Tu empresa depende de una IA que no controlas: el riesgo de construir sobre un servicio que te pueden quitar mañana

Las empresas están construyendo sobre un suelo que se mueve

OpenAI ya ha presentado GPT-5.6. La nueva familia de modelos llega dividida en Sol, Terra y Luna, con una promesa bastante familiar. Más rendimiento, más velocidad, más control y más opciones para elegir según el uso. Hasta aquí, nada demasiado sorprendente. Es el tipo de anuncio al que nos hemos acostumbrado desde que la inteligencia artificial generativa se convirtió en el nuevo centro de gravedad de la industria tecnológica. Lo interesante está en la letra pequeña, porque el lanzamiento de GPT-5.6 no será inmediato para todo el mundo. OpenAI ha confirmado una vista previa limitada para un grupo reducido de socios de confianza después de haber compartido sus planes con Washington.

Es decir, el modelo está listo, pero no del todo disponible. Se presenta, pero se dosifica. Y esto, más que una anécdota, es un rasgo que no da buena espina. Hace tan solo unos días, Estados Unidos llegó a cortar el acceso a Claude Fable 5 y Mythos 5, otro episodio que apunta en la misma dirección. Los modelos de IA de frontera trascienden más allá del software convencional. Se están convirtiendo en piezas estratégicas, casi en infraestructura sensible, sujetas a decisiones políticas, controles de seguridad, restricciones de acceso y presiones que no siempre dependen de la empresa que los desarrolla.

Esto debería preocupar a cualquier compañía que esté construyendo servicios sobre IA. No porque la inteligencia artificial no tenga futuro. Lo tiene y probablemente será enorme. El problema es que muchas empresas están tratando estos modelos como si fueran cimientos de hormigón, cuando en realidad se parecen más a una cinta transportadora que no deja de moverse. Hoy integras un modelo en tu producto, mañana cambia, pasado mañana aparece otro mejor, la semana siguiente se endurecen los límites y un mes después un gobierno condiciona el acceso.

El modelo que usas hoy puede no ser el modelo que uses mañana

Uno de los grandes problemas de la IA actual es que avanza demasiado rápido, incluso para quienes la venden. Esto, que suena positivo, también es un problema. Si una empresa integra un modelo en producción, no solo está adoptando una herramienta. Está aceptando una dependencia que puede cambiar de comportamiento, de precio, de límites y de disponibilidad sin que esa empresa tenga demasiado margen de maniobra. En software tradicional, una actualización importante suele estar documentada, calendarizada y, en muchos casos, puede retrasarse. En IA, en cambio, cada nuevo modelo promete razonar mejor, programar mejor, entender mejor imágenes, escribir mejores textos o usar herramientas con más precisión. Pero esa mejora no siempre significa estabilidad.

A veces significa que los prompts dejan de funcionar igual. O que una respuesta que antes era consistente ahora cambia. O que el coste por tarea sube porque el modelo consume más tokens. Ahí están Gemini, Claude, Codex o Copilot. Cada pocas semanas aparece una versión nueva, una variante más rápida, otra más barata, otra más capaz o una que sustituye silenciosamente a la anterior. ¿No te lo crees?

Anthropic presentó Claude Fable 5 y Mythos 5 con una separación clara entre uso general y capacidades restringidas. OpenAI acaba de reorganizar su gama con Sol, Terra y Luna. Pero es que desde febrero de 2026 hemos visto llegar Sonnet 4.6, Opus 4.7, Opus 4.8 y Sonnet 5. Cada lanzamiento de Anthropic ha venido marcado por réplicas de OpenAI durante el mismo periodo, con GPT 5.3, GPT 5.4 y GPT 5.5. Todo un ping-pong de actualizaciones sobre una tecnología en la que hacer cambios, por pequeños que parezcan, influye en los resultados.

Actualizar un modelo también significa volver a auditarlo

Todo esto nos lleva a un punto bastante incómodo. Y es que la mejora continua también rompe cosas. No siempre de forma visible, ni siempre de forma catastrófica, pero las rompe. Una empresa que usa IA para redactar respuestas, clasificar tickets, revisar código, resumir contratos o atender clientes no puede asumir que un modelo nuevo equivale automáticamente a “todo igual, pero mejor”. Cada actualización debería obligar a revisar salidas, sesgos, costes, tiempos de respuesta, cumplimiento normativo y comportamiento ante casos límite. A saber, a auditar de nuevo.

Y aquí aparece la contradicción. Mientras que la IA se vende como una forma de reducir fricción, su propia velocidad de desarrollo introduce una fricción nueva. La de validar una y otra vez que aquello que funcionaba ayer sigue funcionando hoy. No es una base estable. Es un producto vivo, cambiante y, en muchos casos, opaco. Y aun así, se está colando en procesos que antes requerían años de madurez tecnológica.

