1
00:00:09,680 --> 00:00:17,950
Buenas, esto es BIMPRAXIS, el podcast donde el BIM se encuentra con la inteligencia artificial.

2
00:00:20,330 --> 00:00:27,230
Exploramos la ciencia, la tecnología y el futuro desde el enfoque de la arquitectura, ingeniería y construcción.

3
00:00:28,930 --> 00:00:29,650
¡Empezamos!

4
00:00:37,100 --> 00:00:43,540
Hola y bienvenidos. Hoy retomamos nuestra serie especial para BIMPRAXIS, los papers que cambiaron la historia de la IA.

5
00:00:43,540 --> 00:00:45,780
Y este es el análisis número 17.

6
00:00:45,780 --> 00:00:49,680
Y creo que el de hoy encaja perfectamente en esa descripción.

7
00:00:50,120 --> 00:00:54,980
Nos sumergimos en un artículo que, aunque es muy reciente, no se limita a presentar un avance,

8
00:00:55,400 --> 00:01:00,460
sino que se atreve a desafiar la dirección en la que parece moverse todo el campo.

9
00:01:00,860 --> 00:01:06,040
Totalmente. Tenemos sobre la mesa un paper de Archive, la gran plataforma de prepublicación científica.

10
00:01:06,360 --> 00:01:08,480
Y el título ya es todo una declaración de intenciones.

11
00:01:09,040 --> 00:01:12,320
Small Language Models are the Future of Agentic AI.

12
00:01:12,320 --> 00:01:13,420
O en español.

13
00:01:14,020 --> 00:01:15,760
Los modelos de lenguaje pequeños son el futuro de la IA.

14
00:01:15,780 --> 00:01:25,480
Es un título que te obliga a leerlo dos veces, porque choca frontalmente con la narrativa que llevamos, vamos, años escuchando.

15
00:01:25,640 --> 00:01:30,000
Claro, la idea de que el progreso en IA es sinónimo de escala.

16
00:01:30,660 --> 00:01:36,140
Más parámetros, más datos de entrenamiento, modelos cada vez más y más grandes.

17
00:01:36,440 --> 00:01:41,260
Exacto. Hemos estado inmersos en una especie de carrera armamentística por el tamaño.

18
00:01:41,260 --> 00:01:45,760
Y de repente llega este equipo liderado por Peter Belzac y dice…

19
00:01:45,780 --> 00:01:50,580
Un momento. ¿Y si hemos estado mirando en la dirección equivocada?

20
00:01:51,100 --> 00:01:55,900
¿Y si el futuro no es más grande, sino más astuto y especializado?

21
00:01:56,000 --> 00:01:56,540
Justo.

22
00:01:56,820 --> 00:02:02,220
Y es clave entender cómo lo presentan. El propio documento lo califica de declaración de valor.

23
00:02:02,600 --> 00:02:05,060
No es un simple experimento con una tabla de resultados.

24
00:02:05,620 --> 00:02:10,600
Es una tesis, un argumento casi filosófico sobre eficiencia y sostenibilidad.

25
00:02:11,020 --> 00:02:14,900
Publicado en junio de 2025 y revisado en septiembre.

26
00:02:14,900 --> 00:02:15,640
Así que estamos…

27
00:02:15,780 --> 00:02:18,040
Estamos analizando el pensamiento más vanguardista.

28
00:02:18,160 --> 00:02:23,020
Pues vamos a desgranar esa tesis. Por lo que veo, no empiezan atacando directamente.

29
00:02:23,640 --> 00:02:28,960
De hecho, el resumen reconoce el mérito de los grandes modelos de lenguaje, los LLMS.

30
00:02:29,420 --> 00:02:33,640
Correcto. No es una refutación. Es una recontextualización.

31
00:02:34,000 --> 00:02:35,720
Parten de un respeto por lo que se ha conseguido.

32
00:02:36,040 --> 00:02:40,240
Los LLMS son una maravilla, capaces de una flexibilidad casi humana.

33
00:02:40,900 --> 00:02:43,940
Pero justo después introducen el concepto que lo cambia todo.

34
00:02:43,940 --> 00:02:45,440
Los sistemas agénticos.

35
00:02:45,780 --> 00:02:49,140
Y esta definición es el corazón de su argumento.

