Tras el 2023 que puso la inteligencia artificial en boca de todos —con el lanzamiento público de ChatGPT, la versión GPT-4 en marzo y la proliferación de modelos de código abierto—, el 2024 iba a ser el año en que las instituciones respondieran. Dos frentes concretos marcaron el punto de partida: la orden ejecutiva de Biden sobre IA (30 de octubre de 2023) y el acuerdo provisional sobre el AI Act europeo (diciembre de 2023). Además, los litigios por derechos de autor —con la demanda del New York Times a OpenAI y Microsoft como referente— añadían un tercer frente jurídico que se prevenga complicado.
La regulación toma forma concreta
El AI Act de la Unión Europea era el proceso más avanzado de regulación específica de IA a nivel mundial. El acuerdo provisional de diciembre de 2023 entre el Parlamento Europeo y el Consejo fue el resultado de negociaciones más duras de lo esperado, sobre todo alrededor de los modelos de IA de uso general (GPAI) y el reconocimiento facial en tiempo real. En 2024 se esperaba la ratificación formal y la publicación en el Diario Oficial de la UE, que finalmente llegó en el verano de 2024 con una entrada en vigor escalonada. La Oficina de IA de la UE, creada con 140 expertos, sería la encargada de supervisar el cumplimiento.
En Estados Unidos, el enfoque fue diferente: en lugar de legislación específica, la orden ejecutiva de Biden estableció requisitos de notificación para los modelos entrenados con más de 10^26 FLOPs y creó estándares de seguridad a través del NIST. El debate en el Congreso sobre una ley federal de IA seguía abierto al cierre de 2023, con pocas expectativas de consenso rápido.
Modelos: hacia la multimodalidad y la eficiencia
Los laboratorios de IA ya tenían en marcha los modelos que dominarían 2024. OpenAI preparaba GPT-4 Turbo y los sucesores de GPT-4 Vision, mientras que Google trabajaba en Gemini, que se presentó en diciembre de 2023 con tres versiones (Ultra, Pro y Nano) para distintos perfiles de uso. Anthropic tenía Claude 2.1 en producción y ya trabajaba en la familia Claude 3, que llegaría en los primeros meses de 2024.
La tendencia clara era hacia la multimodalidad: modelos capaces de procesar texto, imágenes, audio y video dentro del mismo sistema. Otro vector fue la eficiencia: reducir el coste por token de inferencia para hacer la IA más accesible en dispositivos con recursos limitados (modelos SLM o pequeños modelos de lenguaje como Phi-2 de Microsoft o Mistral 7B).
Inversiones y concentración de mercado
El acceso a la infraestructura de cómputo siguió siendo el principal cuello de botella para los nuevos entrantes. NVIDIA ya era el proveedor dominante de GPU para entrenamiento de LLM, y la escasez de chips H100 durante 2023 había dejado clara la dependencia de toda la industria respecto a un único fabricante. Para 2024 se esperaban las GPU H200 y la arquitectura Blackwell, además de alternativas de AMD, Google (TPU v5) e Intel (Gaudi 3).
Los requerimientos de capital para entrenar modelos competitivos —estimados en decenas o cientos de millones de dólares por ciclo de entrenamiento— l imitaban la competencia real a un grupo reducido de laboratorios con respaldo inversor o corporativo. Microsoft (OpenAI), Google (Anthropic y DeepMind), Amazon (Anthropic) y Meta (Llama) concentraban la mayor parte de la capacidad.
El frente legal: derechos de autor y datos de entrenamiento
La demanda del New York Times contra OpenAI y Microsoft, presentada el 27 de diciembre de 2023, abrió un debate jurídico que se iba a extender durante 2024. La cuestión central era si usar contenido protegido por derechos de autor para entrenar LLM constituye infracción o queda amparado por la doctrina del uso justo. La demanda fue el precursor de una oleada que alcanzaría a cerca de 400 medios en los meses siguientes, convirtiendo el litigio entre prensa e IA en uno de los procedimientos más seguidos del sector.
Preguntas frecuentes sobre la IA en 2024
¿Qué es el AI Act y cuándo entra en vigor?
El AI Act es el reglamento de la Unión Europea sobre inteligencia artificial, el primero de su tipo a escala mundial. El acuerdo provisional se alcanzó en diciembre de 2023 y la ley entró en vigor el 1 de agosto de 2024, con un calendario de aplicación escalonada que llega hasta 2026 para las obligaciones de sistemas de alto riesgo.
¿Qué son los modelos de IA de uso general (GPAI)?
Los modelos de propósito general (GPAI, por sus siglas en inglés) son LLM o sistemas de IA entrenados para realizar una amplia variedad de tareas, sin estar limitados a un ámbito concreto. GPT-4, Claude 3 o Gemini Ultra son ejemplos. El AI Act establece obligaciones específicas para los GPAI más potentes, en particular los que superan 10^25 FLOPs de cómputo de entrenamiento.
¿Qué diferencia hay entre SLM y LLM?
Un LLM (modelo grande de lenguaje) tiene típicamente miles de millones de parámetros y requiere infraestructura de servidor para funcionar. Un SLM (modelo pequeño de lenguaje) tiene un número de parámetros mucho menor —entre 1.000 y 13.000 millones en la práctica— y puede ejecutarse en dispositivos con menos memoria, como móviles o portátiles, aunque con capacidades más limitadas que los modelos grandes.
¿Qué implicaciones tiene la demanda del NYT para los desarrolladores de IA?
Si los tribunales estiman que usar contenido editorial sin licencia para entrenar LLM infringe los derechos de autor, los desarrolladores deberían revisar sus conjuntos de datos de entrenamiento, negociar licencias con editores o recurrir únicamente a datos generados de forma sintética o con licencias explícitas. Esto encarecería el proceso de entrenamiento y cambiaría las ventajas competitivas actuales.
