Implicaciones de la IA generativa en las inversiones

Puntos clave

Creemos que la demanda de IA creará oportunidades de crecimiento para las empresas de la cadena de valor de los semiconductores. Esto permitirá aumentar la potencia computacional, así como que los proveedores de servicios de hiperescala en la nube y las empresas de software mejoren sus servicios y desarrollen nuevos productos.

El aumento del uso de la IA generativa está acelerando la demanda de unidades de procesamiento gráfico (GPU, por sus siglas en inglés), que son los componentes básicos del procesamiento computacional paralelo de gran volumen. Además, también son elementos clave para los fabricantes de chips para centros de datos, los talleres de fundición y los fabricantes de equipos avanzados.

Las empresas de gran capitalización que han acaparado la mayor parte del crecimiento en la nube pública están igualmente bien posicionadas en la IA generativa, ya que poseen tanto los modelos de lenguaje fundacionales como la potencia computacional necesaria para aplicar la IA generativa a escala.

El potencial para hacer uso de la IA en una amplia gama de aplicaciones existentes y a través de cada estrato del mundo del software debería aumentar el mercado accesible de la industria a medida que el software automatiza más tareas manuales.

Los grandes modelos de lenguaje marcan un punto de inflexión en el desarrollo de la IA

La «World Wide Web» (o red informática mundial) se hizo pública cuatro años después de su creación y más de 20 años después del desarrollo inicial de las comunicaciones en red. La inteligencia artificial (IA) está experimentando un punto de inflexión similar con el despliegue de la IA generativa. Aunque la IA se utiliza comercialmente desde hace más de una década, los continuos avances en el procesamiento del lenguaje natural y la potencia computacional de los últimos cuatro o cinco años han dado lugar a funcionalidades cada vez más sofisticadas. Ya sea en dispositivos de reconocimiento de voz como Siri y Alexa, o en la conducción autónoma, la IA ha desbloqueado un nuevo ciclo de rápida innovación.

Más allá del entusiasmo y las llamadas a la cautela suscitadas por ChatGPT y otros grandes modelos de lenguaje similares, creemos que la IA está entrando en un periodo de amplia adopción y aplicación que mejorará la eficiencia empresarial y ampliará los mercados finales existentes. Como ocurre con cualquier innovación emergente, el desarrollo de la IA permanece en movimiento constante. Como consecuencia, continúan apareciendo nuevas oportunidades y riesgos competitivos.

Desde el punto de vista de la inversión, creemos que la demanda de IA creará oportunidades de crecimiento a corto y medio plazo para las empresas de la cadena de valor de los semiconductores. Esto permitirá aumentar la potencia computacional, así como que los proveedores de servicios de hiperescala en la nube y las empresas de software mejoren sus servicios y desarrollen nuevos productos. La IA generativa podría crear nuevos riesgos competitivos en algunas áreas de uso de Internet y obligar a los operadores tradicionales a aumentar el gasto para ponerse a la altura de sus competidores. Las ventajas de las empresas pioneras podrían marcar la diferencia en algunas áreas, mientras que otras podrían convertirse en productos básicos por la competencia. La forma en que se desarrollen los grandes modelos de lenguaje, por ejemplo, y si el código abierto se convierte en una amenaza competitiva, podría tener importantes implicaciones empresariales a largo plazo para los primeras empresas de hiperescala en salir al mercado.

La IA generativa está impulsando una gran demanda de GPU

El concepto de «IA» hace referencia al desarrollo de la potencia computacional y las tecnologías relacionadas, como los robots, con el objetivo de emular e incluso superar las capacidades humanas. Los ordenadores adquieren estas capacidades entrenándose con enormes cantidades de datos, lo que requiere una gran capacidad de procesamiento. En cambio, el concepto de «IA generativa» hace referencia a la capacidad de los modelos de procesamiento del lenguaje natural para generar respuestas textuales y gráficas a las consultas.

