Las empresas adoptan todas las herramientas de IA disponibles, el reto es elegir el modelo lingüístico adecuado.

La Inteligencia Artificial (IA) ha llegado a un punto crítico en su evolución, donde las empresas están adoptando estrategias multi-modelo para satisfacer sus necesidades específicas. Según expertos en el sector, la tendencia actual se inclina hacia la utilización de diversas herramientas de IA, cada una seleccionada por sus capacidades únicas y su adecuación a casos de uso particulares.

En este contexto, IBM se posiciona como un proveedor que no busca imponer un solo modelo de lenguaje grande (LLM), sino que se enfoca en ofrecer una plataforma de control para la gestión de cargas de trabajo de IA. La empresa ha desarrollado su propia familia de modelos de IA de código abierto, conocida como Granite, pero enfatiza que no es la única opción para todos los casos de uso. En su lugar, promueve un enfoque flexible que permita a las empresas elegir el modelo más adecuado para cada tarea específica.

Las empresas están utilizando una variedad de herramientas de IA, desde Anthropic para la codificación hasta Llama para la personalización de modelos con sus propios datos. Esta tendencia hacia la diversidad en la adopción de IA está llevando a los proveedores a desarrollar estrategias de gateway multi-modelo, que permiten a las empresas cambiar entre diferentes modelos de IA mediante una sola API, manteniendo al mismo tiempo la observabilidad y la gobernanza en todas las implementaciones.

IBM ha lanzado recientemente un modelo de gateway que facilita a las empresas la transición entre diferentes LLMs, al tiempo que proporciona una capa de observabilidad y gobernanza. Esta arquitectura técnica permite a los clientes ejecutar modelos de código abierto en su propia infraestructura de inferencia para casos de uso sensibles, mientras acceden a APIs públicas para aplicaciones menos críticas.

La importancia de los protocolos de comunicación entre agentes también está cobrando relevancia. IBM ha desarrollado el Protocolo de Comunicación entre Agentes (ACP) y lo ha aportado a la Fundación Linux, en un esfuerzo por estandarizar la comunicación entre sistemas de IA. Esto es crucial para el despliegue de agentes de IA a gran escala, donde la interacción entre ellos debe ser eficiente y no requerir un desarrollo personalizado para cada caso.

En cuanto al impacto de la IA en las empresas, se destaca que su implementación debe ir más allá de los chatbots y enfocarse en la transformación de los flujos de trabajo y la forma en que se realiza el trabajo. La verdadera potencia de la IA radica en su capacidad para automatizar procesos completos de principio a fin, en lugar de limitarse a mejorar la interacción humano-computadora.

Para aprovechar al máximo la IA, las empresas deben abandonar el enfoque centrado en los chatbots y apostar por la identificación de flujos de trabajo completos que puedan ser transformados. También deben diseñar arquitecturas que permitan la flexibilidad multi-modelo y prioricen la inversión en estándares de comunicación para evitar el bloqueo con proveedores específicos.

En última instancia, el futuro de la IA en las empresas pasa por una adopción estratégica y reflexiva, que tenga en cuenta las capacidades y limitaciones de cada tecnología. Solo así se podrá desbloquear el verdadero potencial de la IA para impulsar la innovación y la eficiencia en las organizaciones.