a16z: la IA ha reescrito la metodología de innovación de los últimos 75 años

Los socios de a16z creen que la IA está reescribiendo la lógica económica subyacente de la innovación: de restricciones de ingeniería a restricciones de capital, y un equipo de 20 personas ahora puede desplegar eficazmente 1.000 millones de dólares. Este juicio afecta directamente a la evaluación del panorama competitivo entre startups y grandes empresas, a la lógica del capital riesgo e incluso a los límites de las capacidades de la IA. Los tres también admitieron que, ante el entrenamiento de modelos a escala de decenas de miles de millones de dólares, nadie sabe realmente qué surgirá: "Es un artefacto digital que la humanidad nunca ha creado antes".

Recientemente, en el último podcast de a16z, los general partners Martin Casado y Erik Torenberg, junto con el socio de la junta Steven Sinofsky, mantuvieron una conversación en profundidad: ¿Qué significa el avance de la IA en matemáticas? ¿Se está reescribiendo la lógica subyacente de la innovación? ¿Cómo evolucionará el panorama competitivo entre startups y grandes empresas?

Los tres participantes creen que los supuestos básicos que han sustentado toda la industria informática durante los últimos 75 años están siendo reexaminados uno a uno por la IA. El más crítico de ellos —que la innovación es un problema de ingeniería, no de financiación— ya no es válido. La IA está reescribiendo la lógica económica subyacente de la innovación: de restricciones de ingeniería a restricciones de capital, y un equipo de 20 personas ahora puede desplegar eficazmente 1.000 millones de dólares. Este juicio afecta directamente a la evaluación del panorama competitivo entre startups y grandes empresas, a la lógica del capital riesgo e incluso a los límites de las capacidades de la IA.

Del ábaco a la IA: 75 años de saltos en los niveles de abstracción

Sinofsky sacó un folleto de IBM de 1953.

En la portada, órbitas atómicas rodean una cabeza humana, y la primera frase dice: "La humanidad tardó millones de años en darse cuenta de la utilidad de la rueda".

En ese folleto, IBM dedicó una página entera a explicar qué es un "ordenador digital": entrada, almacenamiento, procesamiento, control y salida.

Sinofsky dijo: "Así es como hemos entendido los ordenadores durante 75 años".

Del ábaco a la regla de cálculo, de la máquina diferencial al ordenador personal, de la calculadora gráfica a la computación en la nube: cada salto tecnológico es esencialmente un "ascenso en el nivel de abstracción". Los problemas de nivel inferior se encapsulan y la humanidad resuelve nuevos problemas en niveles superiores.

Cuando apareció la calculadora gráfica TI-85, los profesores de matemáticas entraron en pánico colectivo: "Nuestra profesión está acabada". Sinofsky dijo:

Pero no se quejaron de la aparición del cálculo, porque el cálculo ya era su punto de partida. La reacción de la gente al cambio es mucho más intensa que su reacción a la línea de base.

El pánico causado por la IA al resolver problemas matemáticos difíciles es idéntico al de la calculadora gráfica de entonces.

IA resolviendo matemáticas: ¿avance o "jugador experto"?

Recientemente, alguien pidió a Claude que intentara resolver la hipótesis de Riemann, lo que generó un amplio debate en la comunidad matemática.

Al respecto, Casado echó un jarro de agua fría.

Si sumas los salarios de todos los postdoctorados que han investigado estos problemas a lo largo de los años, la cantidad total no es grande. Esto significa que el mercado nunca ha priorizado realmente la resolución de estos problemas. Así que no estoy seguro de que resolverlos demuestre que la IA ha superado algún umbral de gran valor económico.

Comparó la capacidad matemática de la IA con un campeón de StarCraft: "Es el mejor jugador de StarCraft de la historia, muy impresionante, pero me cuesta vincularlo directamente con valor económico real".

Sinofsky ofreció otra perspectiva. Cree que los avances en matemáticas quizás estén "generando nuevas herramientas de abstracción".

Como la demostración del teorema de los cuatro colores: no fue una elegante derivación matemática, sino el uso de ordenadores para enumerar exhaustivamente todos los casos finitos, obteniendo la respuesta a cambio de potencia de cálculo.

Una vez que tienes un nuevo nivel de abstracción, todos pueden dejar de empezar desde cero y construir herramientas directamente sobre ese nivel.

