1
00:00:10,000 --> 00:00:15,800
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,800 --> 00:00:17,920
BIM se encuentra con la inteligencia artificial.

3
00:00:20,519 --> 00:00:23,620
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,620 --> 00:00:26,559
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,559 --> 00:00:27,179
construcción.

6
00:00:28,859 --> 00:00:29,519
¡Empezamos!

7
00:00:37,280 --> 00:00:41,020
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio

8
00:00:41,020 --> 00:00:42,320
de BIMPRAXIS.

9
00:00:42,539 --> 00:00:45,479
Hoy os traemos el gran espejismo económico de

10
00:00:45,479 --> 00:00:46,520
la inteligencia artificial.

11
00:00:47,280 --> 00:00:49,380
Cuando los algoritmos salen más caros que la

12
00:00:49,380 --> 00:00:50,200
plantilla humana.

13
00:00:51,000 --> 00:00:54,140
Y bueno, estamos en pleno 2026 y la

14
00:00:54,140 --> 00:00:56,460
verdad es que hay una ironía gigantesca flotando

15
00:00:56,460 --> 00:00:59,079
en el ambiente del sector tecnológico ahora mismo.

16
00:00:59,159 --> 00:01:01,280
Sí, sí, una ironía que además está costando

17
00:01:01,280 --> 00:01:03,340
miles de millones a las empresas.

18
00:01:03,140 --> 00:01:04,859
Totalmente.

19
00:01:04,859 --> 00:01:06,859
Porque, a ver, por un lado tenemos los

20
00:01:06,859 --> 00:01:08,319
titulares que todo el mundo ha visto en

21
00:01:08,319 --> 00:01:09,920
las noticias financieras.

22
00:01:10,040 --> 00:01:12,719
Más de 92.000 personas despedidas en lo que

23
00:01:12,719 --> 00:01:15,680
va de año, Meta recortando 8.000 puestos de

24
00:01:15,680 --> 00:01:20,640
trabajo, cancelando batantes, Microsoft ofreciendo bajas incentivadas masivas

25
00:01:20,640 --> 00:01:22,120
a departamentos enteros.

26
00:01:22,359 --> 00:01:24,480
Departamentos enteros a la calle, sí.

27
00:01:24,180 --> 00:01:26,640
Y todo bajo esta gran bandera de una

28
00:01:26,640 --> 00:01:32,180
supuesta eficiencia operativa impulsada por la inteligencia artificial.

29
00:01:32,180 --> 00:01:35,400
La narrativa es clarísima, o sea, se automatiza

30
00:01:35,400 --> 00:01:37,079
para ahorrar dinero.

31
00:01:37,079 --> 00:01:40,760
Pero luego levantas la alfombra corporativa y descubres

32
00:01:40,760 --> 00:01:43,920
que los presupuestos internos de estas mismas empresas

33
00:01:43,920 --> 00:01:45,780
están saltando por los aires.

34
00:01:46,340 --> 00:01:48,760
Claro, ¿es que los números internos no cuadran

35
00:01:48,760 --> 00:01:50,540
con esa narrativa oficial?

36
00:01:50,060 --> 00:01:51,659
Para nada.

37
00:01:51,659 --> 00:01:53,579
Y aquí es donde entra una cita que

38
00:01:53,579 --> 00:01:56,280
ha caído como una bomba en la industria.

39
00:01:56,280 --> 00:01:59,480
La pronunció Brian Catanzaro, que es el vicepresidente

40
00:01:59,480 --> 00:02:02,299
de Apply Deep Learning en NVIDIA.

41
00:02:02,299 --> 00:02:05,019
Yo me quedé helada a leerla, de verdad.

42
00:02:05,019 --> 00:02:07,439
Dijo literalmente que el coste de computación va

43
00:02:07,439 --> 00:02:09,599
mucho más allá de los costes de los

44
00:02:09,599 --> 00:02:10,680
empleados.

45
00:02:10,500 --> 00:02:13,960
Pues lo fascinante aquí es esa colosal contradicción

46
00:02:13,960 --> 00:02:15,620
que se está viviendo en las salas de

47
00:02:15,620 --> 00:02:17,340
juntas de todo el mundo.

48
00:02:17,340 --> 00:02:20,500
Porque si analizas los números macroeconómicos, las grandes

49
00:02:20,500 --> 00:02:23,759
tecnológicas, las famosas Big Tech, han anunciado unos

50
00:02:23,759 --> 00:02:27,060
gastos de capital de 740 mil millones de

51
00:02:27,060 --> 00:02:30,039
dólares solo para este año, 2026.

52
00:02:30,340 --> 00:02:32,199
Madre mía, es que es una barbaridad de

53
00:02:32,199 --> 00:02:33,039
dinero.

54
00:02:32,560 --> 00:02:35,819
Es un aumento del 69% respecto al año

55
00:02:35,819 --> 00:02:36,680
pasado.

56
00:02:36,680 --> 00:02:38,280
Así que la historia oficial, la que le

57
00:02:38,280 --> 00:02:40,479
venden a Wall Street con mucho entusiasmo, es

58
00:02:40,479 --> 00:02:43,319
que están sustituyendo nóminas humanas por servidores en

59
00:02:43,319 --> 00:02:45,159
la nube para ser más ágiles.

60
00:02:45,180 --> 00:02:46,060
Ya, claro.

61
00:02:46,039 --> 00:02:48,319
Pero la realidad matemática en las trincheras del

62
00:02:48,319 --> 00:02:50,759
desarrollo de software cuenta una historia muy, pero

63
00:02:50,759 --> 00:02:51,860
que muy distinta.

