El fondo de cobertura Bridgewater y el laboratorio Thinking Machines Lab afirman que un modelo de código abierto, ajustado específicamente para tareas financieras, obtiene mejores resultados que los sistemas de IA más potentes del mercado al evaluar documentos financieros, y a una fracción del costo. Las cifras provienen de un análisis conjunto de ambas organizaciones.
El hallazgo pone en duda una idea extendida en el sector: que los modelos generalistas de mayor tamaño, como los de OpenAI o Anthropic, son siempre la mejor opción para cualquier tarea especializada. Según el trabajo, cuando la pregunta exige un juicio experto que no está disponible públicamente, esos modelos tropiezan.
Por qué fallaron GPT y Claude
La clave del experimento está en el tipo de preguntas. Bridgewater diseñó pruebas cuyas respuestas correctas nunca fueron públicas: no se pueden encontrar en internet ni en los textos con los que se entrenaron los grandes modelos de lenguaje —los sistemas de IA que generan texto a partir de enormes volúmenes de datos—. Se trata de la clase de razonamiento que hace a diario un analista financiero al interpretar informes de empresas, balances y documentos regulatorios.
En ese terreno, modelos como GPT y Claude no lograron destacar. Al carecer de esos criterios en sus datos de entrenamiento, no pudieron replicar el juicio de un especialista humano por más capacidad de cómputo que tuvieran detrás.
El valor del ajuste fino
La alternativa que probaron fue tomar un modelo de pesos abiertos —cuyos parámetros internos están disponibles para que cualquiera los modifique— y aplicarle un ajuste fino (fine-tuning), es decir, un reentrenamiento con ejemplos específicos del dominio financiero. Con ese proceso, el modelo aprendió a imitar el razonamiento de los analistas de Bridgewater en las tareas evaluadas.
El resultado, según la publicación de Thinking Machines Lab, fue un desempeño superior al de los sistemas comerciales más avanzados, con un costo operativo mucho menor. Para una firma que procesa grandes volúmenes de documentos, esa diferencia de precio no es un detalle menor.
Thinking Machines Lab es el laboratorio fundado por Mira Murati, exdirectora de tecnología de OpenAI. El trabajo se realizó junto a AIA Labs, la división de investigación en inteligencia artificial de Bridgewater, uno de los mayores fondos de cobertura del mundo.
Qué implica para la industria
El experimento refuerza una tendencia que gana terreno entre empresas que buscan aplicar IA a problemas concretos: un modelo más pequeño y especializado puede rendir mejor que uno gigantesco y genérico cuando la tarea requiere conocimiento propietario. En lugar de pagar por la potencia de un modelo de frontera, la ventaja está en los datos internos y en el ajuste dirigido.
Conviene tomar las cifras con cautela, ya que provienen del propio análisis de las partes interesadas y no de una evaluación independiente. Aun así, el planteamiento coincide con lo que otras compañías vienen observando al llevar la IA a entornos regulados y de alta exigencia, donde el error tiene costo.
La lección de fondo apunta a un cambio en cómo las empresas eligen sus herramientas de IA. La pregunta ya no es solo cuál es el modelo más grande, sino cuál entiende mejor el problema específico que hay que resolver.
