
| Crecimiento de gasto en tokens (Ago-Sep) | Estable (datos de Ramp) |
| Aumento total de gasto en IA (Oct) | +1.65% (datos de Ramp) |
| Participación de modelos de vanguardia en el gasto | 69.5% (datos de Ramp) |
| Gasto en IA para éxito del cliente | 13.3% del total (afirmación del autor) |
| Eficiencia de Google Orchestrator | 24% menos de cuota utilizada (afirmación de Google) |
¿A quién le ahorrará una hora este análisis?Enviamos el enlace con la conclusión «en realidad»: no tendrá que ver todo el vídeo.
Las empresas están siendo más inteligentes al usar modelos pequeños y especializados junto con herramientas de enrutamiento automático, evitando pagar por inteligencia de vanguardia en cada tarea.
El video sugiere un riesgo de exceso de oferta si la enorme capacidad que NVIDIA construyó no coincide con el crecimiento, más lento de lo esperado, en el gasto real de los clientes.
Son los nuevos modelos especializados de Google: Carbon está diseñado para razonamiento complejo, mientras que Hydrogen está optimizado para velocidad y menor costo.
Utilizando un orquestador o enrutamiento manual para asegurar que solo los problemas más difíciles utilicen modelos costosos como GPT-4 o Gemini Ultra.
El autor argumenta que la decadencia en la cultura de ingeniería, la pérdida de talento senior y la dependencia excesiva en soluciones generadas por IA pueden estar afectando la confiabilidad de los sistemas.
★ 6/10
★ 5
★ 9