Hace unos días leí un artículo académico que me recordó inmediatamente a mi antiguo AbShaper ( https://www.linkedin.com/pulse/o-efeito-abshaper-verdade-inconveniente-sobre-projetos-deivid-bitti-wyzuf ). Investigadores de universidades de renombre descubrieron algo que nosotros, en la vanguardia de los proyectos de IA, ya sospechábamos: existe una barrera invisible que está obligando a las grandes empresas tecnológicas a construir literalmente centrales nucleares para intentar superarla.
Las brutales matemáticas de la realidad
El estudio reveló cifras que harían perder el sueño a cualquier director financiero: para mejorar el rendimiento de un LLM en tan solo un 10%, sería necesario multiplicar la capacidad de cálculo por 10 mil millones . Sí, lo ha leído bien. No por 10 ni por 100. Es 10.000.000.000.
Es como si alguien te dijera: «Mira, para conseguir unos abdominales un 10 % más definidos con el AbShaper, no necesitarás 100, sino 10 mil millones de repeticiones». En ese punto, hasta el comprador más optimista tiraría la toalla.
El paralelo con nuestra realidad empresarial
En Flexa Cloud , tras entregar cientos de proyectos, veo que este patrón se repite de una manera menos dramática, pero igualmente reveladora:
- Proyecto AEl cliente invirtió R$500 esperando un retorno de la inversión (ROI) del 200%. ¿Resultado real? 15% (aún positivo, pero lejos de las expectativas).
- Proyecto BAumentamos el conjunto de datos de 100 GB a 1 TB. ¿Mejora de la precisión? Del 82 % al 84 %.
- Proyecto CTriplicamos la potencia de procesamiento. ¿Reducción del tiempo de respuesta? 20%.
¿La lección? Más no siempre es mejor . A veces, simplemente es más caro.
El síndrome de “GPT-4.5 lo solucionará todo”
Hace poco, un cliente vino a mí y me dijo: "David, cuando salga el GPT-5, se acabaron nuestros problemas, ¿no?". Tuve que tener la misma conversación difícil que tuve con mi yo de 16 años sobre AbShaper.
El GPT-4.5 cuesta 30 veces más que el GPT-4. ¿Las mejoras? Mínimas en tareas cuantitativas. Es como comprar un AbShaper Pro Max Titanium Edition por R$3.000 cuando el verdadero problema es que no quieres hacer abdominales.
Las verdades que debemos afrontar
1. El problema de las correlaciones espurias
El artículo reveló algo fascinante: cuanto mayor es el conjunto de datos, más información estadística se genera. Es como hacer 10.000 abdominales incorrectamente: no se consigue un abdomen marcado, sino dolor de espalda.
En un proyecto reciente, descubrimos que nuestro modelo había "aprendido" que las ventas aumentaban cuando llovía. ¿Por qué? Porque, casualmente, en los datos de entrenamiento, los días de lluvia coincidían con las ventas. ¿Correlación? Sí. ¿Causalidad? Cero.
2. La ley de los rendimientos decrecientes es implacable
- Duplicar datos = mejora del 7-9%
- Doble procesamiento = mejora del 5%
- Doble inversión = la mitad del ROI esperado
3. La energía no es infinita
Las grandes tecnológicas están reabriendo literalmente las centrales nucleares. Mientras tanto, nuestros cerebros funcionan con 20 vatios, menos que una bombilla LED. Algo falla fundamentalmente en esta ecuación.
Lo que realmente funciona (Spoiler: No es magia)
Después de todos estos proyectos, he identificado lo que realmente marca la diferencia:
1. Especificidad sobre generalidad
En lugar de intentar crear un modelo que lo solucione todo, creamos un modelo que solucione su problema específico. Un cliente redujo el tiempo de atención en un 40 % con un modelo entrenado solo con sus tickets, no con toda la información disponible en internet.
2. Inteligencia híbrida
El mejor proyecto que entregamos combinó:
- IA para la detección inicial (90 % de precisión)
- Humanos para casos complejos (10% de los casos)
- Bucle de retroalimentación continua
¿Resultado? 99.5% de precisión final con un 70% menos de coste.
3. Calidad de los datos > Cantidad de datos
Un conjunto de datos limpio de 1 GB supera a uno desordenado de 1 TB. Siempre. Sin excepciones.
La difícil conversación con el cliente
Hoy, cuando un cliente llega entusiasmado con las “infinitas posibilidades de la IA”, tengo una presentación que llamo el “Momento de la Realidad”:
Diapositiva 1 : “Sí, la IA es transformadora” Diapositiva 2 : “No, no hará milagros” Diapositiva 3 : “Este es el trabajo real que se necesita” Diapositiva 4 : “Estos son los resultados realistas” Diapositiva 5 : “¿Sigues interesado?”
Sorprendentemente, los clientes que permanecen después de esa conversación son los que obtienen mejores resultados.
El camino sostenible
El futuro no está en modelos cada vez más grandes, sino en:
- Comprensión profunda del problema Antes de elegir la herramienta, comprenda los procesos de trabajo del Mapa, no las tecnologías
- Soluciones personalizadas Un modelo pequeño y bien instrumentado > modelo gigante genérico Concéntrese en su caso de uso específico
- Expectativas realistas Un ROI del 10-20% en el primer año es EXCELENTE Mejora continua > revolución instantánea
- Inversión inteligente Invierta en la calidad de los datos, no en la cantidad. Invierta en personas que entiendan el negocio y la tecnología.
Conclusión: El AbShaper sigue ahí
Mi AbShaper todavía está en el ático de mi madre, recordándome a diario que nada es gratis. Los investigadores han confirmado matemáticamente lo que la experiencia ya nos ha enseñado: escalar sin parar no es la solución.
La verdadera inteligencia, artificial o no, reside en reconocer los límites y trabajar con mayor inteligencia dentro de ellos. No necesitamos centrales nucleares. Necesitamos claridad sobre lo que queremos resolver y la disposición a trabajar duro.
¿Cómo estás cambiando tu perspectiva sobre tus proyectos de IA? ¿Buscas el mejor modelo o creas la solución adecuada para tu problema específico?
Únete a algunos de nuestros clientes, como Voith Group , FEBRABAN , Dengo Chocolates , Grupo ADCOS , GE HealthCare y muchos otros, y contrata un programa ejecutivo de inmersión en IA para descubrir cómo transformamos ideas en proyectos con resultados reales y medibles.
El estudio de caso de Febraban que se presentó en FEBRABAN TECH.
Enlace al artículo: https://arxiv.org/pdf/2507.19703
