Mientras miles de millones se destinan a tecnologías al estilo de ChatGPT, la inteligencia artificial tradicional, menos llamativa, sigue impulsando todo, desde las ganancias de Meta hasta el diseño de cohetes.
David Paul Morris/Bloomberg via Getty Images
Meta $META ganó más de $18 mil millones en ganancias el último trimestre, pero no fue el tipo de IA de la que todos hablan lo que impulsó la bonanza. Mientras el CEO Mark Zuckerberg gastó miles de millones construyendo una infraestructura de "superinteligencia" y persiguiendo sueños de IA generativa, las ganancias reales de la compañía provinieron del aprendizaje automático tradicional, también conocido como los mismos algoritmos de recomendación que han impulsado silenciosamente la segmentación de anuncios de Facebook e Instagram durante años.
A medida que continúa el auge de la IA, ha surgido una desconexión creciente. En un lado está hacia dónde fluyen el bombo publicitario y el dinero: hacia la IA generativa y los modelos de lenguaje grande. En el otro lado está donde las empresas realmente están viendo resultados. Mientras miles de millones se vierten en tecnologías al estilo ChatGPT, las técnicas tradicionales, menos llamativas, no generativas continúan alimentando silenciosamente todo, desde las ganancias publicitarias de Meta hasta diagnósticos médicos personalizados y el diseño de motores de cohetes.
Únete a más de 500.000 lectores que comienzan su día con Quartz.
Al suscribirte, aceptas nuestros Términos de servicio y Política de privacidad.
Esta división está creando tanto oportunidades pasadas por alto para los inversores como un desajuste entre la IA que está siendo financiada y la IA que realmente está funcionando.
Los números de la llamada de ganancias del segundo trimestre de Meta cuentan una historia contundente. La directora financiera de Meta, Susan Li, fue directa: "[No] esperamos que el trabajo de GenAI sea un motor de ingresos significativo este año o el próximo", dijo. Mientras tanto, los sistemas de aprendizaje automático tradicionales de la compañía lograron un aumento del 5% en las conversiones de anuncios en Instagram y del 3% en Facebook.
La diferencia se reduce a lo que hacen estos sistemas de IA. La IA generativa que llama la atención hoy — modelos de lenguaje grande como ChatGPT y generadores de imágenes como Midjourney — crea nuevo contenido al predecir qué debería seguir a continuación. Todo lo demás representa un vasto conjunto de herramientas de diferentes tecnologías, incluidas redes neuronales que clasifican imágenes, algoritmos que detectan fraudes, sistemas que recomiendan productos y modelos que optimizan las cadenas de suministro. La IA generativa es relativamente nueva, mientras que estos otros enfoques se han desarrollado durante años, y en algunos casos, décadas.
La novedad de la IA generativa explica tanto la emoción como los resultados limitados hasta ahora. Al discutir los experimentos de Meta con Llama 4 para construir agentes de IA autónomos, Zuckerberg reconoció que el trabajo "sucede en volumen bajo en este momento, así que no estoy seguro de que ese resultado, por sí solo, haya sido un contribuyente importante a las ganancias de este trimestre". La trayectoria, dijo, es "muy optimista".
Ese optimismo se comparte en todo el mundo de la inversión. La inversión privada en IA generativa alcanzó los $33.9 mil millones en 2024, un aumento del 18.7% desde 2023 y más de 8.5 veces más que los niveles de 2022, según Informe del índice de IA de StanfordEl sector ahora representa más del 20% de toda la inversión privada relacionada con IA, que a su vez alcanzó un récord de 252.300 millones de dólares. EE.UU. domina este panorama, con una inversión privada estadounidense en IA alcanzando los 109.100 millones de dólares, casi 12 veces más que los 9.300 millones de dólares de China.
Pero el enfoque intenso de la comunidad de capital de riesgo en la IA generativa no significa que el aprendizaje automático tradicional haya sido abandonado por completo. El panorama de la financiación es más matizado y revela la complejidad de invertir en un espacio tecnológico que evoluciona rápidamente.
"Esto realmente se siente como un cambio de paradigma y todavía estamos en los primeros días", dijo Amy Cheetham, una inversora en etapa inicial en Costanoa Ventures, comparando la IA generativa con cambios tecnológicos anteriores como Internet, móviles y computación en la nube. "Va a ser realmente difícil construir cualquier tipo de empresa sin integrar algún componente de ella en algún lugar de su producto o en sus herramientas internas."
El problema es que el éxito de la IA generativa crea su propio impulso, creciendo a tasas que el mundo no ha visto antes con menos personas. Eso hace que las empresas sean irresistibles para los inversores, pero también significa que algunas empresas que se fundaron después del auge de la IA generativa tomaron impulso en 2023 están siendo pasadas por alto, incluso si algunas deberían recibir más atención.
"Creo que muchos de ellos están siendo rechazados por los inversores no por las mejores razones, y es solo porque hay algo ligeramente más sexy en la categoría de IA generativa", dijo Cheetham.