64
00:02:51,740 --> 00:02:54,439
Y por eso el objetivo de nuestra inmersión

65
00:02:54,439 --> 00:02:57,520
a fondo de hoy es precisamente encender la

66
00:02:57,520 --> 00:03:00,319
luz y ver la factura oculta de esta

67
00:03:00,319 --> 00:03:00,840
tecnología.

68
00:03:00,900 --> 00:03:04,020
Queremos entender por qué el mercado está atrapado

69
00:03:04,020 --> 00:03:06,419
en este desajuste a corto plazo y, sobre

70
00:03:06,419 --> 00:03:10,919
todo, desgranar un nuevo marco económico, el LCOI,

71
00:03:10,919 --> 00:03:12,699
que es lo que están usando los directivos

72
00:03:12,699 --> 00:03:15,120
para decidir si contratan a un humano o

73
00:03:15,120 --> 00:03:16,400
encienden un servidor.

74
00:03:16,340 --> 00:03:18,680
Una decisión que ahora mismo les está quitando

75
00:03:18,680 --> 00:03:19,139
el sueño.

76
00:03:18,900 --> 00:03:20,719
Desde luego.

77
00:03:20,719 --> 00:03:22,539
Y para entender el nivel de pánico que

78
00:03:22,539 --> 00:03:25,020
hay entre esos directores financieros, creo que tenemos

79
00:03:25,020 --> 00:03:27,219
que bajar al barro y ver los sustos

80
00:03:27,219 --> 00:03:29,120
reales que se están llevando.

81
00:03:29,120 --> 00:03:30,740
Y no hablo de un desvío pequeño en

82
00:03:30,740 --> 00:03:34,419
un Excel, hablo de presupuestos desbordados a niveles

83
00:03:34,419 --> 00:03:35,139
absurdos.

84
00:03:34,699 --> 00:03:36,879
Absurdos totales.

85
00:03:36,620 --> 00:03:39,560
Pues, investigando, me topé con el caso de

86
00:03:39,560 --> 00:03:42,659
Pravin Nepali Naga, el CTO de Uber.

87
00:03:42,659 --> 00:03:45,939
Este hombre tuvo que confesar hace poco que

88
00:03:45,939 --> 00:03:48,979
su equipo se había pulido íntegramente todo el

89
00:03:48,979 --> 00:03:52,620
presupuesto anual de IA para 2026 en cuestión

90
00:03:52,620 --> 00:03:54,159
de unos pocos meses.

91
00:03:54,500 --> 00:03:55,639
En meses.

92
00:03:55,639 --> 00:03:57,419
Y en una empresa del tamaño de Uber

93
00:03:57,419 --> 00:03:59,240
eso no es calderilla, precisamente.

94
00:03:59,240 --> 00:04:01,139
Hablamos de sumas astronómicas.

95
00:04:00,659 --> 00:04:01,939
Exactamente.

96
00:04:01,939 --> 00:04:03,419
¿Y cuál fue el culpable?

97
00:04:03,419 --> 00:04:05,900
Pues el uso intensivo de herramientas de generación

98
00:04:05,900 --> 00:04:06,699
de código.

99
00:04:06,699 --> 00:04:08,539
En concreto, Cloud Code.

100
00:04:08,539 --> 00:04:09,819
Pero ojo que no es un caso aislado

101
00:04:09,819 --> 00:04:11,219
de una multinacional.

102
00:04:11,219 --> 00:04:15,199
Amos Bar-Yosef, el CEO de GetsOne.com, publicó un

103
00:04:15,199 --> 00:04:17,639
desglose que me dejó sin palabras.

104
00:04:17,639 --> 00:04:20,259
Su equipo, que son solo cuatro personas, logró

105
00:04:20,259 --> 00:04:24,100
generar una factura de IA de 113.000 dólares

106
00:04:24,100 --> 00:04:25,720
en un solo mes.

107
00:04:25,740 --> 00:04:27,680
¿Cuatro personas gastando eso?

108
00:04:27,680 --> 00:04:29,399
Te deja loco.

109
00:04:28,939 --> 00:04:32,139
¿Qué están tecleando para generar una factura de

110
00:04:32,139 --> 00:04:33,800
100.000 dólares al mes?

111
00:04:34,199 --> 00:04:35,879
Es una cifra que obliga a pararse a

112
00:04:35,879 --> 00:04:36,720
pensar.

113
00:04:36,720 --> 00:04:38,600
Y la respuesta nos lleva a la mecánica

114
00:04:38,600 --> 00:04:40,480
oculta de los modelos de lenguaje.

115
00:04:40,480 --> 00:04:42,939
Hay una desconexión brutal entre cómo la gente

116
00:04:42,939 --> 00:04:44,899
cree que se cobra la IA y cómo

117
00:04:44,899 --> 00:04:47,040
funciona realmente bajo el capó.

118
00:04:47,040 --> 00:04:49,646
O sea, quiero decir, yo siempre lo había

119
00:04:49,646 --> 00:04:51,486
pensado como quien se compra un coche de

120
00:04:51,486 --> 00:04:52,126
superlujo.

121
00:04:52,806 --> 00:04:54,786
Vas al concesionario, te fijas solo en la

122
00:04:54,786 --> 00:04:57,006
cuota mensual, que sería la suscripción a la

123
00:04:57,006 --> 00:04:58,706
API, y te olvidas de que ese coche

124
00:04:58,706 --> 00:05:02,106
necesita seguro, mantenimiento y gasolina de avión.

