El webinar “¿Dónde debe vivir la IA en tu empresa? Coste, control y soberanía” analizó cómo pasar de proyectos piloto a una adopción empresarial de la inteligencia artificial capaz de crecer sin comprometer la privacidad, disparar los costes ni perder el control sobre los datos.

El pasado 15 de octubre, TIC Negocios de la Cámara de Comercio de Madrid celebró, junto a HP, Intel y Seringe, una nueva sesión dedicada a uno de los retos que empieza a adquirir mayor peso a medida que las empresas avanzan en la adopción de inteligencia artificial: decidir dónde debe ejecutarse cada carga de IA.

El encuentro se desarrolló en formato entrevista a experto con José Luis Díez Torres, quien analizó cómo cambia la estrategia cuando la inteligencia artificial deja de utilizarse únicamente en proyectos aislados y comienza a extenderse a diferentes departamentos y procesos de la organización.

Durante la conversación se abordaron cuestiones como el control de costes, la privacidad de los datos, el escalado de la IA, el procesamiento local y en la nube y la necesidad de construir arquitecturas flexibles capaces de combinar ambos entornos.

De un proyecto piloto a una estrategia compartida de IA

Muchas organizaciones comienzan a utilizar inteligencia artificial mediante una prueba concreta: un equipo experimenta con una herramienta, automatiza un proceso o introduce IA en una determinada área.

Ese primer proyecto permite comprobar resultados, pero es solo el comienzo.

Cuando la inteligencia artificial empieza a utilizarse en ventas, operaciones, finanzas, recursos humanos, compras, atención al cliente o áreas técnicas, la empresa necesita pasar de iniciativas independientes a una estrategia común con objetivos, criterios y políticas compartidas.

Durante la sesión se planteó, por ejemplo, el caso de una asesoría que utiliza IA tanto en el área fiscal como en el departamento comercial. Aunque los casos de uso sean diferentes, la organización necesita disponer de criterios comunes de gobernanza y resultados medibles.

El reto, por tanto, no consiste únicamente en conseguir que la tecnología funcione, sino en integrarla dentro de la estrategia empresarial y definir cómo debe utilizarse en toda la organización.

Escalar la IA también implica nuevos riesgos

Una herramienta que funciona correctamente para un pequeño grupo de personas puede comportarse de forma muy distinta cuando comienza a utilizarla toda la empresa.

Al ampliar el uso de la IA aparecen nuevos retos relacionados con la formación, la gestión del cambio, la integración con los sistemas existentes, la seguridad, la privacidad y el control de costes.

La sesión puso el foco precisamente en esa transición: pasar de una prueba controlada a una utilización real y transversal.

Antes de escalar, las organizaciones deberían tener claro quién utilizará la IA, qué necesidades debe resolver, qué datos procesará y qué requisitos de seguridad y privacidad existen en cada caso.

Solo entonces tiene sentido decidir qué arquitectura tecnológica resulta más adecuada.

Cuando crece el uso, también crecen los costes

Otro de los puntos abordados durante la entrevista fue uno de los efectos menos visibles durante las primeras pruebas con inteligencia artificial: el cambio de costes cuando aumenta el número de usuarios y operaciones.

Un piloto puede parecer económicamente sencillo cuando participan pocas personas y el volumen de consultas es limitado.

Pero la situación cambia cuando cientos de empleados empiezan a generar informes, analizar documentos, realizar consultas o activar agentes de IA de forma continuada.

El coste deja entonces de depender únicamente de una licencia y pasa a estar relacionado con el volumen real de uso, las cargas de trabajo y los recursos necesarios para ejecutar cada proceso.

Por ello, antes de escalar una estrategia de IA a largo plazo resulta fundamental analizar qué tareas se ejecutan, con qué frecuencia, qué recursos consumen y qué valor generan para el negocio.

Datos internos: aprovechar su valor sin perder el control

La información propia de una organización es uno de los activos que puede aportar mayor valor a los sistemas de inteligencia artificial.

Sin embargo, no todos los datos deberían gestionarse de la misma forma.

Durante el webinar se planteó el ejemplo de una empresa que quiere utilizar IA para analizar licitaciones y documentación técnica, pero donde determinada información no puede salir de la organización.

Este tipo de situaciones obliga a introducir nuevas preguntas en la estrategia:

¿Qué datos pueden procesarse en la nube? ¿Cuáles deben permanecer dentro de la organización? ¿Qué requisitos de privacidad existen? ¿Es necesario trabajar sin conexión?

La respuesta puede llevar a ejecutar determinadas tareas directamente en el dispositivo y reservar la nube para aquellas operaciones que requieren mayor capacidad o acceso a modelos más grandes.

IA local, nube o modelo híbrido: una decisión por cada carga

Uno de los principales mensajes de la sesión fue que no existe una única arquitectura adecuada para todos los casos de uso.

Cada entorno aporta ventajas diferentes:

• Nube: adecuada para modelos de gran tamaño, entrenamiento, capacidad adicional y servicios compartidos.
• Procesamiento local: especialmente útil cuando existen datos sensibles, necesidades de baja latencia o trabajo sin conexión.
• Modelo híbrido: permite combinar ambos entornos y decidir dónde ejecutar cada tarea en función de los datos, el coste y las necesidades del proceso.

La sesión resumió esta idea de forma especialmente clara:

No es una guerra de arquitecturas. Es una decisión de diseño.

El objetivo no debería ser trasladar toda la IA a la nube ni ejecutar todo de forma local, sino asignar cada carga al entorno que ofrezca el mejor equilibrio entre rendimiento, privacidad, coste y escalabilidad.

El papel del procesamiento local

El crecimiento de los equipos con capacidades específicas para IA introduce una nueva posibilidad dentro de esta estrategia.

Las NPU (Neural Processing Units) permiten ejecutar determinadas cargas de inteligencia artificial directamente en el dispositivo, reduciendo la necesidad de enviar continuamente información a servicios externos.

Esto puede resultar especialmente relevante para tareas relacionadas con transcripción, clasificación, procesamiento de documentos o trabajo con determinados datos sensibles.

La nube, en cambio, continúa ofreciendo ventajas cuando se necesitan modelos más grandes, servicios compartidos o cargas de razonamiento y procesamiento más complejas.

La combinación de ambos entornos permite diseñar una infraestructura más flexible, en la que la decisión sobre dónde ejecutar una tarea dependa de sus características concretas.

El trilema de la IA: escalar, proteger los datos y controlar el coste

A medida que aumenta la utilización de inteligencia artificial, las empresas se enfrentan a un equilibrio cada vez más relevante:

extender la adopción, proteger los datos sensibles y mantener unos costes sostenibles al mismo tiempo.

Resolver este trilema exige evitar decisiones tecnológicas aisladas.

Antes de desplegar una solución de forma generalizada conviene analizar cuestiones como:

• Qué datos pueden salir de la organización.
• Cuánto costará escalar el uso.
• Qué tareas deben funcionar sin conexión.
• Qué latencia necesita cada proceso.
• Qué capacidad de hardware requiere.
• Quién debe validar los resultados generados por la IA.

Estas preguntas ayudan a trasladar la inteligencia artificial desde el terreno experimental hacia un modelo de uso empresarial controlado y sostenible.

La decisión ya no es si adoptar IA, sino cómo hacerla crecer

La conclusión de la sesión fue clara: para muchas organizaciones, el debate ya no está únicamente en decidir si utilizar inteligencia artificial.

El verdadero reto está en hacerla crecer sin disparar los costes, renunciar al control sobre los datos o limitar su utilización a los departamentos más avanzados tecnológicamente.

Las arquitecturas flexibles, en las que la nube y el procesamiento local trabajan conjuntamente, permiten adaptar cada carga a sus necesidades y extender la utilización de la IA de forma más segura, sostenible y útil para el conjunto de la organización.

Por ello, antes de escalar, la pregunta ya no debería ser simplemente qué herramienta de IA utilizar, sino también dónde debe ejecutarse, qué información puede procesar y qué impacto tendrá cuando su utilización se multiplique.

Puedes volver a ver la entrevista completa “¿Dónde debe vivir la IA en tu empresa? Coste, control y soberanía” en la sección de vídeos de TIC Negocios.

En TIC Negocios, el portal tecnológico de la Cámara de Comercio de Madrid, seguimos acercando a las empresas tendencias, soluciones y casos prácticos que ayudan a entender cómo aplicar la inteligencia artificial y otras tecnologías al negocio con mayor criterio. A través de nuestro portal también puedes consultar noticias, tendencias y guías y recursos orientados a acompañar los procesos de digitalización e innovación empresarial.