Por: Angela Cristina Villate – Félix Palma Arismendi
«La pregunta sobre la mejor herramienta de inteligencia artificial generativa no es legítima, es solo una manera de instaurar un falso dilema que presupone de antemano la respuesta a la que debería llegarse»
De manera cada vez más frecuente recibimos invitaciones para participar en eventos y foros en los que se busca responder la pregunta sobre: ¿cuál es la mejor herramienta de inteligencia artificial: Claude, ChatGPT, Gemini, Copilot…?
Sobra señalar que, de manera también cada vez más frecuente, rechazamos esas invitaciones.
Nuestro rechazo se fundamenta en una sospecha que consideramos fundada y razonable: la pregunta sobre la mejor herramienta de inteligencia artificial generativa no es legítima, es solo una manera de instaurar un falso dilema que presupone de antemano la respuesta a la que debería llegarse.
Ese falso dilema está orientado, desde el principio, para cumplir un propósito bastante simple, instalar la idea de que no existen más opciones y, por lo tanto, estamos condenados a elegir entre Chatgpt, Copilot, Gemini…
Lejos de ser espacios de debate, los eventos y foros sobre la mejor herramienta de inteligencia artificial generativa son solo una estrategia de marketing (una bastante agresiva) orientada a invisibilizar otras posibilidades y restringir la discusión a una falsa dicotomía en la que se presentan como únicas alternativas legítimas un reducido grupo de modelos generalistas frente a las cuales solo podemos decir “que entre el diablo y escoja” .
No dudamos de la utilidad que los asistentes de inteligencia artificial generativa puedan tener para resolver tareas sencillas en múltiples contextos.
Debemos acostumbrarnos a leer malos textos periodísticos escritos por IA, a ser mal atendidos por asistentes virtuales (bots) y a que los malos estudiantes se gradúen de la escuela con buena notas. Tenemos que aprender a convivir con una realidad profundamente permeada por la inteligencia artificial.
Sin embargo, siempre hemos dudado de la utilidad y la conveniencia de confiar a la inteligencia artificial generativa asuntos de gran trascendencia. La justicia, las políticas públicas, la seguridad y la privacidad no pueden quedar en sus manos.
A continuación exponemos algunas de las razones que justifican esta desconfianza.
1. Seguridad en los datos
Los modelos de inteligencia artificial generativa no garantizan la seguridad ni la confidencialidad de la información. Nadie sabe dónde se almacenan los datos, qué medidas de protección los resguardan y a qué riesgos de acceso, uso o exposición pueden estar sujetos.
Los modelos propios (IA by design) incorporan mecanismos de protección desde su arquitectura, de modo que la seguridad y la privacidad de los datos no son una función añadida, sino una propiedad inherente al sistema.
2. Control en los resultados
La IA generativa funciona mediante un modelo que calcula múltiples respuestas posibles y las clasifica de acuerdo con la probabilidad de que sean la continuación más adecuada. Por esto, ante una misma instrucción, puede generar respuestas diferentes (un golpe bajo para los magos del prompt).
En los modelos propios (AI by Design) se controlan el contexto, los datos y la arquitectura que sustentan el sistema. Esto se traduce en respuestas más precisas, menos errores, mayor confiabilidad y menos alucinaciones.
3. Diseño ajustado a las necesidades
Los modelos de IA generativa comercializan una solución estandarizada para empresas de todos los sectores. En la práctica, una suscripción da acceso a un modelo generalista, no a uno diseñado para cada contexto.
¿De verdad crees que OpenAI, Microsoft o Google adaptarán sus modelos a las necesidades específicas de tu empresa?
4. No se vende el mismo producto a la competencia
La IA generativa vende a empresas competidoras el mismo modelo con la promesa de una ventaja competitiva. El resultado es una paradoja: todos pagan por la misma herramienta esperando diferenciarse con ella.