125
00:05:02,006 --> 00:05:04,666
Claro, esa analogía explica muy bien los costes

126
00:05:04,666 --> 00:05:05,466
fijos paralelos.

127
00:05:05,906 --> 00:05:08,086
Pero para entender los 113.000 dólares de esa

128
00:05:08,086 --> 00:05:10,866
startup, necesitamos una metáfora más técnica enfocada en

129
00:05:10,866 --> 00:05:12,086
el consumo puro.

130
00:05:11,846 --> 00:05:14,146
Piensa en las llamadas a una API como

131
00:05:14,146 --> 00:05:15,566
si fueran un trayecto en taxi.

132
00:05:15,946 --> 00:05:16,986
Vale, un taxi.

133
00:05:16,986 --> 00:05:18,486
Pero no un taxi normal.

134
00:05:18,706 --> 00:05:21,006
En este taxi, el taxímetro no cobra por

135
00:05:21,006 --> 00:05:23,606
kilómetros recorridos, sino que te cobra por cada

136
00:05:23,606 --> 00:05:25,426
palabra que tú le dices al conductor y

137
00:05:25,426 --> 00:05:27,446
por cada palabra que el conductor te responde

138
00:05:27,446 --> 00:05:27,686
a ti.

139
00:05:28,386 --> 00:05:30,326
Esos son los famosos tokens de entrada y

140
00:05:30,326 --> 00:05:31,226
de salida.

141
00:05:31,306 --> 00:05:32,306
Ah, vale.

142
00:05:31,446 --> 00:05:35,566
O sea, cada fragmento de información, cada instrucción

143
00:05:35,566 --> 00:05:37,506
que le das, tiene un precio.

144
00:05:37,346 --> 00:05:38,306
Así es.

145
00:05:38,446 --> 00:05:40,266
Y aquí es donde surge el problema real,

146
00:05:39,986 --> 00:05:42,186
un fenómeno que ya han bautizado como token

147
00:05:42,186 --> 00:05:44,626
maxim o maximizar los tokens.

148
00:05:44,846 --> 00:05:47,806
Algunos directivos han adoptado esta filosofía temeraria de

149
00:05:47,806 --> 00:05:51,286
intentar automatizar cualquier proceso usando agentes autónomos.

150
00:05:51,086 --> 00:05:53,466
En plan, vamos a escalar la inteligencia en

151
00:05:53,466 --> 00:05:55,066
lugar de contratar gente.

152
00:05:54,926 --> 00:05:57,246
Eso es, pero hay que entender el mecanismo.

153
00:05:57,306 --> 00:05:59,286
Cuando un agente autónomo recibe una tarea compleja

154
00:05:59,286 --> 00:06:01,566
para la que no está optimizado, por ejemplo,

155
00:06:01,566 --> 00:06:03,886
navegar por una web para extraer latos, a

156
00:06:03,886 --> 00:06:06,086
menudo falla porque no tiene sentido común.

157
00:06:05,886 --> 00:06:07,206
Claro, es una máquina.

158
00:06:06,966 --> 00:06:07,746
¿Y qué hace entonces?

159
00:06:08,346 --> 00:06:09,966
Como es autónomo, entra en bucle.

160
00:06:10,246 --> 00:06:12,586
Intenta corregir su propio error y para hacerlo

161
00:06:12,586 --> 00:06:14,486
vuelve a enviarse a sí mismo todo el

162
00:06:14,486 --> 00:06:17,026
contexto anterior para entender qué falló.

163
00:06:17,026 --> 00:06:18,386
Intento tras intento.

164
00:06:18,466 --> 00:06:19,906
O sea, volviendo a lo del taxi, es

165
00:06:19,906 --> 00:06:21,526
como si el pasajero cada vez que el

166
00:06:21,526 --> 00:06:23,886
taxista se equivoca de calle le tuviera que

167
00:06:23,886 --> 00:06:25,686
volver a contar la historia de su vida

168
00:06:25,686 --> 00:06:28,586
desde el principio pagando por cada palabra una

169
00:06:28,586 --> 00:06:29,566
y otra vez.

170
00:06:29,046 --> 00:06:30,366
Exactamente.

171
00:06:30,366 --> 00:06:31,946
A la velocidad de la luz.

172
00:06:31,946 --> 00:06:34,526
La máquina puede hacer 50.000 intentos fallidos en

173
00:06:34,526 --> 00:06:35,346
una hora.

174
00:06:35,346 --> 00:06:37,526
Cada intento suma millones de tokens.

175
00:06:37,046 --> 00:06:40,166
El taxímetro corre a una velocidad sobrehumana.

176
00:06:40,106 --> 00:06:42,266
Y a final de mes, una tarea administrativa

177
00:06:42,266 --> 00:06:44,306
tonta que un becario humano habría resuelto en

178
00:06:44,306 --> 00:06:46,546
dos horas preguntando a un compañero, te genera

179
00:06:46,546 --> 00:06:48,366
una factura de miles de dólares en la

180
00:06:48,366 --> 00:06:48,726
nube.

181
00:06:48,666 --> 00:06:49,966
Es alucinante.

182
00:06:50,006 --> 00:06:53,326
Básicamente es una máquina muy rápida haciendo estupideces

183
00:06:53,326 --> 00:06:54,686
a precio de oro.

184
00:06:54,926 --> 00:06:55,486
Pero a ver, espera.

