Aspectos destacados
- Google redujo la capacidad de uso de los modelos Gemini por parte de Meta después de que la empresa solicitara más recursos computacionales de los que era posible proporcionar.
- La limitación retrasó proyectos internos de inteligencia artificial y llevó a Meta a fomentar un uso más eficiente de los recursos de IA.
- El episodio muestra que la mayor disputa de la industria dejó de centrarse únicamente en los mejores modelos y pasó a involucrar chips, energía y centros de datos.
La carrera por la inteligencia artificial acaba de exponer un problema que ni siquiera las mayores empresas tecnológicas pueden evitar. Incluso con inversiones de decenas de miles de millones de dólares en infraestructura, los gigantes del sector están enfrentando dificultades para obtener suficiente capacidad computacional para alimentar la nueva generación de modelos de IA.
Según un reportaje publicado por el Financial Times, Google comenzó a limitar el acceso de Meta a los modelos Gemini después de que la empresa solicitara un volumen de procesamiento superior al que la compañía podía ofrecer. La restricción habría sido comunicada alrededor de marzo y afectó parte de los proyectos internos de inteligencia artificial de la empresa propietaria de Facebook, Instagram y WhatsApp.
Aunque Google y Meta son competidores en diversas áreas, el mercado de la inteligencia artificial funciona de manera diferente. Cada vez es más común que grandes empresas utilicen modelos desarrollados por otras compañías para acelerar investigaciones, probar aplicaciones específicas y desarrollar nuevas herramientas mientras sus propios modelos continúan evolucionando.
Hasta el momento, ninguna de las dos empresas ha comentado oficialmente el asunto. Reuters informó que no logró confirmar de forma independiente toda la información divulgada por el periódico británico.
¿Por qué Meta utiliza los modelos Gemini?
Una de las dudas que esta noticia genera es por qué Meta necesitaría recurrir a Gemini si ya cuenta con la familia de modelos Llama, considerada una de las más importantes del mercado de IA abierta.
La respuesta está en la diversidad de aplicaciones internas. Según el Financial Times, Meta utilizaba los modelos Gemini en diferentes áreas de la empresa, incluyendo sistemas de detección de fraudes, atención al cliente, desarrollo de software y herramientas vinculadas a su plataforma publicitaria.
En el sector de la inteligencia artificial, no es inusual que las empresas utilicen modelos competidores para comparar rendimiento, acelerar determinados proyectos o ejecutar tareas en las que una tecnología específica ofrece mejores resultados.
Esto demuestra que, a pesar de la competencia entre los gigantes tecnológicos, existe una fuerte relación comercial que involucra infraestructura, servicios en la nube y modelos de lenguaje.
El verdadero problema no es la IA, sino la falta de infraestructura
La limitación impuesta por Google evidencia un desafío que comienza a afectar a toda la industria. El mayor obstáculo para el avance de la inteligencia artificial dejó de ser únicamente el desarrollo de modelos más inteligentes. Ahora, la principal dificultad es encontrar infraestructura suficiente para ejecutarlos.
Entrenar modelos de lenguaje requiere miles de GPUs funcionando simultáneamente durante semanas o incluso meses. Después de eso, mantener estos modelos disponibles para millones de usuarios también consume una enorme cantidad de procesamiento.
Además de los chips especializados, las empresas necesitan ampliar centros de datos, construir sistemas de refrigeración cada vez más eficientes y garantizar el suministro de energía eléctrica a gran escala. La construcción de esta infraestructura lleva años, mientras que la demanda de IA sigue creciendo a un ritmo acelerado.
El propio Google ya había reconocido este problema durante la presentación de sus resultados financieros del primer trimestre. En esa ocasión, el CEO Sundar Pichai afirmó que la división Google Cloud podría haber registrado un crecimiento aún mayor si hubiera habido más capacidad computacional disponible para atender a los clientes.
Según la empresa, los ingresos de la unidad de computación en la nube alcanzaron los 20 mil millones de dólares en el período, pero la fila de clientes esperando recursos aumentó significativamente precisamente debido a las limitaciones de infraestructura.
Meta intenta reducir desperdicios mientras amplía sus inversiones
De acuerdo con el reportaje, Meta orientó a sus equipos de ingeniería a utilizar los llamados tokens de inteligencia artificial de manera más eficiente. Los tokens representan pequeñas unidades de texto procesadas por los modelos y funcionan como una medida del consumo de recursos computacionales.
En la práctica, esto significa revisar aplicaciones, reducir desperdicios de procesamiento y optimizar el uso de los modelos de IA para disminuir el consumo de la capacidad disponible.
Al mismo tiempo, la empresa también acelera sus propias inversiones en infraestructura. Meta ya ha anunciado planes para gastar cientos de miles de millones de dólares en los próximos años en nuevos centros de datos y equipos orientados a la inteligencia artificial, buscando reducir su dependencia de proveedores externos y aumentar su capacidad de procesamiento.
Este movimiento sigue una tendencia observada en prácticamente todas las grandes empresas del sector. Google, Microsoft, Amazon, OpenAI, Anthropic y Meta compiten actualmente no solo por la creación de los modelos más avanzados, sino también por el acceso a los recursos físicos que hacen posible esta tecnología.
La próxima batalla de la IA será por la infraestructura
El episodio que involucra a Google y Meta deja claro que la competencia en inteligencia artificial ha entrado en una nueva fase. Si en los últimos años la atención estaba centrada en la calidad de los modelos de lenguaje, ahora la capacidad de proporcionar suficiente procesamiento se ha convertido en una ventaja estratégica.
Tener un modelo avanzado ya no es suficiente. Es necesario contar con miles de GPUs, energía eléctrica disponible, sistemas de refrigeración eficientes y centros de datos capaces de operar a escala global.
Esta realidad también ayuda a explicar por qué las empresas continúan invirtiendo cifras récord en infraestructura, incluso después de haber anunciado gastos multimillonarios en los últimos años. La demanda de inteligencia artificial crece a un ritmo que aún supera la capacidad de expansión de la industria.
Más que un problema entre Google y Meta, el caso revela un escenario que probablemente marcará los próximos años de la IA. La carrera tecnológica seguirá definida no solo por los algoritmos más inteligentes, sino también por quienes logren construir la infraestructura necesaria para sostenerlos.
