Seis modelos de IA a medida en dos días, por 16 dólares cada uno. Ahora desaparece la barrera de quién puede construir tecnología potente

El avance de la democratización ocurre ahora, en cifras

Durante mucho tiempo se ha hablado de que la IA sea accesible para todos. Pero las palabras son una cosa. Las cifras son otra.

Cuando la empresa de tecnología jurídica LegalOn informó recientemente de que había reducido a la mitad, y en la práctica en un 65 por ciento, sus costes operativos diarios para la herramienta de IA Codex, sin sacrificar ni un ápice del ritmo de producción, aquello sonó más a un recibo que a una promesa. Y cuando el periodista tecnológico Simon Willison cuenta en el blog de Hugging Face cómo entrenó seis modelos de IA propios en dos días, por 16 dólares cada uno, la imagen se vuelve cristalina: estamos en medio de un desplome de costes que va a redibujar el tablero de juego en prácticamente todos los sectores.

El modelo adecuado para la tarea adecuada: una obviedad que lo cambia todo

El secreto de LegalOn es elegante en su sencillez. Según el blog de OpenAI, la empresa ha dejado de tratar la IA como una única herramienta universal. En cambio, las tareas de programación más sencillas y rutinarias se ejecutan en modelos más rentables, mientras que los momentos complejos y críticos para el negocio se asignan a la capacidad más potente.

Piénsenlo como una consultora bien gestionada: no dejas que tu especialista más experimentado redacte las actas de las reuniones. Repartes el trabajo con criterio y pagas por la competencia adecuada en el momento adecuado. LegalOn ha hecho exactamente esto, pero con modelos de IA, y ha añadido un control activo del presupuesto con límites de recursos claros para cada tarea. El resultado: una reducción de costes del 65 por ciento.

No es un truco técnico. Es estrategia. Y precisamente por eso es tan importante, porque significa que cualquier organización puede hacer lo mismo.

De la idea al modelo terminado: en un día, por unos cien dólares

Pero la historia de LegalOn trata de optimizar un uso que ya existe. ¿Qué ocurre cuando miramos la propia creación de modelos de IA?

El blog de Hugging Face relata un experimento ante el que es difícil no entusiasmarse. El autor detectó una carencia: no existía una versión ligera de un reescritor de texto vinculado al modelo de imágenes Qwen-Image 2.1. El original pesa 20 gigabytes y es inutilizable en un entorno cotidiano. ¿La solución? Describió lo que necesitaba para una herramienta basada en agentes y, al día siguiente, existía un modelo doce veces más ligero que el original, con una precisión del 99,7 por ciento y un precio de 16 dólares.

Después repitió el procedimiento cinco veces más. Seis modelos. Dos días. Disponibles públicamente para todos.

La idea más importante del proyecto no es la tecnología en sí, sino que la habilidad decisiva ahora consiste en formular una buena instrucción. Su primera descripción tenía 450 palabras. En el sexto proyecto había crecido hasta 2000 palabras, porque cada ronda le enseñó algo nuevo sobre cómo comunicarse con claridad con un sistema de IA. Es una competencia que, en el fondo, es profundamente humana.

¿Quién gana cuando desaparece la barrera?

Aquí es donde empieza lo realmente emocionante. Cuando el coste de usar la IA se desploma, como muestra LegalOn, y el coste de construir IA hace lo mismo, como demuestran los experimentos de Willison, el poder se desplaza de forma fundamental.

Las grandes empresas pierden su foso de costes. Una startup en Skellefteå o un experto independiente de un sector en Malmö puede ahora entrenar un modelo específico de su dominio por el precio de una cena en un restaurante. La competencia especializada, la comprensión profunda del derecho, la medicina, la fabricación o la agricultura, se convierte en la nueva ventaja competitiva. No el presupuesto.

Por supuesto, no es del todo sencillo. Formular buenas instrucciones exige conocer lo que uno realmente quiere conseguir. La distribución estratégica de modelos, como muestra LegalOn, requiere que alguien dedique tiempo a cartografiar los flujos de trabajo. La capacidad de pensar de forma estructurada sobre la IA sigue siendo una barrera, pero es una barrera que tiene que ver con el trabajo intelectual, no con el capital.

Y es una barrera que estoy convencida de que podemos superar.