185
00:06:55,726 --> 00:06:57,306
Si esto es así de ruinoso en la

186
00:06:57,306 --> 00:06:59,966
práctica, alguien nos está tomando el pelo con

187
00:06:59,966 --> 00:07:01,746
los titulares de los despidos.

188
00:07:01,266 --> 00:07:04,146
Si automatizar es un sumidero de dinero, porque

189
00:07:04,146 --> 00:07:06,746
seguimos viendo a startups vendiendo la idea del

190
00:07:06,746 --> 00:07:08,406
reemplazo laboral total.

191
00:07:08,626 --> 00:07:11,286
Esa es la gran disonancia cognitiva del momento.

192
00:07:11,566 --> 00:07:13,506
Por un lado tenemos la declaración del directivo

193
00:07:13,506 --> 00:07:16,226
de NVIDIA, que mencionabas diciendo que la computación

194
00:07:16,226 --> 00:07:16,866
es carísima.

195
00:07:17,306 --> 00:07:18,446
Sí, lo de Catanzaro.

196
00:07:18,846 --> 00:07:19,746
Pero hay que matizarla.

197
00:07:19,746 --> 00:07:22,166
Si te metes en foros de ingenieros, ves

198
00:07:22,166 --> 00:07:24,246
que el equipo de Catanzaro hace I más

199
00:07:24,246 --> 00:07:25,406
D profundo.

200
00:07:25,486 --> 00:07:27,706
Entrenan modelos masivos desde cero.

201
00:07:27,506 --> 00:07:30,766
Claro, eso son granjas inmensas de servidores.

202
00:07:30,506 --> 00:07:33,946
Exacto, miles de tarjetas gráficas, consumiendo megavatios de

203
00:07:33,946 --> 00:07:35,166
electricidad.

204
00:07:35,166 --> 00:07:37,446
En ese contexto, la computación siempre será el

205
00:07:37,446 --> 00:07:38,666
mayor gasto.

206
00:07:38,666 --> 00:07:40,186
Pero el pánico real está en las empresas

207
00:07:40,186 --> 00:07:43,186
tradicionales que intentan aplicar la IA al trabajo

208
00:07:43,186 --> 00:07:43,986
diario.

209
00:07:43,826 --> 00:07:49,246
Investigadores del laboratorio CSAIL publicaron en 2024 un

210
00:07:49,246 --> 00:07:52,826
análisis detallado sobre la viabilidad económica de reemplazar

211
00:07:52,826 --> 00:07:56,426
humanos con IA Específicamente en trabajos donde el

212
00:07:56,426 --> 00:07:59,066
análisis visual es importante, como un inspector de

213
00:07:59,066 --> 00:08:01,286
calidad en una fábrica de pan Yo habría

214
00:08:01,286 --> 00:08:02,966
apostado a que la IA ya era más

215
00:08:02,966 --> 00:08:05,326
rentable ahí ¿Era lo que todo el mundo

216
00:08:05,326 --> 00:08:06,506
asumía, la verdad?

217
00:08:06,566 --> 00:08:09,826
Pues resulta que los datos son demoledores La

218
00:08:09,826 --> 00:08:13,586
automatización solo es económicamente viable en un triste

219
00:08:13,586 --> 00:08:15,686
23% de esos roles.

220
00:08:15,826 --> 00:08:19,586
En el 77% restante sigue siendo muchísimo más

221
00:08:19,586 --> 00:08:22,026
barato pagar el salario a un ser humano.

222
00:08:21,966 --> 00:08:25,166
Ese 77% es el jarro de agua fría

223
00:08:25,166 --> 00:08:27,006
que necesitaba la industria.

224
00:08:27,266 --> 00:08:29,426
Y tiene una explicación biológica y técnica muy

225
00:08:29,426 --> 00:08:30,386
sencilla.

226
00:08:30,606 --> 00:08:32,986
Los humanos somos máquinas de reconocimiento de patrones

227
00:08:32,986 --> 00:08:34,886
asombrosamente eficientes.

228
00:08:35,146 --> 00:08:37,666
Nuestro cerebro funciona consumiendo la energía de un

229
00:08:37,666 --> 00:08:39,166
bocadillo y un café.

230
00:08:39,186 --> 00:08:42,266
Si una panadería quiere automatizar la inspección visual

231
00:08:42,266 --> 00:08:43,866
para ver si el pan está quemado, no

232
00:08:43,866 --> 00:08:45,726
basta con descargar un programa.

233
00:08:45,726 --> 00:08:48,546
Requiere instalar cámaras de alta resolución, configurar redes

234
00:08:48,546 --> 00:08:51,466
locales, mantener servidores, pagar licencias.

235
00:08:51,466 --> 00:08:53,246
El gasto de capital es tan alto que

236
00:08:53,246 --> 00:08:55,546
pagarle a un empleado sigue siendo infinitamente más

237
00:08:55,546 --> 00:08:56,246
barato.

238
00:08:56,046 --> 00:08:59,266
Entonces, si la ciencia y la economía dicen

239
00:08:59,266 --> 00:09:01,946
que el humano es más barato en casi

240
00:09:01,946 --> 00:09:04,666
8 de cada 10 casos, ¿por qué los

241
00:09:04,666 --> 00:09:07,126
directivos siguen cayendo en la trampa?

242
00:09:07,126 --> 00:09:10,206
¿Están los fundadores de las startups ocultando los

243
00:09:10,206 --> 00:09:12,246
costes en sus presentaciones de ventas?