36
00:02:49,340 --> 00:02:49,860
Totalmente.

37
00:02:50,240 --> 00:02:51,480
¿Y cómo los definen exactamente?

38
00:02:51,960 --> 00:02:55,840
Porque agente es una de esas palabras que se usan para todo en este sector.

39
00:02:56,180 --> 00:02:57,940
Pues el paper es muy preciso aquí.

40
00:02:58,480 --> 00:03:07,900
Los define como aplicaciones donde los modelos de lenguaje realizan un número reducido de tareas especializadas de forma repetitiva y con poca variación.

41
00:03:08,340 --> 00:03:10,220
O sea, no hablamos de un chat filosófico.

42
00:03:10,380 --> 00:03:13,780
Para nada. Estamos hablando de la IA que trabaja en segundo plano.

43
00:03:14,000 --> 00:03:15,220
Entendido. Entonces, ¿no es un tema de la IA que trabaja en segundo plano?

44
00:03:15,220 --> 00:03:15,320
Entonces, ¿no es un tema de la IA que trabaja en segundo plano?

45
00:03:15,320 --> 00:03:15,600
Entonces, ¿no es un tema de la IA que trabaja en segundo plano?

46
00:03:15,600 --> 00:03:18,500
No hablamos de pedirle un chatbot que nos escriba un poema,

47
00:03:18,940 --> 00:03:24,540
sino de un sistema que, por ejemplo, procesa miles de facturas al día para extraer datos concretos.

48
00:03:24,980 --> 00:03:26,080
Exactamente esos casos.

49
00:03:26,500 --> 00:03:30,840
O un agente que monitoriza redes sociales para clasificar menciones de un producto.

50
00:03:31,560 --> 00:03:36,460
Es la IA como una herramienta industrial, no como un compañero de conversación.

51
00:03:36,980 --> 00:03:39,640
Y es en ese contexto donde lanzan su idea principal.

52
00:03:39,640 --> 00:03:45,580
Para estas tareas, los modelos pequeños, los SLMs, son una opción superior.

53
00:03:45,600 --> 00:03:47,400
Y lo basan en tres pilares.

54
00:03:48,040 --> 00:03:54,740
Suficientemente potentes, inherentemente más adecuados y, por supuesto, necesariamente más económicos.

55
00:03:54,920 --> 00:03:58,200
A ver, el tercer punto, el del coste, parece el más obvio.

56
00:03:58,660 --> 00:04:01,280
Pero los dos primeros son más atrevidos.

57
00:04:01,800 --> 00:04:05,200
¿De verdad un modelo pequeño es suficientemente potente?

58
00:04:05,440 --> 00:04:07,480
Esa es la primera gran afirmación que hacen.

59
00:04:07,880 --> 00:04:11,420
Sostienen que los SLMs ya han cruzado un umbral de calidad

60
00:04:11,420 --> 00:04:15,420
que les permite ejecutar estas tareas concretas con una eficacia aleatoria.

61
00:04:15,600 --> 00:04:16,280
Esa es la primera gran afirmación que hacen.

62
00:04:16,280 --> 00:04:21,380
La complejidad de un modelo gigante, que sabe de física cuántica y de la dinastía Ming,

63
00:04:21,860 --> 00:04:24,080
es un desperdicio absoluto para leer una factura.

64
00:04:24,480 --> 00:04:27,880
Suena al viejo dicho de no usar un mazo para cascar una nuez.

65
00:04:28,700 --> 00:04:30,920
Pero es solo una cuestión de desperdicio.

66
00:04:31,720 --> 00:04:33,240
Ahí es donde entra el segundo pilar.

67
00:04:34,040 --> 00:04:35,520
Inherentemente más adecuados.

68
00:04:36,400 --> 00:04:38,540
Y no es solo que el mazo sea excesivo.

69
00:04:39,080 --> 00:04:42,680
Es que el mazo puede romper la mesa, la nuez y hasta los dedos.

70
00:04:42,920 --> 00:04:43,320
Entiendo.

71
00:04:43,320 --> 00:04:45,120
Un LLM.

72
00:04:45,600 --> 00:04:49,420
Por su propia naturaleza expansiva, es más propenso a alucinar,

73
00:04:49,780 --> 00:04:52,180
a inventarse un dato o a salirse del guión.

