Por qué no debería esperar mejoras rápidas de ChatGPT: lo que necesita saber

Panorama del futuro del desarrollo de ChatGPT y LLM

La transición a actualizaciones anuales indica una desaceleración del cronograma de lanzamiento para ChatGPT.
Los rendimientos decrecientes de la tecnología de transformadores están afectando la innovación en LLM.
La escasez de datos de entrenamiento y los modelos de ganancias esquivos plantean obstáculos importantes para los avances de la IA.

ChatGPT ha tenido un impacto significativo en los estilos de vida y los patrones de trabajo globales, pero los observadores astutos de su cronograma de lanzamiento han notado una desaceleración preocupante. Este artículo profundiza en los matices del desarrollo de LLM y se pregunta si nos dirigimos hacia una «era oscura de la IA» después de 2025.

Cronograma de lanzamiento de ChatGPT

La introducción de ChatGPT 3.5 por parte de OpenAI en noviembre de 2022 transformó drásticamente el panorama de la IA, ganando rápidamente la asombrosa cantidad de 100 millones de usuarios en tres meses. Este aumento solo se detuvo con la introducción de Meta Threads en 2023, superando a ChatGPT como la aplicación de más rápido crecimiento de la historia.

Con el tiempo, el enfoque de OpenAI pasó de lanzamientos semestrales a un cronograma anual anticipado. Cabe destacar que, si bien el intervalo entre ChatGPT 3.5 y ChatGPT 4.0 fue de solo cinco meses, el siguiente modelo (ChatGPT o1) tardó casi dos años en desarrollarse y lanzarse.

La fecha exacta del lanzamiento de ChatGPT o3 sigue siendo incierta, ya que los evaluadores beta están explorando sus características, pero no se ha hecho ninguna presentación pública específica al respecto. Esto plantea preguntas críticas sobre las razones detrás de la desaceleración en el desarrollo de LLM y si las contribuciones continuas de los inversores producirán los rendimientos esperados.

Transformers: La fuerza impulsora

Los Transformers han revolucionado el sector de la IA desde su creación en 2017, aprovechando la arquitectura CUDA para convertir las GPU convencionales en potentes unidades de procesamiento de IA. Inicialmente, la mayor cantidad de tokens y las versiones anteriores de LLM utilizaron esta arquitectura con pleno efecto.

Sin embargo, ahora nos enfrentamos a rendimientos decrecientes en materia de IA. Si bien los avances tecnológicos han aumentado las capacidades de la GPU, estas se están estancando. El esperado progreso revolucionario en hardware de IA, mostrado durante la presentación de Nvidia en el CES , fue recibido con respuestas tibias, ya que se hizo evidente que la industria había entrado en una fase evolutiva en lugar de ofrecer cambios revolucionarios.

Vista frontal del Proyecto DIGITS de NVIDIA presentado en CES 2025. — Justin Duino / Cómo hacerlo

A pesar de los avances significativos en las GPU y la tecnología de transformadores, todavía no estamos limitados por restricciones físicas como sucede con las CPU tradicionales. Sin embargo, los rápidos avances que se han visto en los últimos cinco años en el rendimiento de la IA están disminuyendo considerablemente, lo que hace que muchos en la industria anhelen un crecimiento explosivo comparable a la revolución informática de finales del siglo XX.

Desafíos en los datos de entrenamiento

Otra preocupación urgente que enfrentan los desarrolladores de LLM, incluido OpenAI, se centra en la disponibilidad de datos de entrenamiento de alta calidad. Todos los modelos principales, como ChatGPT, Gemini y Claude, han extraído exhaustivamente la mayoría de la información pública accesible. Esto ha creado un escenario en el que la adquisición de datos nuevos es un desafío crítico.

Para superar este obstáculo, algunos equipos están explorando modelos de entrenamiento “recursivos” en los que se utilizan sistemas de IA para educarse entre sí. Lamentablemente, este método arroja resultados mixtos, en particular en cuanto a coherencia y confiabilidad. Los resultados de una IA entrenada con IA suelen presentar alucinaciones e imprecisiones, lo que plantea dudas sobre la viabilidad de este enfoque para tareas complejas.