Los modelos propios (IA by Design) exigen comprender y respetar las reglas de cada negocio antes de iniciar su desarrollo. De esta manera, la inteligencia artificial se convierte en una verdadera aliada de la competitividad y el crecimiento empresarial.
5. ¿Usuario o propietario?
Pagar una suscripción a un modelo de IA te convierte en arrendatario. El contrato puede terminar en cualquier momento, pero cuando decides irte ya es demasiado tarde: tus datos y el conocimiento de tu negocio ya alimentaron ese modelo, que podrá reutilizarse para fortalecer los productos y servicios que también se ofrecen a tu competencia.
Con un modelo desarrollado para tu organización, mantienes el control total sobre tus datos. La información permanece bajo tu dominio, no alimenta modelos de terceros, no se comercializa y no termina integrada en herramientas a las que también tiene acceso tu competencia.
6. Las cuentas son simples
Las cuentas son simples: para las empresas, mantener suscripciones a modelos de IA generativa suele ser más costoso. Al precio de la suscripción se suman las licencias, el plan contratado, el acceso a APIs, la integración con otros sistemas, el consumo de tokens, las actualizaciones y las crecientes necesidades de almacenamiento.
En los modelos propios el costo es mucho más transparente. La inversión se concentra en un único pago por el entrenamiento, el diseño y el despliegue del modelo, al que solo se suman costos ocasionales de mantenimiento.
7. Gobernanza de datos
En los modelos por suscripción no existe un control real sobre tu información. Operas frente a una caja negra: desconoces cómo se procesan los datos, qué decisiones toma el sistema y qué cambios introduce el proveedor, todo ello fuera de tu control.
Los modelos por diseño permiten evaluar la calidad de los datos, definir una arquitectura propia, establecer niveles de acceso, seleccionar la información para entrenar el modelo, corregir sesgos, medir su desempeño y cumplir la normativa aplicable. En otras palabras, permiten ejercer una verdadera gobernanza de datos: tomar decisiones sobre la información y mantener el control de todo su ciclo de vida.
8. Auditabilidad
Los modelos por suscripción no son verdaderamente auditables. Si un resultado genera dudas, ocurre una falla o necesitas explicar una decisión, dependes de una caja negra: desconoces cómo se procesó la información, qué criterios aplicó el modelo y por qué produjo ese resultado.
Un modelo propio permite auditar procesos, rastrear decisiones, ajustar políticas, limitar accesos, corregir errores y verificar el cumplimiento normativo, todo bajo tu control.
9. Sin sorpresas desagradables
Al utilizar modelos de IA por suscripción vas a encontrarte con sorpresas desagradables del tipo: «Hemos actualizado nuestras políticas de acceso al modelo». De un momento a otro, las reglas del juego pueden cambiar: nuevas restricciones, funciones limitadas, incrementos de precio o condiciones de uso diferentes. Cuando dependes de un modelo ajeno, el control ya no está en tus manos.
Con los modelos propios (IA by design) no recibirás sorpresas de este tipo, porque los acuerdos están concebidos para perdurar. En lugar de aceptar cambios unilaterales impuestos por el proveedor, las partes negocian las condiciones desde el inicio y conservan la facultad de discutir, modificar o aclarar cualquier aspecto del contrato. La relación deja de ser la de un simple usuario sujeto a términos cambiantes y pasa a ser una alianza basada en el control, la estabilidad y el acuerdo entre las partes.
10. Costo ambiental
La IA generativa tiene un alto costo ambiental por su elevado consumo de electricidad y agua, una demanda que seguirá creciendo con la expansión de los centros de datos y que terminará impactando directamente en la calidad de vida de las personas.
Los modelos propios permiten obtener mejores resultados con un menor impacto ambiental porque optimizan el uso de los recursos desde su diseño. Al utilizar únicamente la capacidad de cómputo que cada organización requiere, reducen el consumo de electricidad y agua, disminuyen su huella ambiental y favorecen un uso más sostenible de la inteligencia artificial.