Los modelos de lenguaje pequeños están ganando terreno en las estrategias corporativas de inteligencia artificial

2–3 minutos

Un estudio de la consultora IDC, citado por Canaltech, predice que para 2026 nueve de cada diez casos de uso de modelos de lenguaje entre las mil mayores empresas de la región Asia-Pacífico se basarán en modelos de lenguaje pequeños (SLM, por sus siglas en inglés).

¿Qué son los modelos pequeños?

Los SLM tienen menos parámetros y, por lo general, requieren menos capacidad computacional que los grandes modelos utilizados por servicios como ChatGPT y otros asistentes generativos.

Esta diferencia no significa que un modelo pequeño sea simplemente una versión peor de un modelo grande. El objetivo es elegir una inteligencia artificial que se adapte a la tarea específica.

Una organización puede recurrir a un modelo más grande para actividades que requieren un razonamiento complejo y adoptar un modelo más pequeño para funciones más repetitivas y puntuales.

Esta especialización puede ser decisiva cuando una empresa necesita procesar grandes volúmenes de solicitudes. Cuanto menor sea la demanda computacional de cada operación, menor tenderá a ser el costo de ejecución.

El costo y la velocidad también son factores clave

Implementar la inteligencia artificial a gran escala implica más que pagar por el acceso a un chatbot. Cada solicitud consume recursos de procesamiento, y una aplicación corporativa puede realizar miles o millones de ellas.

Los modelos más pequeños pueden reducir esta demanda y también responder más rápidamente en determinadas tareas.

Un análisis reciente de estudios sobre SLM identificó mejoras precisamente en la eficiencia computacional y en la posibilidad de una implementación más cercana a la infraestructura de la propia empresa.

La elección también puede ser de carácter financiero. Si una actividad simple puede ser resuelta por una IA más pequeña, utilizar un modelo de gran tamaño para todas las solicitudes puede representar un gasto innecesario.

Los datos y la privacidad también son factores importantes

Otra razón por la que las empresas consideran los SLM es el control sobre los datos.

Los modelos más pequeños pueden instalarse en servidores privados o en entornos controlados por la propia organización, dependiendo de la arquitectura elegida.

Esto es relevante para las empresas que manejan información financiera, documentos internos, datos de clientes u otros contenidos que no deben circular libremente en servicios externos.

Sin embargo, los SLM no son automáticamente más seguros. La protección depende de cómo se configure, actualice, supervise y conecte el modelo a los datos de la empresa.

La tendencia es combinar diferentes modelos

El crecimiento de los modelos pequeños no implica la desaparición de los gigantes. Una arquitectura puede distribuir las tareas entre diferentes inteligencias artificiales.

Una solicitud simple puede ser dirigida a un modelo más pequeño, mientras que una tarea que requiere mayor capacidad de razonamiento se dirige a un modelo más robusto. El resultado es una especie de división del trabajo entre las IA.

Para las empresas, la discusión ya no se centra únicamente en cuál es el modelo más inteligente, sino que incluye una pregunta más práctica: ¿qué modelo puede realizar una tarea determinada con calidad suficiente, al menor costo y con el nivel de control necesario?

Es esta ecuación la que ayuda a explicar por qué los modelos más pequeños están ganando terreno. En la carrera corporativa por la inteligencia artificial, el tamaño ya no es el único criterio para decidir qué tecnología tiene sentido adoptar.