244
00:09:12,246 --> 00:09:16,226
¿Por qué te muestran gráficos maravillosos donde afirman

245
00:09:16,226 --> 00:09:18,986
que puedes despedir a 5 asistentes legales de

246
00:09:18,986 --> 00:09:19,786
golpe?

247
00:09:19,706 --> 00:09:23,226
A ver, no siempre es un engaño malicioso.

248
00:09:23,226 --> 00:09:26,106
A veces es pura ceguera tecnológica.

249
00:09:26,106 --> 00:09:29,006
El profesor Kiddley, experto en economía de la

250
00:09:29,006 --> 00:09:33,226
IA, lo llama el desajuste a corto plazo.

251
00:09:33,226 --> 00:09:35,886
Argumenta que el mercado vive una ilusión temporal.

252
00:09:35,886 --> 00:09:38,166
Una ilusión subsidiada, ¿no?

253
00:09:38,346 --> 00:09:39,293
Eso es.

254
00:09:39,393 --> 00:09:42,913
Las grandes empresas como OpenAI o Antropic pierden

255
00:09:42,913 --> 00:09:45,973
dinero a puertas ofreciendo suscripciones baratas para captar

256
00:09:45,973 --> 00:09:46,993
clientes.

257
00:09:46,953 --> 00:09:49,533
Y las startups basan su negocio asumiendo que

258
00:09:49,533 --> 00:09:51,393
esos precios serán eternos.

259
00:09:51,153 --> 00:09:54,513
Claro, están construyendo su casa sobre un terreno

260
00:09:54,513 --> 00:09:57,053
alquilado a un precio artificialmente bajo.

261
00:09:57,753 --> 00:10:00,713
Y además, ignoran todo el iceberg de costes

262
00:10:00,713 --> 00:10:02,553
de mantenimiento que decíamos antes.

263
00:10:02,553 --> 00:10:05,533
porque te venden el asistente legal de IA,

264
00:10:05,533 --> 00:10:07,293
pero el comercial omite que vas a gastar

265
00:10:07,293 --> 00:10:09,633
una fortuna en costes de orquestación en la

266
00:10:09,633 --> 00:10:11,973
nube para que el sistema no se caiga.

267
00:10:12,113 --> 00:10:14,533
Ni te mencionan las alucinaciones, claro.

268
00:10:14,473 --> 00:10:16,073
Exacto, las alucinaciones.

269
00:10:16,673 --> 00:10:19,352
Los modelos se inventan información con total seguridad

270
00:10:18,913 --> 00:10:21,753
y para evitar mandar un contrato inventado a

271
00:10:21,753 --> 00:10:24,213
un cliente terminas contratando a un abogado senior,

272
00:10:24,213 --> 00:10:27,313
carísimo, cuya única función es revisar los errores

273
00:10:27,313 --> 00:10:28,373
de la máquina.

274
00:10:28,453 --> 00:10:30,973
Al final cambias salarios junior por facturas de

275
00:10:30,973 --> 00:10:33,913
servidores enormes y un supervisor muy caro.

276
00:10:33,913 --> 00:10:37,293
Y ese inmenso dolor financiero, esa incapacidad para

277
00:10:37,293 --> 00:10:39,352
predecir si un proyecto va a ahorrar dinero

278
00:10:38,893 --> 00:10:41,513
o hundir la empresa, es lo que ha

279
00:10:41,513 --> 00:10:44,313
llevado a buscar una solución matemática estandarizada.

280
00:10:44,733 --> 00:10:46,553
Porque facturar por millones de tokens es muy

281
00:10:46,553 --> 00:10:47,393
opaco.

282
00:10:47,253 --> 00:10:49,473
No puedes comparar nada así.

283
00:10:49,213 --> 00:10:49,893
Claro.

284
00:10:50,053 --> 00:10:52,473
De esta frustración profunda nace el concepto de

285
00:10:52,473 --> 00:10:56,073
Eliseo Curcio, el LCOI o coste nivelado de

286
00:10:56,073 --> 00:10:57,553
la inteligencia artificial.

287
00:10:57,513 --> 00:10:59,373
Me encanta que lleguemos a este punto porque

288
00:10:59,373 --> 00:11:01,173
por fin pone algo de orden en el

289
00:11:01,173 --> 00:11:03,873
salvaje oeste de los precios tecnológicos.

290
00:11:03,833 --> 00:11:06,633
Es un enfoque súper inteligente porque toma prestada

291
00:11:06,633 --> 00:11:09,013
una metodología del sector energético.

292
00:11:09,233 --> 00:11:11,593
Cuando un gobierno decide si construye un parque

293
00:11:11,593 --> 00:11:14,373
solar o una planta de carbón, usa el

294
00:11:14,373 --> 00:11:17,373
LCOE que calcula el coste real de generar

295
00:11:17,373 --> 00:11:21,673
un kilovatio sumando construcción, licencias, mantenimiento y combustible

296
00:11:21,673 --> 00:11:23,273
durante toda su vida útil.

297
00:11:23,273 --> 00:11:26,013
El LCOI hace exactamente lo mismo con la

298
00:11:26,013 --> 00:11:28,973
IA, dividiendo el gasto en CAPEX y OPEX.

299
00:11:28,793 --> 00:11:30,533
Frena un segundo, que aquí es donde mucha

300
00:11:30,533 --> 00:11:33,113
gente se pierde con las siglas financieras.

301
00:11:33,113 --> 00:11:34,933
Para que nos entendamos, sin tener un máster

302
00:11:34,933 --> 00:11:37,993
en economía, el CAPEX vendría a ser como

303
00:11:37,993 --> 00:11:40,213
la hipoteca de una casa, la inversión de

304
00:11:40,213 --> 00:11:41,873
golpe desde los cimientos.

