AIA Labs, el laboratorio de IA de Bridgewater (el mayor hedge fund del mundo), se junto con Thinking Machines para resolver un problema que suena fácil y no lo es: enseñar a un modelo a distinguir qué noticia financiera es relevante y cuál es ruido. Un analista con veinte años lo hace sin pensar. Explicárselo a una máquina cuesta, porque la relevancia es subjetiva. El final tiene moraleja para cualquiera que meta IA en su empresa: el modelo abierto afinado ganó al modelo frontera, con un 84,7% de acierto y 14 veces menos coste.
El camino, paso a paso
- Con prompts básicos, Gemini, Claude y GPT se quedaban en torno al 50%. Un cara o cruz.
- Cuando los propios expertos de Bridgewater escribieron los prompts, el acierto subió a los 74-78%.
- Cambiar a modelos más nuevos y caros apenas sumaba 1 o 2 puntos.
- La ingeniería de prompts, por buena que fuera, no pasaba del 80%.
No era una sola tarea, eran seis: clasificar la relevancia de un artículo financiero, leer documentos de bancos centrales buscando señales sobre tipos de interés, casar preguntas con documentos, etiquetar contenido recurrente, y limpiar el texto de relleno en documentos y en correos. Trabajo de triaje puro, el que un analista hace cada mañana antes de empezar lo importante.
Dónde estaba el desbloqueo
El salto no vino de un modelo más grande. Vino de afinar uno abierto, el Qwen3-235B de Alibaba, con datos etiquetados por los expertos, usando Tinker, la herramienta de Thinking Machines. Ahí el acierto trepó hasta el 84,7%, por encima del 78,2% del mejor modelo frontera. Eso son un 29,8% de errores menos. Y lo que de verdad cambia la ecuación de una empresa: corría unas 13,8 veces más barato por tarea que los modelos punteros.
Llegar ahí tuvo su cocina técnica, y los números dan idea del trabajo real que hay detrás de estos titulares. Un primer intento se quedó en el 73%. A partir de ahí, tres ajustes fueron sumando: una forma distinta de agrupar los ejemplos de entrenamiento (+12 puntos), una función de pérdida más fina (+10) y aprender de modelos maestros más fuertes (+3). No fue un botón mágico, fue iterar.
Pero el detalle más importante está en cómo construyeron los datos. Las etiquetas de gente no experta rendían mal. La clave fue un esquema de verificación que mandaba los desacuerdos entre el modelo y los etiquetadores a un revisor experto para corregir. O sea, el trabajo no estaba en el modelo, estaba en la calidad del dato con criterio humano detrás.
Por qué importa
Esto es lo que llevo tiempo repitiendo y aquí lo firma el mayor hedge fund del mundo: lo primero no es la IA, lo primero es el dato. Antes de meter algoritmos de forecasting, en Barner etiqueté todos los productos en Odoo, porque sin el dato bien puesto el algoritmo no sirve de nada. La historia de Bridgewater dice justo eso con números. Pagar por el modelo más caro te sube uno o dos puntos. Sentar a tus expertos a etiquetar bien y afinar un modelo abierto te sube seis o siete puntos y te sale 14 veces más barato. Un estudio de Gartner de abril concluye lo mismo: lo que decide el éxito de un proyecto de IA no es lo listo que sea el modelo, sino cómo de bien lo integras, lo gobiernas y lo pegas a un problema real de la operación. La ventaja, para una empresa mediana, está en tener tus datos ordenados y a tu gente metiendo su criterio dentro, no en fichar el modelo de moda.
Relacionado