Cuando Washington entra en el calendario, la IA deja de ser solo software

Volvamos por un momento a la presentación de GPT-5.6. Esta es relevante por lo que cuenta, pero sobre todo por lo que anticipa. Si el gobierno de Estados Unidos puede condicionar el acceso inicial a un modelo de OpenAI, entonces el calendario de lanzamiento ya no depende solo de métricas internas, seguridad técnica o estrategia comercial. Depende también de decisiones políticas. Hasta ahora, una empresa podía preocuparse por elegir entre OpenAI, Anthropic, Google, Mistral o cualquier otro proveedor. Pero el tablero ya no es solo empresarial. También es geopolítico.

El caso de NVIDIA en China es un buen ejemplo. En pocos meses hemos visto restricciones, licencias, chips adaptados, ventas condicionadas y hasta operaciones investigadas por el envío de GPUs a mercados vetados. Las restricciones a NVIDIA en China no son solo una noticia de hardware. Son una muestra de hasta qué punto la IA depende de decisiones que pueden tomarse muy lejos de la empresa que luego quiere usarla para automatizar su atención al cliente, su departamento legal o su soporte técnico. Para una compañía que solo quiere desplegar IA, todo esto puede parecer lejano. Pero no lo es. La nube que usa para inferencia depende de centros de datos, los centros de datos dependen de GPUs y las GPUs dependen de una cadena de suministro que ya forma parte de la guerra tecnológica.

Por eso, cuando hablamos de construir sobre IA, no hablamos únicamente de elegir un modelo. Hablamos de construir sobre una pila completa que incluye hardware, energía, proveedores cloud, API, leyes nacionales, intereses militares y políticas comerciales. En pocas palabras, demasiadas capas fuera de control. Basta con que su producto dependa de una API concreta, de un modelo específico o de una capacidad que solo ofrecen dos o tres laboratorios en el mundo. Si mañana ese acceso cambia, la empresa no negocia desde una posición fuerte. Simplemente espera.

Es aquí donde la soberanía digital deja de ser un concepto abstracto. Durante años se ha hablado de ella en relación con la nube, los datos o las infraestructuras críticas, pero es evidente que la IA ha llevado el problema a otro nivel. Una empresa puede tener sus servidores en Europa, cumplir con el RGPD y proteger correctamente sus bases de datos, pero si el cerebro que usa para procesar información, tomar decisiones o automatizar tareas depende de un modelo extranjero, el control real sigue siendo limitado. La soberanía no consiste solo en saber dónde están los datos, sino también en saber quién decide qué herramienta puedes usar mañana.

 

Los agentes prometen autonomía, pero todavía funcionan como becarios con permisos de administrador

La parte más seductora de la IA no son los chatbots, sino los agentes. Sistemas que no solo responden, sino que actúan. Abren aplicaciones, leen documentos, escriben correos, hacen clic, modifican archivos, ejecutan comandos y conectan varios servicios entre sí. Sobre el papel, suena fantástico. En la práctica, da un poco de vértigo, porque el salto entre pedirle a una IA que redacte un texto y permitirle operar dentro de un sistema no es pequeño. Es el salto entre consultar a una herramienta y delegar en ella. Nosotros experimentamos esa sensación al probar OpenClaw.

Microsoft ya ha advertido de que los agentes de IA de Windows 11 pueden cometer errores, alucinar y comportarse de forma inesperada. También está el problema de las inyecciones de prompts, especialmente delicado cuando la IA no se limita a leer información, sino que puede actuar sobre ella. OpenAI ha reconocido que las inyecciones de prompts son un problema crónico. No es una nota al pie. Es uno de los grandes agujeros de esta nueva etapa.

El problema no es solo que fallen, sino cómo fallan

Aquí conviene separar dos cosas. Que un chatbot se invente una respuesta es molesto, pero que un agente con acceso a archivos, sistemas internos o datos de clientes se equivoque es harina de otro costal. Es la diferencia entre un empleado que da una mala respuesta y uno que, además, puede tocar la configuración del servidor. Y sí, la comparación con un becario digital es tentadora. No obstante, a nuestro juicio, hay una diferencia importante. Y es que a un becario no le das permisos de administrador el primer día. A los agentes, en cambio, muchas empresas están deseando darles acceso a todo para que “automaticen de verdad”.

