Las IA de conocimiento "generalista" son también las las menos útiles: el verdadero potencial está en las "especializadas"
Publicado el 24/06/2025 por Diario Tecnología Artículo original
El asombro inicial ante ChatGPT no fue solo por esa mágica sensación de ver cómo nos respondía carácter a carácter, patrón inherente a los LLM que les humanizaba en cierta medida. El asombro era porque lo sabían todo. Explicaban teoría cuántica y escribían poesía, resumían novelas y armaban un plan de negocio en segundos.
Parecían capaces de cualquier cosa, como el clásico estudiante de primera fila que encandilaba porque analizaba a Blasco Ibáñez con la misma precisión con la que resolvía una ecuación diferencial.
La pregunta, tarde o temprano, siempre llega: ¿en realidad de qué sirve?
En el informe de tendencias tecnológicas de Deloitte para 2025 aparece una pista: muchas empresas que habían apostado por estos modelos generalistas –grandes, complejos, difíciles de afinar– están empezando a mirar opciones más pequeñas y específicas.
Modelos entrenados con menos datos, pero mucho más relevantes. Especialistas, no todólogos. No es casualidad: ese entusiasmo inicial con los LLM se está topando con una realidad: saber de todo no siempre es útil. Y el mundo de la empresa no se valora la sabiduría, se valora el margen.
Como a veces ocurre, esto es un cambio más filosófico que técnico. Y se parece mucho a un viejo debate en las empresas: el de humanos especialistas vs humanos generalistas.
- El experto que ha dedicado su vida a un solo campo que domina como nadie...
- ...frente al perfil amplio, curioso, adaptable, con conocimiento tangencial.
Lo exploró bien David Epstein en un libro que me encantó, 'Amplitud'. Ese título puso de moda una tesis algo incómoda: en un mundo cambiante, la especialización puede convertirse en una jaula. Pero la IA, quizás de forma contraintuitiva, está devolviendo lustre al perfil especialista.
Tienden a vaguear
¿Por qué? Porque en la práctica, los modelos generalistas son vagos. Lo intentan todo pero afinan poco. Una IA que asesora a médicos, abogados o ingenieros no puede andar improvisando. Necesita rigor. Contexto. Conocer el terreno. Y eso no lo da el tamaño, lo da el enfoque.
Hay una lectura un poco más fina aquí. El giro hacia modelos especializados permite mayor eficiencia, pero también más control. Los grandes modelos están en manos de unos pocos: OpenAI, Google, Anthropic, Meta... Son cerrados, opacos, a menudo caros.
Los modelos más pequeños pueden ser abiertos, entrenados en local, adaptables a nichos concretos. Se parecen más a herramientas que a oráculos.
También tiene implicaciones laborales:
- Si una IA generalista puede hacer "de todo", es una amenaza difusa.
- Si hay muchas IAs específicas, quizás no vengan tanto a reemplazar personas, sino a ampliarlas.
Un médico con una IA ajustada a su especialidad, un arquitecto con un asistente que sabe leer planos, un –ejem– redactor con un copiloto especializado en su sector. No es lo mismo competir con una IA universal que colaborar con una herramienta afinada.
Y esto se conecta con algo más importante: una nueva economía del conocimiento. Durante años, se nos dijo que había que "saber de todo". Ser versátil, navegar entre disciplinas. Ahora, las empresas vuelven a premiar el conocimiento situado, técnico, profundo. Ya sabemos que la IA transforma el trabajo, pero quizás también nuestras ideas sobre el saber. Lo que vale, lo que importa.
Y ahí llega la pregunta. ¿Qué tipo de inteligencia queremos potenciar? ¿Una que sepa un poco de todo y monopolice la atención? ¿O muchas inteligencias humildes, distribuidas, cada una centrada en resolver sus propios problemas?
Elegir entre generalistas o especialistas va de cómo queremos vivir con la IA. Y de qué modelo de conocimiento preferimos para el mundo que viene.
utm_campaign=24_Jun_2025"> Javier Lacort .