo real, no «dibujando pasteles», sino simplemente resolviendo problemas.
Este no es un caso aislado.
En la Cumbre de Tecnología de la Nube de Amazon de 2025 en China, se presentaron numerosos escenarios prometedores para la implantación de la IA generativa en las empresas. Además de Anker Innovations, también participan TCL, WPS, Huolala, Kingdee, Hehe Information, Fosun Pharma, etc.
Chu Ruisong, vicepresidente global de Amazon y presidente de Amazon Web Services para la Gran China, comentó: «En mis conversaciones con muchos clientes, he observado que cada vez más empresas desean adoptar la IA».
Entre los más de 1.500 proyectos de IA generativa que Amazon Web Services ha ayudado con éxito a sus clientes a implementar en producción en masa, la tasa de éxito de los clientes desde la prueba de concepto hasta la producción en masa alcanza el 82%, lo que duplica el promedio del sector, del 41%, según la Encuesta de la Misión de Desarrollo de IA Empresarial de Gartner de 2024.
Hoy en día, nadie duda de si la IA generativa es una «prueba de concepto» en el laboratorio o una «novedosa estrategia» en el mercado.
Según el «Informe del Índice de Inteligencia Artificial 2024» del Instituto de Inteligencia Artificial de la Universidad de Stanford (Stanford HAI), la industria global de los grandes modelos de IA se encuentra actualmente en una etapa de innovación tecnológica y comercialización aceleradas. OpenAI, Google, Microsoft, Amazon Cloud y otras empresas ocupan una posición de liderazgo, liderando la industria global en IA generativa, procesamiento del lenguaje natural y otros campos. Empresas de vanguardia como Meta y DeepSeek están explorando modelos continuos de código abierto para potenciar su influencia ecológica.
Todos se preguntan: ¿cómo se pueden implementar la IA y los grandes modelos?. ¿Cómo comercializarlos?. ¿Cómo generar valor para mí?.
¿Qué oportunidades ofrece la IA en 2025?.
Primero:
¿Dónde «murió» la IA fallida?.
En junio de 2023, hace dos años, Amazon Web Services creó un departamento llamado «Centro de Innovación de IA Generativa» para ayudar a los clientes a implementar aplicaciones de IA generativa y su implementación en producción.
En aquel entonces, hacía medio año que se lanzaba la primera generación de ChatGPT, y el mundo estaba inmerso en la vibrante y emocionante tecnología de modelos a gran escala, mientras aún se dedicaba al entrenamiento de modelos básicos.
En los más de dos años transcurridos desde entonces, el Centro de Innovación de IA Generativa de Amazon Web Services ha reunido gradualmente a más de 350 científicos aplicados, científicos de datos, desarrolladores, expertos del sector y consultores estratégicos de todo el mundo…
Trabajan en primera línea de la «zona de guerra» a diario, comunicándose cara a cara con todos los clientes de los sectores de videojuegos, oficinas, finanzas, logística y medicina para determinar cuál es la solución de IA más adecuada en ese momento. ¿Dónde está el problema?. ¿Cómo lo solucionamos?. ¿Cuál es la estrategia?.
¿Dónde «murieron» los proyectos fallidos?. ¿Cuál es el problema?. El problema más común es que los requisitos para el resultado final del proyecto no están claros o existe una desviación en la elección de los escenarios. Por ejemplo, a veces las empresas descubren que el problema ni siquiera necesita resolverse con IA generativa.
Otro problema común es que, en ocasiones, las empresas obtienen buenos resultados tras los primeros intentos de IA generativa, pero el coste real de implementación es mucho mayor de lo esperado.
Otro problema común con los proyectos de IA generativa es que las empresas suelen utilizarlos como intentos exploratorios por curiosidad, con la mentalidad de «descubrir si una tecnología de moda es viable», sin aclarar estratégicamente que se convertirá en un canal para una competencia diferenciada y avances innovadores.
En última instancia, lo más probable es que, tras completar la PoC, la empresa centre sus recursos en otras «prioridades estratégicas».
En la Cumbre de China, Shaown Nandi, Director General Técnico Global de Amazon Web Services, también mencionó tres puntos: La IA generativa es adecuada para mejorar la productividad de los empleados, optimizar las operaciones comerciales y promover la innovación en productos, servicios e incluso modelos de negocio. Por ello, es necesario determinar desde el principio qué propósito debe tener la empresa para sumarse a la ola de la IA generativa.