La forma más óptima de que los servidores analicen los datos es a través de un número considerable de núcleos (o unidades de procesamiento) integrados en una GPU, un chip especializado que puede procesar un gran volumen de cálculos con precisión de forma eficiente y en paralelo. Las grandes necesidades de cálculo paralelo para el entrenamiento de los grandes modelo de lenguaje están provocando un cambio de uso masivo. En lugar de procesadores en serie, también conocidos como unidades centrales de procesamiento (CPU), ahora se utilizan las GPU (gráfico 1). Las GPU son el motor de la IA y el aumento del interés y el uso de la IA generativa está provocando que crezca la demanda de estos componentes. ChatGPT ha dado lugar a una inflexión en la adopción de la IA, y varias industrias están aprovechando los algoritmos de IA y el aprendizaje automático para mejorar la productividad y aumentar la generación de ingresos.

En los centros de datos, que albergan una variedad de tipos de servidores en función de las diferentes necesidades informáticas, una penetración creciente de la IA está impulsando una aceleración de pedidos de servidores de IA. En el medio plazo, se espera que la adopción de la IA en los centros de datos aumente sustancialmente mediante la introducción de nuevos semiconductores relacionados con la IA. Los cálculos predicen que se pasará de los porcentajes de un solo dígito actuales hasta aproximadamente un tercio de los servidores.

Se espera que el proveedor dominante de GPU, con una cuota estimada de entre el 95 % y el 100 % del mercado de semiconductores para el entrenamiento de modelos de IA, conserve su liderazgo en el mercado a medida que crezca la demanda de IA generativa gracias a su plataforma de computación de desarrollo completo, el alto rendimiento de sus GPU y su ventaja en coste de computación frente a los chips de la competencia. También será un factor importante su ventaja en software mediante bibliotecas específicas del sector y modelos preentrenados para facilitar la adopción de las empresas. Otro diseñador de semiconductores ocupa un distante segundo lugar en el mercado de servidores de centros de datos, mientras que los proveedores de servicios en la nube también desarrollan chips internamente. Varias empresas privadas que ofrecen tecnología informática mejorada también podrían competir por los clientes empresariales, pero actualmente carecen de un ecosistema completo crucial para desplegar una infraestructura de IA eficaz y abordar casos de uso de nicho.

Las tendencias de aumento de la demanda también benefician a los fabricantes de semiconductores que sirven a los proveedores de servicios de hiperescala en la nube junto con otros productos relacionados con el despliegue de la infraestructura de IA. Entre ellos se encuentran las empresas de soluciones de chips personalizados y de red, así como los talleres de fundición y fabricación de equipos de semiconductores, que son fundamentales para producir los chips de vanguardia necesarios para la IA.

La adopción de los servicios en la nube se acelerará con el uso de la IA

Mucho antes del reciente despliegue de ChatGPT y los grandes modelos de lenguaje avanzados, las cargas de computación estaban migrando rápidamente a la nube, lo que convertía a los grandes proveedores de servicios de hiperescala en los proveedores más importantes de infraestructura tecnológica sofisticada para los clientes empresariales. La escala es una cuestión clave en la nube pública, lo que hizo que un pequeño grupo de empresas acaparara la mayor parte del crecimiento en este espacio. Estas empresas también están bien posicionadas en la era de la IA generativa, ya que poseen tanto los modelos de lenguaje fundamentales como la potencia computacional bruta necesaria para aplicar la IA generativa a gran escala. Por lo tanto, creemos que el nivel de infraestructura que subyace al desarrollo de la IA generativa se convertirá con el tiempo en un oligopolio.

A medida que el ritmo de adopción de los servicios en la nube se normaliza desde su auge en la pandemia, vemos que la IA generativa catalizará la siguiente etapa de su crecimiento. La nube pública proporciona tanto la velocidad como la flexibilidad necesarias para aplicar la IA a los problemas empresariales. Las empresas pioneras pueden crear aplicaciones basadas en IA en cuestión de semanas utilizando la API y la capa de infraestructura como servicio (IaaS, por sus siglas en inglés) de hiperescala. Si utilizaran una infraestructura local desde cero, tardarían meses o años. La personalización de los grandes modelos de lenguaje requiere grandes cantidades de datos que a menudo se alojan en la nube, lo que amplía el pastel para los proveedores de servicios de hiperescala en la nube y el ecosistema que los respalda, incluidas las empresas emergentes y de servicios.

