Entendiendo la carrera de IA y genAI

Creo que el ecosistema inversor/emprendedor de la region (Latam+España) no entiende el momento o espacio en el que está en temas de Inteligencia Artificial especialmente en GenAI y, quizás, analizar los 100 papers más citados en el ámbito académico ayude a explicar dónde estamos parados para así entender dónde podemos encontrar oportunidades de inversión para crecer.

Version simplificada del Stack (lo del medio podes pensarlo de varias maneras)

¿Por qué los 100 papers más citados? [fuente] Por dos razones principales: por un lado, el momento actual de la inteligencia artificial generativa es el de transferencia tecnológica, de R&D y academia a corporaciones y startups. Y, por otro lado, porque el avance de las corporaciones sobre la investigación académica se está dando a pasos agigantados por la cantidad de capital necesario para desplegar estas soluciones.

De academia a Industria

¿Por que la transferencia tecnológica se da tan acelerada y brutalmente en GenAI/AI? Por algo simple: la necesidad de poder de cómputo es tan alta que sólo los hyperscalers tienen la infraestructura para correr en esta industria; de ahí que en el top 5 de organizaciones en los 100 papers de AI más importantes están Microsoft, Google y Meta; con Stanford y Carnegie Mellon siendo los otros dos. [Buen estudio de MIT]

  • El acceso a los recursos: infraestructura de cómputo y datsasets.
  • OPEX "ilimitado": Meta invirtió unos 15bn en desarrollo de AI solo este año
  • Campo de pruebas: MS Copilot, Meta AI, ChatGPT, Google Gemini... miles de millones de usuarios capaces de dar feedback masivo (o red-teaming) sobre productos en el campo.

Y así vemos cómo mientras hace un par de décadas apenas un 20% de PhD's en AI trabajaban en industrias, hoy el 70% trabajan en corporaciones/startups fuera del ámbito académico; los autores citados en papers que trabajan en empresas se han triplicado y el 92% de los modelos son creados en industrias.

La inteligencia artificial y la gravedad de USA y China

Si hay algo innegable en Inteligencia Aritificial es el peso de USA, de China y, en el mercado de startups, el increible peso de Bay Area donde todo parece estar pasando y lidera el resurgimiento de San Francisco, una ciudad que todos dan por muerta sin siquiera revisar estos datos por un minuto:

  • Del AI Top 50 de Forbes, el 70% del mercado global de startups está en California.
  • Más del 25% de papers y estudios relacionados a IA desde 2001 se publicaron desde Bay Area.
  • Bay Area tiene más búsquedas de empleados para trabajar en Inteligencia Artificial que los 14 ecosistemas que le siguen.
  • [Más datos en este post]

Si ampliamos un poco nuestra mirada y salimos de Bay Area y vamos a ver USA en general, lo que vemos es que el liderazgo de USA es absoluto; en términos de creación, de los papers sobre inteligencia artificial más citados tienen más que la suma de todos los que los siguen; en el top 10 de los lugares donde se generaron los 100 papers más citados solo el Hong Kong University of Science and Technology (HKUST) aparece y en el 8vo lugar.

Pero China viene creciendo a pasos agigantados; especialmente en la aplicación de IA en procesos o productos: desde 2021 tienen más patentes de IA que USA y en 2023 los duplicaron. A nivel de cantidad de papers ya pasaron a USA, especialmente en "undergrads", o sea estudiantes de universidades de grado. Pero acá lo interesante es que hay una migración de talento que no se puede negar ya que el 38% de los investigadores top de USA son de origen chino.

Y eso muestra que el peso de USA para crecer en ese mercado es absoluto; un gran centro gravitacional que atrae talento, recursos e inversiones por el peso específico de su investigación.

Innovación desde el márgen

En este punto, debo decir que mucho de lo que leo parece ser o fuera de contexto o sin experiencia real en IA creado por expertos que hace 1 año hablaban de web3.0 o Industry2.0. Y mientras tanto, en modelos no podemos competir: el vagón del middleware ya está en marcha, vamos por el application layer:

  • Enfocarnos en nuestros problemas: a veces creo que con la experiencia que tenemos en problemas en salud, finanzas, servicios públicos, agricultura... donde hay fricción, hay un mercado gigante por número y porque podemos crear expertise que sea base para mercados emergentes como SEA o similares.
    • Bonus: Las comunidades de práctica en Latam siempre lideraron mercados; desde blogs hasta blockchain, tenemos grandes reservas de talento, que siempre buscan resolver esas cosas que "acá son diferentes".
  • Tal vez, enfocarnos en Open Source como objetivo ya que, al fin del día, competir en la pirámide de la infraestructura no tiene sentido -no tenemos los recursos ni los investigadores- y:
    • Si uno mira los papers mas citados a nivel mundial, Llama de Meta lidera por lejos y quizás debería enfocarse en contribuir en esa comunidad para ganar visibilidad y lograr que los hyperscalers, por ejemplo META, nos miren e inviertan en la región.
    • Bonus: cuando un hyperscaler avanza los otros siguen; si se logra visibilidad de Meta/Llama quizás Google y su AI Research Center en Brasil o Microsoft y su AI Lab en Montevideo amplíen sus inversiones que son pocas pero que al fin del día generan ecosistema alrededor.
  • Research Networks: cuando pienso en dónde podemos encontrar una oportunidad, creo que somos muy buenos en muchas cosas; por ejemplo en crear herramientas de tooling o implementar de formas creativas tecnología (eg: Belo entendiendo a los freelancers para su off-ramp) y entonces miro Latam y veo más informalidad, menos respeto por el cliente, poca competencia en sectores gigantes que se traduce en fricción e ineficiencia... y me acuerdo de Jeff Bezos pensando en lo que no va a cambiar de forma repentina para crear un negocio:

“I very frequently get the question: 'What's going to change in the next 10 years?' And that is a very interesting question; it's a very common one. I almost never get the question: 'What's not going to change in the next 10 years?' And I submit to you that that second question is actually the more important of the two -- because you can build a business strategy around the things that are stable in time. ... [I]n our retail business, we know that customers want low prices, and I know that's going to be true 10 years from now. They want fast delivery; they want vast selection. It's impossible to imagine a future 10 years from now where a customer comes up and says, 'Jeff I love Amazon; I just wish the prices were a little higher,' [or] 'I love Amazon; I just wish you'd deliver a little more slowly.' Impossible. And so the effort we put into those things, spinning those things up, we know the energy we put into it today will still be paying off dividends for our customers 10 years from now. When you have something that you know is true, even over the long term, you can afford to put a lot of energy into it.”

| Estrategias Inteligencia Artifical
Tags:
AI emprendedores generative AI innovación inversiones