305
00:11:41,873 --> 00:11:42,553
Eso es.

306
00:11:42,553 --> 00:11:46,813
Y el OPEX serían los gastos operativos continuos,

307
00:11:46,813 --> 00:11:49,472
las facturas de la luz, el agua y

308
00:11:49,472 --> 00:11:51,293
el mantenimiento mensual.

309
00:11:51,293 --> 00:11:54,352
El LCOI básicamente mete todo eso en una

310
00:11:54,352 --> 00:11:56,553
licuadora matemática, ¿verdad?

311
00:11:56,653 --> 00:11:58,493
Mejor explicado imposible.

312
00:11:58,493 --> 00:12:01,573
Suma esa gran hipoteca inicial de servidores físicos,

313
00:12:01,573 --> 00:12:04,073
desarrollo a medida e integración, más las facturas

314
00:12:04,073 --> 00:12:06,173
de la luz, que son el consumo eléctrico,

315
00:12:06,173 --> 00:12:08,472
los tokens y los salarios de los ingenieros.

316
00:12:08,472 --> 00:12:11,213
Y la clave maestra es que divide todo

317
00:12:11,213 --> 00:12:14,053
ese dineral entre las inferencias válidas.

318
00:12:14,513 --> 00:12:18,333
Ah, o sea, no divide entre clics, sino

319
00:12:18,333 --> 00:12:19,793
entre resultados útiles.

320
00:12:20,273 --> 00:12:21,193
Exacto.

321
00:12:21,193 --> 00:12:23,373
Respuestas correctas que el sistema entrega.

322
00:12:23,373 --> 00:12:26,233
Y esto cambia totalmente la perspectiva.

323
00:12:26,053 --> 00:12:29,073
Pues, pasando los modelos por esta trituradora del

324
00:12:29,073 --> 00:12:32,933
LCOI, los números de cursos son fascinantes.

325
00:12:33,013 --> 00:12:35,653
Él plantea un escenario de procesar 10 millones

326
00:12:35,653 --> 00:12:37,493
de inferencias al año.

327
00:12:37,573 --> 00:12:39,693
Si vas por lo fácil y usas GPT

328
00:12:39,693 --> 00:12:43,133
4.1, el coste es de 15 dólares por

329
00:12:43,133 --> 00:12:44,533
cada 1.000 inferencias.

330
00:12:45,352 --> 00:12:48,893
Si usas Cloud Haiku, baja a 9,80 dólares.

331
00:12:49,413 --> 00:12:52,033
Números bastante manejables de momento.

332
00:12:52,413 --> 00:12:54,673
Sí, pero aquí me surgía una duda al

333
00:12:54,673 --> 00:12:55,633
leerlo.

334
00:12:55,653 --> 00:12:57,873
Si las empresas temen a las facturas de

335
00:12:57,873 --> 00:13:00,553
la NUME, ¿no sería más lógico abrazar el

336
00:13:00,553 --> 00:13:03,793
código abierto, montar un modelo como Lama 2

337
00:13:03,793 --> 00:13:06,553
en servidores propios en la oficina y no

338
00:13:06,553 --> 00:13:08,253
pagarle peaje a nadie?

339
00:13:08,253 --> 00:13:10,453
Debería ser la opción más barata.

340
00:13:10,433 --> 00:13:12,113
La intuición dice que sí, pero ahí es

341
00:13:12,113 --> 00:13:15,053
donde la metáfora de la hipoteca, el CAPEX,

342
00:13:15,053 --> 00:13:16,953
destroza cualquier presupuesto.

343
00:13:17,093 --> 00:13:20,253
Totalmente, porque el estudio muestra que el alojamiento

344
00:13:20,253 --> 00:13:23,873
propio dispara el coste a 24,80 dólares por

345
00:13:23,873 --> 00:13:24,953
cada 1.000 inferencias.

346
00:13:25,713 --> 00:13:28,413
casi el triple que usar una API externa.

347
00:13:28,913 --> 00:13:30,972
Y todo por la inversión inicial de comprar

348
00:13:30,972 --> 00:13:34,653
servidores con tarjetas NVIDIA A100, que son unos

349
00:13:34,653 --> 00:13:36,972
200.000 dólares el primer día.

350
00:13:36,972 --> 00:13:39,213
Este análisis cambia por completo el debate de

351
00:13:39,213 --> 00:13:40,873
comprar frente a construir.

352
00:13:41,293 --> 00:13:44,673
Históricamente, las corporaciones quieren su propia infraestructura por

353
00:13:44,673 --> 00:13:47,773
privacidad, pero el LCOI demuestra que el punto

354
00:13:47,773 --> 00:13:50,293
de equilibrio es inmensamente alto.

355
00:13:50,253 --> 00:13:53,013
¿De cuánto estaríamos hablando para que compense?

356
00:13:53,253 --> 00:13:55,913
Construir y alojar un modelo interno solo empieza

357
00:13:55,913 --> 00:13:57,913
a ser rentable si superas la barrera de

358
00:13:57,913 --> 00:14:01,033
los 30 o 40 millones de inferencias útiles

359
00:14:01,033 --> 00:14:01,833
al año.

360
00:14:01,972 --> 00:14:04,513
Una cantidad industrial de procesamiento.