Sin embargo, los proveedores de servicios de hiperescala podrían enfrentarse a la creciente competencia de los grandes modelos de lenguaje de código abierto. Algunos miembros del sector de la nube creen que el código abierto podría acabar convirtiendo los grandes modelos de lenguaje en un producto básico, ya que muchas empresas podrían ofrecer grandes modelos de lenguaje bastante competitivos a bajo coste. Pero los usuarios de modelos de código abierto deben tener en cuenta «a quién pertenecen los datos» con los que se han entrenado. Aunque aún es pronto para el desarrollo de grandes modelos de lenguaje, creemos que la preocupación por la seguridad y el uso de datos protegidos supone un riesgo importante para los proveedores y tecnologías de código abierto, que deberían favorecer las nubes públicas con determinadas medidas de protección. Aunque es probable que algunos clientes experimenten con grandes modelos de lenguaje de código abierto, es improbable que muchas grandes empresas incurran en los riesgos asociados con este procedimiento.

Más allá de los servicios en la nube, la IA tiene potencial para remodelar sectores que mueven billones de dólares, como la publicidad en línea. Desde el punto de vista de la búsqueda web, los chatbots como ChatGPT pueden reducir drásticamente el tiempo que se tarda en responder a preguntas complejas en comparación con un motor de búsqueda tradicional (por ejemplo: «¿Cuál es el mejor cañón de Colorado para ir de excursión con un perro?»). Esto podría tener un impacto negativo en la monetización de las búsquedas para los operadores tradicionales, al menos a corto plazo, de forma muy similar a la transición del ordenador al móvil a principios de la década de 2010. La inversión adicional para implantar la IA generativa a gran escala también podría suponer un mayor gasto de capital para las principales plataformas de publicidad en línea, lo que presionaría los flujos de caja a medida que los márgenes se vieran sometidos a presión.

Una vez superados los problemas iniciales, se espera que las herramientas de IA proporcionen beneficios tanto a las plataformas como a los anunciantes al permitir una mejor orientación de los anuncios. La IA generativa puede utilizarse para producir de manera dinámica contenidos publicitarios adaptados a usuarios individuales de motores de búsqueda y de YouTube. Las plataformas de publicidad en línea que han tenido que replantearse la personalización debido a la normativa sobre privacidad de los Identificadores para Anunciantes (IDFA) deberían recuperar algunas de esas capacidades de segmentación con capacidades de IA generativa. Por ejemplo, Instagram podría utilizar estas herramientas para generar anuncios de vídeo a partir de las imágenes estáticas de una marca, impulsando las tasas de conversión. Los chatbots integrados en WhatsApp podrían ayudar a las pequeñas empresas a conectar con más clientes en tiempo real. Estamos observando de cerca los cambios en el uso de Internet por parte de los consumidores para entender cómo estas oportunidades y dificultades pueden afectar a las empresas de Internet de todos los tamaños a medida que incorporan la IA generativa.

