Basta con mirar el panorama actual de la inteligencia artificial para darnos cuenta de que existen al menos una docena de empresas gigantescas y cada una de esas empresas cuenta con al menos cinco modelos que serían capaces de llevar las tareas de tu día a día.
Sin embargo, los que utilizan la inteligencia artificial para la gran mayoría de sus tareas diarias cada vez más tienen la tendencia de cambiar el modelo dependiendo de la naturaleza de la tarea que están llevando a cabo. Esto dependiendo obviamente de la complejidad, de lo repetitivo de la tarea y de lo capaz que es el modelo desde su configuración inicial para llevarla a cabo.
J. Arismendi
No hay grandes diferencias
El otro día estaba navegando por Reddit y encontré una comunidad de inteligencia artificial donde debatían acerca de por qué cambiar los modelos dependiendo de la tarea sencillamente estaba matando la productividad por aplicar sobreingeniería o añadir complejidad innecesaria a la ejecución de las tareas.
Y es que se evidencia lo que sería una ley de Pareto aplicada a la inteligencia artificial, puesto que el 80% de los problemas de tu día a día los puede resolver el modelo en su configuración básica sin que tengas que hacer absolutamente nada.
Ese 20% de las tareas problemáticas serían las únicas en las que pudieras quizás configurar algo, pero con el uso de skills y el uso de custom rules, por ejemplo, pudieran llevarse a cabo de mejor manera sin tener que cambiar incluso los modelos.
A esto también añadirle la figura de los orquestadores o de los modelos con enrutamiento (routers) que hoy hacen que sea mucho más dinámico el cambio dependiendo de la propia toma de decisiones que un agente superior lleve a cabo al momento de realizar la tarea por su cuenta.
¿Por qué no puede ser una gran idea para ser productivo?
Aunque en la teoría parece fascinante cambiar de modelo de forma dinámica cada vez que vas a ejecutar una tarea, lo cierto es que la productividad pudiera estar cayendo en picada por varias razones:
J. Arismendi
El cambio de contexto. El cerebro humano no está desarrollado para trabajar la multitarea, aunque te cueste creerlo o aunque te parezca que a ti no te pasa factura. Hay una fricción por cambio de contexto y cada vez que tienes que editar un prompt para que un modelo en específico lo entienda, o cada vez que tienes que saltar de un agente a otro o incluso de un entorno de desarrollo a otro, tu cerebro, tu concentración y tu productividad lo pagan.
La otra gran razón tiene que ver con la parálisis por análisis. La parálisis por análisis se aplica a un montón de cosas en la vida, desde lo más cotidiano como qué ropa me voy a poner, hasta lo más laboral como qué modelo de lenguaje utilizo para redactar este correo electrónico. En esa toma de decisiones, tranquilamente se pudo ir el tiempo destinado a responder el correo e incluso manualmente.
Por eso, mientras antes hagas la tarea con el modelo que tengas por defecto, sobre todo si la suscripción tiene un límite suficiente, no habrá grandes diferencias en cuanto al resultado.