361
00:14:04,513 --> 00:14:06,453
O sea, a menos que seas un banco

362
00:14:06,453 --> 00:14:10,493
multinacional procesando datos cada milisegundo, montar eso por

363
00:14:10,493 --> 00:14:12,653
privacidad es quemar billetes en la sala de

364
00:14:12,653 --> 00:14:13,073
calderas.

365
00:14:13,753 --> 00:14:16,113
Sabiendo esto y sabiendo que el humano sigue

366
00:14:16,113 --> 00:14:17,933
siendo más barato, ¿cuándo se va a invertir

367
00:14:17,933 --> 00:14:19,033
esta balanza?

368
00:14:19,293 --> 00:14:20,972
Porque la tecnología no para.

369
00:14:21,013 --> 00:14:22,873
Es un análisis de trayectorias.

370
00:14:22,873 --> 00:14:24,553
Para predecir el cruce de curvas hay que

371
00:14:24,553 --> 00:14:27,299
observar las dinámicas opuestas del silicio frente al

372
00:14:27,299 --> 00:14:28,499
talento humano.

373
00:14:28,479 --> 00:14:30,019
Una observación muy certera.

374
00:14:29,959 --> 00:14:32,879
Sí, el hardware se optimiza y los algoritmos

375
00:14:32,879 --> 00:14:34,819
hacen más con menos.

376
00:14:34,899 --> 00:14:40,459
OpenAI lanzó GPT 5.5 gastando muchísimos menos tokens

377
00:14:40,459 --> 00:14:41,559
internos.

378
00:14:41,659 --> 00:14:43,879
Eso implica que ese punto mágico donde la

379
00:14:43,879 --> 00:14:47,519
máquina es indiscutiblemente más barata avanza hacia nosotros

380
00:14:47,519 --> 00:14:49,599
cada 12 o 18 meses.

381
00:14:50,239 --> 00:14:53,179
Hay una pinza económica inevitable, salarios al alza

382
00:14:53,179 --> 00:14:55,699
por inflación frente a chips a la baja.

383
00:14:55,739 --> 00:14:57,179
Pero a corto plazo esto crea un problema

384
00:14:57,179 --> 00:14:58,239
preocupante.

385
00:14:58,259 --> 00:15:01,339
Como los modelos verdaderamente competentes son muy caros,

386
00:15:01,339 --> 00:15:02,979
la IA se está convirtiendo en un producto

387
00:15:02,979 --> 00:15:03,959
de lujo.

388
00:15:03,759 --> 00:15:06,059
Se percibe una estratificación brutal, ¿sí?

389
00:15:06,659 --> 00:15:09,939
Las corporaciones ricas asumen esas facturas altísimas para

390
00:15:09,939 --> 00:15:12,339
usar modelos punteros que no fallan.

391
00:15:12,359 --> 00:15:15,139
Y las pequeñas empresas se conforman con alternativas

392
00:15:15,139 --> 00:15:19,519
gratuitas que alucinan más, requieren supervisión y son

393
00:15:19,519 --> 00:15:21,039
menos productivas.

394
00:15:20,999 --> 00:15:23,079
Es un riesgo de desigualdad sistémica enorme.

395
00:15:23,179 --> 00:15:24,219
Totalmente.

396
00:15:24,399 --> 00:15:27,119
Es una brecha definida puramente por quién puede

397
00:15:27,119 --> 00:15:29,739
pagar el recibo eléctrico de la computación.

398
00:15:29,559 --> 00:15:32,219
Pero bueno, para ofrecer una visión equilibrada y

399
00:15:32,219 --> 00:15:34,299
cerrar el círculo de la rentabilidad, creo que

400
00:15:34,299 --> 00:15:35,799
hay que poner sobre la mesa el valor

401
00:15:35,799 --> 00:15:38,279
intrínseco de esta tecnología más allá del susto

402
00:15:38,279 --> 00:15:38,939
de las facturas.

403
00:15:39,839 --> 00:15:41,359
La IA es cara si se usa a

404
00:15:41,359 --> 00:15:43,559
lo loco, pero si se focaliza el impacto

405
00:15:43,559 --> 00:15:44,759
es asombroso.

406
00:15:44,619 --> 00:15:45,459
A ver, cuéntame.

407
00:15:45,719 --> 00:15:48,899
Volviendo a los datos del LCOAI, si analizas

408
00:15:48,899 --> 00:15:51,399
un centro de atención al cliente humano, el

409
00:15:51,399 --> 00:15:53,699
coste ronda los 300 dólares por cada 1.000

410
00:15:53,699 --> 00:15:54,359
interacciones.

411
00:15:55,119 --> 00:15:57,379
Si enfrentas esos 300 dólares a los 15

412
00:15:57,379 --> 00:16:00,359
dólares de GPT 4.1, el ahorro en tareas

413
00:16:00,359 --> 00:16:02,279
repetitivas es indiscutible.

414
00:16:02,239 --> 00:16:04,899
Ya, pero 15 dólares sigue siendo dinero si

415
00:16:04,899 --> 00:16:06,899
lo multiplicas por millones de interacciones.

416
00:16:06,419 --> 00:16:09,499
Y si la máquina no entiende al cliente

417
00:16:09,499 --> 00:16:11,379
y este se frustra y se va, lo

418
00:16:11,379 --> 00:16:12,679
barrato sale caro.

419
00:16:12,439 --> 00:16:14,159
Una objeción muy válida.

420
00:16:14,159 --> 00:16:16,359
Por eso los directivos astutos no buscan abaratar

421
00:16:16,359 --> 00:16:18,299
lo que ya hacen, sino el desbloqueo de

422
00:16:18,299 --> 00:16:19,479
capacidades.