74
00:04:52,600 --> 00:04:53,200
Interesante.

75
00:04:53,660 --> 00:04:56,940
O sea que para una tarea que exige precisión y fiabilidad,

76
00:04:57,400 --> 00:04:59,160
como extraer datos financieros,

77
00:04:59,700 --> 00:05:03,180
la creatividad de un LLM se puede convertir en un riesgo.

78
00:05:03,420 --> 00:05:04,020
Precisamente.

79
00:05:04,600 --> 00:05:07,920
Un SLM, entrenado específicamente para esa tarea,

80
00:05:08,280 --> 00:05:09,880
es como un cirujano con un bisturí.

81
00:05:10,160 --> 00:05:13,780
Su dominio restringido es una ventaja, no una limitación.

82
00:05:14,420 --> 00:05:15,080
Es más rápido.

83
00:05:15,080 --> 00:05:18,280
Más predecible y, en última instancia, más seguro.

84
00:05:18,580 --> 00:05:18,820
Vale.

85
00:05:19,180 --> 00:05:23,440
Esos dos puntos dibujan un cuadro muy convincente a nivel técnico.

86
00:05:23,880 --> 00:05:28,040
Pero volvamos al tercer pilar, necesariamente más económicos.

87
00:05:28,300 --> 00:05:30,860
Porque creo que aquí es donde el argumento pasa de ser

88
00:05:30,860 --> 00:05:34,260
una discusión académica a una revolución industrial.

89
00:05:34,800 --> 00:05:35,240
Sin duda.

90
00:05:35,880 --> 00:05:39,020
Y la escala de la diferencia es difícil de exagerar.

91
00:05:39,500 --> 00:05:42,760
El coste de entrenar un LLM se cuenta en cientos de millones.

92
00:05:42,760 --> 00:05:44,840
Pero el verdadero coste oculto,

93
00:05:44,840 --> 00:05:46,920
está en la operación, en la inferencia.

94
00:05:47,040 --> 00:05:48,340
Cada vez que le pides que haga algo.

95
00:05:48,600 --> 00:05:49,120
Exacto.

96
00:05:49,580 --> 00:05:52,820
Y esos costes pueden sumar millones al MIS para una empresa grande.

97
00:05:52,980 --> 00:05:57,600
Entonces, si una empresa tiene un agente que procesa un millón de correos al día,

98
00:05:57,960 --> 00:06:02,180
el coste de usar un LLM gigante para cada uno de esos correos es…

99
00:06:02,180 --> 00:06:03,020
Astronómico.

100
00:06:03,280 --> 00:06:03,800
Exacto.

101
00:06:04,220 --> 00:06:08,000
Con un SLM optimizado, el coste por inferencia se desploma.

102
00:06:08,220 --> 00:06:10,660
Puede ser cientos o miles de veces más barato.

103
00:06:11,060 --> 00:06:12,960
Y esto tiene dos consecuencias enormes.

104
00:06:12,960 --> 00:06:13,960
La primera, imagino,

105
00:06:13,960 --> 00:06:15,160
es la democratización.

106
00:06:15,500 --> 00:06:16,100
Desde luego.

107
00:06:16,880 --> 00:06:21,600
Pequeños y medianas empresas podrían desplegar soluciones de IA que hoy son prohibitivas.

108
00:06:22,480 --> 00:06:24,980
Y la segunda es el impacto energético.

109
00:06:25,520 --> 00:06:29,820
La huella de carbono de estos sistemas es un tema cada vez más preocupante.

110
00:06:30,500 --> 00:06:35,920
Un cambio masivo a SLMs sería un paso gigantesco hacia una IA más sostenible.

111
00:06:36,300 --> 00:06:36,740
Sin duda.

112
00:06:37,480 --> 00:06:38,540
Entiendo el argumento.

113
00:06:38,800 --> 00:06:41,180
Es demoledor para esas tareas repetitivas.

114
00:06:41,660 --> 00:06:43,000
Pero me queda una duda importante.

115
00:06:43,000 --> 00:06:43,080
¿Qué es el cambio de LLM?

116
00:06:43,080 --> 00:06:43,120
¿Qué es el cambio de LLM?

