Una startup francesa cree que las GPU sí sirven para ejecutar agentes de IA — y promete hacerlo más rápido
Kog, con sede en París, asegura que con mejor software se puede exprimir mucho más rendimiento de las tarjetas gráficas al correr agentes de IA, una tarea que hoy se considera lenta e ineficiente.
Durante meses, una idea ha ganado fuerza entre desarrolladores de inteligencia artificial: las GPU (las tarjetas gráficas que entrenan y ejecutan modelos de IA) no están bien diseñadas para los llamados «flujos agénticos», es decir, cuando un modelo de IA no se limita a responder una pregunta, sino que planifica, busca información, usa herramientas y toma decisiones en varios pasos. Estos procesos implican pausas, cambios de contexto y fragmentos de trabajo pequeños que las GPU, pensadas para cálculos masivos en paralelo, gestionan de forma poco eficiente. Pero según Kog, una startup francesa que acaba de anunciar su salida del sigsigilo, esa creencia es un error — o al menos, un problema que se puede resolver con software más inteligente.
Kog, fundada en París, asegura que ha desarrollado un motor de inferencia (el software que ejecuta modelos de IA ya entrenados para responder preguntas o generar texto) capaz de multiplicar por diez la velocidad de estos flujos agénticos en GPUs convencionales, en comparación con las herramientas que se usan hoy. La clave, según la compañía, no está en cambiar el hardware, sino en repensar cómo se organiza y ejecuta el trabajo: dividen las tareas en fragmentos más pequeños, priorizan las operaciones según su urgencia y mantienen en memoria solo lo imprescindible, evitando tiempos muertos.
La promesa tiene implicaciones reales: los agentes de IA — sistemas que pueden, por ejemplo, reservar un vuelo, comparar precios en varias webs o escribir código mientras consultan documentación — están entre las aplicaciones más esperadas de los grandes modelos de lenguaje (LLM, por sus siglas en inglés: los modelos de IA que entienden y generan texto, como ChatGPT o Claude). Pero ejecutarlos sigue siendo caro y lento, lo que frena su adopción. Si Kog cumple lo que promete, empresas medianas podrían desplegar agentes complejos sin invertir en servidores especializados ni depender tanto de proveedores de nube como OpenAI o Google.
Por ahora, Kog no ha publicado pruebas independientes ni benchmarks (pruebas de rendimiento estándar que permiten comparar sistemas) públicos que validen sus afirmaciones, según informó TechCrunch. La startup, que no ha revelado cuánta financiación ha recibido ni quiénes son sus inversores, planea abrir una versión beta de su motor a finales de año. Hasta entonces, queda por ver si la tecnología cumple lo que promete o si el cuello de botella de las GPU para agentes de IA es, en efecto, un problema de arquitectura de hardware que ningún software puede solucionar del todo.
