¿Qué tan precisas han sido las predicciones escépticas sobre la IA de Ed Zitron?
Una publicación de blog ampliamente compartida audita el historial de predicciones del destacado crítico de IA Ed Zitron, y sostiene que muchas de sus afirmaciones tajantes sobre el estancamiento de los modelos, el colapso de Big Tech y el inminente estallido de la burbuja de la IA ya han sido refutadas por el crecimiento posterior de los ingresos y las mejoras de capacidad. Los comentaristas se dividen entre ver a Zitron como un agorero torpe con las cifras y capturado por su audiencia, o considerarlo acertado en líneas generales sobre un auge de infraestructura de IA insostenible, financiado con deuda y con financiación circular. El intercambio se amplía hacia el escepticismo sobre los incentivos tanto de los promotores de la IA como de sus escépticos, la opacidad de las finanzas de IA de los hyperscalers y lo difícil que es razonar con honestidad sobre un sector veloz y impulsado por el entusiasmo.
Percepción del papel y las motivaciones de Ed
- Muchos lo ven como parte de la “economía de la atención”: un contrarian profesional cuyos ingresos dependen de opiniones anti-IA con alta participación.
- Varios comentarios describen “captura de audiencia”: una vez que construyó una audiencia de escépticos acérrimos, rectificar o moderarse pondría en riesgo su negocio.
- Algunos siguen valorándolo como fuente de documentos financieros filtrados y cifras de capital, mientras ignoran en gran medida sus comentarios.
- Una minoría sostiene que va en la dirección correcta sobre el sistema, aunque personalmente sea insufrible o técnicamente débil.
Precisión y valor de sus predicciones
- El hilo coincide en líneas generales en que sus predicciones concretas y con plazos definidos (pico de la IA, colapso de los laboratorios, hyperscalers como “cadáveres andantes”) han estado consistentemente equivocadas hasta ahora.
- Quienes lo defienden suelen refugiarse en “llegó temprano, no está equivocado”, a lo que otros responden que eso no se puede falsar y es indistinguible de estar equivocado.
- Hay debate sobre si centrarse en sus errores numéricos y plazos fallidos aborda de forma justa su tesis central sobre la economía de la IA.
Economía de la IA, burbuja y financiación circular
- Muchos comentaristas comparten la idea de que el gasto en IA parece propio de una burbuja: capex masivo, beneficios escasos u opacos y dependencia de financiación creativa.
- Se habla mucho de acuerdos circulares (hyperscalers invirtiendo en laboratorios que luego comprometen gasto de vuelta en sus nubes; tokens subvencionados inflando los ingresos aparentes).
- Otros replican que existe un crecimiento real sustancial de ingresos, que los hyperscalers tienen amplias reservas de efectivo y que los márgenes de los intermediarios pueden comprimirse con el tiempo.
La salud de los gigantes tecnológicos y la estrategia de IA
- Hay desacuerdo sobre si empresas como Google, Meta y Microsoft están “muriendo”:
- Un bando señala despidos, productos degradados y la IA como una historia de crecimiento nacida de la desesperación.
- El otro apunta a ingresos y beneficios récord, argumentando que “morir” en ese sentido es engañoso.
Utilidad y límites de los LLM
- Hay amplio consenso en que los LLM son realmente útiles (especialmente en programación), pero no son magia ni universalmente económicos.
- Algunos creen que las capacidades actuales están cerca de un techo; otros ven mejoras claras de capacidad y eficiencia desde 2024.
Sobre la crítica en sí y la cultura de la predicción
- Se elogia el artículo por recopilar fallos de predicción, pero algunos lo consideran selectivo, literalista y poco profundo en su crítica macroeconómica.
- Varios señalan que tanto los promotores de la IA como los escépticos deberían juzgarse por su historial, no por sensaciones, y que los incentivos mediáticos empujan a todos los opinadores hacia pronósticos demasiado seguros de sí mismos.