Nike ha invertido millones en desarrollar su propia plataforma de IA para personalizar productos en tiempo real. En cambio, Zara suele optar por integrar soluciones externas que le permiten analizar tendencias globales sin construir desde cero. Telefónica afina modelos propios; BBVA contrata APIs. ¿Quién acierta?
Si bien gigantes como las empresas antes mencionadas ya han afrontado este dilema con antelación, tarde o temprano también tendrán que hacerlo el resto de actores que conforman el tejido empresarial del país. La IA para empresas está empujando a las compañías a una bifurcación decisiva. ¿Desarrollar su propia inteligencia artificial o contratarla a equipos externos?
Si hacemos caso a un reciente estudio de KPMG, las empresas parecen tenerlo claro: más de la mitad apuesta por soluciones de IA para empresas externas. Sin embargo, hay que tener en cuenta que es una tecnología joven y en constante evolución y que el escenario puede cambiar.
El viejo dilema de ‘Build or Buy’ cobra una nueva urgencia. Y ya no es solo cuestión de costes. Es una cuestión de ventaja competitiva.
Desarrollo de herramientas de IA para empresas, un activo estratégico
Desarrollar soluciones internas de inteligencia artificial ofrece algo más que personalización. Aporta soberanía tecnológica. Empresas como JPMorgan están creando sus propios modelos de lenguaje para evitar filtraciones de datos sensibles. Amazon afina algoritmos diseñados por equipos internos para su logística. Tesla, directamente, rehúye del software ajeno y entrena sus modelos desde cero para el pilotaje autónomo.
En estos casos, la IA no es un complemento, representa el corazón del negocio. Controlar la tecnología significa controlar el producto, la innovación y la velocidad de evolución. El problema está en el coste, no solo económico, sino humano. Requiere captar talento, asumir largos tiempos de desarrollo y aceptar posibles fracasos. Es una apuesta a largo plazo, y no todas están dispuestas a hacerla.
Contratar herramientas de IA externas, la opción cómoda
Para muchas empresas, especialmente medianas o en sectores no tecnológicos, desarrollar herramientas de inteligencia artificial complejas puede no ser una opción realista. La alternativa es comprar.
El abanico de opciones es enorme y para todo tipo de sectores o áreas empresariales. Despachos centrados en normativa IA, entre ellos Atico34, han desarrollado sus propios software de cumplimiento normativo, como es el caso de Atico34 LOPD para protección de datos. Herramientas como Adobe Gen Studio o Omneki vienen a revolucionar el ámbito del marketing. Y otros sectores como la banca también viven su propia revolución gracias a herramientas como FinRobot, una solución para fintechs que buscan software de código abierto.
¿El problema?
No saber exactamente cómo funciona lo que usas. Al comprar o contratar una herramienta con IA, adquieres también sus sesgos, sus límites y su lógica. Y sobre todo, dejas en manos ajenas los datos, que son el nuevo petróleo del siglo XXI. El ahorro y la velocidad pueden ser un espejismo si se traducen en dependencia tecnológica a medio plazo.
¿Qué ocurre si el proveedor cambia de política, de precios, o cierra? ¿Y si no cumple con la AI Act o la normativa de protección de datos? En este caso, no solo resulta fundamental elegir un software reconocido y fiable, sino que es muy importante contar con el respaldo legal de un equipo jurídico experto en las implicaciones legales del uso de la IA en el tratamiento de datos personales.
¿Y si no es todo blanco o negro?: El auge de los modelos híbridos
Entre el “todo in house” y el “todo comprado” está ganando fuerza un enfoque mixto. Cada vez más compañías optan por integrar modelos de terceros pero entrenarlos con sus propios datos. Usan infraestructura externa, pero desarrollan capas personalizadas sobre ella. Afinan modelos ya existentes en lugar de crearlos desde cero. Es el caso de Bloomberg, que usa modelos de código abierto ajustados a su dominio financiero. O de Carrefour, que aprovecha GPT-4 para sugerencias comerciales, pero filtra y controla sus salidas.
Este enfoque híbrido ofrece velocidad sin perder control. Permite experimentar, actuar rápido y mantener cierta soberanía sobre lo más valioso: el dato, el criterio y la experiencia del cliente. No elimina riesgos, pero los reparte. No garantiza independencia total, pero evita la exposición absoluta. A cambio, puede resultar doblemente complejo.
En conclusión, la inteligencia artificial está obligando a las empresas a definirse. No todas necesitan ser expertas en IA, pero todas deben decidir cómo la van a usar y con quién. El dilema ‘Build or Buy’ ya no es nunca más solo una decisión técnica. Es una estrategia clave que puede definir el futuro de las empresas.