El mayor cambio de paradigma: del cuello de botella de ingeniería al cuello de botella de capital

La idea central de esta conversación proviene de un experimento mental de Casado.

Hace 20 años, si dabas 1.000 millones de dólares a una startup de 10 personas, no podían gastarlos. Compraban servidores y se acababa el dinero.

Hace 10 años, con 1.000 millones, contratabas ingenieros y escribías código, pero el mítico hombre-mes es real: más gente lo hace más lento.

Ahora, dale 1.000 millones a 20 personas y realmente pueden gastarlos de manera efectiva.

Su conclusión:

Hemos transformado esta industria de un problema de cuello de botella de ingeniería a un problema de cuello de botella de capital. Es una diferencia fundamental. Nunca antes habíamos estado en este estado.

Sinofsky añadió que no es la primera vez que hay un cuello de botella de capital: los primeros 30 o 40 años de la industria informática fueron precisamente una era de restricciones de capital. "Si querías hacer algo con un ordenador, el primer paso era conseguir uno".

Luego vino la era del cuello de botella de ingeniería, y ahora hemos vuelto al cuello de botella de capital.

¿Por qué las startups aún no han sido aplastadas por los gigantes?

Según el sentido común, Microsoft, Google y Meta, con su capital, datos y canales de distribución, deberían aplastarlo todo.

Pero la realidad es que Cursor, Anthropic y OpenAI están creciendo a "velocidad meteórica".

Casado dio dos razones.

Primera, la IA ha resuelto el problema de la distribución.

Antes, no sabías si el presupuesto de marketing estaba funcionando. Ahora, la demanda de potencia de cálculo y GPU es infinita, y puedes decidir directamente cuánto invertir para impulsar el crecimiento.

Segunda, las startups ahora pueden recaudar suficiente dinero para estar realmente en la misma línea de salida que los gigantes.

¿Y los gigantes? Sinofsky fue muy directo:

Microsoft está más preocupado por lo que hacen Amazon y Google, y no le importa ninguna startup. Las startups no atacan directamente a los gigantes, y los gigantes no se fijan en las startups.

También reveló un detalle: algunas grandes empresas, para priorizar la potencia de cálculo para clientes empresariales, tienen a sus equipos de producto internos en un estado de "hambruna de IA", "mientras que ninguno de sus competidores está hambriento".

Sinofsky puso como ejemplo su experiencia personal en Microsoft. Cuando llevó el primer Surface a los altos ejecutivos de Intel, en cuanto oyeron que llevaba un chip ARM, su actitud se enfrió de inmediato.

Pensaban que era un chip para impresoras. Ellos solo hacen la ley de Moore, igual que Google solo hace hiperescala: si la IA se desplaza a la computación en el borde, no es asunto suyo.

Sinofsky resumió:

La esencia de la disrupción es la constante cultural de las grandes empresas. El cuadro de mando, el sistema de ventas, la estructura de compensación, el bagaje histórico, los compromisos con los clientes: nada de eso se puede cambiar. Es como una ley física.

Inviertes 20.000 millones y nadie sabe qué saldrá

Al final de la conversación, los tres tocaron una incógnita más profunda.

Casado admitió que antes cometió un error:

Pensé que la auto-mejora recursiva y el despegue rápido no ocurrirían, y en eso tenía razón. Pero no anticipé que podríamos seguir invirtiendo dinero indefinidamente y que las leyes de escala seguirían cumpliéndose.

Tomas 20.000 millones de dólares y los inviertes en un modelo. Los dos lo miramos y lo probamos al azar; no creo que podamos entender lo que significa. Con tanta potencia de cálculo y tantos datos, no sé qué puede lograr.

Sinofsky estuvo de acuerdo y lo comparó con el crecimiento exponencial: "Nadie puede modelar el crecimiento exponencial".

También puso un ejemplo concreto: la enumeración exhaustiva de combinaciones de proteínas, antes un "problema infinito", ahora puede convertirse en un "problema de capital".

Podemos convertir problemas antes infinitos en finitos mediante el capital. Es algo muy extraño.

Casado dijo que por eso ya no intenta predecir el límite superior de las capacidades de la IA:

He decidido que no puedo predecir cuáles son los límites de algo creado con 20.000 millones de dólares.