Mistral lanza Forge, plataforma para que empresas creen modelos de IA con sus propios datos

Mistral presentó Forge, una plataforma con la que empresas y gobiernos podrán construir modelos de IA personalizados usando sus propios datos. La iniciativa, anunciada en Nvidia GTC, busca diferenciar a la startup francesa frente a OpenAI y Anthropic con una oferta centrada en mayor control, personalización profunda y despliegues adaptados al mundo corporativo.
***

• Mistral lanzó Forge en Nvidia GTC como una plataforma para crear modelos de IA empresariales entrenados con datos propios.
• La startup francesa asegura que su enfoque va más allá del ajuste fino y del RAG, al permitir entrenar modelos desde cero.
• Ericsson, la Agencia Espacial Europea, Reply, DSO, HTX y ASML figuran entre los socios y primeros adoptantes de la solución.

Mistral, la startup francesa de inteligencia artificial, anunció una nueva plataforma llamada Forge con la que busca reforzar su posición en el mercado empresarial. La propuesta parte de una idea simple: muchos proyectos corporativos de IA fracasan no por falta de tecnología, sino porque los modelos no entienden con suficiente profundidad el negocio, los flujos de trabajo internos ni el conocimiento acumulado dentro de cada organización.

La empresa presentó Forge durante Nvidia GTC, la conferencia anual de Nvidia, un evento que este año ha estado especialmente centrado en inteligencia artificial y en modelos ligeros orientados a empresas. Según la información reportada por TechCrunch, el movimiento representa una apuesta estratégica para Mistral en su pulso con rivales como OpenAI y Anthropic, que han conseguido una adopción mucho más visible entre consumidores.

En lugar de priorizar el mercado masivo, Mistral ha concentrado su negocio en clientes corporativos. El CEO de la compañía, Arthur Mensch, afirmó que esa estrategia está dando resultados y señaló que la firma va camino de superar los USD $1.000 millones en ingresos recurrentes anuales este año.

Para entender la relevancia del anuncio, conviene recordar que gran parte de la IA empresarial actual se apoya en modelos generales entrenados con información pública de internet. Esa base puede ser útil para tareas amplias, pero suele quedarse corta cuando una compañía necesita herramientas que comprendan documentación histórica, procesos especializados, regulación sectorial o incluso contextos lingüísticos muy específicos.

En ese punto es donde Mistral ve una oportunidad clara. Elisa Salamanca, jefa de producto de la compañía, explicó que Forge está diseñado para permitir a empresas y gobiernos personalizar modelos de IA para sus necesidades concretas, con mayor control sobre los datos y sobre la forma en que esos sistemas se integran en su operación.

Más allá del ajuste fino y del RAG

La diferenciación que Mistral intenta marcar no es menor. Varias empresas del segmento de IA corporativa ya ofrecen herramientas de personalización, aunque en muchos casos se centran en ajustar modelos existentes o en superponer datos propietarios mediante técnicas como la generación aumentada por recuperación, conocida como RAG.

Esos enfoques son hoy comunes porque permiten mejorar respuestas usando bases documentales internas sin necesidad de rehacer por completo el entrenamiento del modelo. Sin embargo, no alteran de forma fundamental cómo fue construido el sistema. En esencia, lo adaptan o consultan datos empresariales en tiempo real, pero no lo reentrenan desde la base con la información de cada organización.

Mistral sostiene que Forge apunta a un nivel distinto de personalización. Según la empresa, la plataforma permite a sus clientes entrenar modelos desde cero. En teoría, eso podría resolver varias limitaciones de los métodos más extendidos, entre ellas un mejor manejo de información no escrita en inglés, de datos muy especializados por industria y de requisitos de comportamiento más precisos.

La propuesta también abre la puerta a que las compañías desarrollen sistemas más ágiles usando aprendizaje por refuerzo. Otro punto relevante es la reducción de dependencia frente a proveedores externos de modelos. Para una empresa grande, ese factor puede importar mucho si desea evitar riesgos como cambios unilaterales, modificaciones en acceso o incluso la depreciación de modelos de terceros.

