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 facil y no lo es: ensenar a un modelo a distinguir que noticia financiera es relevante y cual es ruido. Un analista con veinte anos lo hace sin pensar. Explicarselo a una maquina cuesta, porque la relevancia es subjetiva. El final tiene moraleja para cualquiera que meta IA en su empresa: el modelo abierto afinado gano al modelo frontera, con un 84,7% de acierto y 14 veces menos coste.
El camino, paso a paso
- Con prompts basicos, 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 subio a los 74-78%.
- Cambiar a modelos mas nuevos y caros apenas sumaba 1 o 2 puntos.
- La ingenieria de prompts, por buena que fuera, no pasaba del 80%.
No era una sola tarea, eran seis: clasificar la relevancia de un articulo financiero, leer documentos de bancos centrales buscando senales sobre tipos de interes, 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 manana antes de empezar lo importante.
Donde estaba el desbloqueo
El salto no vino de un modelo mas grande. Vino de afinar uno abierto, el Qwen3-235B de Alibaba, con datos etiquetados por los expertos, usando Tinker, la herramienta de Thinking Machines. Ahi el acierto trepo 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 ecuacion de una empresa: corria unas 13,8 veces mas barato por tarea que los modelos punteros.
Llegar ahi tuvo su cocina tecnica, y los numeros dan idea del trabajo real que hay detras de estos titulares. Un primer intento se quedo en el 73%. A partir de ahi, tres ajustes fueron sumando: una forma distinta de agrupar los ejemplos de entrenamiento (+12 puntos), una funcion de perdida mas fina (+10) y aprender de modelos maestros mas fuertes (+3). No fue un boton magico, fue iterar.
Pero el detalle mas importante esta en como construyeron los datos. Las etiquetas de gente no experta rendian mal. La clave fue un esquema de verificacion 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 detras.
Por que importa
Esto es lo que llevo tiempo repitiendo y aqui 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 etiquete 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 numeros. Pagar por el modelo mas 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 mas barato. Un estudio de Gartner de abril concluye lo mismo: lo que decide el exito de un proyecto de IA no es lo listo que sea el modelo, sino como de bien lo integras, lo gobiernas y lo pegas a un problema real de la operacion. La ventaja, para una empresa mediana, esta en tener tus datos ordenados y a tu gente metiendo su criterio dentro, no en fichar el modelo de moda.
Relacionado
