Cuando Jensen Huang, CEO de Nvidia, habla, el sector tecnológico presta atención. Su reciente defensa de los modelos de IA abiertos en su primera publicación en X no es solo una declaración de principios, sino una estrategia clara que redefine el futuro de la inteligencia artificial empresarial. En un momento en que la IA generativa se consolida como infraestructura crítica, la decisión de Nvidia de abrir sus modelos Nemotron plantea preguntas fundamentales sobre propiedad, soberanía y acceso a la tecnología.

Kari Briski, vicepresidenta de software de IA generativa de Nvidia, profundiza en esta visión en una entrevista exclusiva. Para ella, los modelos abiertos no son un simple gesto filantrópico, sino una herramienta estratégica que permite a empresas y países tomar control de su destino tecnológico. 'Los modelos abiertos permiten a las empresas y a los países poseer, inspeccionar y adaptar los modelos con sus propios datos', explica Briski. Este enfoque, que combina la publicación de pesos y datos, está transformando la manera en que las organizaciones abordan la IA, pasando de ser consumidores pasivos a creadores activos.

Más allá del modelo: el valor de los datos abiertos

La estrategia de Nvidia va más allá de liberar pesos de modelos. Al publicar también los conjuntos de datos utilizados para el entrenamiento, la compañía está abriendo un nuevo paradigma de participación. 'Las empresas se pusieron en contacto con nosotros diciendo: “Gracias, pero quiero entender por qué habéis publicado este conjunto de datos”', comenta Briski. Esta transparencia ha llevado a muchas organizaciones a darse cuenta de que pueden seleccionar, crear y controlar sus propios datos, un aspecto crucial en sectores regulados como la salud o la banca, donde la privacidad diferencial y la anonimización son imprescindibles.

Para los CIOs, esta apertura supone una oportunidad sin precedentes. Ya no dependen de modelos cerrados que no pueden auditar ni adaptar. En lugar de eso, pueden construir sistemas de IA que se alineen con sus necesidades específicas, ya sea para automatizar procesos empresariales o para crear asistentes virtuales más eficientes. Como señalamos en nuestro artículo sobre implementación de IA generativa en flujos de trabajo, la capacidad de ajustar modelos a datos propios es un diferenciador clave.

IA soberana: el impulso para regiones desatendidas

La conexión entre modelos abiertos y soberanía digital es otro pilar de la estrategia de Nvidia. Briski es clara: 'Se trata de impulsar una región que, de otro modo, no dispondría de la capacidad de cálculo necesaria para alcanzar un modelo básico'. Históricamente, el acceso a clústeres de computación de alto rendimiento ha sido limitado, a menudo dependiente de subvenciones que obligaban a interrumpir el trabajo. Los modelos abiertos, combinados con datos abiertos, ofrecen un punto de partida que elimina la necesidad de recopilar todo el conocimiento de Internet desde cero.

Este enfoque es especialmente relevante en regiones como el sur de Asia, donde las dinámicas sociales y lingüísticas difieren notablemente. 'La voz y el boca a boca tienen gran importancia en el sur de Asia, mientras que los chatbots no tanto', apunta Briski. La adaptación de modelos a dialectos y contextos locales es un desafío que solo puede abordarse con modelos abiertos que permitan un ajuste fino continuo. Esto conecta directamente con la necesidad de automatizar procesos con IA adaptativa, un tema que exploramos en profundidad.

Del modelo maestro al SLM: una arquitectura flexible

Cuando se le pregunta sobre el futuro de los modelos, Briski responde con un pragmatismo refrescante: 'Depende'. La IA es infraestructura, y como tal, debe adaptarse a diferentes entornos. 'Podría tratarse de un gran modelo maestro que, en el borde, sea un SLM', explica. Esta flexibilidad es clave para empresas que necesitan desplegar IA en dispositivos con recursos limitados, una tendencia que ya estamos viendo en el CRM para talleres y SAT, donde la eficiencia es crítica.

Nvidia ofrece diferentes tamaños de modelos (Nano, Super, Ultra) para que los desarrolladores puedan iterar en GPU más pequeñas y escalar después. Además, la compañía no se limita a lanzar puntos de control al vacío: 'No nos limitamos a lanzar el punto de control por encima del muro; les ayudamos a recorrer ese último tramo', asegura Briski. Este soporte incluye acceso anticipado a socios y optimización para diferentes plataformas, lo que reduce las barreras de adopción.

Colaboración y comunidad: el nuevo código abierto

La industria tecnológica ha demostrado que la colaboración en torno a estándares abiertos como Linux puede transformar el sector. ¿Puede aplicarse este modelo a la IA? Briski cree que sí, y señala la Nemotron Coalition y la Open Secure AI Alliance como ejemplos de esta visión. 'Reunir a las mentes más brillantes y comprometidas con el código abierto y la colaboración' es el objetivo, con miembros que contribuyen en áreas como preentrenamiento, postentrenamiento o datos.

En cuanto al debate entre rendimiento y calidad, Briski es tajante: 'Se trata de ambos'. Un modelo lento no es útil, pero uno rápido que da respuestas incorrectas tampoco. Por eso Nvidia se centra en tres pilares: eficiencia, vanguardia y apertura. Además, los modelos ya no trabajan aislados; 'un agente de planificación deriva una consulta al mejor modelo para completar la tarea', una tendencia que está redefiniendo la arquitectura de las aplicaciones empresariales.

¿El último modelo es siempre el mejor?

Una pregunta que surge con frecuencia es si las empresas deberían actualizar constantemente a los últimos modelos. Briski compara esta situación con el software tradicional: 'Haces una actualización y simplemente no funciona como antes'. Por eso, la evaluación continua y la adaptación son esenciales. 'Las empresas y los países necesitan las habilidades para evaluar rápidamente, actualizar las indicaciones y adoptar nuevos modelos', aconseja.

Nvidia permite que sus modelos sean bifurcados y modificados libremente, y la compañía sigue de cerca estas adaptaciones. 'Me encanta ver diferentes bifurcaciones de nuestros modelos', confiesa Briski. Este feedback de la comunidad es invaluable para mejorar los modelos y entender qué necesidades reales tienen los usuarios. Las pruebas de rendimiento, aunque importantes, son solo el punto de partida: 'Las pruebas de rendimiento son el mínimo imprescindible, no el límite máximo al que debemos llegar'.

En un panorama donde la IA generativa está transformando industrias enteras, la apuesta de Nvidia por modelos abiertos podría ser el catalizador que democratice el acceso a la tecnología. Como hemos analizado en otros artículos, como el de la paradoja de la IA defensiva, la apertura no está exenta de desafíos, pero los beneficios en términos de innovación y soberanía son difíciles de ignorar.

Fuente original: ComputerWorld. Análisis y adaptación por ForgeNEX.