Competencia dinámica en tiempos de IA generativa: Licencias abiertas y cerradas como factor competitivo

23.08.2023

CeCo Chile

10 minutos

Germán Johannsen G. Abogado de la Universidad Católica de Chile, LL.M. en Propiedad Intelectual y Libre Competencia, Munich Intellectual Property Law Center. Investigador Académico en el Max Planck Institute for Innovation and Competition. Doctorando en Derecho, especializado en economía de datos y nuevas tecnologías, Ludwig-Maximilians-Universität München. Trabajó previamente en la Fiscalía Nacional Económica.

Este año las big-tech han disputado una vibrante carrera por desarrollar modelos de lenguaje grande (LLM, por sus siglas en inglés). Éstos, que están a la base de apps como ChatGPT, son la nueva promesa de la inteligencia artificial (IA), pues permiten optimizar un sinfín de procesos, tanto a nivel industrial como de cara a los consumidores finales, y en ámbitos propios del sector público. En pocos meses, chatbots y apps de IA generativa se han expandido en múltiples sectores y cientos de millones de personas las usan a diario.

Pero ¿cómo se va dando la carrera tras bambalinas? ¿Quiénes van ganando, quiénes perdiendo? ¿Son buenas noticias para la libre competencia o también se avizoran riesgos, como ya es habitual cuando las big-tech están presentes? Para abordar estas preguntas, me centro en una de las características más relevantes del sector: la dicotomía entre sistemas cerrados y abiertos.

El panorama tras bambalinas

Hace un mes Meta lanzó su más avanzado modelo de IA generativa: “Llama2”.[1] Éste le sigue a “Llama1”, que fue lanzado -y de inmediato filtrado- en marzo pasado. Ambos fueron una buena noticia para la comunidad científica y de emprendedores digitales, ya que Meta ofreció una licencia abierta y gratuita para acceder al modelo base, sus códigos y algoritmos, es decir, reveló sus detalles técnicos (e.g., arquitectura, hardware, métodos y cómputos de entrenamiento). Esto ha permitido que sobre el modelo se desarrollen apps con propósitos específicos, como optimizar servicios al consumidor y resumir documentos de negocios, entre otros.

Por lo visto, este lanzamiento fue un balde de agua fría para los incumbentes Google (con Bard) y OpenAI (en alianza con Microsoft, quien ha incorporado LLMs en su buscador Bing y otros servicios), pues puso en jaque sus modelos de negocio de naturaleza cerrada o propietaria, esto es, basados en licencias pagadas y restricciones de uso. La jugada de Meta hizo sonar alarmas en las oficinas de Google. De hecho, tras lanzarse Llama1, se filtró un documento escrito por un ingeniero de Google, en el que se lee:

“Hemos mirado mucho por encima del hombro a OpenAI. ¿Quién cruzará el siguiente hito? ¿Cuál será el próximo movimiento?

Pero la incómoda verdad es que no estamos en posición de ganar esta carrera armada y OpenAI tampoco. Mientras hemos estado riñendo, una tercera facción se ha estado comiendo tranquilamente nuestro almuerzo.

Estoy hablando, por supuesto, del código abierto”.[2]

Valga aclarar que, según se explica en OpenSource.org, es un malentendido definir Llama como de código abierto. Esto, ya que si bien es de acceso abierto, Meta exige cumplir condiciones de uso que difieren de dichas licencias.[3] Por otro lado, las licencias de código abierto y creative commons no se ajustan del todo a la realidad de datos y modelos de IA.[4] De hecho, ni la “big data” ni los modelos de IA subsimbólicos -y menos los pesos neuronales de un LLM, que no son legibles como lo es el código fuente de un software- son objeto de dichos modelos de licencias, ni es claro en qué medida de ellos emanan derechos propietarios y/o de control.

“Pero volviendo al punto central, surge la pregunta sobre si la estrategia de desarrollar modelos de IA generativa abierta podría efectivamente destronar a sus rivales “cerrados”. ¿Se puede hablar a estas alturas de ganadores y perdedores en esta carrera?”

Competencia dinámica: entre abierto y cerrado

Sin que aún sea posible determinar ganadores, lo claro es que la naturaleza abierta o cerrada de una licencia es un factor relevante para la competencia en el sector. Una razón tiene que ver con los componentes esenciales para desarrollar modelos de IA generativa: datos, capacidad computacional y talento profesional. Meta, a pesar de poseerlos todos, venía atrás en la carrera. Necesitaba una estrategia para acortar distancia de forma disruptiva. Y con la apertura de su modelo al parecer algo logró: aumentó de facto la masa de profesionales calificados trabajando con Llama para beneficio propio y, de paso, para Meta. Como señala el documento filtrado en Google: “han conseguido mano de obra gratuita de todo el planeta”.

El beneficio para la comunidad académica y de emprendedores ha sido poder desarrollar, iterar y desplegar sus propios modelos de IA para diversos fines y a bajo costo (gracias, también, a otros avances en optimización, como LoRA[5]). Naturalmente, ello depende de qué tareas se requieran y los insumos de que disponga cada desarrollador. El beneficio para Meta, por su lado, ha sido que ese “tremendo torrente de innovación”[6] le ha permitido mejorar su modelo y resolver temas que para Google y OpenAI aún eran «grandes problemas sin resolver»[7], como el uso de LLM en smartphones. Aunque más importante, según el documento filtrado de Google:

“(…) han resuelto el problema de la escalabilidad hasta el punto de que cualquiera puede hacer retoques. Muchas de las nuevas ideas proceden de gente corriente. La barrera de entrada para la formación y la experimentación se ha reducido de la producción total de una gran organización de investigación a una persona, una tarde y un laptop potente.”