Segundo:
A partir de 1500 prácticas, tras observar los fracasos, ¿cómo se materializó la IA generativa exitosa?.
En resumen, es muy simple: escenario-tecnología-producción en masa-retroalimentación. Sin embargo, como «el diablo está en los detalles», existe la posibilidad de error en cada eslabón.
Evaluación de escenarios.
En primer lugar, se trata de la evaluación de los escenarios de aplicación de la IA por parte de la empresa.
Sin duda, hoy en día, ningún director ejecutivo de ninguna empresa es indiferente a los conceptos de «IA» y «modelo a gran escala». La transformación inteligente, la reducción de costes y la mejora de la eficiencia son urgentes en las empresas, pero si se profundiza en la pregunta, pocas personas pueden responder de inmediato: «¿Por qué necesitamos usar IA?. ¿Qué problemas prácticos puede resolver?. ¿Qué beneficios puede generar?».
No todos los problemas necesitan ser resueltos por IA generativa. Por ejemplo, tecnologías como el reconocimiento facial y el OCR ya cuentan con algoritmos de redes neuronales profundas maduros, que son más simples y económicos que los modelos a gran escala de IA, y también son más maduros y completos, adecuados para los requisitos del escenario.
Por el contrario, la esencia técnica de los grandes modelos de IA reside en la predicción del siguiente Token, eficaz para la generación de contenido creativo e inteligente, así como para la interacción persona-computadora.
Amazon Web Services propuso que, antes de lanzar un proyecto de IA generativa, las empresas deben realizar una evaluación exhaustiva desde siete dimensiones clave (equipo, cronograma, riesgo, datos, ROI, presupuesto y viabilidad) para garantizar la implementación del proyecto.
Por ejemplo, aunque todas son clientes de Amazon Web Services, los servicios y escenarios de aplicación que adquiere cada empresa son diferentes.
Por ejemplo, Fosun Pharma utiliza principalmente la tecnología de IA generativa y las soluciones de centros de generación de contenido médico inteligente de Amazon Web Services; TCL utiliza Amazon Web Services para lograr la innovación e iteración de productos, y utiliza la infraestructura global de Amazon Web Services para lograr un desarrollo global; Hehe Information utiliza Amazon Web Services para desarrollar Chaterm.AI, una herramienta de gestión de terminales de agentes de IA de código abierto, que ayuda a los desarrolladores a innovar eficientemente.
Solo aclarando los requisitos del escenario y el modelado del ROI, la IA dejará de ser un problema complejo.
Selección de tecnología.
La selección de tecnología está estrechamente relacionada con la evaluación de escenarios. En pocas palabras, las empresas necesitan encontrar el modelo de IA que mejor se adapte al escenario de aplicación actual, no el más popular.
Desde el Festival de Primavera de 2025, DeepSeek se ha popularizado de la noche a la mañana, casi acabando con la «Guerra de los Cien Modelos». Sin embargo, DeepSeek no es omnipotente, al igual que GPT no logró dominar el mundo en su apogeo.
En escenarios reales de aplicación industrial, los responsables de la toma de decisiones corporativas se preocupan en última instancia por el crecimiento y el valor empresarial que aporta la IA generativa. Ya sea DeepSeek, Claude, Nova o Gemini, todos contribuyen a que las empresas generen valor empresarial.
El 19 de junio, Base44, la startup israelí de IA para aplicaciones empresariales, se vendió por 80 millones de dólares en efectivo. Se trata de una startup de IA excepcional, fundada en diciembre de 2024 con tan solo 9 empleados y que nunca aceptó financiación externa. En el sexto mes de su creación, ha conseguido 250.000 usuarios y un beneficio neto de 189.000 dólares.
En la entrevista, Maor Shlomo, fundador de Base44, reveló que, al desarrollar las capacidades de IA subyacentes, el equipo, tras múltiples evaluaciones, consideró que el modelo OpenAI era demasiado costoso y finalmente optó por acceder al modelo de gran tamaño de Claude a través de la plataforma en la nube de Amazon para desarrollar las capacidades de IA subyacentes de Base44.
Sí, a la mayoría de los clientes corporativos no les importa realmente de qué empresa de modelos de gran tamaño provenga su «gato negro o gato blanco», siempre que estos modelos sean usables, fáciles de usar, asequibles y vanguardistas. Esto coincide con la estrategia «Choice Matters» de Amazon Cloud Technology en el ámbito de los modelos de gran tamaño.
