Después de que los agentes comienzan a encargarse del trabajo en lugar de las personas, lo que primero se abre no es la brecha tecnológica, sino la de los recursos.🤖
Un análisis apunta a que el auge de los agentes está intensificando cierto desajuste: las capacidades de los modelos se están repartiendo entre todos, pero los recursos que realmente se aprovechan siguen concentrados en unos pocos lugares. Lo barato es llamar al modelo; lo caro es hacer que funcione: la potencia de cómputo, los datos y los permisos necesarios.
Que las herramientas se vuelvan más baratas no significa que las oportunidades sean más equitativas.
Cada vez que ocurre una revolución de la eficiencia, los primeros beneficiados suelen ser quienes ya tienen el control de los escenarios y los datos, porque saben qué hay que pedirle a la máquina que haga. Cuando la gente común recibe un asistente más inteligente, aun así tiene que encontrar sus propios problemas y asumir el costo de experimentar. Los agentes pueden ejecutar tareas más rápido, pero no se encargan de decirte hacia dónde ir. Este desvío es más decisivo que la diferencia entre lo que un modelo puede y lo que otro no.
El problema real quizá no sea quién lo usa primero.
Al mirar hacia atrás, en cada difusión tecnológica las rutas que se siguen son bastante parecidas. La electricidad, internet y la computación en la nube primero se convierten en infraestructura y luego llegan al alcance de la gente común; el tiempo intermedio es mucho más largo que el que sugiere la publicidad. Los agentes probablemente también estén recorriendo el mismo camino, solo que avanzan un poco más rápido.
La cuestión es a qué se destinan esas horas que se ahorran para una parte de la gente.📊
Un análisis apunta a que el auge de los agentes está intensificando cierto desajuste: las capacidades de los modelos se están repartiendo entre todos, pero los recursos que realmente se aprovechan siguen concentrados en unos pocos lugares. Lo barato es llamar al modelo; lo caro es hacer que funcione: la potencia de cómputo, los datos y los permisos necesarios.
Que las herramientas se vuelvan más baratas no significa que las oportunidades sean más equitativas.
Cada vez que ocurre una revolución de la eficiencia, los primeros beneficiados suelen ser quienes ya tienen el control de los escenarios y los datos, porque saben qué hay que pedirle a la máquina que haga. Cuando la gente común recibe un asistente más inteligente, aun así tiene que encontrar sus propios problemas y asumir el costo de experimentar. Los agentes pueden ejecutar tareas más rápido, pero no se encargan de decirte hacia dónde ir. Este desvío es más decisivo que la diferencia entre lo que un modelo puede y lo que otro no.
El problema real quizá no sea quién lo usa primero.
Al mirar hacia atrás, en cada difusión tecnológica las rutas que se siguen son bastante parecidas. La electricidad, internet y la computación en la nube primero se convierten en infraestructura y luego llegan al alcance de la gente común; el tiempo intermedio es mucho más largo que el que sugiere la publicidad. Los agentes probablemente también estén recorriendo el mismo camino, solo que avanzan un poco más rápido.
La cuestión es a qué se destinan esas horas que se ahorran para una parte de la gente.📊
