Por Canuto  

Mientras los laboratorios de IA debaten si deben frenar el desarrollo de modelos cada vez más potentes, los asistentes de Dreamforce enfrentan una preocupación más inmediata: aprender a utilizar las herramientas que ya existen. Clientes y socios de Salesforce aseguran que modelos anteriores, más económicos y suficientemente eficientes, cubren buena parte de sus necesidades empresariales.
***

  • Los asistentes de Dreamforce dijeron que todavía luchan por incorporar la IA disponible, mientras los laboratorios discuten la velocidad del desarrollo.
  • Empresas de software utilizan modelos anteriores, alternativas de pesos abiertos y enrutamiento para equilibrar capacidad y costos.
  • La transición hacia agentes y pagos por tokens podría transformar los márgenes tradicionales del software como servicio.

La conversación sobre inteligencia artificial suele concentrarse en los modelos más avanzados, sus capacidades de razonamiento y los riesgos de que el desarrollo avance demasiado rápido. Sin embargo, en los pasillos de Dreamforce, la conferencia anual de Salesforce celebrada en San Francisco, muchos ejecutivos describieron una realidad menos futurista: sus empresas todavía intentan entender cómo aprovechar las herramientas que ya están disponibles. Para buena parte de los clientes, el reto no consiste en esperar el próximo modelo, sino en convertir la tecnología actual en resultados concretos.

La tensión quedó expuesta durante un evento que reunió a unas 50.000 personas y que Salesforce presenta como el Campground. En el escenario, los líderes de Anthropic, OpenAI y Nvidia discutieron seguridad, velocidad e innovación con Marc Benioff, CEO y cofundador de Salesforce, mientras que en las áreas de exhibición los asistentes hablaban de presupuestos, integración y costos operativos. La distancia entre ambos debates resume el momento que atraviesa el sector empresarial de la IA.

La frontera tecnológica parece distante para los clientes

Durante Dreamforce, el CEO de Nvidia, Jensen Huang, instó a los laboratorios de vanguardia a correr tan rápido como puedan. Sus palabras contrastaron con la experiencia de Alec Bronston, director senior de Salesforce en Spins, una empresa de datos minoristas con sede en Chicago, quien dijo que ya resulta bastante difícil mantenerse al día con las herramientas existentes.

Bronston sostuvo que una posible desaceleración del desarrollo ofrecería a las compañías más tiempo para ponerse al día y comenzar a experimentar con agentes. Su comentario refleja una brecha entre la velocidad con que los laboratorios presentan nuevos sistemas y la capacidad de las organizaciones para capacitar empleados, definir casos de uso, revisar procesos y demostrar que la inversión produce beneficios.

La conferencia también llegó en un momento especialmente sensible para la industria. Días antes de su inicio, un investigador de Anthropic renunció y afirmó que los principales laboratorios estaban jugando con nuestras vidas, declaración que contribuyó al debate sobre los riesgos de acelerar el desarrollo de modelos.

Después de esa salida, Dario Amodei, cofundador y CEO de Anthropic, y Sam Altman, CEO de OpenAI, propusieron iniciativas de seguridad y defendieron un ritmo más lento para la evolución de los modelos. No obstante, los asistentes consultados en Dreamforce mostraron que sus prioridades inmediatas eran mucho más prácticas: escoger proveedores, calcular costos y decidir dónde los agentes pueden asumir tareas sin introducir nuevos problemas.

Modelos anteriores cubren buena parte del trabajo

Clientes y socios de Salesforce afirmaron que los modelos más antiguos y económicos ya ofrecen suficiente potencia para muchas labores de ventas y atención al cliente. Jaya Rohit Vuyyuru, vicepresidente de la firma de consultoría SummitX, dijo que los modelos de frontera ya están muy adelantados, pero que una parte importante de la base empresarial todavía está empezando a descubrir qué pueden hacer los agentes.

Tim Sanders, director de innovación de la empresa de reseñas de software G2, planteó una conclusión similar al señalar que la mayoría de los resultados agénticos no depende de capacidades de frontera. Según su evaluación, la IA del año pasado puede ser suficiente para numerosas aplicaciones empresariales, especialmente en el software como servicio, donde la confiabilidad y el costo por tarea suelen pesar tanto como la capacidad máxima.

