En los casi cuatro años que han transcurrido desde el lanzamiento de ChatGPT, la medida de éxito de la inteligencia artificial se ha centrado en su capacidad para conversar como un ser humano. La fluidez, la empatía y la habilidad de generar párrafos extensos en segundos se convirtieron en los indicadores de valor para la industria. Sin embargo, la nueva generación de modelos, conocida como “modelos de decisión”, está cambiando esa ecuación al ofrecer respuestas sin palabras, solo un número que indica la confianza del algoritmo.
Estos sistemas reciben un contexto y una pregunta cerrada –por ejemplo, “¿Este correo es urgente?” o “¿A qué departamento debo enviarlo?”– y devuelven una opción acompañada de un valor decimal como 0,82 o 0,16. La respuesta se entrega en menos de 150 milisegundos y a un costo extremadamente bajo, lo que los hace atractivos para grandes corporaciones que buscan automatizar decisiones repetitivas sin necesidad de generar texto.
El origen de esta tecnología se remonta a la startup TypeSafe, que en septiembre presentó su modelo llamado Jev. En apenas tres semanas, la empresa alcanzó una valoración de 7,500 millones de dólares, despertando el interés de gigantes como OpenAI, Microsoft, Amazon y, recientemente, Google, que lanzó su propia versión esta semana. La carrera de los titanes tecnológicos hacia los modelos de decisión refleja una transformación del gasto desmesurado en IA a una búsqueda de eficiencia y control de costos.
El principal atractivo de estos sistemas radica en que los tokens de salida son gratuitos: el algoritmo no genera texto, por lo que no hay costos de procesamiento de lenguaje natural. La velocidad y la precisión numérica permiten reducir drásticamente gastos operativos; Amazon, por ejemplo, reportó una disminución de más del 40% en el costo de clasificación interna de tickets al sustituir modelos tradicionales por uno de decisión.
No obstante, la ausencia de explicaciones plantea riesgos. Un chatbot tradicional, aunque verboso, ofrecía la posibilidad de inspeccionar su razonamiento y detectar errores. En cambio, un modelo que solo muestra un número no permite al usuario comprender por qué se tomó una determinación, lo que puede afectar decisiones críticas como la priorización de reclamos, la detección de fraudes o la asignación de recursos.
Este fenómeno recuerda al “Sistema 1” descrito por el psicólogo Daniel Kahneman: un pensamiento rápido que funciona bien la mayor parte del tiempo, pero que carece de autocorrección cuando falla. La adopción masiva de modelos de decisión podría llevar a una sociedad que delega decisiones importantes a algoritmos opacos, sin tiempo para cuestionarlos.
En conclusión, la IA más rentable de 2027 podría no ser la que escribe mejor, sino la que habla menos. La industria debe equilibrar la eficiencia económica con la necesidad de transparencia y control, antes de que la confianza numérica se convierta en la única voz que guíe nuestras acciones.
Fuente: Xataka