Desbloquee el resumen del editor de forma gratuita
Roula Khalaf, editora del FT, selecciona sus historias favoritas en este boletín semanal.
El escritor es un ex jefe de investigación mundial en Morgan Stanley y ex Jefe de Investigación, Datos y Análisis del Grupo en UBS en UBS
Molesto, divertido o indispensable. Cada inversor tendrá una idea de cuán lejos ha progresado la inteligencia artificial en esta secuencia. Pero un presentimiento no nos llevará lejos. En cambio, comprender el tipo de futuro que esperamos debería definir nuestras apuestas. No es lo mismo apostar en una marea de productividad que beneficie a la mayoría de las empresas, ya que es apostar a un desarrollo de molienda que favorezca a algunos titulares. O una ruptura a un nuevo paradigma, trayendo a las próximas empresas superestrellas.
Quizás un buen lugar para comenzar es la suposición más ampliamente aceptada: que la IA aumentará la productividad. Es posible que no sepamos quiénes serán los ganadores y los perdedores, pero podríamos suponer que la mayoría de las industrias se beneficiarán de la IA a medida que la tecnología se infunda dentro de las empresas como sucedió con las máquinas de vapor y la electricidad en el pasado.
Si aceptamos esta proposición de que la IA es una tecnología normal – avanzado Por los profesores de la Universidad de Princeton, Arvind Narayanan y Sayash Kapoor, junto con otros, el enfoque correcto podría ser comprar índices de mercado amplios ya que la marea ascendente elevará a la mayoría de las empresas.
Pero los inversores deberían considerar algunos matices. Las estimaciones de las ganancias de productividad están por todas partes. Para los EE. UU., Las estimaciones de la productividad aumentan de al menos un crecimiento del 1,4 por ciento en un año (mucho) al 1 por ciento en el transcurso de cinco años (no mucho).
Esto es comprensible. Realmente no sabemos cómo cambia la IA la ecuación de productividad una vez que contabilizamos los costos de adopción, supervisión adecuada y garantizando la especificación correcta de los modelos. A menudo a veces, los humanos incluso se ralentizan cuando trabajan con IA dado el estado actual de la tecnología.
Algunos inversores pueden apostar que quien aproveche al máximo la paradoja de Jevons capturará la participación de los leones en la economía. Stanley Jevons, un economista victoriano, pensó que cuando la tecnología avanza hace que un recurso sea eficiente para usar, en lugar de reducir el gasto, la demanda crecerá mucho más, lo que lleva a un mayor consumo general.
Si la paradoja es fiel a la forma, las mejores ganancias serán capturadas por empresas que ayudan a las corporaciones o individuos a integrar una miríada de agentes y aplicaciones en sus empresas. El juego, entonces, es pronosticar quién de los hiperscalers actuales de la IA puede capturar la “atención” de los clientes en más formas y formas. Ese es el equivalente a las apuestas de propagación en los deportes, comparando predicciones de ganancias relativas en acciones con los precios del mercado.
Sin embargo, otro inversor puede apostar por encontrar la nueva compañía de varios miles de millones de dólares producidos por el próximo Big Tech Leap. Esa es una apuesta más riesgosa porque los paradigmas tecnológicos no son estables. Muchas nuevas soluciones tecnológicas surgirán y gradualmente, pero de repente, el mercado convergerá en una o unos pocos. Esta es la historia del motor de búsqueda de Google o los chips de Nvidia.
Como se muestra en ciclos pasados de innovación, muy pocas empresas permanecen en la frontera del cambio durante cinco años. Nadie sabe qué compañías emergerán a los ganadores en la próxima convergencia. O si los modelos de idiomas grandes con codificación de software de código abierto o versiones cerradas liderarán el camino.
El juego de adivinanzas sería más simple si probar el rendimiento del rendimiento de LLM descubriría la siguiente mejor opción. Pero no lo es. Los profesores Narayanan y Kapoor presentan un caso convincente de que, en lugar de rastrear cuántos billones de parámetros hay en un modelo, o su capacidad para pasar la larga lista de preguntas difíciles en el punto de referencia de rendimiento de IA conocido como El último examen de la humanidadDebemos evaluar los usos prácticos: las aplicaciones que hacen que nuestro trabajo sea más productivo. El tamaño, el tiempo de cálculo y la precisión de las respuestas de un modelo no parecen diferentes a los detalles de la educación de un candidato en el currículum. Te dice algo, pero no garantiza que puedan hacer el trabajo. En cambio, debemos monitorear el desarrollo de aplicaciones y agentes de IA.
Los inversores valientes podrían considerar las compañías de IA en etapas tempranas como una opción en un futuro especulativo con características de riesgo y recompensa muy idiosincráticas. Como estudio de los profesores Lubos Pastor y Pietro Veronesi de la Universidad de Chicago, los picos en las valoraciones de las acciones de empresas con tecnología emergente están asociadas con una alta incertidumbre sobre la productividad de la innovación. Las valoraciones múltiples luego bajan a medida que la tecnología se adopta a escala.
Así que advierte el vacío; A menos que el jugador tenga una ventaja clara, puede ser mejor difundir las apuestas, aceptando la incertidumbre radical que implica.
