Algo ha salido completamente mal en la IA empresarial

• La carrera por el dominio de la IA está cambiando de quién tiene el modelo más inteligente a quién mantiene las llaves de la fábrica.
• El uso de tokens puede parecer progreso, pero el aumento de la actividad no es lo mismo que acumular una ventaja propietaria.
• Los datos, los pesos y los flujos de trabajo son la memoria institucional. Entregarlos demasiado libremente puede convertir el foso en una carretera de peaje.
• La próxima etapa de la carrera de la IA se decidirá menos por el teatro de los benchmarks y más por el coste, el control y quién captura el margen.

Algo ha salido completamente mal

Hay un momento en cada auge en el que la música sigue sonando, las luces siguen parpadeando y alguien finalmente se da cuenta de que la cuenta del bar se ha dejado sobre la mesa.

Eso es más o menos donde se encuentra hoy la IA empresarial.

Alex Karp, de Palantir, puede haber transmitido el mensaje con su habitual estilo directo y contundente, pero detrás de los fuegos artificiales hay una preocupación seria. Los laboratorios de vanguardia han construido máquinas extraordinarias. Nadie sensato lo discute. La cuestión es si las personas que alquilan esas máquinas están realmente construyendo una ventaja empresarial o simplemente alimentando la máquina de alguien más.

La queja de Karp no es que la IA no funcione. Es que la economía cada vez se parece más a un casino donde la casa posee las fichas, las mesas, las cámaras y quizás una copia de cada carta que hayas jugado.

Se les dice a las compañías que adopten el uso de tokens, integren modelos en cada flujo de trabajo, construyan agentes, automaticen decisiones, escalen la experimentación y se muevan más rápido que la competencia. La promesa es seductora. Cuanta más IA uses, más productivo te vuelves. Cuanto más productivo te vuelves, más valioso se vuelve el negocio.

Pero hay una trampa.

Cada vez que una compañía envía datos propietarios, conocimiento interno de procesos, información de clientes y años de juicio institucional acumulado a través de un modelo externo, no solo está consumiendo IA. Puede estar exportando parte de su memoria operativa.

Por eso el lenguaje de Karp sobre la "soberanía de la IA" importa más que el teatro de los titulares. Está planteando una pregunta que muchas juntas aún no han enfrentado adecuadamente: cuando construyes sobre el modelo de otro, la nube de otro, los pesos de otro y el sistema de precios de otro, ¿cuánto del negocio futuro posees realmente?

El modelo de tokens está en el centro de esa tensión.

En teoría, parece elegante. Pagas por lo que usas. Unos pocos tokens aquí, unos pocos millones allá. Se siente como encender un servicio público. Pero los servicios públicos normalmente se abaratan a medida que escalan. La IA puede sentirse como lo contrario. Cuanto más profundamente una compañía la integra en investigación, codificación, servicio al cliente, cumplimiento, trading, flujos de trabajo legales, logística y toma de decisiones internas, más empieza a girar el contador.

La demostración puede costar centavos. La producción es donde llega la factura.

Un agente de IA que opera en un sistema corporativo no es un solo prompt y una sola respuesta. Puede llamar a múltiples modelos, recuperar documentos, escanear datos, invocar herramientas, escribir código, revisar código, ejecutar otro modelo, auditar el resultado y luego comenzar todo el proceso de nuevo. Multiplica eso a nivel empresarial y el frasco de tokens comienza a parecer menos un servicio de suscripción y más un taxi con el contador corriendo en un tráfico pesado.

El punto de Karp es que las compañías pueden estar confundiendo actividad con propiedad.

Los paneles muestran un aumento en el uso de IA. El consumo de tokens sube. Los equipos internos reportan más pilotos, más prompts, más automatización y más experimentación. Parece progreso porque todo se mueve.

Pero una rueda de hámster también se mueve.

La pregunta es si todo ese movimiento se acumula en inteligencia propietaria o si simplemente se acumula en una factura mayor para el proveedor del modelo.

Ahí es donde el tema de los datos se vuelve central. Los datos no son solo combustible. Son la memoria de la institución. Son el registro de lo que funcionó, lo que falló, cómo se comportan los clientes, dónde reside el riesgo, qué decisiones de precios produjeron buenos resultados y qué patrones solo se vuelven visibles tras años de repetición.

La ventaja de una compañía rara vez es un gran secreto guardado en una bóveda. Más a menudo son miles de pequeñas decisiones, diminutos hábitos operativos, relaciones con clientes, excepciones históricas y cicatrices acumuladas. Si se pone suficiente de eso a través de un sistema externo, el peligro no es que alguien robe toda la bóveda de la noche a la mañana. El peligro es que el foso lentamente se convierta en una carretera pública.

