SandIA (Buenos Aires, 22 de septiembre de 2026).- Un análisis publicado por El País Tecnología plantea que la inteligencia artificial no necesita frenos, sino otro rumbo: reorientar los esfuerzos hacia sistemas especializados y heterogéneos en lugar de modelos que intenten hacerlo todo.
La propuesta central del artículo
Según publicó El País Tecnología, algunas de las grandes empresas de inteligencia artificial han planteado la necesidad de ralentizar el desarrollo de los llamados modelos de frontera, apelando a los riesgos asociados a sistemas cada vez más potentes. Frente a esa discusión, el artículo sostiene que la cuestión no debería ser simplemente frenar la IA, sino preguntarse hacia dónde se quiere que avance. En lugar de ralentizar la carrera tecnológica, propone reorientar los esfuerzos hacia sistemas especializados, heterogéneos y diseñados para resolver problemas concretos.
Por qué el escalado no equivale a más inteligencia
El texto explica que los grandes modelos de lenguaje son sistemas autorregresivos que generan secuencias de palabras mediante procedimientos esencialmente estocásticos. Su éxito en el procesamiento y la generación de lenguaje llevó a pensar que, aumentando su tamaño, la cantidad de datos de entrenamiento y la capacidad de cálculo, adquirirían capacidades cada vez más generales hasta aproximarse a las capacidades cognitivas humanas. Sin embargo, de acuerdo con el artículo, una mejora en la capacidad de manipular lenguaje no equivale necesariamente a un aumento de capacidades cognitivas.
El análisis señala que generar texto lingüísticamente plausible y desenvolverse de forma fiable en un mundo incierto son problemas muy diferentes. Un sistema que deba actuar en el mundo real tiene que enfrentarse a situaciones nuevas, anticipar y evaluar las consecuencias de sus acciones y adaptarse a entornos cambiantes. Por eso, frente a la aspiración de construir modelos generativos que intenten hacerlo todo, plantea combinar herramientas heterogéneas y coordinadas entre sí.
Herramientas especializadas y eficiencia
El artículo menciona modelos estadísticos, sistemas de decisión, aprendizaje por refuerzo, modelos gráficos probabilísticos, mecanismos de planificación, métodos simbólicos y modelos neuronales, cada uno utilizado donde resulte más adecuado. Afirma que, para muchas tareas, un sistema especializado puede ser mucho más sostenible energéticamente, más eficiente, predecible, controlable y fácil de integrar en procesos informáticos que un modelo gigantesco diseñado fundamentalmente para generar lenguaje. Esta reorientación permitiría superar, según el texto, la falsa dicotomía entre acelerar o frenar.
Impacto económico y concentración de poder
El análisis sostiene que esta reorientación tendría una consecuencia económica y política de gran importancia: contribuiría a romper la concentración de poder que produce la carrera por los modelos de frontera. La construcción y entrenamiento de modelos cada vez más grandes exige cantidades crecientes de capital, capacidad de computación, datos e infraestructura, recursos que están fundamentalmente al alcance de unas pocas grandes empresas tecnológicas. Si el progreso en IA deja de depender del número de parámetros y de la capacidad de cómputo, la competencia se desplazaría hacia quién desarrolla las soluciones más eficientes, sostenibles, robustas y controlables.
De acuerdo con el artículo, la transición hacia una IA más especializada no solo podría hacerla más eficiente, sostenible, controlable y robusta, sino que también podría reducir la concentración de poder, democratizar el desarrollo de la inteligencia artificial y poner fin a una dinámica competitiva basada en construir máquinas cada vez mayores. El texto concluye que todos saldrían ganando, excepto las grandes tecnológicas.
