La industria tecnológica enfrenta un momento de inflexión sobre cómo medir el avance en inteligencia artificial. Rani Borkar, presidenta de sistemas de hardware e infraestructura de Azure, plantea que la métrica clave debe ser el "rendimiento útil": qué resultado tangible produce la tecnologÃa, más allá de la elegancia de la solución o las promesas de las hojas de ruta.
El texto recupera una lección de la industria de semiconductores, que durante seis décadas optimizó incansablemente el número de chips utilizables por oblea. Esa disciplina, sostiene Borkar, convirtió al transistor de curiosidad de laboratorio en base de la vida moderna. Ahora urge aplicar el mismo criterio a los recursos que el mundo destina a la IA.
La inversión actual en esta tecnologÃa alcanza escalas antes reservadas a naciones: gigavatios de energÃa, fábricas y centros de datos récord. La pregunta que definirá esta década, advierte la ejecutiva, es qué resulta de verdad: inteligencia asequible, trabajo que importa y mejoras concretas para las personas.
Aunque la IA se ha adoptado más rápido que internet, el PC o el smartphone, su penetración global apenas alcanza el 18% de la población activa, concentrada principalmente en chats. El escenario cambia radicalmente cuando los sistemas pasan de responder preguntas a ejecutar flujos de trabajo agénticos.
Una tarea agéntica puede consumir más de 3,400 veces los tokens de una interacción tÃpica de chat. Microsoft reconoce que la infraestructura ya está sobrecargada y que el poder computacional ha puesto lÃmites a lo que se puede construir y cuándo.
La respuesta histórica de la industria fue siempre "más": más silicio, más memoria, más potencia, más fibra. Cada generación aportó progreso, pero cuando cada ganancia requiere más entrada que la anterior, se está en una "cinta de correr" que solo avanza con más recursos.
Borkar propone dos caminos. El primero, evolutivo: mejorar la eficiencia, utilización y economÃa de las arquitecturas actuales. El segundo, transformador: cambiar la curva con nuevas arquitecturas, materiales y enfoques de diseño. La historia de la industria, recuerda, está marcada por saltos asÃ: de CPU de un núcleo a multinúcleo, de memoria NAND planar a vertical.
El texto se interrumpe antes de desarrollar completamente esta segunda vÃa transformadora, pero deja claro que la empresa considera insostenible la lógica de acumulación de recursos sin cuestionar su rendimiento efectivo.
Etiquetas: inteligencia artificial, Microsoft, infraestructura tecnológica, Azure, semiconductores, adopción tecnológica, eficiencia energética, TecnologÃa · IA general
About the Author