Sostenibilidad financiera de los LLM

La feroz competencia en el sector de la IA ha alimentado la agitación financiera, y las proyecciones estiman que se invertirá en breve una asombrosa cantidad de más de un billón de dólares en iniciativas de IA. A pesar de esta afluencia, los enormes costos asociados con la creación y el mantenimiento de LLM plantean un enigma a la hora de establecer un canal de ganancias viable.

Los informes indican que ejecutar una consulta LLM puede requerir hasta diez veces más recursos informáticos que una búsqueda estándar en Google, aunque los costos operativos exactos de OpenAI siguen siendo confidenciales. Los modelos comerciales tradicionales en IA generalmente siguen un patrón en el que las empresas acumulan una gran cantidad de fondos de capital de riesgo, capturan participación de mercado y luego elaboran estrategias para obtener rentabilidad. Sin embargo, los gastos informáticos se han disparado, coincidiendo con la valoración de las acciones de Nvidia, lo que deja caminos poco claros para la generación de ingresos.

Lucas Gouveia / Cómo hacer geek

El modelo de suscripción de ChatGPT actualmente cobra 20 dólares mensuales por funciones avanzadas, pero OpenAI está considerando la posibilidad de ofrecer niveles premium que podrían llegar a costar hasta 2.000 dólares al mes, dependiendo de las capacidades del LLM. Los rendimientos decrecientes asociados con la satisfacción del usuario han generado inquietudes de que los usuarios leales podrían considerar los modelos establecidos como «suficientemente buenos», lo que disminuiría el apetito por suscripciones mejoradas.

Anticipando la próxima evolución de ChatGPT

A medida que ChatGPT se acerca al lanzamiento de su versión o3, los expertos de la industria predicen que este podría ser el único lanzamiento nuevo significativo de OpenAI durante todo el año 2025. Si bien hay esperanzas de que se produzcan avances adicionales, los desafíos descritos sugieren un ritmo de desarrollo más conservador en el futuro.

Sin embargo, ¿es este estancamiento realmente perjudicial? Las clasificaciones de Chatbot Arena muestran que las LLM solían obtener puntos de referencia sustanciales entre iteraciones, pero ahora se están estancando o solo logrando avances marginales. Si bien las aplicaciones corporativas siguen siendo prometedoras, las capacidades disponibles para los usuarios cotidianos parecen estar alcanzando límites de optimización.

En resumen, el plazo para acceder a la última actualización de ChatGPT sigue siendo impredecible. Sin embargo, los usuarios aún pueden confiar en la sólida funcionalidad de los modelos existentes, como ChatGPT o1 y 4o, para las tareas cotidianas, como crear listas de compras organizadas o buscar referencias en la literatura.

Preguntas frecuentes

1. ¿Por qué se está desacelerando el desarrollo de ChatGPT?

La desaceleración actual del desarrollo de ChatGPT se puede atribuir a varios factores, entre ellos la disminución de los rendimientos de la tecnología de transformadores, la escasez de nuevos datos de capacitación y los desafíos para establecer un modelo de ganancias viable en medio de costos operativos crecientes.

2. ¿Cuál es el futuro esperado para la tecnología LLM?

Los desarrollos futuros en tecnología LLM pueden caracterizarse por una trayectoria de crecimiento más cautelosa. Los analistas prevén la posibilidad de lanzamientos importantes, pero los obstáculos operativos y financieros probablemente dictarán un ritmo más lento de innovación.

3. ¿Cómo funciona el modelo de suscripción de ChatGPT?

El modelo de suscripción de ChatGPT actualmente ofrece funciones avanzadas a 20 dólares al mes, y se están llevando a cabo conversaciones sobre ofertas de nivel superior que podrían alcanzar hasta 2000 dólares al mes según las capacidades del modelo. Este precio estructurado tiene como objetivo satisfacer las distintas necesidades de los usuarios y, al mismo tiempo, gestionar los costos operativos.

Fuente e imágenes