Según los datos del informe de Jefferies & Company, actualmente solo el 3% de las empresas utiliza un solo proveedor de modelos de lenguaje, mientras que el 34% utiliza dos, el 41% tres y el 22% cuatro. Según las previsiones de Gartner, para 2027, el 80% de las empresas chinas optarán por una estrategia multimodelo.
Después de todo, el próximo avance disruptivo en la tecnología de modelos a gran escala podría surgir en DeepSeek, Manus u otros lugares inesperados.
Optimización de la producción en masa.
En el proceso de proyectos de IA generativa, desde la fase PPT hasta la implementación a gran escala, la optimización de la producción en masa es una etapa crucial y también la que presenta más dificultades.
La evaluación de escenarios y la selección del modelo afectarán directamente la estructura de costes del proyecto y, por lo tanto, su verdadera implementación y la generación de valor. La estrategia de personalización y ajuste del modelo afecta directamente el coste, el rendimiento y el rendimiento general del proyecto en la etapa de optimización de la producción en masa.
Sinceramente, esta etapa es un trabajo arduo y agotador, pero también es la única forma de implementar el proyecto.
Almacenamiento, etiquetado y limpieza de datos en las primeras etapas; cuantificación, implementación e ingeniería de palabras rápidas del modelo a medio plazo; Las instancias reservadas en la nube, los mecanismos de almacenamiento en caché y el rendimiento aprovisionado son problemas típicos de ingeniería compleja de múltiples enlaces que requieren ingenieros de datos e ingenieros de IA con experiencia para equilibrar el coste, el rendimiento y la eficiencia.
Por ejemplo, con el apoyo de expertos en tecnología de Amazon Cloud, ingenieros de un grupo nacional de Internet de la industria cultural combinaron la función de optimización de indicaciones de Amazon Bedrock con Claude 3.5 Sonnet, simplificando el proceso de ingeniería de indicaciones, ahorrando el consumo de tokens y aumentando la precisión de la atribución de diálogos de personajes del 70% al 90%, optimizando considerablemente el rendimiento de la producción en masa de proyectos de IA.
Además, Huolala utiliza modelos de IA, como Amazon Nova, para procesar los datos de diálogo de atención al cliente existentes en la etapa de procesamiento de datos y almacena datos no estructurados como datos de estructura gráfica asociados con la intención del diálogo. Esto permite a Huolala utilizar marcos tecnológicos emergentes representados por CID-GraphRAG sobre la base de RAG, mejorando considerablemente el rendimiento de las funciones de IA.
Monitoreo de resultados.
Este es el eslabón más fácil de comprender en la implementación de todo un proyecto de IA generativa, pero también el que se pasa por alto con mayor frecuencia.
El temor en los proyectos de IA generativa no radica en que el modelo no sea lo suficientemente grande ni en que la potencia de cálculo sea insuficiente, sino en que, durante el trabajo, se descubra de repente que «la entrada es como el agua, pero el resultado es un misterio».
Sobre todo teniendo en cuenta que el coste de entrenar un modelo de IA grande suele ser de cientos de miles de dólares, un sistema de monitoreo de rendimiento maduro es equivalente al «panel de control» inteligente de la empresa, que no solo indica a los responsables de la toma de decisiones si el sistema funciona con normalidad mediante semáforos, sino que también actúa como «navegación en tiempo real» para garantizar que el proyecto de IA actual esté en el buen camino y si necesita ajustes o cambios inmediatos.
En concreto, el monitoreo de rendimiento del proyecto debe incluir indicadores de evaluación en tres dimensiones: calidad, rendimiento y capa de aplicación, y el proyecto se «navega» en tiempo real a través de datos como la latencia del sistema, el rendimiento, la ilusión, la retroalimentación del usuario y la duración de la conversación.
—Es difícil imaginar cuántos “escollos” tuvo que afrontar el equipo de Amazon Web Services antes de culminar esta valiosa experiencia.
Tercero:
IA generativa en 2025:
Dile adiós a PPT y abraza la revolución de la productividad
A partir del segundo semestre de 2024, el término «aterrizaje» se ha convertido en el término dominante en la industria de la IA.
Según la encuesta de The Information a 50 empresas líderes del mundo, un total de 38 grandes empresas han adoptado el modelo OpenAI; 17 empresas han adoptado el modelo Gemini; y 11 empresas han adoptado Claude, que divide el mundo en tres partes y combina las fuertes.