Modelos abiertos, decisiones del cliente e infraestructura a medida

Forge se apoya en la biblioteca de modelos de peso abierto de Mistral. Entre ellos figuran modelos pequeños como el recientemente presentado Mistral Small 4. La compañía plantea que esa base puede servir como punto de partida para que cada cliente construya una solución adaptada a su propio contexto de negocio.

Timothée Lacroix, cofundador y director de tecnología de Mistral, explicó que la personalización puede aumentar el valor de esos modelos más compactos. Señaló que una de las concesiones al construir modelos pequeños es que no pueden rendir igual de bien en todos los temas que sus equivalentes de mayor tamaño. Por eso, añadió, personalizarlos permite decidir con claridad qué aspectos enfatizar y cuáles dejar en segundo plano.

La empresa asesora a sus clientes sobre qué modelos e infraestructura conviene usar, pero, de acuerdo con Lacroix, ambas decisiones permanecen bajo control del cliente. Ese detalle encaja con una demanda recurrente del mercado empresarial: evitar arquitecturas rígidas y conservar soberanía operativa sobre sistemas críticos.

Para los equipos que necesitan acompañamiento más profundo, Forge también incluye el trabajo de ingenieros desplegados de Mistral. Estos especialistas se integran directamente con las organizaciones para identificar los datos adecuados, construir evaluaciones útiles y adaptar la solución a necesidades concretas. El enfoque recuerda al modelo de servicios que durante años han usado grupos como IBM o Palantir para proyectos complejos dentro de grandes instituciones.

Salamanca indicó que el producto ya incorpora herramientas e infraestructura para generar rutas de datos sintéticos. No obstante, matizó que muchas empresas no cuentan con la experiencia necesaria para determinar qué evaluaciones deben construir o cuántos datos necesitan realmente. Ese vacío, según explicó, es precisamente uno de los aportes del equipo de ingeniería que acompaña los despliegues.

Primeros socios y sectores donde Mistral ve mayor demanda

Mistral informó que Forge ya está disponible para socios entre los que figuran Ericsson, la Agencia Espacial Europea, la firma italiana de consultoría Reply y DSO y HTX de Singapur. La lista sugiere que la compañía busca posicionar la plataforma en sectores donde el control de datos, la adaptación lingüística y la personalización del modelo no son opcionales, sino requisitos centrales.

Entre los primeros adoptantes también aparece ASML, el fabricante neerlandés de chips que encabezó la ronda Serie C de Mistral en septiembre pasado. En aquel momento, esa financiación valoró a la startup en EUR €11.700 millones, equivalentes aproximadamente a USD $13.800 millones en ese entonces.

La directora de ingresos de Mistral, Marjorie Janiewicz, detalló los segmentos donde la empresa cree que Forge puede tener más tracción. Uno de ellos es el sector público, en especial gobiernos que necesitan adaptar modelos a su idioma y a su contexto cultural. Ese punto es sensible en Europa y en otras regiones donde la dependencia de modelos anglófonos ha sido motivo de debate.

La compañía también apunta a actores financieros con altos requerimientos de cumplimiento, fabricantes que demandan personalización intensiva y empresas tecnológicas interesadas en ajustar modelos a su propia base de código. En todos esos casos, el mensaje comercial es similar: la utilidad de la IA no depende solo de potencia bruta, sino de cuán bien entiende los datos, reglas y procesos específicos de cada organización.

El lanzamiento de Forge refuerza una tendencia más amplia dentro del sector. A medida que la carrera de la IA madura, la competencia ya no se limita a tener el modelo más grande o el chatbot más popular. Cada vez más, el valor se desplaza hacia herramientas que permitan a empresas y gobiernos conservar control, adaptar el comportamiento del sistema y reducir fricciones regulatorias o de seguridad.

Para Mistral, esa especialización podría convertirse en una de sus principales ventajas frente a competidores con marcas más visibles entre consumidores. Si su propuesta logra demostrar que entrenar modelos desde cero con datos internos produce mejores resultados que capas superficiales de personalización, Forge podría convertirse en una pieza importante de la siguiente fase del mercado empresarial de IA.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín