Sinuhé Sánchez Landgrave, Chief Architect del equipo del Field CTO para la región norte de América Latina
Durante buena parte de mi carrera, las conversaciones de arquitectura empresarial giraban alrededor de una misma pregunta: ¿dónde deben vivir las aplicaciones?
Primero fueron los centros de datos tradicionales. Después llegó la virtualización. Más tarde apareció la nube pública y, posteriormente, la nube híbrida. A lo largo de los años hemos perfeccionado metodologías para decidir dónde ejecutar una carga de trabajo considerando disponibilidad, latencia, costos, regulación y continuidad del negocio.
Era una pregunta lógica para su momento. Sin embargo, ha dejado de ser suficiente debido a que la inteligencia artificial está modificando silenciosamente la naturaleza de la arquitectura empresarial. La conversación ya no consiste únicamente en decidir dónde colocar una aplicación. Ahora debemos decidir dónde colocar la inteligencia.
Esto puede parecer una diferencia semántica, pero no lo es. Representa uno de los cambios arquitectónicos más importantes que hemos vivido desde la adopción de la nube.
La primera ola de inteligencia artificial estuvo impulsada por la productividad individual. Millones de personas comenzaron a utilizar asistentes para escribir documentos, generar código, resumir reuniones, traducir contenido o acelerar tareas cotidianas.
Era inevitable. La barrera de entrada prácticamente desapareció. Sin embargo, mientras las personas descubrían nuevas formas de trabajar, las organizaciones comenzaron a enfrentar una realidad diferente: cada interacción consume recursos, cada agente ejecuta múltiples inferencias, cada decisión incorpora modelos distintos, cada conversación representa un costo y, más importante aún, cada consulta puede involucrar información que constituye parte del conocimiento estratégico de una organización.
La inteligencia artificial dejó de ser únicamente una herramienta personal. Comenzó a convertirse en infraestructura empresarial y toda infraestructura necesita gobierno.
Una pregunta que aparece con frecuencia en conversaciones con organizaciones de distintos sectores es: ¿cuál es el mejor modelo? Y la respuesta casi siempre genera sorpresa: probablemente esa no sea la pregunta correcta.
Porque asumir que todos los problemas deben resolverse utilizando el modelo más avanzado disponible es equivalente a pensar que todas las aplicaciones deben ejecutarse en la infraestructura más costosa. La realidad es que nunca diseñamos arquitecturas de esa manera, por lo tanto, por qué hacerlo con la IA cuando no todas las decisiones requieren el mismo nivel de razonamiento, no todos los procesos necesitan acceso al conocimiento universal y no todas las consultas justifican el costo de un modelo de propósito general.
Una empresa no obtiene ventaja competitiva porque un asistente interno sea capaz de explicar física cuántica. La obtiene cuando ese asistente comprende perfectamente cómo funciona su negocio.
Quizá uno de los mayores cambios de los próximos años será comprender que la inteligencia artificial no estará compuesta por un único modelo. Estará formada por un ecosistema de modelos con responsabilidades diferentes.
Los modelos de propósito general continuarán siendo fundamentales para resolver problemas abiertos, investigación, creatividad o razonamiento complejo. Pero coexistirán con modelos especializados capaces de comprender únicamente aquello que realmente importa para una organización. Como la documentación técnica de una planta, los procedimientos operativos de un banco, los protocolos clínicos de un hospital, las políticas regulatorias de una institución pública o la propiedad intelectual de una empresa.
No necesitan saberlo todo. Necesitan saber exactamente aquello para lo que fueron diseñados y, precisamente por esa razón, podrán ejecutarse mucho más cerca del conocimiento que protege el negocio.
En ese sentido, la inteligencia artificial nos obliga a ampliar la conversación sobre la seguridad de la información. Los datos continúan siendo importantes, pero el verdadero activo estratégico de muchas organizaciones ya no reside únicamente en los datos. Reside en el conocimiento construido a través de sus procesos, metodologías, experiencia operacional, criterios de decisión y propiedad intelectual.
Ese conocimiento representa una ventaja competitiva difícil de replicar y, en muchos casos, no existe ninguna razón para que abandone el entorno controlado por la organización cada vez que un empleado necesita consultarlo.
Aquí es donde los modelos especializados comienzan a adquirir un papel estratégico, no porque reemplacen a los grandes modelos, sino porque permiten que una parte importante de la inteligencia empresarial permanezca cerca del núcleo del negocio.
Inferir localmente deja de ser una decisión técnica y evoluciona hacia una decisión de arquitectura empresarial.
Durante años los arquitectos diseñamos plataformas para mover aplicaciones, después aprendimos a mover datos y ahora tendremos que aprender a mover inteligencia.
Algunas capacidades vivirán en la nube pública, mientras que otras permanecerán cerca del conocimiento que diferencia a una organización, y muchas combinarán ambos mundos.
Y probablemente ese equilibrio se convierta en uno de los principales diferenciadores competitivos de la próxima década. No porque una empresa tenga acceso al modelo más grande, sino porque será capaz de utilizar la inteligencia adecuada, en el lugar adecuado, para resolver el problema adecuado.
Quizá esa sea la verdadera evolución de la nube híbrida: ya no conectar infraestructuras, sino conectar inteligencias. Y, desde mi perspectiva, esa será una de las responsabilidades más importantes que tendremos los CTO en los próximos años.