La frase de Karp de que "controlar tus pesos es controlar tu destino" es intencionadamente dramática, pero no del todo errónea.

Los pesos son donde reside el aprendizaje. Son el residuo comprimido de datos, entrenamiento, ajuste fino e interacción repetida. Si una compañía renuncia al control de la capa de inteligencia, eventualmente podría encontrarse alquilando de vuelta parte de la ventaja competitiva que ayudó a crear.

Eso es una proposición difícil para cualquier empresa seria. Es aún más difícil para gobiernos, organizaciones de defensa y operadores de infraestructuras críticas.

No externalizarías la sala de mando de un acorazado al proveedor que tenga la presentación de ventas más pulida ese trimestre. No permitirías que un tercero posea el mapa, el radar, la radio y el manual de operaciones, para luego cobrarte por cada mensaje cada vez que aparezca una tormenta en el horizonte.

Sin embargo, eso no está lejos de la cuestión que Karp plantea en torno a la seguridad nacional. Si la IA se integra en la inteligencia, la logística, las decisiones en el campo de batalla, la ciberdefensa y los sistemas críticos, entonces el control sobre los datos, los modelos y la arquitectura de despliegue no es un detalle de adquisición. Se convierte en parte de la capacidad nacional.

Por eso también el creciente interés en los modelos de pesos abiertos chinos es más que una curiosidad.

El cambio no es necesariamente una declaración de que los modelos chinos sean mejores en todos los aspectos. Los laboratorios de vanguardia de EE.UU. aún lideran en muchas áreas, particularmente en la punta de lanza del razonamiento, la codificación y la capacidad multimodal. Pero las empresas están empezando a comportarse como compradores racionales. Están comparando rendimiento, costo, fiabilidad, flexibilidad de despliegue y la capacidad de mantener el sistema cerca de casa.

Para algunos casos de uso, el modelo más avanzado del mundo no es el modelo más útil en la empresa.

Un modelo de pesos abiertos más barato que pueda alojarse internamente, ajustarse con datos propietarios y ser controlado por la empresa puede ofrecer un mejor resultado económico que un modelo brillante de vanguardia accesado a través de una conexión medida y costosa. Eso no significa que el modelo premium pierda. Significa que el mercado empieza a hacer la pregunta que siempre hace eventualmente: ¿qué estoy obteniendo por el precio?

Ahí es donde el auge de la IA comienza a cambiar de carácter.

La primera fase fue asombro. Mira lo que estos modelos pueden hacer.

La segunda fase fue miedo. ¿Qué pasa si nos quedamos atrás?

La siguiente fase es auditoría. ¿Quién posee el sistema, quién posee los datos, quién posee los pesos, quién posee la relación con el cliente y quién captura el margen?

Esta es la parte del ciclo donde los eslóganes se ponen a prueba contra las hojas de cálculo.

La respuesta de Palantir es impulsar un modelo de despliegue soberano con Nvidia, donde el cliente retiene el control sobre el cómputo, los modelos, los datos y los pesos en lugar de simplemente alquilar inteligencia a través de una API de vanguardia. Eso no es solo una arquitectura técnica. Es una respuesta diferente a la pregunta de captura de valor.

Los laboratorios de vanguardia quieren convertirse en la capa de inteligencia de la economía global. Palantir argumenta que ninguna institución seria debería entregar las llaves tan fácilmente.

Ambos lados tienen un punto.

Los laboratorios de vanguardia han creado productos con una capacidad genuina y extraordinaria. No están vendiendo humo. Pero la capacidad por sí sola no resuelve la economía. Un modelo puede ser brillante y aun así ser demasiado caro. Puede ser poderoso y aun así estar demasiado controlado externamente. Puede ahorrar tiempo a un departamento mientras transfiere silenciosamente valor a largo plazo fuera de la empresa.

Esa es la parte incómoda de la historia.

La verdadera carrera de la IA puede no ser entre OpenAI, Anthropic, Google, Meta, DeepSeek y el resto. Puede ser entre compañías que usan IA para potenciar su propia inteligencia institucional y compañías que usan IA para volverse más dependientes de la de otros.

La diferencia puede no mostrarse en el primer trimestre.

Puede que solo se haga obvia años después, cuando una compañía posea la fábrica y la otra siga alimentando monedas en la máquina.

Karp había advertido contra subestimar el progreso de China; estos ejemplos ilustran la tendencia en tiempo real.