Sam Altman, CEO de OpenAI, reconoció recientemente en una entrevista con David Senra que había subestimado la velocidad a la que la economía adoptaría la inteligencia artificial. A pesar de que GPT‑4 se lanzó en 2023 y desde entonces los modelos han mejorado notablemente, la expectativa de una revolución inmediata en el software empresarial no se ha cumplido. Altman admitió que “me equivoqué en varias cosas, pero una de ellas es la velocidad: la economía tiene demasiada inercia”. Esta confesión revela la brecha entre la rapidez con que se desarrollan las APIs y la lentitud de los procesos internos de las compañías.
El problema no es técnico, sino estructural. Integrar una nueva IA implica revisar la seguridad, migrar datos, capacitar al personal y convencer a clientes, pasos que pueden extenderse por años. Aunque abrir ChatGPT lleva segundos, rediseñar flujos de trabajo corporativos es una tarea compleja que requiere tiempo y recursos. Por eso, aunque los modelos sigan evolucionando, las empresas se mueven a “velocidad humana”, limitando el impacto inmediato de la tecnología.
En contraste, el consumo masivo de IA ha sido explosivo. ChatGPT alcanzó los 100 millones de usuarios en tiempo récord, convirtiéndose en el producto más rápido en lograr esa cifra. Sin embargo, la adopción empresarial ha sido mucho más lenta, relegada a proyectos piloto y a la integración con sistemas heredados. Los costos de cambiar procesos antiguos pueden ser tan relevantes como las capacidades de los nuevos modelos, frenando una adopción masiva.
Altman también señaló que esta lentitud no es necesariamente negativa. La inercia económica actúa como amortiguador, evitando cambios bruscos y permitiendo una transición más controlada. Las startups de IA pueden sentirse presionadas a vender rápido, pero una adaptación pausada reduce riesgos y facilita una implementación sostenible.
La observación de Altman encaja con la ley de Amara, que advierte que tendemos a sobreestimar el impacto a corto plazo y subestimar el efecto a largo plazo de las tecnologías. Estamos en una fase intermedia donde el entusiasmo inicial aún no se ha traducido en transformaciones visibles a gran escala.
Ejemplos históricos respaldan esta dinámica. Los primeros ordenadores personales y la expansión de internet también tardaron años en remodelar empresas y hogares, pese a las expectativas exageradas al inicio. La lección es clara: la revolución de la IA requerirá tiempo, inversión y una adaptación estructural profunda antes de que sus beneficios se perciban ampliamente.
https://www.youtube.com/watch?v=kG8AoExkX40
Fuente: Xataka