Datos de McKinsey calculan que la IA generativa podría añadir entre 2.6 y 4.4 billones de dólares anuales a la economía global, transformando sectores enteros como finanzas, salud, educación y entretenimiento. Por eso, conocer qué son los LLM no es solo un tema para especialistas, pues se trata de una pieza central en la competencia global por la innovación, la productividad y el futuro de los mercados tecnológicos.
¿Qué es un LLM (Modelo de Lenguaje Grande)?
Un LLM es un modelo de inteligencia artificial entrenado con enormes colecciones de texto, imágenes, código y metadatos, entre otros tipos de información, para predecir y generar lenguaje humano. Son modelos “generales” capaces de responder preguntas, redactar correos, resumir documentos, generar código y servir como base para chatbots y asistentes. Su coste y complejidad (entrenamiento e inferencia) suelen ser muy elevados porque requieren mucha capacidad de cómputo (GPUs/TPUs), datos y centros de datos.
No existe una cifra unánime sobre cuánto vale (o podría valer) el mercado de los LLM. Informes comerciales de Markets and Markets proyectan que el mercado de LLMs pasará de 6.4 billones de dólares en 2024 a 36.1 billones en 2030.
Por otra parte, la inversión e infraestructura vinculada (hiperescaladores, GPUs, data centers) también es un punto relevante para tener en cuenta su valor. Goldman Sachs estima que el gasto capital en este ramo podría acercarse a 200 billones en 2025.
Estudios de McKinsey y PwC van más allá del mercado directo y estiman el potencial de valor que la IA generativa en puede alcanzar los 4.4 trillones de dólares anuales en los casos analizados, mientras que PwC aporta cifras de impacto más amplias (hasta 15.7 trillones en 2030, en estimaciones de alcance total).
¿Cuál es el potencial económico (por qué importa para mercados/inversiones)?
Más allá de las cifras, la relevancia de los LLMs se debe a que aceleran ña productividad en tareas de conocimiento (redacción, soporte, programación, análisis), lo que puede traducirse en mayores resultados empresariales y, por ende, en la valoración de la empresas que los adopten.
Asimismo, tienen el potencial de generar nuevos negocios y modelos de monetización, como el “Inference as a Service”, suscripciones a modelos, licencias de modelos fundacionales, y servicios gestionados.
Si bien pueden requerir altos montos de inversión, existen alternativas como los Small Language Models (SLM), es decir, modelos con muchos menos parámetros optimizados para ejecución local, con baja latencia y menor consumo energético por inferencia.
Empresas tecnológicas (entre ellas Microsoft) ya publican SLMs para uso en dispositivos, lo que además les da ventajas de privacidad, pues los datos se quedan en el dispositivo y no recurren a una nube pública), además de mayor disponibilidad offline.
