Intelixencia alugada ou propia: a nova decisión de IA para PEMEs

Cada vez que aparece un modelo novo, a conversa pública volve ao mesmo sitio: rankings, probas, capturas, comparativas e predicións sobre quen vai gañando.

Isto importa. Os modelos de fronteira son cada vez máis potentes e, para moitas tarefas, a diferenza de capacidade nótase.

Pero para unha PEME a decisión importante non é apuntarse ao equipo dunha marca. A decisión importante é outra:

que partes da empresa deben depender de intelixencia alugada e que partes deberían converterse en intelixencia propia.

Non é unha pregunta filosófica. É unha pregunta de custo, privacidade, mantemento, velocidade e control.

Que significa alugar intelixencia

Alugar intelixencia significa usar modelos e servizos externos: OpenAI, Anthropic, Google, Microsoft, provedores especializados, ferramentas SaaS con IA integrada ou APIs que resolven unha parte concreta do traballo.

En moitos casos ten todo o sentido.

Se necesitas a mellor capacidade dispoñible para analizar un problema complexo, programar, investigar, comparar documentos, resumir información difícil ou revisar unha decisión delicada, probablemente queres un modelo de fronteira mantido por un provedor serio.

A vantaxe é clara:

• capacidade alta desde o primeiro día;
• infraestrutura xestionada;
• melloras constantes sen despregar servidores;
• ferramentas de seguridade, permisos e auditoría cada vez máis maduras;
• menos carga técnica para o equipo interno.

Para unha empresa pequena, iso pode ser unha vantaxe enorme. Non fai falta construír un laboratorio de IA para empezar a aforrar tempo ou mellorar un proceso.

Pero alugalo todo tamén ten un límite.

O límite do aluguer

Unha PEME non só necesita respostas intelixentes. Necesita sistemas que encaixen coa súa forma de traballar.

Un modelo externo pode ser moi bo, pero non coñece os teus clientes, o histórico, as excepcións, os permisos, as marxes, os modelos, as decisións pasadas nin a linguaxe real do teu equipo.

E cando cada tarefa repetitiva pasa por un modelo grande externo, aparecen preguntas prácticas:

• canto custa se sobe o volume?
• que datos saen da empresa?
• quen pode revisar o que fixo?
• que pasa se cambia o prezo ou a política do provedor?
• pódese explicar o resultado se un cliente ou auditor pregunta?

Aí entra a segunda metade da estratexia: intelixencia propia.

Que significa intelixencia propia

Intelixencia propia non significa que unha PEME teña que adestrar un modelo xigante. Iso non sería realista para a maioría.

Significa deseñar capacidades máis pequenas, especializadas e próximas ao proceso:

• un clasificador de correos que aprende as categorías reais da empresa;
• un extractor de datos para facturas, pedidos, albarás ou formularios;
• un buscador interno sobre documentos aprobados;
• un sistema de enrutado de incidencias con regras propias do negocio;
• un asistente que prepara respostas pero non as envía sen revisión;
• un modelo pequeno para transcrición, aliñamento de audio ou clasificación repetitiva.

A tendencia técnica vai nesa dirección. Xunto aos modelos grandes, están aparecendo modelos abertos e especializados moito máis pequenos: voz, embeddings, transcrición, aliñamento, razoamento verificable, clasificación e recuperación de coñecemento.

Isto non substitúe os modelos de fronteira. Pero cambia a arquitectura.

Xa non todo ten que pasar polo modelo máis grande do mercado.

Por que "pequeno" importa

Hai unha frase perigosa en IA: "open source é máis barato". Ás veces si. Ás veces non.

Un modelo aberto non é barato se obriga a ter unha GPU cara funcionando todo o mes, un equipo técnico manténdoo e unha infraestrutura que non necesitas para o resto do negocio.

A palabra importante non é "aberto". A palabra importante é pequeno.

Pequeno significa que quizais pode executarse en infraestrutura existente, nun servidor local, en hardware modesto, en Apple Silicon, en CPU para traballos de baixo volume ou como proceso por lotes cando faga falta.

Pequeno significa que unha tarefa repetitiva non ten que pagar o prezo dun modelo xigante cada vez.

Pequeno significa que algunhas capacidades poden vivir preto do dato e do proceso, non sempre fóra da empresa.

E iso, para unha PEME, pode ser máis importante que gañar un benchmark.

A resposta madura é híbrida

A estratexia madura non é "todo pechado" nin "todo aberto". É unha arquitectura híbrida.

Usa modelos de fronteira cando a capacidade máxima importa: análise complexa, programación, investigación, estratexia, revisión de alto risco ou tarefas onde un erro custa máis que a chamada ao modelo.

Usa modelos pequenos, abertos ou especializados cando a tarefa é repetitiva, privada, de alto volume, moi ligada a datos internos ou suficientemente acoutada como para medila ben.

Usa regras, permisos e revisión humana nos dous casos. A gobernanza non desaparece porque o modelo sexa externo. Tampouco aparece maxicamente porque o modelo sexa local.

O valor está en decidir ben onde vive cada peza de intelixencia.

Exemplos concretos para unha PEME

Atención ao cliente. Un modelo de fronteira pode axudar a deseñar respostas, resumir casos complicados e analizar tendencias. Un sistema propio pode clasificar consultas, detectar urxencias, buscar respostas aprobadas e preparar borradores para revisión.

Administración e documentos. Un provedor externo pode axudar a interpretar casos raros ou documentos complexos. Un extractor especializado pode ler facturas habituais, albarás ou pedidos repetidos e rexistrar os datos cunha revisión mínima.

Vendas e seguimento. Un modelo potente pode analizar conversas longas ou preparar unha proposta. Un sistema pequeno pode detectar leads sen atender, ordenar oportunidades, resumir cambios e avisar cando unha conta se arrefría.

Coñecemento interno. Un modelo grande pode axudar a escribir unha política ou explicar un tema. Un buscador interno propio pode responder desde documentación aprobada, permisos correctos e fontes verificables.

En todos os casos, a pregunta non é "que IA usamos". A pregunta é "que proceso queremos mellorar e que nivel de intelixencia necesita cada parte".

A vantaxe non será coñecer o último modelo

Durante un tempo, moitas empresas competirán por dicir que usan o modelo máis novo.

Pero esa non será a vantaxe duradeira.

A vantaxe será saber que intelixencia convén alugar, que intelixencia convén ter na casa, que datos fan falta, que límites protexen a empresa e que procesos se poden mellorar de forma medible.

Para unha PEME, a IA práctica non comeza comprando unha pila tecnolóxica.

Comeza elixindo un proceso caro, repetitivo ou lento, e deseñando arredor del unha combinación sensata de modelos, datos, permisos, revisión humana e medición.