Arthur Mensch, CEO de Mistral AI: “La regulación no es el mayor reto que afronta la IA en Europa”

Cuando se habla de la invasión de la IA procedente de Estados Unidos, incluso de la que viene de China, hay una aldea gala que resiste. La start-up francesa Mistral AI nació en abril de 2023, cuando ya corría la pólvora de ChatGPT, lanzado cinco meses atrás. Fue fundada por dos ex investigadores de Meta AI, Guillaume Lample y Timothée Lacroix, junto a otro ex investigador de DeepMind, la división de inteligencia artificial de Google, Arthur Mensch.

Los tres se conocieron cursando sus ingenierías en el École Polytechnique de París. Empezaron el proyecto con otros 12 ingenieros y ahora Mistral AI es una empresa de 170 empleados, con oficinas en París, Londres, Estados Unidos y Singapur. Ha levantado alrededor de 1.000 millones de euros, que le dan un valor teórico de 6.000 millones. Recogió el apoyo del magnate tecnológico francés Xavier Niel, así como de Nvidia o Microsoft. Y por todo ello, es una de las grandes esperanzas de la IA europea.

Arthur Mensch (París, 1992) es el CEO de Mistral y cabeza visible de la startup. Recibe a EL PAÍS en una salita acristalada del Mobile World Congress de Barcelona. Vestido de traje oscuro y tras una larga jornada de reuniones, el responsable de la startup habla del papel de Mistral ante la búsqueda europea de independencia tecnológica. Y también repasa sus perspectivas de negocio —cuenta con clientes del ámbito financiero, de defensa y del sector público—, además de comentar la rivalidad con DeepSeek y con las empresas de Estados Unidos.

Pregunta. ¿Por qué la soberanía tecnológica es importante para Europa en medio del actual escenario geopolítico?

Respuesta. Lo que hemos observado en los últimos meses es que muchas empresas europeas, pero también de fuera de Europa, se han dado cuenta de que necesitan una estrategia que no dependa totalmente de la tecnología estadounidense para sus sistemas de IA.

P. ¿Es una cuestión económica?

R. Si tú tienes empresas con una sobredependencia de proveedores estadounidenses para cubrir una necesidad que va a tener una importancia significativa en tu negocio, como es la IA, esto significa que gran parte del PIB se va para Estados Unidos. Pero hay otro aspecto, que es la soberanía cultural. Consiste en asegurarse de que los modelos conocen la literatura española, la literatura francesa, la manera diferente en que pensamos la historia a lo largo de Europa o las distintas formas en que pensamos la democracia, que difiere de cómo se piensa en Estados Unidos.

P. Ahora que Estados Unidos se ha convertido en un socio voluble, ¿Europa necesita también soberanía tecnológica en defensa?

R. Hay un tercer factor que es la soberanía estratégica. Esto significa que la IA, que es la nueva forma en que construimos la interfaz humano-máquina, estará en todos los sistemas de armamento en los próximos 10 años. Desafortunadamente, este es un aspecto importante en el mundo de hoy. Y resulta clave para los Estados europeos y la industria [de defensa] tener la capacidad de construir sistemas con una IA que no proceda de un proveedor ajeno a los Estados miembro.

P. ¿Hasta qué punto la defensa será un negocio sustancial para Mistral?

R. Ya es un negocio importante para nosotros.

P. ¿Cómo planea Mistral capitalizar las necesidades europeas de tecnología soberana?

R. Este escenario es una fuente de oportunidades para nosotros. No solo porque somos una empresa europea, sino porque la tecnología que desarrollamos está pensada para casos de uso con altas necesidades de gobernanza de datos.

P. ¿A qué se refiere?

R. Nuestra tecnología se puede desplegar de forma local. Si el cliente tiene la capacidad suficiente de GPUs (procesadores gráficos) puede ejecutar nuestra IA en su nube privada. Cuando se trata de ejecutar cargas de trabajo críticas, que requieren una alta soberanía de datos, tenemos la tecnología para ello. En realidad, somos la única empresa o una de las pocas que pueden hacerlo.

P. También tienen modelos, como Mistral Small 3, que funcionan en un portátil…

R. Esto sería el despliegue en dispositivo, que consiste en implementar modelos más pequeños en hardware más barato. Puede ser un portátil, incluso un smartphone. Hoy, el mejor modelo que se puede ejecutar en un portátil es de Mistral.