117
00:06:43,120 --> 00:06:43,140
¿Qué es el cambio de LLM?

118
00:06:43,140 --> 00:06:43,200
¿Qué es el cambio de LLM?

119
00:06:43,200 --> 00:06:43,260
¿Qué es el cambio de LLM?

120
00:06:43,260 --> 00:06:43,300
¿Qué es el cambio de LLM?

121
00:06:43,300 --> 00:06:43,320
¿Qué es el cambio de LLM?

122
00:06:43,320 --> 00:06:49,260
Si mi agente está clasificando facturas con un SLM y de repente se topa con una nota

123
00:06:49,260 --> 00:06:51,720
extraña escrita a mano, ¿se queda bloqueado?

124
00:06:52,060 --> 00:06:56,400
¿No hemos perdido justo esa flexibilidad que nos vendieron como la gran ventaja de

125
00:06:56,400 --> 00:06:57,400
los LLMs?

126
00:06:57,940 --> 00:06:59,600
Esa es la pregunta clave.

127
00:07:00,300 --> 00:07:04,640
Y la respuesta que da el paper es, en mi opinión, la parte más elegante de toda la

128
00:07:04,640 --> 00:07:05,080
propuesta.

129
00:07:05,480 --> 00:07:06,040
¿Y cuál es?

130
00:07:06,040 --> 00:07:08,860
No abogan por un mundo solo de SLMs.

131
00:07:09,540 --> 00:07:12,960
Proponen lo que llaman sistemas agénticos heterogéneos.

132
00:07:13,080 --> 00:07:13,140
¿Heterogéneos?

133
00:07:13,320 --> 00:07:14,000
¿Heterogéneos?

134
00:07:14,380 --> 00:07:15,420
O sea, una mezcla.

135
00:07:16,020 --> 00:07:19,360
¿Quieren decir que un agente no tiene por qué usar un único cerebro?

136
00:07:19,700 --> 00:07:20,220
Exacto.

137
00:07:20,660 --> 00:07:22,540
La idea es brillante en su simplicidad.

138
00:07:23,100 --> 00:07:28,240
Piensa en ello no como un único empleado que lo sabe todo, sino como un equipo de especialistas

139
00:07:28,240 --> 00:07:29,860
gestionado por un jefe de proyecto.

140
00:07:30,260 --> 00:07:30,720
Ah, vale.

141
00:07:31,040 --> 00:07:34,360
Es como un capataz de obra que tiene una caja de herramientas.

142
00:07:34,600 --> 00:07:40,960
Para el 90% de las tareas, los tornillos de siempre, usa una llave inglesa pequeña

143
00:07:40,960 --> 00:07:41,820
y eficiente.

144
00:07:41,820 --> 00:07:43,020
¿Un SLM?

145
00:07:43,320 --> 00:07:43,860
Eso es.

146
00:07:44,620 --> 00:07:49,740
Pero si de repente aparece un muro que hay que derribar, en lugar de darle golpecitos

147
00:07:49,740 --> 00:07:56,640
con la llave, saca el teléfono y llama al martillo pilón, el LLM, solo para esa tarea

148
00:07:56,640 --> 00:07:57,440
específica.

149
00:07:57,580 --> 00:07:58,820
Esa analogía es perfecta.

150
00:07:59,160 --> 00:08:04,100
El agente actúa como ese capataz, o como me gusta llamarlo a mí, un director de orquesta.

151
00:08:04,320 --> 00:08:04,800
Me gusta.

152
00:08:05,140 --> 00:08:10,860
La mayor parte del tiempo, la melodía la llevan los violines, los SLMs, que son ágiles.

153
00:08:11,100 --> 00:08:12,860
Pero cuando la sinfonía lo requiere…

154
00:08:13,320 --> 00:08:18,500
El director da la entrada a los timbales, el LLM, que interviene con toda su potencia.

155
00:08:19,020 --> 00:08:20,380
Y luego vuelve al silencio.

156
00:08:20,720 --> 00:08:23,680
Se trata de usar el recurso adecuado en el momento adecuado.

157
00:08:23,760 --> 00:08:24,160
Justo.

158
00:08:24,600 --> 00:08:28,420
Pero esto, que suena genial en teoría, me genera nuevas preguntas.

