Imagina un mundo donde el conocimiento humano no solo se almacena, sino que se modifica y refina en tiempo real. Un mundo en el que el acceso a la información deja de depender de motores de búsqueda y enciclopedias, y en su lugar, una inteligencia artificial capaz de dialogar y razonar se convierte en la fuente primaria de conocimiento. Este mundo ya no es una fantasía de ciencia ficción, es nuestra realidad gracias a los Modelos de Lenguaje de Gran Escala (LLM, por sus siglas en inglés).
Desde que OpenAI lanzó ChatGPT, la manera en que los humanos interactuamos con la tecnología ha cambiado de manera irreversible. Empresas como Meta, Google y Anthropic han seguido el mismo camino, desarrollando modelos cada vez más sofisticados y refinados. Pero el verdadero impacto de estos modelos no se limita a la eficiencia tecnológica: su relevancia se extiende a ámbitos económicos, académicos y sociales, generando oportunidades y desafíos sin precedentes.
En un mundo donde la hegemonía tecnológica parecía dominada por Estados Unidos, China ha demostrado que el conocimiento y la innovación pueden florecer en cualquier parte del mundo. DeepSeek R1, el modelo desarrollado en China, ha desafiado la narrativa de que solo las grandes corporaciones occidentales pueden liderar el campo de la inteligencia artificial. Este modelo, desarrollado con un presupuesto mínimo (6 millones de dólares para entrenarla) en comparación con los miles de millones invertidos por OpenAI, ha demostrado que la eficiencia en el desarrollo de LLMs no depende exclusivamente de los recursos financieros, sino también de la ingeniería y la optimización de procesos.
Según lo expuesto en el curso del Dr. Carlos Coello Coello en El Colegio Nacional, el desarrollo de DeepSeek R1 costó tan solo 6 millones de dólares, un presupuesto comparable al de una película mexicana de bajo costo. En contraste, el desarrollo de ChatGPT requirió inversiones superiores a los mil millones de dólares. Esta disparidad económica pone en entredicho la creencia de que la inteligencia artificial solo es accesible para corporaciones con grandes reservas de capital.
Este lanzamiento de DeepSeek R1 sacudió los mercados financieros. Nvidia, el gigante de los chips de inteligencia artificial, perdió 200 mil millones de dólares en un solo día tras la presentación de este modelo. Este impacto sugiere que la industria de la IA podría estar en un punto de inflexión, donde el acceso a modelos de inteligencia artificial ya no estará limitado a quienes pueden costear hardware de alta gama.
El desarrollo de LLMs con infraestructura menos costosa podría democratizar el acceso a estas tecnologías, permitiendo que startups y empresas de países en vías de desarrollo puedan competir en igualdad de condiciones con gigantes tecnológicos. La apertura de modelos como Llama y DeepSeek R1, en contraste con la opacidad de OpenAI, también ha generado un debate sobre el futuro de la inteligencia artificial: ¿debería ser un recurso abierto y accesible, o un activo controlado por pocas empresas.
Desafíos ambientales y sociales
Sin embargo, la revolución de los LLMs también trae consigo preocupaciones significativas. Uno de los aspectos más críticos es su impacto ambiental. Como lo señaló el Dr. Carlos Coello, el entrenamiento de estos modelos consume enormes cantidades de energía y agua. Cada consulta realizada a ChatGPT, por ejemplo, equivale al consumo de 500 mililitros de agua. A nivel global, el impacto ambiental de los LLMs es equiparable a cientos de vuelos transcontinentales, una realidad que podría convertirse en un obstáculo para la adopción masiva de esta tecnología en el futuro.
Desde una perspectiva social, la inteligencia artificial generativa plantea preguntas fundamentales sobre el futuro del empleo y la educación. La automatización de tareas intelectuales, antes reservadas para humanos, podría redefinir sectores enteros, desde la programación hasta la investigación académica. Mientras que algunos ven en esto una oportunidad para aumentar la eficiencia y productividad, otros advierten sobre el riesgo de la obsolescencia laboral en profesiones que antes se consideraban seguras y también en la reducción masiva de la capacidad y del capital intelectual, al delegar en la IA los procesos mentales asociados a la creatividad y el razonamiento.
Conclusiones
Los Modelos de Lenguaje de Gran Escala representan uno de los avances más significativos de la inteligencia artificial moderna. Su impacto trasciende lo méramente técnico: están redefiniendo industrias, reconfigurando la economía global y generando debates cruciales sobre el futuro de la humanidad. Modelos como DeepSeek R1 han demostrado que la innovación no está restringida a Silicon Valley y que el desarrollo de IA puede adoptar enfoques más eficientes y accesibles.
Sin embargo, a medida que avanzamos hacia un mundo donde los LLMs serán parte integral de nuestra vida cotidiana, es fundamental considerar los desafíos que plantean. La regulación, la sostenibilidad y la equidad en el acceso serán temas clave en los próximos años. La inteligencia artificial generativa ha abierto una nueva era, pero la forma en que la sociedad decida integrarla y gobernarla determinará si esta revolución será realmente para el beneficio de todos.
Referencias:
- https://www.youtube.com/watch?v=Xk33QyjSIl0
- https://www.cronica.com.mx/academia/2025/02/25/por-que-la-china-deepseek-sacudio-el-panorama-de-la-inteligencia-artificial/?fbclid=IwY2xjawItoBlleHRuA2FlbQIxMQABHYyFAbIVKRIqtEQUCbyxPh6IldwS2GkqCpnq9gWjdgu7B7if-qKr1J_pcw_aem_qnGOtuLWr_evEQwgtBZ0Ig&sfnsn=scwspwa
- https://simplywall.st/es/stocks/us/semiconductors/nasdaq-intc/intel/news/intel-corporation-nasdaqintc-frenada-por-un-crecimiento-insu
- Menache, I., Pathuri, J., Simchi-Levi, D., & Linton, T. (2025). How generative AI improves supply chain management. Harvard Business Review. Recuperado de https://hbsp.harvard.edu/
- Mudassir, H., Munir, K., Ansari, S., & Zahra, A. (2024). AI can (mostly) outperform human CEOs. Harvard Business Review. Recuperado de https://hbsp.harvard.edu/
- Mollick, E. (2024). Reinventing the organization for GenAI and LLMs. Harvard Business Review. Recuperado de https://hbsp.harvard.edu/
- Choudhury, P. R., Balasubramanian, N., & Xu, M. (2025). Why DeepSeek shouldn't have been a surprise. Harvard Business Review. Recuperado de https://hbsp.harvard.edu/
- Ramakrishnan, R. (2024). A practical guide to gaining value from LLMs. MIT Sloan Management Review. Recuperado de https://hbsp.harvard.edu/
Comentarios
Publicar un comentario