Regulando la IA: Cómo podría cambiar quién gana la carrera de la IA
Un nuevo estudio económico argumenta que el pensamiento regulatorio existente está mal adaptado a la estructura emergente de la industria de la IA, donde los poderosos desarrolladores de modelos de base y las empresas de aplicaciones operan dentro de una cadena de suministro estrechamente interconectada. La investigación destaca cómo las decisiones políticas que afectan la competencia, los recursos de computación y las dinámicas de precios pueden moldear no solo las ganancias corporativas, sino también el bienestar del consumidor.
La economía de la cadena de suministro de IA
El estudio examina cómo las intervenciones regulatorias influyen en el ecosistema en rápida expansión de los modelos de base de IA y los desarrolladores de aplicaciones downstream. Utilizando un modelo económico de teoría de juegos, los investigadores analizan cómo las políticas de competencia y los subsidios de computación alteran los incentivos a lo largo de la cadena de suministro de la IA y determinan si tales políticas benefician en última instancia a los consumidores, a los proveedores de tecnología y a las empresas que construyen productos impulsados por IA.
El desarrollo de la IA gira cada vez más en torno a los modelos de base, redes neuronales masivas entrenadas en enormes conjuntos de datos que pueden realizar una amplia gama de tareas. Estos modelos constituyen la base tecnológica de los productos de IA modernos, pero son extremadamente costosos de desarrollar y mantener. Entrenar un modelo a la escala de GPT-4 puede costar más de $100 millones, lo que lo hace poco práctico para la mayoría de las organizaciones.
Debido a estos altos costos, la industria de la IA ha evolucionado hacia una cadena de suministro estructurada verticalmente. En este ecosistema, grandes empresas tecnológicas construyen y mantienen modelos de base, mientras que las empresas downstream los adaptan para aplicaciones especializadas como herramientas de investigación legal, asistentes médicos o sistemas de análisis financiero.
Mecanismos y costos en la cadena de suministro
El mecanismo clave que permite esta estructura es el ajuste fino, un proceso a través del cual las empresas downstream reentrenan un modelo de base utilizando datos específicos del dominio. Este paso permite a las empresas personalizar sistemas de IA de propósito general para satisfacer los requisitos de industrias o tareas específicas. Aunque el preentrenamiento del modelo requiere enormes recursos computacionales, el ajuste fino típicamente requiere menos potencia de computación, lo que lo hace accesible a empresas más pequeñas.
No obstante, el proceso aún implica costos significativos. Las empresas downstream deben preprocesar grandes conjuntos de datos para eliminar el ruido y las inconsistencias antes de poder usarlos para el entrenamiento. Al mismo tiempo, los proveedores del modelo base deben proporcionar la infraestructura computacional necesaria para el entrenamiento y la inferencia. Como resultado, ambas partes incurren en gastos que moldean su comportamiento estratégico en el mercado.
Políticas de competencia y bienestar del consumidor
Los reguladores a menudo intentan aumentar la competencia mejorando la transparencia de precios o exigiendo a las empresas que divulguen información precisa sobre el rendimiento de los productos. Los investigadores identifican dos categorías principales de intervención política: políticas de competencia de precios y políticas de competencia de calidad.
Las políticas que promueven la competencia de precios se centran en mejorar la transparencia de precios y facilitar la comparación de productos por parte de los consumidores. Sin embargo, el estudio encuentra que el resultado es más complejo en las cadenas de suministro de IA. Cuando la competencia se intensifica y las empresas reducen los precios, su incentivo para investir en la mejora de modelos puede disminuir, lo que potencialmente podría reducir el bienestar del consumidor.
Por otro lado, las políticas que promueven la competencia de calidad, como las reglas que exigen afirmaciones de productos precisas o impiden que las empresas oculten reseñas negativas, mejoran consistentemente los resultados para los consumidores. Estas políticas alientan a las empresas a invertir más en mejoras de modelos, aumentando la calidad de los servicios de IA mientras mantienen la presión competitiva sobre los precios.
Subsidios de computación y economía de la infraestructura de IA
El estudio examina los subsidios de computación, una herramienta reguladora que ha ganado popularidad entre los gobiernos. Los investigadores analizan cómo tales subsidios afectan la cadena de suministro de IA y encuentran que generalmente aumentan el bienestar del consumidor. Al reducir el costo de los recursos computacionales, los subsidios disminuyen el precio que los proveedores de modelos base cobran por el ajuste fino, lo que fomenta a las empresas downstream a utilizar más datos de entrenamiento, mejorando la calidad de los productos de IA entregados a los consumidores.
Sin embargo, los beneficios dependen en gran medida de las condiciones de costo. Si los costos de computación y de preprocesamiento de datos permanecen altos, los subsidios pueden volverse ineficaces. La investigación también destaca la importancia del diseño de subsidios, ya que subsidios excesivamente grandes pueden llevar a las empresas a sobreinvertir en ajuste fino, aumentando el gasto público sin producir ganancias proporcionales en el bienestar del consumidor.
Conclusión: El futuro de la regulación de la IA
Los avances en tecnología GPU están reduciendo constantemente el costo de entrenar y desplegar modelos de IA, una tendencia que se espera continúe durante años. A medida que la computación se vuelve más barata, la efectividad de las diferentes políticas regulatorias cambiará. Se prevé que las políticas de competencia de precios, que pueden ser efectivas hoy, podrían volverse menos útiles en el futuro. Mientras tanto, los subsidios de computación podrían volverse cada vez más beneficiosos a medida que caen los costos de computación.
Para los consumidores, el panorama sigue siendo positivo. La disminución de los costos de computación aumenta constantemente el excedente del consumidor al permitir productos de IA de mayor calidad a precios más bajos.