159
00:08:29,140 --> 00:08:31,400
Ese director de orquesta, ¿quién es?

160
00:08:31,800 --> 00:08:33,680
¿Cómo decide qué herramienta usar?

161
00:08:34,100 --> 00:08:38,160
Porque esa decisión en sí misma parece un problema de IA bastante complejo.

162
00:08:38,840 --> 00:08:39,440
Absolutamente.

163
00:08:39,440 --> 00:08:43,280
Y ese es uno de los grandes desafíos técnicos que esta visión,

164
00:08:43,380 --> 00:08:43,740
implica.

165
00:08:44,440 --> 00:08:48,840
El sistema necesita un enrutador inteligente, una especie de meta-agente,

166
00:08:49,180 --> 00:08:53,560
que analiza la tarea y decide si es para un SLM o requiere al LLM.

167
00:08:54,180 --> 00:08:58,900
Y si se equivoca, el resultado puede ser o un fallo en la tarea o un coste disparado,

168
00:08:59,220 --> 00:09:02,440
si por error envía miles de tareas simples al LLM.

169
00:09:02,720 --> 00:09:04,620
La ventaja económica desaparece, claro.

170
00:09:05,180 --> 00:09:08,360
La implementación de este director es crucial.

171
00:09:08,780 --> 00:09:13,080
El paper no entra en los detalles, pero reconoce que la orquestación de estos sistemas,

172
00:09:13,320 --> 00:09:14,640
es el siguiente gran reto.

173
00:09:15,420 --> 00:09:20,120
La habilidad del futuro quizá no sea tanto el prompt engineering, sino la arquitectura de sistemas.

174
00:09:20,560 --> 00:09:24,020
La visión es muy convincente, pero parece una auténtica revolución.

175
00:09:24,360 --> 00:09:26,980
Y las revoluciones siempre encuentran resistencia.

176
00:09:27,520 --> 00:09:31,200
Me imagino que el paper debe abordar las barreras para que esta idea se adopte, ¿no?

177
00:09:31,500 --> 00:09:33,400
Sí, sí, lo mencioné explícitamente.

178
00:09:33,900 --> 00:09:37,700
Y aunque el resumen no las detalla, podemos especular sobre ellas.

179
00:09:37,700 --> 00:09:40,260
A ver, yo veo una barrera económica obvia.

180
00:09:40,560 --> 00:09:43,300
Las grandes tecnológicas han invertido miles de millones,

181
00:09:43,320 --> 00:09:45,820
en la infraestructura para LLMs gigantes.

182
00:09:46,340 --> 00:09:48,220
¿Cambiar el rumbo de ese transatlántico?

183
00:09:48,400 --> 00:09:51,060
No es trivial. Esa es la inercia del mercado.

184
00:09:51,480 --> 00:09:53,100
Y es una fuerza poderosísima.

185
00:09:53,640 --> 00:09:56,960
Tienen un foso económico construido alrededor de los LLMs.

186
00:09:57,180 --> 00:10:00,840
¿Qué incentivo real tienen para canibalizar su propio producto estrella?

187
00:10:01,240 --> 00:10:04,500
Bueno, también se podría argumentar que son las únicas con los recursos

188
00:10:04,500 --> 00:10:08,340
para construir y ofrecer estos ecosistemas heterogéneos de forma eficaz.

189
00:10:08,720 --> 00:10:11,120
Podría ser su siguiente gran línea de negocio.

190
00:10:11,120 --> 00:10:12,340
Y luego está el factor humano.

191
00:10:12,340 --> 00:10:12,420
¿Qué es el factor humano?

192
00:10:12,420 --> 00:10:12,500
¿Qué es el factor humano?

193
00:10:12,500 --> 00:10:12,520
¿Qué es el factor humano?

194
00:10:12,520 --> 00:10:12,620
¿Qué es el factor humano?

195
00:10:12,620 --> 00:10:12,680
¿Qué es el factor humano?

196
00:10:12,680 --> 00:10:12,780
¿Qué es el factor humano?

197
00:10:12,780 --> 00:10:12,860
¿Qué es el factor humano?

198
00:10:12,860 --> 00:10:15,060
Si eres desarrollador, te han dicho durante años

199
00:10:15,060 --> 00:10:17,460
que tienes que usar lo último y lo más grande.

