Proporcionado por
Esto coloca a los líderes tecnológicos en una posición precaria: sólidas pilas de tecnología ya sustentan sus operaciones comerciales, entonces, ¿cuál es la ventaja de introducir nueva tecnología?
Durante décadas, las estrategias de implementación han seguido una cadencia constante en la que los operadores de tecnología evitan desestabilizar los flujos de trabajo críticos para el negocio para intercambiar componentes individuales en pilas de tecnología. Por ejemplo, una tecnología mejor o más barata no tiene sentido si pone en riesgo su recuperación ante desastres.
Si bien el precio puede aumentar cuando un nuevo comprador adquiere middleware maduro, el costo de perder parte de los datos de su empresa porque se encuentra en la mitad de la transición de su empresa a una nueva tecnología es mucho más grave que pagar un precio más alto por una tecnología estable con la que ha administrado su negocio durante 20 años.
Entonces, ¿cómo obtienen las empresas un retorno de la inversión en la última transformación tecnológica?
Primer principio de la IA: tus datos son tu valor
La mayoría de los artículos sobre datos de IA se relacionan con tareas de ingeniería para garantizar que un modelo de IA infiera datos comerciales en repositorios que representan realidades comerciales pasadas y presentes.
Sin embargo, uno de los casos de uso más implementados en la IA empresarial comienza con la activación de un modelo de IA cargando archivos adjuntos en el modelo. Este paso reduce el alcance de un modelo de IA al contenido de los archivos cargados, acelerando los tiempos de respuesta precisos y reduciendo la cantidad de mensajes necesarios para obtener la mejor respuesta.
Esta táctica se basa en enviar sus datos comerciales patentados a un modelo de IA, por lo que hay dos consideraciones importantes que se deben tener en paralelo con la preparación de los datos: primero, controlar su sistema para que tenga la confidencialidad adecuada; y segundo, desarrollar una estrategia de negociación deliberada con los proveedores de modelos, quienes no pueden avanzar en sus modelos de frontera sin tener acceso a datos no públicos, como los datos de su empresa.
Recientemente, antrópico y Abierto AI completó acuerdos masivos con plataformas y propietarios de datos empresariales porque no hay suficientes datos primarios de alto valor disponibles públicamente en Internet.
La mayoría de las empresas priorizarían automáticamente la confidencialidad de sus datos y diseñarían flujos de trabajo comerciales para mantener los secretos comerciales. Desde un punto de vista del valor económico, especialmente considerando lo costosa que es realmente cada llamada API modelo, intercambiar acceso selectivo a sus datos por servicios o compensaciones de precios puede ser la estrategia correcta. En lugar de abordar la compra/incorporación de modelos como un ejercicio típico de proveedores/adquisiciones, piense en el potencial de obtener beneficios mutuos al promover el modelo de sus proveedores y la adopción del modelo por parte de su negocio en conjunto.
Segundo principio de la IA: aburrido por diseño
De acuerdo a La información es hermosa, solo en 2024, se introdujeron en el mercado 182 nuevos modelos de IA generativa. Cuando GPT5 llegó al mercado en 2025, muchos de los modelos de 12 a 24 meses antes dejaron de estar disponibles hasta que los clientes de la suscripción amenazaron con cancelarla. Sus flujos de trabajo de IA, anteriormente estables, se basaron en modelos que ya no funcionaban. Sus proveedores de tecnología pensaron que los clientes estarían entusiasmados con los modelos más nuevos y no se dieron cuenta de la importancia que los flujos de trabajo empresariales otorgan a la estabilidad. Los videojuegos están felices de actualizar sus versiones personalizadas durante toda la vida útil de los componentes del sistema en sus plataformas de juego, y actualizarán todo el sistema solo para jugar un título recién lanzado.
Sin embargo, el comportamiento no se traduce en operaciones de tasa de ejecución empresarial. Si bien muchos empleados pueden usar los últimos modelos para procesar documentos o generar contenido, las operaciones administrativas no pueden soportar el intercambio de una pila de tecnología tres veces por semana para mantenerse al día con las últimas caídas de modelos. El trabajo administrativo es aburrido por diseño.
Las implementaciones de IA más exitosas se han centrado en implementar IA en problemas comerciales exclusivos de su negocio, a menudo ejecutándose en segundo plano para acelerar o aumentar tareas mundanas pero obligatorias. Evitar que las auditorías legales o de gastos tengan que verificar manualmente los informes individuales pero dejar la decisión final en una zona de responsabilidad humana combina lo mejor de ambos.
El punto importante es que ninguna de estas tareas requiere actualizaciones constantes del último modelo para ofrecer ese valor. Esta también es un área en la que abstraer los flujos de trabajo de su negocio del uso de API de modelo directo puede ofrecer estabilidad adicional a largo plazo y, al mismo tiempo, mantener opciones para actualizar o mejorar los motores subyacentes al ritmo de su negocio.
Tercer principio de la IA: la economía de las minivans
La mejor manera de evitar la economía al revés es diseñar sistemas que se alineen con los usuarios en lugar de con las especificaciones y puntos de referencia de los proveedores.
Demasiadas empresas siguen cayendo en la trampa de comprar nuevos equipos o nuevos tipos de servicios en la nube basándose en nuevos puntos de referencia liderados por proveedores en lugar de comenzar su viaje hacia la IA a partir de lo que su empresa puede consumir, a qué ritmo y con las capacidades que han implementado hoy.
Si bien el marketing de Ferrari es eficaz y esos automóviles son realmente magníficos, circulan a la misma velocidad por las zonas escolares y carecen de suficiente espacio en el maletero para hacer la compra. Tenga en cuenta que cada servidor y modelo remoto tocado por un usuario aumenta los costos y el diseño para lograr frugalidad al reconfigurar los flujos de trabajo para minimizar el gasto en servicios de terceros.
Demasiadas empresas han descubierto que sus flujos de trabajo de IA de atención al cliente añaden millones de dólares en costos de tasa de ejecución operativa y terminan agregando más tiempo y costo de desarrollo para actualizar la implementación para la previsibilidad de OpEx. Mientras tanto, las empresas que decidieron que un sistema funcionara al ritmo que un humano puede leer (menos de 50 tokens por segundo) pudieron implementar con éxito aplicaciones de IA ampliadas con una mínima sobrecarga adicional.
Hay muchos aspectos de esta nueva tecnología de automatización que analizar; la mejor orientación es comenzar de manera práctica, diseñar de manera independiente en los componentes tecnológicos subyacentes para evitar interrumpir las aplicaciones estables a largo plazo y aprovechar el hecho de que la tecnología de IA hace que los datos de su negocio sean valiosos para el avance de los objetivos de sus proveedores de tecnología.
Este contenido fue producido por Intel. No fue escrito por el personal editorial de MIT Technology Review.
Publicado originalmente en technologyreview.com el 28 de octubre de 2025.
Ver fuente original
