La promesa incumplida de la inteligencia artificial
El entusiasmo por la inteligencia artificial generativa en el ámbito corporativo sigue vigente, pero los resultados financieros no acompañan. Según un informe del MIT, las empresas estadounidenses han desembolsado entre 35,000 y 40,000 millones de dólares en iniciativas de IA, pero hasta un 95% de ellas obtiene poco o ningún retorno de inversión. Esta brecha entre expectativas y realidad ha llevado a que algunos ejecutivos consideren la IA como un posible "caballo de Troya" si no se implementa con una estrategia sólida de gobernanza y seguridad.
Costos operativos: el primer riesgo
El principal factor de riesgo reside en los altos costos operativos. Depender de la nube para cada interacción genera un drenaje constante de capital a través de suscripciones que, aunque accesibles al inicio, se vuelven insostenibles a medida que escala el uso. Marcos Grilanda, vicepresidente y gerente general de Databricks en Latinoamérica, explica que muchas compañías incentivaron a sus empleados a usar la IA sin establecer "barreras de contención", lo que provocó que los costos "vuelen".
El informe del MIT señala que la clave para el éxito no es solo ejecutar los mejores modelos, sino optimizar la organización de los datos. Grilanda sugiere que el control de costos permite, por ejemplo, enviar consultas simples sobre clientes a modelos más económicos, mientras que la planeación estratégica se reserva para modelos de última generación. "Esta capacidad de elección y direccionamiento es lo que garantiza que la IA sea sostenible a largo plazo", comenta.
Seguridad: la gran brecha sin solución
Otro riesgo importante es la amenaza a la propiedad intelectual. Satya Nadella, CEO de Microsoft, escribió que al usar modelos se paga dos veces: "primero con dinero y luego con algo aún más valioso: el conocimiento especializado que hay que revelar. Cuanto mejor se quiera que funcione el modelo, más conocimiento hay que proporcionarle". Además, cuando los empleados utilizan modelos públicos o abiertos por falta de capacitación, pueden entregar involuntariamente activos críticos y bases de datos confidenciales a terceros.
Santiago Cardona, líder de la división de cómputo de Qualcomm en Latinoamérica, advierte: "Un usuario puede tomar toda esta información que tiene digitalizada y la sube a uno de estos modelos de IA, que básicamente toma esa data para nutrirse sin ninguna protección. Básicamente el proveedor puede tomar tu data porque tú le entregaste toda tu información de manera inadvertida".
La alternativa: IA local
Ante este panorama, Cardona recomienda alejarse de la dependencia absoluta de la nube pública y centrarse en la IA local, que procesa algoritmos y modelos de lenguaje directamente en el hardware de la empresa, garantizando que la información sensible nunca abandone el control físico y lógico de la organización. "Si tienes la capacidad suficiente para poder correr modelos de lenguaje localmente con los datos de tu empresa, eso cambia el juego total", afirma Cardona. "Permite generar respuestas basadas en información histórica y digitalizada de la propia compañía para tomar decisiones de negocio de manera eficiente y sin salir a la nube".
Este enfoque no solo mejora la seguridad, sino que también reduce costos al eliminar la dependencia de suscripciones externas para el procesamiento de datos, transformando un gasto operativo recurrente en una inversión en activos propios de alto rendimiento y bajo consumo energético.
El reto de la digitalización
Sin embargo, el camino hacia la IA local requiere un paso previo crítico: la tecnificación y digitalización de la información histórica de la empresa, desde contratos legales hasta patrones de comportamiento de ventas, para entrenar modelos privados y cerrados que entiendan la naturaleza específica del negocio. Esto implica inversiones en renovar flotas de equipos de cómputo y capacitar al personal para gestionar las herramientas de manera responsable, evitando que el factor humano sea el eslabón débil por donde el "caballo de Troya" pueda filtrar datos sensibles.