Sin embargo, el mundo de los modelos básicos está cambiando rápidamente, con el lanzamiento de modelos más potentes, rentables y rápidos cada semana. En la mayoría de los casos, ningún modelo es aplicable a todos los escenarios. Por eso, Amazon Web Services ofrece una amplia selección de modelos en Amazon Bedrock, desde modelos gigantes con cientos de miles de millones o incluso billones de parámetros hasta modelos pequeños con tan solo unos pocos millones de parámetros.
Además de los clientes chinos de Amazon Web Services mencionados anteriormente, a nivel mundial, ANZ Banking Group, Itaú Unibank de Brasil, National Australia Bank, Booking, Capital One, Fast Retailing, Toyota, Sony, T-Mobile, etc., han llegado a acuerdos de cooperación con Amazon Web Services.
La IA en 2025 es, sin duda, un tema de actualidad y está dividida.
Hoy en día, todo el mundo habla de los grandes modelos, y la demanda del sector crece exponencialmente. Según el informe «China Model as a Service (MaaS) and AI Big Model Solution Market Tracking, 2024H2» de IDC, el mercado chino de MaaS experimentará un crecimiento explosivo en 2024, con una escala anual de 710 millones de yuanes, un aumento interanual del 215,7%.
Sin embargo, con la aparición de DeepSeek, la «Guerra de los Cien Modelos» que antaño azotaba el país está llegando gradualmente a su fin, y el entrenamiento básico de modelos se vuelve cada vez menos rentable. Los «Grandes Seis Pequeños Dragones» y las principales startups de IA han reportado transformaciones y despidos sucesivamente; la tasa de éxito de los proyectos de IA generativa, desde la PoC hasta la producción en masa, en la industria es de tan solo el 41%, y el «Cementerio de la IA» está lleno de proyectos «fallidos».
Vivimos en una era de carnaval tecnológico. Estamos más emocionados, ansiosos y confundidos que nunca. Cuando la ola tecnológica es incontenible, lo único que podemos hacer es subirnos a ella.
Históricamente, las máquinas de vapor han amplificado y liberado la fuerza muscular de humanos y animales. Su aplicación en la industria textil, el transporte, la minería y la fundición ha impulsado la revolución industrial.
Hoy en día, la inteligencia artificial amplifica y libera la inteligencia del cerebro humano, y su aplicación impulsará la próxima revolución.
En 2025, el coste de entrenamiento de los modelos de IA se ha reducido a una veinteava parte del coste de hace tres años, y la velocidad de respuesta de razonamiento se ha multiplicado por varias. Diversos avances tecnológicos han permitido lograr respuestas de milisegundos y la toma de decisiones en tiempo real de los modelos de IA a nivel de billones de segundos, sentando las bases para la industrialización y la producción en masa a gran escala.
Pero, al mismo tiempo, se han aprovechado las oportunidades más fáciles. Si realmente se quiere promover la implementación de la IA generativa, resolver problemas y generar valor, es necesario ponerse manos a la obra y afrontar el desafío.
Este proceso es difícil, pero en definitiva valioso.
El objetivo final de todas las tecnologías es una respuesta profunda a las necesidades humanas. La IA generativa no solo implica la iteración de las herramientas de producción, sino también un cambio en la esencia del modelo de negocio.
Internet tardó 30 años en inventarse y convertirse en una infraestructura, y la computación en la nube tardó casi 20 años en pasar de la exploración técnica a la aplicación generalizada. Será necesario un futuro más lejano para que los grandes modelos se conviertan realmente en la «nueva infraestructura» para todos los ámbitos de la vida.
Pero vamos por buen camino.
Referencias:
«La IA generativa en Norteamérica se divide en tres partes: Microsoft aprovecha OpenAI, AWS se apoya en Anthropic y Google es autosuficiente» (Silicon Rabbit).
«Usar la nube adecuada para romper la ola de la era de la IA» (Amazon Web Services).
«Seguimiento del mercado de soluciones de modelos a gran escala de IA y Modelo como Servicio (MaaS) de China, segundo semestre de 2024» (IDC).
«Informe del Índice de Inteligencia Artificial 2024» (Instituto de Inteligencia Artificial de la Universidad de Stanford).
«Una startup de IA de 9 personas vendió 600 millones de dólares: financiación cero en medio año, beneficio neto de 1,37 millones en un solo mes» (Zhidongxi).
«Referencia pública de Bedrock de GCR 2024» (Amazon Web Services).
«Jefferies mantiene su recomendación de compra para Amazon (AMZN)» (Market Insider).