423
00:16:19,479 --> 00:16:21,319
Ese es el verdadero cambio de paradigma.

424
00:16:21,339 --> 00:16:22,759
¿A qué te refieres con desbloqueo?

425
00:16:23,019 --> 00:16:26,419
Imagina una aseguradora ante un desastre natural severo.

426
00:16:26,419 --> 00:16:30,139
Reciben 50.000 reclamaciones complejas en un solo día.

427
00:16:30,139 --> 00:16:32,579
Un equipo humano, por mucho dinero que gastes,

428
00:16:32,579 --> 00:16:35,639
físicamente no puede leer y responder 50.000 expedientes

429
00:16:35,639 --> 00:16:36,579
en 24 horas.

430
00:16:37,199 --> 00:16:39,679
Logísticamente imposible sin colapsar.

431
00:16:39,199 --> 00:16:39,859
colapsar.

432
00:16:39,859 --> 00:16:43,059
Exacto, pero una IA bien orquestada sí puede.

433
00:16:43,059 --> 00:16:45,239
En ese escenario, la métrica no es comparar

434
00:16:44,739 --> 00:16:47,179
el salario de un oficinista con el coste

435
00:16:47,179 --> 00:16:48,159
de un token.

436
00:16:48,159 --> 00:16:50,739
La métrica es comparar la incapacidad humana para

437
00:16:50,739 --> 00:16:53,099
operar esa escala frente a una tecnología que

438
00:16:53,099 --> 00:16:55,739
desbloquea una respuesta masiva que antes era ciencia

439
00:16:55,739 --> 00:16:56,999
ficción empresarial.

440
00:16:56,999 --> 00:17:00,019
Me parece un punto de vista fundamental para

441
00:17:00,019 --> 00:17:02,159
no quedarnos solo en el pesimismo de los

442
00:17:02,159 --> 00:17:03,319
costes.

443
00:17:03,319 --> 00:17:07,059
La clame es expandir los límites logísticos.

444
00:17:07,059 --> 00:17:09,599
Sin embargo, y repasando todo, quiero dejar flotando

445
00:17:09,599 --> 00:17:12,799
una última idea provocadora para la reflexión.

446
00:17:13,119 --> 00:17:14,679
Todo el mundo dice que la IA es

447
00:17:14,679 --> 00:17:18,459
democratizadora, un atajón mágico para todos, pero varias

448
00:17:17,999 --> 00:17:21,939
investigaciones hablan de una distribución bimodal de la

449
00:17:21,939 --> 00:17:23,099
productividad.

450
00:17:23,099 --> 00:17:26,439
Ah, sí, el efecto multiplicador según la experiencia.

451
00:17:26,439 --> 00:17:27,939
Exactamente.

452
00:17:27,939 --> 00:17:30,599
La IA no mejora a todos por igual.

453
00:17:30,599 --> 00:17:33,419
Si un profesional ya es altamente cualificado y

454
00:17:33,419 --> 00:17:36,079
sabe qué pedirle a la máquina, la tecnología

455
00:17:36,079 --> 00:17:38,299
es un multiplicador de fuerza brutal.

456
00:17:38,299 --> 00:17:39,659
Le ahorra horas.

457
00:17:39,659 --> 00:17:41,979
Claro, porque sabe evaluar el resultado.

458
00:17:41,979 --> 00:17:42,399
Eso es.

459
00:17:42,399 --> 00:17:45,579
Pero si un pabajador inexperto no sabe formular

460
00:17:45,579 --> 00:17:49,439
peticiones ni detectar errores, acaba dando vueltas en

461
00:17:49,439 --> 00:17:50,459
círculo.

462
00:17:50,799 --> 00:17:53,139
Pierde horas peleándose con la máquina en bucles

463
00:17:53,139 --> 00:17:54,859
improductivos.

464
00:17:54,859 --> 00:17:58,519
Así que la pregunta inquietante es, ¿estamos construyendo

465
00:17:58,519 --> 00:18:00,499
una herramienta que en lugar de igualar el

466
00:18:00,499 --> 00:18:03,399
terreno va a ensanchar radicalmente la brecha de

467
00:18:03,399 --> 00:18:06,519
habilidades premiando a la élite y dejando atrás

468
00:18:06,519 --> 00:18:07,379
a los junior?

469
00:18:07,999 --> 00:18:11,059
Ahí queda la pregunta Antes de despedirnos, hasta

470
00:18:11,059 --> 00:18:13,399
el próximo programa os informamos de que las

471
00:18:13,399 --> 00:18:15,579
voces que oyes han sido generadas por la

472
00:18:15,359 --> 00:18:18,159
IA de Notebook LM y que dirigiendo el

473
00:18:18,159 --> 00:18:20,779
podcast se encuentra Julio Pablo Vázquez, un humano

474
00:18:20,779 --> 00:18:23,339
que te envía saludos En caso de error

475
00:18:22,899 --> 00:18:26,799
probablemente sean errores humanos ¿Nos escuchamos?

476
00:18:37,679 --> 00:18:39,779
Y hasta aquí el episodio de hoy.

477
00:18:39,779 --> 00:18:41,379
Muchas gracias por tu atención.

478
00:18:51,119 --> 00:18:53,379
Esto es BIMPRAXIS.

479
00:18:53,379 --> 00:18:55,459
Nos escuchamos en el próximo episodio.

480
00:19:16,399 --> 00:19:16,459
¡Suscríbete al canal!