Una IA más pequeña y personalizada superó a GPT y Claude en un trabajo real por una fracción del coste
Un gigantesco fondo de inversión libre y una destacada empresa emergente de IA demostraron que un modelo gratuito y descargable, entrenado con el criterio de sus propios expertos, superó a todas las grandes IA en tareas financieras por aproximadamente una decimocuarta parte del coste. La lección va mucho más allá de Wall Street.
En IA, más grande no siempre significa mejor, y este es un ejemplo concreto. Bridgewater, uno de los mayores fondos de inversión libre del mundo, colaboró con Thinking Machines Lab, una empresa emergente fundada por Mira Murati, antigua directora tecnológica de OpenAI, y demostró que un modelo más pequeño y personalizado superaba a todas las IA de renombre que evaluaron en un trabajo financiero real, con un coste de funcionamiento unas 14 veces menor.
La tarea era el trabajo cotidiano y poco glamuroso de un analista de inversiones: ¿nos importa este artículo de prensa? ¿Sugiere esta declaración de un banco central futuros movimientos de los tipos de interés? Son decisiones sencillas para un experto humano y, según resulta, difíciles para una IA generalista. Sin preparación, distintas versiones de Gemini, Claude y GPT lograron una precisión cercana al 50 %. Unas instrucciones cuidadosamente redactadas por expertos las llevaron hasta la franja media del 70 %, todavía por debajo del 80 % que el equipo quería alcanzar antes de confiar en los resultados. Cabe destacar que los modelos más nuevos y caros apenas ayudaron.
La solución fue el ajuste fino: el proceso de tomar un modelo abierto existente y seguir entrenándolo con ejemplos de tus propios expertos, para que aprenda tu criterio específico en lugar de conocimiento genérico. Partieron de Qwen3, el modelo de Alibaba disponible gratuitamente, y lo entrenaron con la forma en que sus analistas toman realmente estas decisiones. Alcanzó una precisión del 84,7 % y superó a todos los modelos de vanguardia. Un ingenioso ahorro de costes: en vez de pagar a expertos para etiquetarlo todo, encargaron a un primer modelo una clasificación aproximada y enviaron a los humanos únicamente los desacuerdos. Es como formar a una persona recién contratada y con talento mediante las decisiones de tus mejores empleados, en lugar de esperar que un generalista brillante adivine el estilo de la casa.
Una salvedad sincera: los resultados proceden de la evaluación de las dos propias empresas y ambas venden productos relacionados; ninguna entidad independiente ha verificado las cifras. Pero la tendencia coincide con lo que siguen observando otros equipos: la IA generalista alcanza un techo en tareas que dependen de un criterio interno especializado.
Qué significa esto para ti: Es probable que los datos más valiosos de tu empresa sean precisamente aquello que nunca copiarías en un chatbot público. Esto indica que esos mismos datos podrían alimentar una IA más pequeña y privada que supere a los gigantes en tu tarea concreta. No necesitas el presupuesto de un fondo de inversión: el patrón consiste en combinar un modelo abierto modesto con un buen conjunto de ejemplos etiquetados por tus propios expertos. El ajuste fino también permite conservar el modelo y los datos y, si quieres, ejecutarlo en tu propio equipo, sin que nada salga del edificio.
Fuentes
Fuentes: https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/
Por qué una herramienta de programación con IA quedó atrapada en un pulso entre Estados Unidos y China, y qué nos enseña
Anthropic intenta impedir que empresas chinas utilicen Claude Code, mientras Alibaba prohíbe a sus propios empleados usarlo. Probablemente este conflicto no te afecte, pero la cuestión de fondo se aplica a cualquier empresa que utilice herramientas de IA en la nube.
