La decisión de Amazon de eliminar su clasificación de IA (AI leaderboard) después de que la práctica del *tokenmaxxing* disparara rápidamente los costos es el caso más reciente de la «conmoción por el precio» que sufren las empresas que intentan implementar la IA. Esos costos crecientes han provocado un coro cada vez mayor de voces que promocionan modelos chinos de código abierto, como DeepSeek.

Pero en una entrevista reciente, el jefe de IA de Microsoft, Mustafa Suleyman, me explicó por qué esa es una mala idea.

Las empresas que dependen de la «destilación» —el proceso de utilizar conjuntos de datos generados por modelos de IA más grandes, provenientes de laboratorios de vanguardia como Anthropic y OpenAI— están tomando un atajo que a menudo conduce a un callejón sin salida, afirmó Suleyman. «Básicamente, han atiborrado su modelo con el conocimiento de otra persona», dijo.

A medida que Microsoft avanza hacia la independencia con sus propios modelos de IA, lo hace aplicando una política de «cero destilación».

Dado que los grandes laboratorios de vanguardia no hacen públicos los enormes conjuntos de datos que utilizan para entrenar a los modelos de IA más grandes del mundo, resulta imposible saber exactamente qué priorizaron esas empresas al crearlos. Por lo tanto, si bien la destilación puede ser eficaz para crear modelos pequeños destinados a tareas específicas, con el tiempo, los modelos construidos sobre una base de datos destilados se quedarán rezagados cuando se apliquen a una amplia gama de tareas de propósito general.

Los modelos de IA chinos —baratos y basados ​​en la destilación— no han logrado imponerse, tal como muchos habían predicho. La demanda de los modelos de IA más avanzados ha crecido mucho más que la demanda de las versiones de código abierto. Los límites de la destilación podrían ser una de las razones de este fenómeno.

Y si Suleyman tiene razón, la brecha entre los grandes laboratorios de IA de vanguardia y los modelos de código abierto es aún mayor de lo que la gente cree. Para la mayoría de las empresas, resulta prohibitivamente costoso entrenar modelos de IA tan masivos partiendo desde cero. Y esto podría tener un gran impacto en el costo que las empresas deben asumir para implementar la IA. Los modelos de IA gratuitos y de código abierto no constituyen una alternativa real a los modelos de vanguardia —aquellos que se sitúan en la frontera de la innovación—, al menos no para las tareas laborales de mayor utilidad.

Ya hemos superado la fase de experimentación de la IA, la cual se está convirtiendo ahora en una herramienta crucial para muchas empresas. Los costos —incluso los de los modelos de vanguardia— están disminuyendo a una velocidad increíble; no obstante, no lo hacen tan rápido como desearían las empresas y los usuarios. Es posible que no existan atajos para llegar a ese punto.

El mes pasado, Microsoft reestructuró el liderazgo de Copilot con el fin de liberar a Suleyman para que pudiera centrarse en el desarrollo de nuevos modelos; en un comunicado interno, el propio Suleyman señaló que la siguiente fase consistiría en «enfocar toda mi energía en nuestros esfuerzos en el ámbito de la superinteligencia».