Algunos sectores nunca abandonaron los antiguos enfoques. La medicina ha estado utilizando IA tradicional durante décadas. Las redes neuronales para la detección del cáncer de cuello uterino se estaban probando en ensayos clínicos ya en 1995.
La investigación reciente continúa esta tradición. Un estudio analizó 20 años de datos de pruebas de sangre de decenas de miles de pacientes para crear rangos "normales" personalizados en lugar de los intervalos de referencia universales que los médicos utilizan actualmente.
"Lo que es normal para ti puede no ser normal para otra persona", dijo Brody Foy, profesor asistente de medicina de laboratorio y patología en la Universidad de Washington, quien realizó la investigación.
La preferencia por enfoques comprobados refleja las limitaciones únicas de la medicina. Las leyes de privacidad de los pacientes como HIPAA crean obstáculos adicionales para cualquier nueva tecnología que maneje datos de salud. Más fundamentalmente, los errores médicos pueden ser fatales, lo que hace que los médicos y hospitales sean naturalmente cautelosos al adoptar sistemas experimentales de IA.
Pero más allá de estas preocupaciones de seguridad, el desafío no siempre es encontrar mejor tecnología, sino hacer que cualquier tecnología funcione dentro de los sistemas existentes. Los flujos de trabajo médicos son notoriamente complejos, involucrando múltiples especialistas, requisitos regulatorios y protocolos de seguridad del paciente que pueden tardar años en navegar.
“Puede haber muy buenos usos para la nueva gran tecnología, pero a menudo no era la tecnología lo que limitaba”, dijo Foy. “El limitante era cómo integrarlo en un sistema realmente complejo donde la gente está tomando decisiones complejas?”
Los mismos desafíos de integración existen en industrias donde equivocarse puede ser catastrófico. En aeroespacial, donde los motores de cohetes o funcionan perfectamente o explotan, la startup de Dubái Leap 71 ha construido un sistema de IA que opera de manera determinista basado en leyes de física incrustadas en lugar de hacer conjeturas probabilísticas como la IA generativa.
"De hecho encapsulan la lógica de cómo construir un motor de cohete", dijo Lin Kayser, cofundador de Leap 71. "Usamos IA generativa para leer documentos y resumir información para nosotros. Pero, por lo demás, no la necesitamos para crear cohetes en este momento."
Este enfoque ya ha producido motores de cohete funcionales. En 2024, Noyron diseñó un pequeño motor de cohete que fue impreso en 3D en una sola pieza y probado exitosamente. En enero de 2025, la compañía diseñó un tipo de motor aún más complejo. La compañía ahora apunta a escalar motores que puedan competir con el motor Raptor de SpaceX para 2029.
El éxito ha llevado a Leap 71 a la conversación más amplia sobre el potencial de la IA, aunque su enfoque difiere fundamentalmente de los modelos generativos. La exageración puede ser una distracción, algo que Kayser ha observado en 30 años como emprendedor.
"No me importa la publicidad porque atrae clientes hacia nosotros", dijo. "Pero al mismo tiempo, solo estamos tratando de ser diligentes en la construcción de cohetes."
A nivel institucional, el panorama se ve diferente. Las universidades mantienen espacio tanto para la investigación experimental de IA generativa como para enfoques tradicionales probados para coexistir. Los investigadores pueden perseguir ideas más arriesgadas y no probadas mientras que los inversores necesitan soluciones listas para el mercado que puedan generar retornos, según Vanessa Parli, directora de investigación en el Instituto de IA Centrada en el Humano de Stanford y miembro del comité directivo del Índice de IA.
El atractivo de la IA generativa se ha extendido mucho más allá de los departamentos de informática a campos como la biología, psicología y ciencias ambientales. La interfaz fácil de usar de la tecnología la hace atractiva para investigadores sin un profundo conocimiento en IA. Pero en áreas como la sustentabilidad, los investigadores continúan trabajando en métodos más simples que a menudo funcionan mejor debido a conjuntos de datos más pequeños y requisitos técnicos específicos.
"[La IA generativa] no es el único tipo de IA que se está desarrollando", dijo Parli. Más allá de construir herramientas para campos específicos, los investigadores de Stanford están buscando algo más grande. En Stanford, ella ve a los investigadores continuar trabajando en enfoques que podrían representar la próxima ola de avances.
El desafío no es que esta investigación desaparezca. Es que los investigadores de IA tradicional están compitiendo contra una máquina de marketing bien financiada que domina los titulares y las reuniones de presentación. Pero si la IA generativa enfrenta obstáculos o no cumple con sus promesas, estos investigadores podrían estar en posición de intervenir si toman prestadas algunas tácticas promocionales del mundo de la IA generativa.
"Las personas que están trabajando en no-genAI pueden querer considerar ayuda con PR y marketing," dijo Paril.