P. ¿Cuáles son los beneficios de ejecutar un LLM [modelo de lenguaje de gran tamaño] en local?

R. El primero es que es un sistema privado por defecto. También puede funcionar en un entorno sin conexión a internet. Y es importante para la eficiencia. Si somos capaces de procesar el 80% de las peticiones de un usuario en su propio ordenador y las ejecutamos localmente, esto es energía que ahorramos y no malgastamos en centros de datos.

La tecnología que desarrollamos está pensada para casos de uso con altas necesidades de gobernanza de datos”

P. Usted insiste en que Europa necesita menos regulación…

R. Tenemos que centrarnos en regular las aplicaciones y no la tecnología. Realmente creemos que hemos llegado demasiado pronto [con el Reglamento europeo de la IA]. Pero es factible abordarlo. No diría que la regulación es el mayor reto que afronta Europa en inteligencia artificial. Aunque no ayuda, desde luego.

P. ¿Qué le gustaría cambiar de la regulación?

R. Siempre hemos defendido la necesidad de tener secretos comerciales. Esto es muy importante para empresas como la nuestra, para ser competitivas, sobre todo en los aspectos relacionados con los datos de entrenamiento. El Reglamento Europeo de la IA ayuda más a las empresas estadounidenses que a las de la UE, porque al ser muy grandes pueden afrontar mejor cualquier carga que se les imponga. Y este escenario es el que me gustaría evitar.

P. Antes ha dicho que la regulación no es el reto principal de la IA. ¿Cuál es?

R. Creo que el mayor reto que tenemos en Europa, y nos alegra ver que esto está cambiando, es que la tasa de adopción de la IA entre las empresas ha sido un poco lenta. Van por detrás de Estados Unidos. Pero ahora se han dado cuenta de que esto es crítico para ellas. Que si quieren competir en el escenario global, necesitan ser más eficientes con ayuda de la IA.

P. ¿Cómo aborda Mistral un mercado fragmentado como el europeo, que en realidad son 27+1 mercados?

R. Nos obliga a tener equipos en diferentes países. Ahora tenemos un equipo en el Reino Unido, otro en Alemania y pronto tendremos uno en España. Cada empresa europea tiene requisitos específicos en cuanto al idioma o al trato que quiere tener con los clientes. Y esto requiere una profunda personalización de los sistemas de IA, algo que nosotros sabemos hacer.

P. ChatGPT o Google NotebookLM ya funcionan bien en español. ¿Cómo pretende Mistral competir con ellos?

R. Se pueden desarrollar modelos que sean excelentes en varios idiomas. Pero si decides centrarte en un idioma específico, puedes crear un modelo más pequeño que sea mejor en ese preciso idioma. La única firma de construir un modelo que sea muy satisfactorio en un idioma determinado es introducir más datos en esta lengua y entrenarlo con ellos. Así podemos crear un modelo más pequeño pero dedicado a este idioma.

Fuimos los primeros en lanzar un modelo en código abierto. Y esto puso en marcha toda una bola de nieve que fue creciendo

P. Tras la conmoción provocada por DeepSeek en la industria, usted dijo que Mistral ya había implementado técnicas de eficiencia. ¿Puede desarrollar esto?

R. DeepSeek utiliza, en realidad, un fragmento de código que nosotros publicamos el año pasado como código abierto. Se trata de la técnica mixture of experts (MoE o mezcla de expertos). Ellos la escalaron y añadieron cierta capacidad matemática de razonamiento sobre ella.

P. Entonces, ¿la tecnología era originalmente de Mistral?

R. Originalmente, sí. Fuimos los primeros en lanzar un modelo en código abierto con ella. Y esto puso en marcha toda una bola de nieve que fue creciendo. Tú cedes algo a la comunidad de código abierto y alguien lo toma y crea algo mejor.

P. Es una forma de externalizar la innovación…

R. Históricamente, en inteligencia artificial siempre ha sido así. Si te fijas en lo que ocurrió entre 2010 y 2020, utilizamos esta fórmula para construir el aprendizaje profundo (deep learning). Así también desarrollamos el aprendizaje por refuerzo profundo (deep reinforcement learning). Y así empezamos a trabajar en modelos de lenguaje de gran tamaño (LLM). Y, de repente, OpenAI vio negocio en ello y decidió cerrar su tecnología y empezar una carrera en la que tratarían de convertirse en un monopolio.

P. ¿Cómo puede Mistral con DeepSeek, que también es una empresa de código abierto?

R. Ahora estamos trabajando en tener modelos mejores que los de DeepSeek. Y en cuanto a la eficiencia durante el entrenamiento que ellos han afirmado, nosotros ya la hemos alcanzado y estamos incluso mejorándola.