200
00:10:17,940 --> 00:10:19,300
Hay un factor de prestigio.

201
00:10:19,560 --> 00:10:22,640
Es más sexy decir que tu app usa el último gran modelo.

202
00:10:23,120 --> 00:10:25,140
Totalmente. Es una barrera cultural.

203
00:10:25,760 --> 00:10:27,740
Hay que reeducar a una generación de ingenieros

204
00:10:27,740 --> 00:10:30,180
que ha crecido con el mantra de más grande es mejor.

205
00:10:30,780 --> 00:10:33,820
Hay que demostrar que usar un modelo más pequeño no es un paso atrás,

206
00:10:34,260 --> 00:10:36,660
sino una decisión de ingeniería más inteligente.

207
00:10:36,660 --> 00:10:39,720
Entonces, tenemos barreras económicas, culturales

208
00:10:39,720 --> 00:10:41,740
y los desafíos técnicos que mencionamos.

209
00:10:41,740 --> 00:10:45,000
¿El paper se queda solo en señalar la dirección

210
00:10:45,000 --> 00:10:47,340
o propone alguna ayuda para empezar el camino?

211
00:10:47,720 --> 00:10:50,340
Aquí es donde demuestran que su intención es práctica.

212
00:10:50,860 --> 00:10:56,440
Proponen un Algoritmo General de Conversión de Agente de LLM a SLM.

213
00:10:56,720 --> 00:10:57,780
Ah, eso es crucial.

214
00:10:58,240 --> 00:11:01,340
No solo dicen, este es el futuro, sino que añaden,

215
00:11:01,600 --> 00:11:04,200
y aquí tenéis una receta, una hoja de ruta

216
00:11:04,200 --> 00:11:06,480
para empezar a convertir vuestros sistemas.

217
00:11:07,260 --> 00:11:08,200
Eso lo cambia todo.

218
00:11:08,640 --> 00:11:10,940
Es pasar de la visión a la herramienta.

219
00:11:10,940 --> 00:11:11,040
¿Qué es el factor humano?

220
00:11:11,040 --> 00:11:11,100
¿Qué es el factor humano?

221
00:11:11,100 --> 00:11:11,200
¿Qué es el factor humano?

222
00:11:11,200 --> 00:11:11,280
¿Qué es el factor humano?

223
00:11:11,280 --> 00:11:11,340
¿Qué es el factor humano?

224
00:11:11,340 --> 00:11:11,380
¿Qué es el factor humano?

225
00:11:11,380 --> 00:11:11,440
¿Qué es el factor humano?

226
00:11:11,440 --> 00:11:11,520
¿Qué es el factor humano?

227
00:11:11,520 --> 00:11:11,540
¿Qué es el factor humano?

228
00:11:11,540 --> 00:11:13,700
Esto conecta con algo que me llamó la atención del resumen,

229
00:11:14,320 --> 00:11:16,360
su compromiso con el debate público.

230
00:11:16,900 --> 00:11:20,300
Sí, y es algo bastante inusual y, en mi opinión, muy admirable.

231
00:11:20,920 --> 00:11:24,760
Se comprometen a publicar toda la correspondencia relacionada con el paper,

232
00:11:25,200 --> 00:11:28,640
tanto las contribuciones que apoyan su tesis como las críticas,

233
00:11:28,840 --> 00:11:30,140
en una URL pública.

234
00:11:30,400 --> 00:11:33,280
Es un gesto de transparencia admirable, casi radical,

235
00:11:33,780 --> 00:11:35,320
pero, siendo un poco cínico,

236
00:11:35,840 --> 00:11:38,400
¿podría ser una maniobra para controlar la narrativa?

237
00:11:38,760 --> 00:11:39,820
Suena un poco idealista.

238
00:11:39,820 --> 00:11:41,080
Es una lectura posible.

239
00:11:41,080 --> 00:11:43,400
Pero yo tiendo a verlo de otra forma.

240
00:11:44,120 --> 00:11:47,160
Creo que refleja que son conscientes de la magnitud de lo que proponen.

241
00:11:47,720 --> 00:11:49,220
Es una llamada abierta a la comunidad.

