¿Podría esto marcar el inicio de una crisis para las economías basadas en tokens?

En el episodio más reciente del podcast Equity de TechCrunch, Kirsten Korosec, Sean O’Kane y yo analizamos cómo estos cambios de precio podrían afectar a toda la industria de la IA. Mientras Anthropic y otras empresas líderes en este campo se preparan para salir a bolsa, surgen dudas sobre su rentabilidad, lo que podría llevar a aumentos similares de precios y a más restricciones en el uso, ya que las empresas buscan controlar sus gastos.

Sean planteó una pregunta clave: “¿Podrán estos equipos de desarrollo de IA reducir costos sin dejar de avanzar tecnológicamente lo suficiente como para mantener la disposición de los clientes a pagar?”.

Kirsten señaló que este desarrollo también pone de manifiesto la rapidez con la que evolucionan las tendencias. En solo unos meses, las empresas se obsesionaron por maximizar el uso de tokens, pero luego cambiaron de enfoque debido a los altos costos asociados. Mientras las firmas de IA preparan sus solicitudes de oferta pública inicial, ella se preguntó: “¿Cómo pueden documentar con precisión estos riesgos cuando todo está cambiando justo delante de nuestros ojos?”.

Siga leyendo para leer un fragmento de nuestra conversación, editado por brevedad y claridad.

Anthony Ha: Cuando planeábamos este episodio, Sean, usted describió la situación actual como una “Tokenpocalypse”. Me gustaría escuchar sus opiniones sobre ese término, especialmente teniendo en cuenta la decisión de Microsoft de cobrar más por token en GitHub Copilot en lugar de aplicar una tarifa fija.

Todo el ecosistema de IA depende en gran medida de financiación mediante inversiones, lo que significa que muchos servicios que parecen gratuitos son en realidad bastante caros. Ahora, a medida que más de estos costos comienzan a ser transferidos a los consumidores finales, tendremos que ver cómo afecta esto al comportamiento del consumidor. Aunque las consecuencias exactas aún no están claras, es probable que genere una gran incomodidad entre los usuarios.

Sean O’Kane: Es interesante pensar en cuántos riesgos relacionados con tokens aparecerán en la solicitud S-1 de Anthropic. He discutido este tema con frecuencia en este programa, ya que seguimos encontrando patrones similares: por ejemplo, Uber pasó de decir que había superado rápidamente su presupuesto para gastos en IA en un mes y medio a decidir posteriormente que los costos eran demasiado altos y necesitaba imponer límites en el uso dentro de la empresa.

Ese cambio tan rápido es preocupante. Plantea la pregunta de si estos equipos de desarrollo de IA pueden reducir costos sin dejar de avanzar tecnológicamente lo suficiente como para adaptarse a la capacidad de gasto de los clientes.

También vale la pena reflexionar sobre ChatGPT Plus, cuyo precio inicial fue de 20 dólares al mes, sin una estrategia clara detrás de esa cifra. La gente ha seguido pagando más por versiones de mayor nivel, pero incluso esos precios no cubren el costo real. Eso sigue siendo uno de los mayores desafíos en este sector.

Kirsten: Todo esto demuestra cuán rápido están cambiando las cosas. La tendencia a maximizar el uso de tokens alcanzó su punto máximo en seis meses y ahora se percibe de manera negativa. Como usted mencionó, la estructura de precios se estableció antes de que los modelos comerciales de las empresas de IA estuvieran completamente definidos.

Al mismo tiempo, los gobiernos intentan mantenerse al día con estos avances. Esta semana, el presidente Trump firmó un decreto ejecutivo que permite al gobierno revisar modelos de IA poderosos, aunque su alcance es limitado. El ritmo de cambio que estoy presenciando es sin precedentes.

Por eso estoy ansiosa por ver los documentos de registro de oferta pública inicial S-1, ya que revelarán factores de riesgo importantes. Es difícil documentar riesgos cuando estos evolucionan constantemente a diario.

Anthony: Uber es un ejemplo interesante, Sean. Aunque ha enfrentado críticas por sus altos gastos en IA, también demuestra que las empresas pueden superar dificultades financieras con el tiempo mediante la expansión de sus operaciones. Hubo que desarrollar diferentes áreas comerciales, y tanto los clientes como los conductores sufrieron presiones, pero estos esfuerzos ayudaron finalmente a que Uber se volviera rentable.

Creo que transformaciones similares serán necesarias para muchas empresas de IA si quieren sobrevivir a largo plazo.

Sean: ¿Podrían estos equipos de desarrollo de IA encontrar formas de reducir costos de manera tan drástica como lo hizo Uber al recortar gastos de sus conductores a lo largo de los años? No estoy seguro. En muchos casos, se trata de costos más simples y difíciles de reducir, así que será interesante ver cómo abordan este desafío.