Ya no basta con demostrar que la plantilla adopta la IA o que el consumo de tokens se dispara. El uso no es más que un medio; la verdadera incógnita es qué retorno obtiene el negocio a cambio.
La pregunta que las organizaciones deben hacerse es si están consiguiendo ser más ágiles, recortar sus gastos, diseñar mejores productos y experiencias para los clientes. A fin de cuentas, la IA tiene que materializarse en un valor de negocio medible.
Es lo que denomino eficiencia de la inteligencia, es decir, la eficacia con la que una empresa transforma la potencia de cálculo, los modelos, los datos y el contexto en resultados empresariales. Aumento de los ingresos. Reducción de costes. Rapidez en la ejecución. Alcanzar esta eficiencia exige flexibilidad: la libertad para elegir el mejor modelo en cada trabajo y la habilidad de aplicar un enrutamiento inteligente que asigne cada tarea al modelo idóneo según su coste, velocidad y rendimiento. Tras años volcados en exprimir las capacidades de cada modelo por separado, ha llegado el momento de que las empresas optimicen todo el sistema que los rodea en función de los resultados.
Este cambio se produce en un momento en el que el auge de los modelos abiertos emergentes está modificando la ecuación de costes de la IA. Para muchas cargas de trabajo, en especial las tareas más sencillas y bien definidas, los principales modelos abiertos ofrecen un rendimiento notable por solo una fracción del coste de los modelos de frontera. A medida que sigan evolucionando, disponer de una mayor oferta avivará la competencia, acelerará la innovación y reducirá los costes en todo el ecosistema.
Aquí radica la verdadera oportunidad para las empresas. Conforme se reduce el coste por tarea, baja también el umbral a partir del cual tiene sentido aplicar la IA. Flujos de trabajo que antes resultaban demasiado caros de automatizar pasan a ser económicamente viables, lo que otorga a las organizaciones la libertad de experimentar, iterar y, en última instancia, desplegar la inteligencia artificial en una gama mucho más amplia de sus áreas de negocio.
Ahora bien, cada modelo se ubica en un punto distinto de la curva de coste, calidad y latencia, y esas posiciones cambian de forma continua. El modelo idóneo para una tarea hoy puede dejar de serlo dentro de seis meses. Por eso estoy convencido de que alcanzar la eficiencia de la inteligencia exigirá a las empresas adoptar una cartera de modelos dinámica y flexible.
Es una evolución palpable en el mercado. La pregunta ha dejado de ser ¿en qué modelo deberíamos estandarizar y dónde aplicarlo?, para convertirse en ¿cómo elegimos de forma continua el mejor modelo para cada tarea?
Para dar respuesta a esto, en Snowflake hemos desarrollado una plataforma empresarial neutral que reúne los principales modelos abiertos y propietarios de proveedores como Anthropic, Google, Mistral AI, OpenAI y SpaceXAI. Además, seguiremos ampliando esta oferta con la incorporación de GLM-5.3 y DeepSeek-V4-Flash 0731.
Esta libertad y flexibilidad resultan esenciales para entender lo que llamamos la empresa agéntica. A medida que los modelos sigan evolucionando, las organizaciones deben poder beneficiarse de esa innovación en todo el alcance de sus datos y su contexto.
Esto nos lleva al siguiente gran reto de las empresas: cómo orquestar la IA de manera eficaz. Por eso hemos presentado el enrutamiento dinámico de modelos en Cortex AI Gateway, diseñado para ayudar a nuestros clientes a utilizar el modelo adecuado para cada trabajo. Los clientes pueden definir qué modelos aprueban y qué equilibrios entre coste y rendimiento priorizan. A partir de ahí, Cortex AI Gateway evalúa cada tarea según esas directrices y, basándose en datos reales de coste y rendimiento, selecciona el modelo idóneo para cada caso de uso.
El sistema aprende de los propios resultados. Una vez que un modelo completa una tarea, otro evalúa la calidad del resultado, creando un bucle de retroalimentación continua que perfecciona las futuras decisiones de enrutamiento. A medida que los modelos mejoran y el panorama evoluciona, el sistema se adapta al mismo ritmo, optimizando de forma constante la calidad, el coste y la latencia.
Nuestros análisis comparativos iniciales indican que este método logra una mayor rentabilidad para un nivel de calidad determinado que el uso de un solo modelo por sí solo. Además, al estar esta capacidad integrada directamente en CoCo y CoWork, nuestros clientes pueden aprovechar la optimización de coste y rendimiento dentro de sus agentes y flujos de trabajo habituales, incluso a medida que surjan nuevos modelos o funcionalidades.
Los anuncios que hacemos hoy reflejan la filosofía que ha guiado a Snowflake desde sus inicios. Las grandes transiciones tecnológicas generan complejidad. Nuestra labor consiste en absorber esa complejidad para nuestros clientes. Lo hicimos con la infraestructura de datos y ahora lo hacemos con la IA: otorgamos a las empresas la libertad de utilizar la mejor inteligencia para cada trabajo, mientras Snowflake gestiona en segundo plano la complejidad de la elección, el enrutamiento y la optimización de modelos. Así es como ayudamos a nuestros clientes a alcanzar una verdadera eficiencia de la inteligencia.