En otras palabras: una estrategia efectiva para acelerar la innovación colaborativa y beneficiarse de las sinergias. A primera vista, parece el fin del modelo de negocio cerrado: “¿quién pagaría por un producto de Google con restricciones de uso si existe una alternativa gratuita y de alta calidad sin ellas?”, señala el documento citado. Sin embargo, hace un mes Demis Hassabis (CEO de Google DeepMind) dijo no concordar con las conclusiones de dicho documento. Se viene la contraofensiva, sin duda. Pero ¿podría ésta venir en formato abierto? Ello dependerá de la estrategia e incentivos que cada incumbente tenga en el largo plazo. Es aquí donde algunos riesgos a la libre competencia empiezan a asomarse.

Riesgos competitivos: primero abierto, luego cerrado

En un documento publicado el mes pasado[8], la Federal Trade Commission de EE.UU. (FTC) advierte sobre algunos riesgos a la competencia relacionados con la IA generativa. En términos generales, la agencia señala que si una o unas pocas empresas controlan uno o varios de los insumos que son esenciales para el uso efectivo de esta tecnología, podrían aprovecharse de ello para frenar o distorsionar la competencia en los mercados de IA generativa. Además, afirman que si la propia IA generativa se convierte en una herramienta cada vez más crítica, entonces los controladores de sus insumos esenciales podrían estar en la posición de ejercer una influencia desmesurada sobre una franja significativa de la actividad económica.

Bajo esta premisa, la FTC identifica riesgos con respecto a los tres componentes esenciales para desarrollar la tecnología -datos, talento y capacidad computacional-, posibles prácticas desleales, aspectos estructurales relacionados con efectos de red y de plataforma y, en lo referente a esta columna, sobre el impacto potencial del modelo de negocio abierto vis-à-vis el cerrado. Sobre esto último, destacan cómo los modelos de generación de imágenes, una vez que se abrieron públicamente, eclipsaron las capacidades de los modelos de base propietarios que los inspiraron. Demostración de vibrante competencia dinámica en base a innovación. Pero ¿puede que los incentivos cambien? Más allá de este año, ¿cuáles podrían ser los incentivos de las big-tech en el largo plazo?

Como indica la FTC, la experiencia ha demostrado cómo las empresas pueden utilizar tácticas de «primero abierto, luego cerrado» de forma que distorsionan la competencia a largo plazo. Así, empresas que inicialmente utilizan formatos abiertos para atraer usuarios, establecer flujos constantes de datos y acumular ventajas de escala y de red, más tarde pueden buscar cerrar su ecosistema para encerrar a los clientes y bloquear a la competencia. En ese sentido, mientras los sistemas cerrados y abiertos sean substitutos entre sí, habrá competencia. Según expertos, ese es el caso del desarrollo de apps en base a IA generativa para tareas acotadas y más bien simples, como interactuar con clientes. Sin embargo, el desarrollo futuro de apps mucho más complejas (e.g., para realizar inversiones en bolsa a largo plazo), podrían dar ventaja a los sistemas cerrados, por aspectos técnicos y de seguridad.

En efecto, un sistema cerrado puede ser más seguro porque terceros no pueden hacer mal uso de éste. Sin embargo, son sistemas menos auditables. Ya que auditar LLMs exige un esfuerzo público-privado, tiene sentido un cierto grado de apertura. Por otro lado, los múltiples intereses sociales en riesgo debido al uso de IA generativa -e.g., discriminación, información falsa, privacidad, datos personales, propiedad intelectual, fuentes de trabajo, entre otros-, requieren reglas que definan áreas de riesgo y permitan asignar responsabilidades con claridad. Al parecer, a mayor riesgo de impacto social e incerteza jurídica, menor incentivo a la apertura. De hecho, los modelos tempranos de IA generativa eran mayormente abiertos (e.g., BERT, ELMo), lo que solo cambió con GPT-3. ¿Estrategia comercial o precaución frente al riesgo?

Un poco de ambas, quizá. En cualquier caso, aún es muy temprano para dar respuestas nítidas sobre las dinámicas competitivas en el sector. Se advierte, al menos, que éstas dependen de un complejo entramado de variables técnicas, legales y económicas que se encuentran en plena evolución. Cómo evolucionen, influirá en las condiciones para acceder a IA generativa en el futuro y, por lo mismo, en las condiciones competitivas de los mercados que de ella dependan.

[1] Hugo Touvron et. al., “Llama 2: Open Foundation and Fine-Tuned Chat Models” (18 de julio de 2023) link

[2] Google, «We Have No Moat, And Neither Does OpenAI», (4 de mayo de 2023) link. Todas las citas de Google en la columna provienen de este documento.

[3] Stefano Maffulli, “Meta’s LLaMa 2 license is not Open Source” (20 de julio de 2023) link

[4] GPAI IP Expert, “Preliminary Report on Data and AI Model Licensing“ (Noviembre 2022) link

[5] Acrónimo de Low Rank Adaptation.

[6] Google (n 2).

[7] Ibid.

[8] FTC, “ Generative AI Raises Competition Concerns“ (29 de junio de 2023) link.