IBM explicó por qué la gobernanza de AI protege los márgenes del negocio y reduce la dependencia de los proveedores

IBM cree que para las empresas, el principal riesgo de la IA ya no está en las capacidades de los modelos individuales, sino en cómo están integrados en la infraestructura corporativa. Cuando la IA se convierte en una capa fundamental para el desarrollo, la seguridad y la automatización, las empresas necesitan no solo la potencia de los modelos, sino también un sistema riguroso de gobernanza, control y auditoría.

IA como Infraestructura

IBM propone ver el desarrollo de la IA de la misma manera que los negocios vieron otro software corporativo en el pasado: primero como un producto separado, luego como una plataforma y, finalmente, como infraestructura. Según Rob Thomas, Vicepresidente Sénior y Director Comercial de IBM, en las primeras etapas, el desarrollo con modelo cerrado puede ser conveniente: permite actualizaciones de producto más rápidas, control más fuerte de la experiencia del usuario y retención del valor dentro de un único proveedor. Pero cuando la tecnología se convierte en el fundamento de otros sistemas, las reglas cambian.

Actualmente, según la evaluación de IBM, la IA está entrando en esta fase. Los modelos ya participan en la protección de redes, escritura de código, toma de decisiones automatizadas y procesos comerciales. Por lo tanto, la pregunta cambia de "qué puede hacer el modelo" a "cómo está estructurado, quién lo controla y puede ser auditado".

El artículo cita como ejemplo el lanzamiento reciente de la vista previa de Claude Mythos de Anthropic y el lanzamiento del Project Glasswing: si los modelos autónomos pueden encontrar y explotar vulnerabilidades casi al nivel de los mejores especialistas, para la TI corporativa esto ya no es un experimento de laboratorio, sino un riesgo de infraestructura.

Dónde Se Pierden los Márgenes

IBM vincula directamente la gobernanza de la IA con la protección de ganancias. El problema con los modelos cerrados no es solo filosófico, sino operacional en la práctica. Cuando un modelo propietario necesita conectarse a una base de datos vectorial corporativa, data lake interno o pipeline RAG, los equipos a menudo carecen de visibilidad para comprender exactamente dónde ocurrió la falla — en la extracción de datos, en la orquestación o en los pesos base del modelo. Como resultado, los cronogramas de integración se alargan, los costos de soporte aumentan y las soluciones alternas costosas se multiplican.

• Las llamadas constantes de API a modelos cerrados inflan los costos computacionales
• La falta de transparencia dificulta la planificación precisa de infraestructura y presiona a las empresas a pagar de más por reservas de capacidad
• La vinculación de sistemas heredados con modelos en nube estrictamente limitados agrega retrasos en los procesos diarios
• Los requisitos de protección de datos obligan a los equipos a sanitizar constantemente y anonimizar información antes de enviarla externamente
• La concentración del conocimiento sobre el modelo con unos pocos proveedores aumenta el riesgo operacional

Una capa separada de problemas es la seguridad. Si los modelos autónomos pueden escribir exploits e impactar el entorno de seguridad, es peligroso para los negocios depender de unos pocos proveedores que son los únicos que realmente entienden la estructura interna de estos sistemas. En este esquema, una empresa compra no solo un servicio, sino la opacidad de otro. Y con el tiempo, esa opacidad comienza a erosionar exactamente el margen que hizo que implementar la IA valiera la pena en primer lugar.

Por Qué Se Necesita Apertura

La posición de IBM es que el código abierto no elimina el riesgo, sino que cambia cómo se gestiona. Una base abierta permite que investigadores, desarrolladores y expertos en seguridad estudien la arquitectura, identifiquen debilidades, verifiquen suposiciones fundamentales y fortalezcan el sistema bajo condiciones del mundo real. Para tecnologías de infraestructura, la visibilidad no es un bonus, sino un prerequisito para la resiliencia. Cuanto más depende una empresa de la IA, más importante es la capacidad de inspeccionar de forma independiente el modelo y todo el ecosistema alrededor de él.

IBM también cuestiona la afirmación generalizada de que las tecnologías abiertas inevitablemente devalúan la innovación. En la práctica, el valor comercial simplemente se desplaza hacia arriba en la pila: hacia integración, orquestación, confiabilidad, mecanismos de confianza y experiencia sectorial. Es por eso que los grandes actores están cada vez más apostando por herramientas que les permiten cambiar modelos para cargas de trabajo específicas, en lugar de vincular toda la arquitectura a un único proveedor cerrado. Este enfoque reduce el vendor lock-in y ayuda a desplegar recursos costosos solo donde realmente se necesitan.

Qué Significa Esto

Para la gobernanza corporativa de IA, según IBM, esto no es burocracia, sino una forma de proteger la economía de la implementación. Los ganadores no serán las empresas con acceso al modelo cerrado más grande, sino aquellas que saben gestionar de forma transparente los modelos, datos, seguridad y costos a nivel de toda la arquitectura.