Satya Nadella, CEO de Microsoft, advirtió que muchas compañías están “pagando dos veces” por usar inteligencia artificial: con dinero y con datos. En paralelo, voces como Jason Calacanis y Alex Karp, de Palantir, ya venían señalando el mismo mecanismo. La preocupación apunta a modelos de proveedores como OpenAI o Anthropic. Según explica Nadella en una entrada de blog, cuanto mejor quiere funcionar una empresa con IA, más conocimiento interno debe entregarle: instrucciones, documentos, procesos y también correcciones humanas.
“Al consumir inteligencia artificial también se está creando inteligencia”, subraya Nadella. Y esa inteligencia, sostiene, debería pertenecer a quien la produce.
La pieza clave es menos misteriosa de lo que parece. Un modelo no solo aprende de los prompts (las instrucciones que recibe), sino también de las herramientas que usa y del feedback (las correcciones del usuario). Cada ajuste fino suma una capa de conocimiento institucional.
La analogía doméstica ayuda a ver el problema. Es como contratar a un electricista para arreglar una luz, pero mientras trabaja también dibuja el cableado completo de la casa. Al principio solo cambia un interruptor. Después ya sabe qué enchufe falla, qué habitación consume más y dónde está la central.
Con la IA empresarial ocurre algo parecido. El sistema mejora porque observa los engranajes del negocio. Pero ese mismo aprendizaje puede convertirse en una oportunidad delicada si el proveedor conserva parte de esa información de uso para entrenar, ajustar o fortalecer sus propios modelos.
El interruptor del control de datos
Nadella también marca una incoherencia. Mientras varias firmas de IA defienden el entrenamiento con datos públicos, rechazan que otros practiquen la destilación (usar las respuestas de un modelo para entrenar otro más barato o eficiente). Anthropic, de hecho, denunció que modelos chinos enviaban millones de consultas a Claude con ese objetivo. El debate no es filosófico. Si una empresa enseña a una IA los matices de su logística, de su atención al cliente o de su estrategia comercial, está transfiriendo una pieza clave de valor que un competidor no podría comprar fácilmente en el mercado.
Por eso la recomendación de Nadella va hacia entornos propios en la nube y capas de orquestación, es decir, sistemas que permiten cambiar de modelo sin quedar atado a un solo proveedor. En esa línea crecen los gateways de IA, una especie de tablero central para conectar varios motores con más control y seguridad.
Además, gana terreno otra ruta: los modelos open source (de código abierto), instalados on-premise (en infraestructura propia). La CEO de Solo.io sostiene que para muchas empresas cubren cerca del 90% de sus necesidades con menor costo y mejor dominio de sus datos. Los números empiezan a mostrar esa tendencia. Según datos compartidos por Vercel, los modelos open source ya representaron el 29% del tráfico en su gateway durante el último mes citado. Plataformas como OpenRouter también registran un aumento sostenido en ese uso.
La señal de fondo es clara. La inteligencia artificial ya no se discute solo por su potencia, sino por quién se queda con el aprendizaje que deja cada interacción. Y ahí aparece la clave para las empresas: no basta con encender la herramienta correcta. También importa saber quién tiene la mano sobre el interruptor.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
