Lütke adopta una postura maximalista: usar Al de manera efectiva es ahora una expectativa fundamental de todos en Shopify, añadirán preguntas sobre el uso de Al a su cuestionario de rendimiento, no ve factible optar por no aprender la habilidad de aplicar IA en el trabajo… aunque evita hablar de despidos o reducciones de plantilla. (View Highlight)
Lo más interesante, creo, es la metodología implícita con la que plantea el uso de la inteligencia artificial: de abajo hacia arriba, con los empleados y equipos experimentando, compartiendo lo descubierto y, tal como él admite, cometiendo errores. El CEO de Shopify parte de una experiencia que comparto: usar bien la IA es una habilidad que necesita ser aprendida… practicándola mucho. (View Highlight)
Si Lütke tiene razón, las organizaciones con una cultura y organización menos jerárquica y más abierta a la autonomía de equipos y empleados van a tener mucha ventaja en la adopción de la IA. Es mucho más probable encontrar los aumentos de productividad y los casos de uso “de abajo hacia arriba” que a partir de decisiones de directivos o mandos intermedios que lo tengan clarísimo a priori. (View Highlight)
Una investigación de Anthropic aborda la crítica fundamental de que los Modelos de Lenguaje Grandes (LLM) como los GPTs o Claude son “cajas negras”, cuyo funcionamiento interno es opaco incluso para sus creadores. Aunque podríamos decir que esta falta de explicabilidad también es, en parte, común a los humanos (aunque nosotros pensemos que mediante la introspección podemos encontrar nuestras razones, eso es bastante discutible), el no saber por qué la IA decide algo y no lo contrario dificulta la confianza, la seguridad y la predicción de errores como las “alucinaciones”. (View Highlight)
Utilizaron una técnica llamada “grafos de atribución” en su modelo Claude 3.5 Haiku, funcionando como una “resonancia magnética” para la IA. Esto les permitió mapear qué partes del modelo se activan y cómo fluye la información durante la generación de respuestas, revelando la “biología” (ejem) interna del LLM. (View Highlight)
Se descubrió que Claude:
• Planifica con antelación: Por ejemplo, identifica palabras para rimar antes de escribir un verso.
• Usa conceptos abstractos: Activa una idea general (como “grandeza”) antes de dar un antónimo específico en un idioma.
• Realiza razonamiento interno: Infiere relaciones (como “Dallas está en Texas” para hallar su capital) sin necesidad de escribirlo explícitamente.
• Posee circuitos especializados: Presenta patrones neuronales para tareas como la aritmética o la simulación de diagnósticos médicos.
• Muestra discrepancias: Su proceso interno no siempre coincide con la explicación que genera (“Chain-of-Thought”).
(View Highlight)
Creo que es un estudio fascinante que nos incomoda en dos direcciones. Por un lado tenemos esa diferencia entre lo que nos indica el modelo sobre como ha llegado a un resultado y lo que ha “razonado” realmente cuando miramos dentro. (View Highlight)
Los escépticos para con los LLMs (que van desde “es autocompletador sofisticado como mucho” o “es algo útil pero tiene un techo que estamos tocando”) pueden ver en esa invención de las razones que nos dice un nuevo lado de alucinación y aleatoridad. (View Highlight)
Los entusiastas de este camino pueden señalar que queda demostrado que están emergiendo elementos de inteligencia mucho más allá del cálculo de probabilidades del próximo token. El loro estocástico, por tanto, habría muerto. (View Highlight)
Scharon Harding en Ars Technica rompe la ilusión de que se vaya a acabar el convertir todo en una suscripción. El análisis de datos de ingresos de aproximadamente 70,000 aplicaciones móviles revela una realidad económica “aleccionadora”: una vasta mayoría de las aplicaciones generan ingresos muy bajos o prácticamente nulos; los decepcionantes ingresos de los modelos tradicionales (pagar por la app o la publicidad) explican por qué cada vez más desarrolladores presionan a los usuarios para que adopten modelos de suscripción. (View Highlight)
Y, claro, desde la perspectiva del desarrollador, las suscripciones ofrecen un flujo de ingresos más predecible y recurrente. Esto les permite financiar el desarrollo continuo, el mantenimiento, las actualizaciones y los costes operativos a lo largo del tiempo, en lugar de depender de un flujo constante de nuevas compras únicas. (View Highlight)
(View Highlight)