Dos anys dins la revolució de la IA Generativa, el camp està evolucionant de respostes preentrenades ràpides ('pensament ràpid') a un raonament avançat en el moment d'inferència ('pensament lent'), cosa que permet una nova classe d'aplicacions intel·ligents. A mesura que reflexionem sobre el segon aniversari del nostre assaig 'IA Generativa: Un Nou Món Creatiu', observem canvis significatius dins l'ecosistema de la IA i presentem les nostres previsions per al futur. La capçalera fundacional del mercat de la IA Generativa s'està estabilitzant, caracteritzada per grans actors com Microsoft/OpenAI, AWS/Anthropic, Meta i Google/DeepMind, tots equipats amb capital substancial i operacions escalables. Si bé les dinàmiques competitives continuen sent intenses, preveiem una major disponibilitat de prediccions de cost efectiu per al següent token. Amb aquesta estabilització, l'atenció es desplaça cap a l'enriquiment de les capacitats de raonament en IA, anomenat 'pensament de Sistema 2', que permet una resolució més deliberada de problemes i funcions cognitives durant la inferència. Inspirat en innovacions com AlphaGo, aquesta capa de raonament està preparada per redefinir com funciona la IA, portant a noves arquitectures cognitives i interfícies d'usuari. En la nostra última anàlisi del panorama de la IA, abordarem com aquesta consolidació alimenta la cursa per desenvolupar capacitats de raonament sofisticades i explorem 'killer apps' emergents amb eines i interaccions cognitives innovadores. **La Revolució de la Maduixa** El desenvolupament clau de 2024 és la introducció per OpenAI de o1, antigament conegut com Q* o 'Maduixa'. Aquest model no només reforça el lideratge de OpenAI en la qualitat del model, sinó que també integra capacitats de raonament genuïnes a través de càlcul en temps d'inferència. A diferència dels models preentrenats tradicionals que es basen en grans quantitats de dades pel raonament bàsic, Maduixa augmenta la capacitat del model per aturar-se i reflexionar abans de respondre. Utilitzant l'exemple de la victòria d'AlphaGo de 2016 sobre el campió de Go Lee Sedol, il·lustrem com el veritable raonament de la IA pot superar el simple acoblament de patrons. AlphaGo va demostrar processos cognitius avançats simulant activament resultats potencials, cosa que li va permetre superar significativament els jugadors humans quan se li va donar temps per avaluar. Traslladar això als models lingüístics grans (LLM), el repte recau en crear mecanismes de puntuació efectius per a tasques diverses, com avaluar contingut escrit, el qual continua sent problemàtic per als models existents. Maduixa mostra fortaleses en dominis lògics però té dificultats amb tasques més subjectives degut als seus mecanismes fonamentals. L'aprenentatge per reforç profund està experimentant un ressorgiment ja que permet a la IA raonar més efectivament, mostrant comportaments similars al pensament humà, com retrocedir i estratègies innovadores de resolució de problemes. El camp està actualment explorant diverses maneres de refinar els processos en temps d'inferència i millorar les capacitats de raonament. **De la Pensament de Sistema 1 al Pensament de Sistema 2** Progressar de respostes instintives (Sistema 1) a raonament informat (Sistema 2) marca una frontera crucial per a la IA. Si bé el preentrenament elèctric pot resoldre preguntes senzilles amb rapidesa, problemes més complexos requereixen que la IA avaluï opcions i raoni decisions de forma metòdica.

Aquest procés més profund és essencial per afrontar problemes significatius a través de disciplines, des de matemàtiques fins a biologia, on el simple reconeixement de patrons és insuficient. En el camp de les aplicacions de la IA, models emergents exemplifiquen un enfocament transformador. Empreses com Sierra estan redefinint l'atenció al client resolent problemes amb eficiència, mentre que l'arribada d'altres aplicacions agenticas—com Harvey (lleis), Glean (assistent de treball) i XBOW (proves de penetració)—il·lustren un canvi en com la IA ofereix valor i captura oportunitats de mercat. A mesura que aquestes aplicacions minimitzen els costos de lliurament aprofitant avenços en la inferència, poden trastocar models de mercat tradicionals, millorant l'eficiència i l'accessibilitat dels fluxos de treball. **El Paisatge SaaS Reconsiderat** S'han plantejat preocupacions sobre si la IA Generativa podria amenaçar empreses de núvol existents. No obstant això, la nostra postura inicial és que els models fonamentals romandran accessibles per als incumbents, ja que aquests posseeixen avantatges existents en dades i distribució. Les empreses emergents estan millor posicionades per apuntar fluxos de treball automatitzables en lloc de substituir completament les empreses de programari establertes. No obstant això, l'enginyeria substancial i la innovació necessàries per crear solucions impulsades per IA pot suggerir que hem subestimat el requisit de ser 'natiu de la IA'. Igual que el pas del programari en local al SaaS va transformar els models de negoci fa dues dècades, una evolució similar podria redefinir el paisatge per a les aplicacions d'IA. Day. ai exemplifica aquest potencial, presentant un CRM natiu de la IA que genera solucions personalitzades automàticament amb mínima implicació humana. Això exemplifica una tendència creixent cap a l'automatització de processos complexos i reconfigurant les expectatives del mercat. **Insights d'Inversió** Des d'una perspectiva d'inversió, la infraestructura centrada en híper-escales és menys atractiva per als capitalistes de risc, dominada per grans actors enfocats en estratègies teòric-joc. El paisatge del model pateix un biaix cap a models innovadors, sovint desconsiderant consideracions econòmiques pràctiques. Per contra, les eines de desenvolupament i capes d'aplicació atrauen més interès significatiu, amb un possible ressorgiment de generació de ingressos similar al que es va veure durant la transició al núvol. La inversió en empreses de capa d'aplicació continua sent prometedora, on una riquesa d'oportunitats pot aportar rendiments substancials i sostenibilitat. El canvi cap a aplicacions agenticas redefinirà la dinàmica de l'ecosistema de la IA, obrint camí per a un creixement i innovació impactants.