Conferencia Goldman Sachs Communacopia + Technology 2026 de Broadcom Inc. Common Stock

Gracias. Gracias por invitarme.

Es una pregunta muy interesante, Jim, y supongo que empezaré hablando de Broadcom como empresa. Al igual que la mayoría de las grandes empresas actuales, hemos estado analizando de cerca cómo podemos adoptar la IA generativa mediante el uso de esos modelos de frontera y, posiblemente, incluso de los modelos de pesos abiertos que circulan actualmente. Lo hemos estado analizando y nos hemos dedicado seriamente a ello desde hace un año. Una de las ventajas que tenemos es que contamos con acceso bastante amplio a Mythos Preview desde que estuvo disponible, y analizamos cómo puede ayudar a nuestros negocios. Hemos estado analizando muy de cerca, obviamente, cómo crear y diseñar productos, tanto hardware como software, porque somos una empresa de tecnología.

Hemos involucrado a 15,000 de los 30,000 ingenieros de la empresa para que lo analicen tanto en hardware como en software. Muchos hallazgos, muchos aprendizajes. El mayor desafío es encontrar un caso de uso que genere lo que llamamos un retorno sobre la inversión claramente significativo y sustancial. No es fácil, y sospecho que muchas empresas enfrentan el mismo problema. Lo segundo son los dos modelos de frontera. Cualquier modelo creado como aplicación es solo una herramienta. No están destinados a reemplazar literalmente a tu personal, al menos no hasta que entiendas que es una herramienta y cómo aplicarla. Descubrimos que distintos usuarios, según quiénes sean, pueden usar la herramienta de maneras muy diferentes, con mucha eficacia y eficiencia, mientras que a otros les cuesta mucho llegar a alguna parte. Nos pasa lo mismo. Si uso ChatGPT, y francamente, según cómo le pregunte y cómo le dé instrucciones, obtengo respuestas diferentes, algunas más útiles que otras.

Con el tiempo, uno mejora cada vez más en su uso. Hay un límite. Lo que realmente descubrimos es que hay que encontrar buenos casos de uso. Mi idea es simplemente que hay un caso de uso inmediato y, desde nuestra perspectiva, probablemente sea crear productos nuevos. Crear tecnología nueva, o ayudarnos a crearla. Lo que intentamos pedirle no es que la cree de la nada, sino que nos ayude a crearla a través de nuestros ingenieros. Lo que nos resulta valioso es que ellos la crean con muy alta calidad. La calidad es fundamental, y eso es lo que esas herramientas de IA nos permiten lograr, además de hacerlo más rápido.

En un chip semiconductor, eso marca la diferencia porque nuestros ingenieros todavía pueden diseñarlo, pero si tiene un error y hay que volver a fabricarlo, eso implica seis meses y $30 millones para el silicio de última generación. Las herramientas de OpenAI, Anthropic y Gemini podrían ayudarnos a eliminar la necesidad de volver a fabricarlo. Así que hay un retorno sobre la inversión y nos parece un uso con un propósito claro. Pero, en cuanto a las mejoras de productividad por sí solas, el retorno sobre la inversión es discutible. En realidad, se trata de calidad y de acelerar el tiempo de implementación o de creación de tecnología de última generación. No vuelves atrás para rehacer lo que ya quedó en el pasado. La otra aplicación, por supuesto, es la ciberseguridad: usar Mythos para analizar y, básicamente, proteger mejor nuestra infraestructura. Por último, hay algo que todavía no he usado.

No lo hemos usado, pero podemos imaginar que se podría usar algo como Claude Fable 5, en manos de pensadores críticos de áreas funcionales específicas, para replicar realmente la pila de software que usamos en esas áreas. Eso sin duda es importante y puede generar un gran retorno. Pero requerirá mucha más inversión y todavía no hemos llegado a esa etapa. En conjunto, todavía está en una etapa temprana, pero sí vemos que lo más importante son los usuarios. Los buenos usuarios, que definimos como pensadores críticos. En términos más sencillos, los arquitectos. Personas de alto nivel capaces de entender el contexto. Entender el entorno en el que estamos, los flujos de trabajo y cómo dar instrucciones a los modelos para que lo hagan.

Puedo imaginar que cuando empiecen a usar agentes, algo que hemos empezado a hacer en los últimos tres meses, eso será aún más importante. En resumen, ayuda a las personas muy inteligentes a ser más inteligentes.

Sí. Por eso no diré lo contrario.

Bueno, creo que la inteligencia, y que haya cada vez más, es algo único. Es como fabricar semiconductores. Cuando diseñamos un switch de red, procuramos que sea el mejor de su generación y que llegue a tiempo. El mundo hace fila en nuestra puerta. No hay sustituto para lo mejor. El segundo mejor no obtiene nada. Así que veo esto de la misma manera. En la IA, mientras haya mejoras continuas —casi diría mejoras exponenciales— en los LLM que siguen lanzando los desarrolladores de modelos de frontera, el valor se irá acumulando con el tiempo para quienes desarrollen los mejores modelos de frontera. Veámoslo de esta manera. Considera el caso de un modelo de frontera muy bueno. 1 gigawatt podría generar $30 mil millones en ingresos anuales recurrentes, como sabes.

El costo de operar 1 gigawatt, como todos saben, es de aproximadamente $10 mil millones al año. Así que hay $20 mil millones que se acumulan para los desarrolladores de modelos y las aplicaciones que los acompañan, y $10 mil millones por los que compiten las empresas de energía, los proveedores de nube e incluso las empresas de chips y memoria. Creo que el valor está en crear los mejores modelos y, a través de ellos, los mejores productos para monetizar las aplicaciones.