242
00:11:49,620 --> 00:11:53,860
Como un, aquí está nuestra tesis, por favor, atacadla, mejoradla,

243
00:11:54,060 --> 00:11:56,020
pero tengamos esta conversación en abierto.

244
00:11:56,780 --> 00:11:57,260
Exacto.

245
00:11:57,440 --> 00:12:02,420
Porque definirá la economía, la sostenibilidad y la accesibilidad de la IA en la próxima década.

246
00:12:02,700 --> 00:12:04,280
Visto así, tiene todo el sentido.

247
00:12:04,800 --> 00:12:08,980
Si juntamos todas las piezas, el panorama que dibuja este paper es fascinante.

248
00:12:09,320 --> 00:12:10,980
Quizás el futuro de la IA en nuestro diálogo,

249
00:12:10,980 --> 00:12:11,060
quizás el futuro de la IA en nuestro diálogo,

250
00:12:11,060 --> 00:12:14,060
no sea un único asistente omnipotente como en las películas.

251
00:12:14,780 --> 00:12:18,260
Sino más bien una red invisible de pequeños especialistas eficientes.

252
00:12:18,640 --> 00:12:21,020
Un ejército de agentes silenciosos.

253
00:12:21,260 --> 00:12:21,780
Exacto.

254
00:12:22,000 --> 00:12:24,820
Cada uno haciendo una cosa muy bien y de forma muy barata.

255
00:12:25,560 --> 00:12:28,120
El artículo nos obliga a cambiar la pregunta fundamental.

256
00:12:28,940 --> 00:12:32,600
Durante años la pregunta ha sido, ¿cómo hacemos los modelos más grandes?

257
00:12:32,880 --> 00:12:37,360
TIL, ¿cuál es el modelo del tamaño adecuado para esta tarea concreta?

258
00:12:37,600 --> 00:12:39,800
Es un cambio de paradigma total.

259
00:12:39,800 --> 00:12:42,660
Pasar de la fuerza bruta a la elegancia.

260
00:12:42,920 --> 00:12:44,460
De la escala a la eficiencia.

261
00:12:44,980 --> 00:12:46,020
Y a la sostenibilidad.

262
00:12:46,660 --> 00:12:49,720
Es una visión de la IA mucho más madura, más pragmática.

263
00:12:50,220 --> 00:12:53,000
Y con esto, como siempre, dejamos una reflexión final.

264
00:12:53,620 --> 00:12:57,400
Si esta visión es correcta, si el futuro son estos pequeños agentes,

265
00:12:57,940 --> 00:13:00,160
pensemos por un momento en nuestras propias rutinas.

266
00:13:00,460 --> 00:13:02,540
Que tareas repetitivas de nuestro trabajo,

267
00:13:03,060 --> 00:13:04,540
esas que hacemos casi sin pensar,

268
00:13:04,980 --> 00:13:08,260
podrían ser las primeras en ser gestionadas por este ejército invisible.

269
00:13:08,620 --> 00:13:09,780
No por un gran asistente.

270
00:13:09,780 --> 00:13:11,300
No por un gran asistente al que le damos órdenes.

271
00:13:11,460 --> 00:13:15,680
Sino por decenas de pequeños optimizadores que, sin que apenas nos demos cuenta,

272
00:13:16,160 --> 00:13:18,280
van puliendo las fricciones de nuestro día a día.

273
00:13:18,600 --> 00:13:19,620
Una idea muy potente.

274
00:13:19,980 --> 00:13:24,580
Mañana volveremos con otro análisis y les aseguro que el paper que tenemos preparado

275
00:13:24,580 --> 00:13:29,220
es de los que realmente hacen pensar en las fronteras de la inteligencia artificial,

276
00:13:29,900 --> 00:13:33,280
en la naturaleza misma de la conciencia y la creatividad.

277
00:13:33,800 --> 00:13:34,700
No se lo pierdan.

278
00:13:35,600 --> 00:13:47,530
Y hasta aquí el episodio de hoy.

279
00:13:47,530 --> 00:13:49,530
Muchas gracias por tu atención.

280
00:13:49,570 --> 00:13:51,570
Esto es BIMPRAXIS.

281
00:13:58,990 --> 00:14:00,990
Nos escuchamos en el próximo episodio.