Meta ha lanzado Llama 3.1 405B, un modelo de inteligencia artificial que cambia las reglas del juego. Por primera vez, cualquier organización con capacidad técnica puede replicar en sus propios servidores una potencia de razonamiento que, hace apenas seis meses, era un privilegio exclusivo de gigantes como OpenAI. Esto no es solo un hito técnico; es el inicio de la obsolescencia para el modelo de negocio basado en la renta de infraestructura en la nube. La democratización de los modelos abiertos —aquellos cuyo diseño interno es público y auditable— ha roto el cerco perimetral de Silicon Valley.
La narrativa dominante insiste en que solo quienes poseen capitales de miles de millones de dólares pueden sostener la inteligencia artificial. Sin embargo, el mercado cuenta una historia distinta. En el último trimestre, el costo de inferencia —el precio pagado por cada respuesta que genera un modelo de inteligencia artificial— para los modelos abiertos de alto rendimiento se desplomó un 70%. En contraste, los costos de los servicios propietarios como GPT-4o se mantienen estancados debido a la necesidad corporativa de recuperar márgenes operativos masivos.
Aquí surge una vulnerabilidad crítica: la soberanía de datos. Cuando una empresa en Bogotá o Monterrey utiliza la interfaz de programación de aplicaciones (API) de una empresa tecnológica masiva para procesar información financiera sensible, está enviando datos confidenciales a servidores extranjeros bajo jurisdicción de terceros. La dependencia no es solo un gasto económico; es un riesgo operativo. Los modelos abiertos permiten ejecutar procesos de inteligencia artificial dentro de los servidores propios, eliminando la censura arbitraria que las grandes corporaciones aplican por precaución reputacional en Estados Unidos.
El fin de la hegemonía del modelo cerrado
Mi lectura es distinta a la de los analistas que apuestan ciegamente por las acciones de los proveedores de nube. Estamos presenciando una migración del valor desde la infraestructura centralizada hacia la optimización local. Un servidor equipado con ocho unidades de procesamiento gráfico (GPU) de gama alta hoy puede ejecutar un modelo con una precisión del 95% comparado con las soluciones más caras del mercado. Una vez que ese hardware se amortiza, los costos variables por mensaje enviado o por volumen de datos procesados desaparecen.
Consideren lo que esto implica para la industria local. Una entidad financiera de tecnología avanzada (fintech) que procesa miles de transacciones diarias puede realizar su propio "tuneo" —el proceso de ajustar un modelo general a necesidades específicas usando datos privados— sin entregar su propiedad intelectual a terceros. Según datos de mercado de 2023, menos del 15% de las empresas en el segmento B2B de América Latina utilizaban modelos abiertos. Estimo que esta cifra alcanzará el 40% antes de finales de 2025 simplemente por una cuestión de márgenes operativos.
La idea de que los modelos abiertos son "menos capaces" es una táctica de marketing que ha perdido su eficacia. Al comparar el rendimiento en tareas de programación o extracción de datos, soluciones como Mistral (startup francesa enfocada en modelos de código abierto) o las variantes de Llama ya igualan a los servicios cerrados en el 80% de los casos de uso empresarial. Lo que falta no es potencia, es convicción gerencial para dejar de pagar por una marca y empezar a pagar por el control total de los activos digitales.
La descentralización como ventaja competitiva
Honestamente, el riesgo hoy no es la tecnología, sino la inercia cultural. Muchos directores de tecnología prefieren contratar una licencia cara porque es más sencillo justificar un gasto operativo mensual ante la junta directiva que defender una inversión en hardware y talento especializado en ingeniería de modelos. Es la apuesta por la comodidad frente a la apuesta por la autonomía. El mercado, sin embargo, suele castigar la comodidad cuando el costo de oportunidad se vuelve demasiado alto.
Lo interesante acá es que el acceso al silicio se está convirtiendo en un producto básico o commodity. La escasez de chips de Nvidia no será eterna y la capacidad de las empresas para realizar inferencias locales crecerá de forma exponencial a medida que aparezcan procesadores específicos para modelos de lenguaje. Las organizaciones que hoy están construyendo su arquitectura sobre cimientos abiertos controlarán sus propios algoritmos mañana.
Mi predicción es clara: para diciembre de 2026, ninguna empresa líder de América Latina que dependa exclusivamente de una API cerrada será competitiva en costos. Veremos una migración masiva hacia entornos híbridos donde la lógica de negocio sensible se ejecute en servidores soberanos, dejando a las Big Tech solo con el procesamiento de tareas superficiales y poco críticas. El monopolio no va a morir de golpe, pero se está desangrando lentamente con cada línea de código abierto que se ejecuta en un servidor privado.