Otra área clave que hay que vigilar en relación con los grandes modelos de lenguaje es el estrato de aplicación, que implicará el desarrollo de software vertical y específico de la empresa. Mientras que los modelos más grandes son buenos a la hora de proporcionar conocimientos generalizados extraídos de conjuntos de datos masivos, los modelos entrenados con datos específicos de un dominio tendrán ventaja sobre los modelos más grandes y menos específicos para la mayoría de las aplicaciones empresariales. Para ello será necesario acceder a datos propios de primera mano, así como al uso en el mundo real por parte de millones de usuarios finales, con el fin de perfeccionar la calidad de un gran modelo de lenguaje a través de la retroalimentación humana. Un buen ejemplo es un motor de búsqueda conversacional impulsado por IA generativa en el que sus usuarios ayudan implícitamente a mejorar el modelo con el tiempo a través de sus clics, los niveles de interacción y las preguntas de seguimiento. A medida que los propios grandes modelos de lenguaje se van convirtiendo en productos básicos con el tiempo, creemos que las empresas que se adelanten a sus homólogas en el aprovechamiento de la IA generativa también poseerán habilidades superiores de diseño y experiencia de usuario. Esta es una de las áreas clave a tener en cuenta a la hora de evaluar el impacto de la IA en los proveedores de software y servicios.

La IA generativa impulsará la próxima ola de innovación en software

Varios fabricantes de software importantes ya están comercializando versiones de sus programas mejoradas con IA, lo que ofrece un anticipo de los requisitos necesarios para integrar con éxito la IA en el software: disponer de buenos datos, experiencia en el dominio y capacidad para aplicar los grandes modelos de lenguaje para resolver problemas específicos de los clientes. El potencial para hacer uso de la IA en una amplia gama de aplicaciones existentes y a través de cada estrato del mundo del software debería aumentar el mercado accesible de la industria a medida que el software automatiza más tareas manuales. El desarrollo de código, así como la gestión y el análisis de datos en particular, parecen áreas muy apropiadas para experimentar mejoras significativas gracias a la integración de la IA. Los proveedores de software que prestan servicios en áreas con grandes barreras de entrada también deberían tener poder de fijación de precios para permitir una mayor productividad de los clientes. 

Los proveedores de software como servicio (SaaS, por sus siglas en inglés) han adoptado rápidamente la IA para aprovechar las oportunidades de seguir siendo competitivos, lo que ha desencadenado un rápido ciclo de innovación en aplicaciones de IA generativa. Aunque ver menos usuarios (o «puestos») por cliente empresarial sigue siendo un riesgo en algunos casos, vemos que se compensará con creces con el aumento de los precios de las ofertas basadas en IA a lo largo del tiempo. Además, las empresas de SaaS con grandes cantidades de datos de clientes e importantes barreras normativas de entrada, como en las aplicaciones de recursos humanos y financieras, están mejor posicionadas para mantener su ventaja competitiva a medida que la IA automatiza más funciones. Por otra parte, creemos que el riesgo de desintermediación del software será mayor en las categorías impulsadas por procesos manuales, centradas en los consumidores y los contenidos, y caracterizadas por escasas barreras de entrada y bajas tasas de retención de clientes.

Las empresas de servicios desempeñarán un papel importante a la hora de guiar a los clientes a través de la integración inicial de la IA, que es un ejercicio que podría durar entre tres y cinco años. Lo que se desconoce en este momento es en qué medida la automatización de la IA tomará el relevo en el futuro, disminuyendo potencialmente la necesidad de servicios continuos y consultoría de asistencia en TI. 

¿Qué es lo siguiente?

Teniendo en cuenta la temprana adopción de la IA generativa en la informática empresarial y en los mercados de consumo, la integración de la IA en la economía mundial se encuentra todavía en sus primeras fases.Desde el punto de vista del modelo de negocio y de la inversión, creemos que algunas áreas clave que hay que vigilar a medida que la IA generativa adquiere un uso más amplio incluyen la curva de costes de implementación, el comportamiento de los consumidores en Internet con la búsqueda habilitada por la IA, y las acciones de los reguladores y editores para controlar y probablemente limitar los datos patentados disponibles para entrenar a los grandes modelos de lenguaje. Además de las repercusiones verticales en empresas e industrias específicas, la IA generativa tendrá repercusiones más amplias a medida que los casos de uso se extiendan a más segmentos de la economía. Tenemos previsto analizar más detenidamente las repercusiones macroeconómicas de la IA generativa y cómo podría afectar a las expectativas de productividad e inflación a largo plazo en un informe de seguimiento.