Cuando Jensen Huang, CEO de Nvidia, habla, la industria tecnológica escucha. Su reciente defensa de los modelos de IA abiertos en su primera publicación en X no fue casual: señaló que estos 'refuerzan la seguridad y la ciberseguridad, aceleran la innovación y la difusión, y favorecen la soberanía'. Pero, ¿qué hay detrás de esta declaración? Hablamos con Kari Briski, vicepresidenta de software de IA generativa de Nvidia, para desentrañar las implicaciones para empresas y gobiernos.

¿Qué aportan realmente los modelos abiertos?

Los modelos abiertos permiten a las empresas y a los países poseer, inspeccionar y adaptar los modelos con sus propios datos. Según Briski, 'el ritmo de adopción varía según la región y la empresa, pero todos los modelos han logrado avances enormes a la hora de reducir la brecha'. Lo interesante de Nemotron, el modelo de peso abierto de Nvidia, es que también publican sus datos, lo que ha abierto un nuevo mundo de participación. 'Las empresas se pusieron en contacto con nosotros diciendo: gracias, pero quiero entender por qué habéis publicado este conjunto de datos. Eso les hizo darse cuenta de que podían seleccionar, crear, recopilar y controlar sus propios datos'.

Enfoque para CIOs y usos soberanos

Briski señala que tanto los directores de sistemas de información (CIO) como los usos soberanos están en su mente. 'Al más alto nivel, es prácticamente lo mismo: casos de uso, conjuntos de datos, resultados que se quieren alcanzar'. La evolución ha pasado de simples preguntas y respuestas a cargas de trabajo autónomas que requieren herramientas específicas. 'Una empresa puede tener 2.000 herramientas; una región, 2.000 herramientas regionales. Son fundamentalmente iguales, pero con diferentes estrategias de comercialización: entornos de aprendizaje por refuerzo, generación de datos sintéticos, o anonimización y privacidad diferencial para datos sanitarios y bancarios'.

¿Por qué Nvidia hace públicos sus modelos?

La estrategia de Nvidia no es altruista. 'Estamos desarrollando Nemotron para nosotros mismos en especial, con el fin de comprender el funcionamiento de nuestros sistemas a gran escala —no sólo para el entrenamiento, sino también para la inferencia—, lo que nos permite repetir en aspectos como la arquitectura de los modelos para optimizar la eficiencia de los tokens'. Además, creen en un ecosistema próspero: 'Cuando se publica un modelo, surgen más startups, más desarrolladores y se reducen las barreras de entrada'.

Modelos abiertos e IA soberana

La conexión es directa. 'Se trata de impulsar una región que, de otro modo, no dispondría de la capacidad de cálculo necesaria para alcanzar un modelo básico', explica Briski. Históricamente, el acceso a clústeres de computación dependía de subvenciones, con un ir y venir que impedía la repetición constante. 'Son las leyes de escalabilidad de la IA: cuanta más potencia de cálculo, más inteligencia; cuanto más acceso, más rápido se pueden impulsar. Los modelos abiertos y los datos abiertos son ese impulso inicial. No hace falta volver a recopilar todo el conocimiento de Internet para crear un modelo de preentrenamiento'.

Adaptación regional y SLMs

Las diferencias regionales son clave. 'La voz y el boca a boca tienen gran importancia en el sur de Asia, mientras que los chatbots no tanto', señala. ¿El enfoque futuro? 'Depende', responde. 'El lenguaje está en constante evolución. Volvamos a los principios básicos: la IA es infraestructura. No sólo el modelo, sino el marco de trabajo, las habilidades, el entorno de ejecución. Todo esto constituye una nueva plataforma informática'. Y añade: 'Podría tratarse de un gran modelo maestro que, en el borde, sea un SLM'. Esta flexibilidad es esencial para integrar la IA en aplicaciones cotidianas, comprendiendo dialectos y áreas específicas, impulsando el ciclo virtuoso de datos.

Hardware limitado y modelos de menor tamaño

Las empresas de países en desarrollo, como Nepal, expresan su frustración por la falta de acceso a GPUs. Briski responde: 'Si conoces a Nvidia, sabes que todo gira en torno al ecosistema, y queremos facilitar el trabajo a los desarrolladores. Por eso contamos con muchos tamaños diferentes: Nano, Super y Ultra de la familia Nemotron, no sólo en función de dónde se implemente, sino para que los desarrolladores puedan iterar en GPU más pequeñas y luego escalar a un modelo más robusto como el Ultra'. Además, funcionan como un modelo como servicio en todos los proveedores de nube, con socios que obtienen acceso anticipado.

Colaboración abierta y rendimiento vs. calidad

Al igual que Linux, el sector colabora en tecnologías abiertas. Briski afirma: 'En cuanto a rendimiento frente a calidad, se trata de ambos. No se puede tener un modelo de alta calidad que sea lento o pesado, ni un modelo rápido que sea pésimo'. Se centran en tres aspectos: eficiencia, vanguardia y apertura. Hoy, los modelos trabajan juntos: 'Un agente de planificación deriva una consulta al mejor modelo para completar la tarea'. La Nemotron Coalition busca reunir a las mentes más brillantes para colaborar en arquitecturas de modelos, eficiencia de tokens y nuevas técnicas como la mezcla latente de expertos.

¿Es el último modelo siempre el mejor?

Briski compara con el software: 'Haces una actualización y simplemente no funciona como antes'. Por eso, la coalición incorpora criterios de evaluación de socios para asegurar que no retroceden. 'Hay que cambiar de mentalidad con respecto a la IA y a la forma de probarla. ¿Es el último modelo necesariamente el mejor? Yo diría que sí. Las empresas y los países necesitan las habilidades para evaluar rápidamente, actualizar las indicaciones y adoptar nuevos modelos'.

Licencias abiertas y bifurcaciones

Nvidia permite bifurcar sus modelos y publicarlos en Hugging Face. 'Tenemos una licencia muy abierta', dice Briski. Publican puntos de control NVFP4 de precisión reducida, populares por su menor espacio. 'Me encanta ver diferentes bifurcaciones de nuestros modelos. También hacemos un seguimiento de ellas, lo que nos da una idea de lo que le importa a la gente'. Las pruebas de rendimiento son el mínimo, no el máximo. 'En los últimos 90 días, el tipo de carga de trabajo ha cambiado drásticamente, pasando de pares de pregunta-respuesta a cargas de trabajo de tipo agente'. Quieren demostrar que se puede ser igual de inteligente con eficiencia computacional y de tokens.

Para las empresas, adoptar modelos abiertos no es solo una cuestión de coste, sino de soberanía y control. Como explicamos en nuestra guía sobre implementación de IA generativa en flujos de trabajo, la seguridad es un factor crítico. Los modelos abiertos permiten inspeccionar y adaptar, pero también requieren una evaluación continua, como vimos en el análisis de las brechas de Claude. La flexibilidad de estos modelos es comparable a la que ofrecen soluciones como NEXGestión para finanzas, donde la adaptación a las necesidades del cliente es clave. En definitiva, la apuesta de Nvidia por los modelos abiertos no solo democratiza la IA, sino que redefine la soberanía digital en un mundo cada vez más interconectado.

Fuente original: ComputerWorld. Análisis y adaptación por ForgeNEX.