Cada vez se hacen más llamadas a la IA, pero ¿por qué no tienen que dirigirse todas al modelo más caro?
El 9 de octubre, Microsoft presentó Decision 1, diseñado específicamente para tomar decisiones de clasificación, enrutamiento y flujo de trabajo. Ofrece resultados y niveles de confianza a partir de opciones predefinidas; su objetivo no es generar una respuesta larga.
Esto afecta a quién cobra por cada paso de una tarea.
Por ejemplo, un sistema de atención al cliente primero determina si se trata de «un reembolso, un envío o un problema técnico» y luego decide a qué proceso derivarlo. Clasificar y explicar un contrato complejo requieren capacidades, longitudes de respuesta y costes distintos. No hace falta que cada paso consuma por defecto la misma costosa capacidad de razonamiento general.
Mi opinión es que, al adquirir IA, las empresas prestarán cada vez más atención a cómo se distribuyen las tareas. Las decisiones sencillas se asignarán a modelos especializados adecuados, y los problemas complejos se escalarán para su tratamiento. Lo que realmente hay que comparar es el gasto y el coste de los errores de todo el proceso, no lo barato que parece una sola llamada a un modelo.
Esto también explica por qué el volumen de llamadas no equivale directamente a ingresos: las llamadas pueden aumentar mientras cambian la combinación de tareas y el precio unitario. Si un error obliga a repetir el trabajo, el supuesto ahorro inicial también se esfuma.
Al analizar activos relacionados con la IA como TAO, FET y RENDER, también hay que seguir preguntándose qué demanda de pago tiene cada uno. Que Microsoft lance un producto no demuestra que esos tokens generen ingresos.
Lo que más me interesa es en qué paso gastan las empresas su presupuesto y si realmente vale la pena pagar por él.
$TAO $FET $RENDER #AI
Toca mi foto de perfil para ver mis operaciones en vivo
El 9 de octubre, Microsoft presentó Decision 1, diseñado específicamente para tomar decisiones de clasificación, enrutamiento y flujo de trabajo. Ofrece resultados y niveles de confianza a partir de opciones predefinidas; su objetivo no es generar una respuesta larga.
Esto afecta a quién cobra por cada paso de una tarea.
Por ejemplo, un sistema de atención al cliente primero determina si se trata de «un reembolso, un envío o un problema técnico» y luego decide a qué proceso derivarlo. Clasificar y explicar un contrato complejo requieren capacidades, longitudes de respuesta y costes distintos. No hace falta que cada paso consuma por defecto la misma costosa capacidad de razonamiento general.
Mi opinión es que, al adquirir IA, las empresas prestarán cada vez más atención a cómo se distribuyen las tareas. Las decisiones sencillas se asignarán a modelos especializados adecuados, y los problemas complejos se escalarán para su tratamiento. Lo que realmente hay que comparar es el gasto y el coste de los errores de todo el proceso, no lo barato que parece una sola llamada a un modelo.
Esto también explica por qué el volumen de llamadas no equivale directamente a ingresos: las llamadas pueden aumentar mientras cambian la combinación de tareas y el precio unitario. Si un error obliga a repetir el trabajo, el supuesto ahorro inicial también se esfuma.
Al analizar activos relacionados con la IA como TAO, FET y RENDER, también hay que seguir preguntándose qué demanda de pago tiene cada uno. Que Microsoft lance un producto no demuestra que esos tokens generen ingresos.
Lo que más me interesa es en qué paso gastan las empresas su presupuesto y si realmente vale la pena pagar por él.
$TAO $FET $RENDER #AI
Toca mi foto de perfil para ver mis operaciones en vivo