Ha llegado la era de la IA “suficientemente buena”

La presentación de los últimos modelos de inteligencia artificial (IA) de Google esta semana en Google I/O fue un ejemplo más de la dirección que está tomando la revolución de la IA generativa. Ante una base de usuarios que gasta cada vez más tokens en suscripciones básicas o acceso a la API, las empresas de IA están empezando a subir los precios y limitar el uso.

Ante estas presiones de costos, los consumidores están empezando a ajustar sus gastos. Y mientras los proveedores de IA de vanguardia lanzan modelos cada vez más potentes, las empresas más pequeñas también avanzan. A menudo con sede en China, estas empresas son frecuentemente acusadas de copiar las innovaciones de los modelos estadounidenses mediante técnicas como la destilación, o de aplicar ingeniería inversa al funcionamiento de los modelos de inteligencia artificial, analizándolos e infiriendo sus respuestas.

Esto significa que estos modelos de IA, aunque ligeramente menos potentes, siguen siendo suficientemente potentes para la mayoría de las personas, a pesar de estar por detrás de la tecnología más avanzada.

El Índice de IA de la Universidad de Stanford de 2026 reveló que el rendimiento de los modelos de IA en la prueba de codificación verificada SWE-bench aumentó del 60% a casi el 100 % del rendimiento humano en el último año, mientras que los modelos de mayor calidad obtuvieron 30 puntos porcentuales más en la exigente prueba Humanity’s Last Exam. Al mismo tiempo, Stanford observó una reducción de la brecha entre los modelos estadounidenses y sus competidores chinos, que a menudo se ofrecen a una fracción del precio o incluso de forma totalmente gratuita mediante versiones alojadas localmente.

El resultado: una nueva era de la IA

El resultado es que estamos entrando en la era de los modelos de IA “suficientemente buenos”, donde las necesidades de todos, excepto las de los usuarios más avanzados de IA, podrían ser atendidas de manera competente con algo que cueste menos que pagar 200 dólares al mes a empresas como Anthropic u OpenAI.

“No todas las tareas requieren la máxima capacidad”, afirma Azeem Azhar, fundador del boletín Exponential View y usuario tanto de los modelos de vanguardia desarrollados por los laboratorios de IA más importantes como de alternativas más pequeñas y económicas. “No hace falta la inteligencia de un científico del Premio Nobel para apelar una multa de estacionamiento”.

Además, no todos coinciden en que la brecha entre los modelos de vanguardia y los “suficientemente buenos” sea superable en la actualidad, en gran parte debido al cambio hacia usos más autónomos de la IA. Max Weinbach, analista de Creative Strategies, sostiene que, si bien los modelos más pequeños pueden manejar tareas específicas o básicas, aún “tienen dificultades para comprenderlo todo” como se espera de los agentes de IA cada vez más autónomos. Modelos como Gemma 4 27/31B y Qwen3.6, afirma, son sólidos para casos de uso sencillos, pero tienden a fallar en tareas más exigentes como la codificación de vibraciones, incluso cuando se combinan con herramientas como Hermes u OpenClaw, porque “el modelo simplemente no es capaz”.

Intentos fallidos que no importan

La idea de poder vivir y trabajar completamente con modelos locales o de menor capacidad aún parece algo inalcanzable para la mayoría. Hay ocasiones en las que se necesita la potencia extra que solo los modelos que sustentan programas como ChatGPT o Claude pueden ofrecer. Pero la brecha parece estar reduciéndose. Y para la mayoría de las tareas, las capacidades adicionales que ofrecen los modelos líderes y más caros no son necesariamente necesarias, algo que Azhar compara con comprar un televisor 8K cuando es poco probable que se note la diferencia con uno 4K.

Para algunos, sin embargo, la idea de que existe una diferencia prácticamente imperceptible entre los modelos de OpenAI y Anthropic y los de los laboratorios chinos más económicos, o los modelos alojados localmente, es una exageración. Weinbach señala que ejecutar un modelo seis veces para obtener la respuesta correcta puede no costar prácticamente nada, con cinco intentos fallidos o que produzcan una respuesta incorrecta. “Pero casi todos los usuarios están dispuestos a pagar 20 dólares al mes para prácticamente garantizar una respuesta correcta a la primera”, afirma.

“Suficientemente bueno”

El significado real de “suficientemente bueno” puede influir en el comportamiento del consumidor más que el rendimiento del modelo. Weinbach sostiene que las personas rara vez eligen productos que consideran simplemente adecuados para las herramientas que usan a diario, y que conformarse con lo suficientemente bueno suele convertirse en una decisión de la que se arrepienten, lo que finalmente lleva a los usuarios a optar por opciones de mayor calidad.

E incluso si la gente lo hace, si hay algo que la adopción generalizada de la IA en los últimos tres años y medio nos ha enseñado, es que para aquellos que creen en la promesa de la IA, una vez que comienzan a usarla, descubren nuevas posibilidades y casos de uso para ella.

“La capacidad barata, omnipresente y suficientemente buena crea nuevos usuarios, nuevos hábitos y nuevas expectativas”, afirma Azhar, de Exponential View. “Esos hábitos acaban generando una demanda de capacidades que solo la vanguardia puede satisfacer”.