Los agentes no fallan siempre de manera evidente, sino que pueden interpretar mal una orden, seguir una instrucción maliciosa escondida en una web, entrar en bucles, gastar tokens sin control o tomar una decisión aparentemente razonable pero equivocada. Y lo peor es que muchas veces lo hacen con mucha seguridad. Este es el gran reto de la IA agéntica, porque si acierta, ahorra tiempo. Si falla, el desastre puede ser monumental.

La nube ofrece potencia, pero también dependencia, caídas y costes cambiantes

Por ahora, los mejores modelos siguen estando en la nube. Es lógico, porque los grandes laboratorios tienen centros de datos enormes, acceso prioritario a hardware, equipos especializados y modelos que la mayoría de empresas no puede ejecutar en local. Si quieres el máximo rendimiento, terminas llamando a una API. El problema es que esa API no es tuya. Si ChatGPT se cae, tu producto puede quedarse cojo. Si Gemini deja de responder, tu flujo automatizado se detiene. Si el proveedor endurece los límites, cambia los precios o reserva las mejores capacidades para planes superiores, tu hoja de costes deja de ser fiable.

Durante años, muchas empresas se acostumbraron a la nube como si fuera una extensión natural de su infraestructura. Pero la IA añade una diferencia importante. No dependes solo de servidores, sino de modelos que cambian, de políticas de uso que se reescriben, de restricciones de capacidad y de una factura energética que alguien tendrá que pagar. La idea de que la IA será tan ubicua como el agua o la luz suena muy bien en una conferencia, pero incluso el agua y la luz tienen una factura. Y en IA, esa factura todavía está en plena negociación. Basta ver cómo Google ha empezado a endurecer los límites de Gemini para entender que la etapa de barra libre tenía fecha de caducidad.

Y luego está el precio. Durante la primera etapa de la IA generativa, muchas herramientas parecían casi subvencionadas. Había planes generosos, límites amplios y una sensación de barra libre que ayudó a que empresas y usuarios se acostumbraran a trabajar con modelos avanzados. Los límites se endurecen, las funciones más potentes se reservan para planes superiores y cada consulta empieza a parecerse más a una línea dentro de una factura. Para una empresa que ya ha integrado IA en su día a día, una subida de precios no es una molestia menor. Es un hachazo directo a su estructura de costes.

Por eso empiezan a aparecer restricciones internas. No porque las empresas hayan dejado de creer en la IA, sino porque usarla sin control puede convertirse en un agujero presupuestario. Limitar qué empleados acceden a los modelos más caros, qué tareas pueden automatizarse o cuántas consultas se permiten al mes ya no es una medida conservadora. El problema es que muchas compañías están descubriendo esto después de haber rediseñado procesos enteros alrededor de herramientas cuyo coste real todavía estaba por asentarse.

La IA local apunta al futuro, pero todavía no sustituye a la nube

Por eso muchas compañías están mirando hacia la IA local. Ejecutar modelos en la cercanía reduce dependencia, mejora privacidad, evita enviar información sensible a terceros y permite mantener servicios aunque el proveedor cloud tenga problemas. Ahora bien, tampoco conviene engañarse. La IA local apunta al futuro, pero todavía no está al nivel de los grandes modelos en la nube para la mayoría de usos avanzados. Soluciones como GAIA de AMD, equipos como el Ryzen AI Halo para IA local o estaciones de trabajo especializadas muestran que el camino existe, pero también que no es barato ni sencillo.

Puedes ejecutar modelos locales, montar laboratorios con Ollama, GPU y agentes autónomos y ganar soberanía tecnológica. El problema es que, si quieres capacidades comparables a los modelos de frontera, necesitas hardware caro, memoria abundante, mantenimiento, optimización y conocimientos técnicos. No basta con comprar un portátil con una pegatina de IA. Así que la salida no es tan simple como decidir entre ejecutar la IA en local o en la nube. Probablemente, el futuro a medio plazo sea híbrido. Modelos locales para privacidad, latencia y tareas repetitivas. Modelos cloud para razonamiento complejo, generación avanzada y capacidades que todavía no caben en un PC empresarial medio.

La IA no es una moda pasajera, pero hoy en día tampoco es una base madura. Está en ese punto incómodo en el que ya es lo bastante útil como para que las empresas dependan de ella, pero no lo bastante estable como para que esa dependencia sea plácida. Quizá dentro de unos años miremos atrás y todo esto nos parezca el precio normal de una revolución tecnológica. Puede ser. Pero ahora mismo, muchas empresas están levantando productos, automatizaciones y estrategias enteras sobre un suelo que cambia de forma, de precio, de dueño y de reglas. Y cuando el suelo se mueve, la pregunta no es si el edificio tiene un diseño moderno, sino cuánto aguanta antes de que empiecen a aparecer las grietas.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!