Para las empresas, la cuestión ya no es qué modelo de IA es el más potente, sino cómo explotarlo eficazmente para obtener resultados concretos y medibles. En un análisis publicado por Journal du Net, la creación de valor vinculada a la inteligencia artificial se presenta como algo que depende ahora principalmente de los datos de las empresas y de su capacidad para movilizarlos.
El autor recuerda que la IA sigue una trayectoria comparable a la de la nube, el almacenamiento o la potencia de cálculo. A medida que estas tecnologías maduran, se vuelven más potentes, más accesibles y se integran más en el funcionamiento de las empresas. Ante la aceleración actual, el reto ya no es tanto tener acceso a ellas como extraer un valor real.
Debates centrados en los modelos
Gran parte del debate sobre la IA generativa se ha centrado en los modelos mismos: cuál es el más potente, el más fiable, el más rápido. Las discusiones están evolucionando, girando hacia cómo la IA puede acelerar el desarrollo de productos, mejorar la experiencia del cliente, aumentar la eficiencia operativa o reducir costes. Los grandes modelos de IA generativa se multiplican y su rendimiento progresa, de modo que las empresas disponen de una elección sin precedentes. Se diferenciarán, según este texto, menos por la inteligencia a la que acceden que por la forma en que la explotan.
Los modelos aportan capacidades generales, pero son los datos propios de cada organización los que les proporcionan el conocimiento necesario para resultados pertinentes. Para crear valor, estos datos deben ser fáciles de explotar, en un marco de confianza, tanto por los equipos de negocio como por los sistemas de IA. Los datos aislados limitan lo que la IA puede aportar, mientras que los datos gobernados, contextualizados y accesibles pueden aumentar considerablemente su impacto.
Una arquitectura capaz de evolucionar
Los directivos necesitan, por tanto, arquitecturas capaces de evolucionar tan rápido como los modelos. Construir una estrategia en torno a un único modelo corre el riesgo de encerrar a la empresa en un entorno tecnológico en constante cambio. El objetivo consiste más bien en integrar las innovaciones a medida que aparecen, garantizando al mismo tiempo la coherencia y la gobernanza de los datos.
El texto destaca el enrutamiento automático de modelos, que consiste en dirigir cada tarea hacia el modelo más adecuado según criterios como el rendimiento, el coste o la complejidad. Este enfoque permite utilizar la IA de forma más eficaz, sin recurrir sistemáticamente al modelo más potente para cada tarea.
Los criterios de éxito también deben cambiar. El número de consultas o de tokens, unidades de texto procesadas por un modelo, mide el uso, pero no dice nada sobre el valor creado. La pregunta que hay que hacerse es esta: ¿permite la IA tomar mejores decisiones, mejorar un producto, reforzar la relación con el cliente, optimizar las operaciones o crear nuevas oportunidades de crecimiento?
« Durante mucho tiempo, pensamos que la competencia en inteligencia artificial se jugaría entre los modelos. Sin embargo, la realidad es que la inteligencia se está volviendo progresivamente común. » La creación de valor se desplaza, por tanto, hacia los datos de las empresas y su capacidad para explotarlos y proporcionar a la IA el contexto que necesita.