Salesforce no está limitada a un único modelo para sus herramientas Agentforce, utilizadas para responder preguntas de servicio al cliente y consultas de ventas. La documentación de la compañía contempla integraciones con proveedores como OpenAI, mientras que Salesforce y Anthropic anunciaron que Claude está disponible en Agentforce como modelo de razonamiento para su motor Atlas. Por ello, la elección del modelo puede depender de la tarea, el costo y la infraestructura disponible, en lugar de exigir siempre el sistema más reciente.

Kevin Lee, director de tecnología del proveedor de software para centros de contacto en la nube Nice, dijo que su empresa tampoco utiliza modelos de alta gama como Fable para la mayoría de sus tareas. A su juicio, los sistemas disponibles hoy, e incluso los de una generación anterior, son muy eficientes para las necesidades de sus clientes, mientras que las mejoras posteriores representan principalmente la parte final de una optimización ya suficiente.

Las empresas ajustan modelos, presupuestos y márgenes

La adopción empresarial no implica elegir un único proveedor ni utilizar el modelo más potente en cada solicitud. Allan Thygesen, CEO del desarrollador de software de firma electrónica Docusign, explicó que la compañía usa modelos de frontera junto con sistemas de pesos abiertos, que pueden descargarse y ejecutarse en una infraestructura seleccionada por el usuario.

Docusign reserva los modelos más grandes para trabajos intensivos en juicio, como el análisis complejo de cláusulas, el razonamiento sobre múltiples documentos y los resúmenes que requieren una capacidad general elevada. Para las tareas menos exigentes, la empresa puede utilizar alternativas con menor costo, una estrategia que permite vincular la potencia del modelo con el valor específico de cada solicitud.

Thygesen también describió una técnica conocida como enrutamiento de modelos, mediante la cual cada consulta se dirige al sistema más rentable según su dificultad. Nice y otras empresas están adoptando el mismo enfoque para controlar sus gastos, porque no todas las interacciones con un agente requieren el modelo más avanzado disponible.

Esta lógica modifica la economía tradicional del software como servicio. Sanders señaló que las compañías deben adaptarse a una economía basada en tokens, donde el pago depende del uso de la IA y de los resultados solicitados, en lugar de descansar únicamente en una suscripción fija; añadió que el cambio puede reducir los márgenes brutos de más de 85% a cerca de 45% cuando una empresa pasa de un esquema SaaS tradicional a uno agéntico.

Salesforce busca posicionarse en el auge de la IA

Dreamforce tuvo un tono distinto este año porque Salesforce intenta demostrar que la inteligencia artificial puede acelerar su negocio y no destruirlo. Las acciones de la compañía habían caído 8% en el año, incluso después de un fuerte repunte en agosto, mientras que Adobe y Autodesk registraron descensos todavía mayores, una evolución que alimenta la preocupación del mercado por la amenaza del denominado SaaSpocalypse.

Benioff ha buscado reducir esa narrativa ante inversionistas, clientes y empleados, al tiempo que refuerza el papel de Salesforce dentro del ecosistema de agentes. En su última llamada de resultados, celebrada en agosto, la empresa presentó Claudeforce, una forma de permitir que los vendedores accedan a datos críticos directamente desde el chatbot Claude de Anthropic.

El interés por esa integración fue visible en el área de exhibición, donde las compañías del ecosistema de Salesforce pagan grandes sumas para promocionar sus productos y servicios. El stand más visitado el martes fue el de Anthropic, cuyos jóvenes empleados, vestidos con suéteres blancos de gran tamaño, realizaban demostraciones para los asistentes.

Ram Reddy, director de tecnología para industrias de consumo en Nagarro, un integrador de sistemas, dijo que el tema más comentado en el espacio de su empresa no era la próxima frontera de la IA, sino Claudeforce. También explicó que los ingenieros de Nagarro suelen esperar unos tres meses antes de incorporar los modelos más recientes, porque la compañía no quiere asumir de inmediato los riesgos de un lanzamiento que todavía debe probarse en entornos empresariales.

El contraste entre adopción y experimentación

No todas las empresas están adoptando una postura conservadora. Databricks, compañía de software de análisis de datos con herramientas para construir agentes de IA, puso GPT-6 Astra a disposición de sus 3.500 desarrolladores durante la semana de Dreamforce.

Patrick Wendell, vicepresidente de ingeniería de Databricks, escribió que Astra supera sin ambigüedad a los modelos de gama alta anteriores de la compañía, incluidos Opus 5 y Sol 5.6, al realizar tareas altamente complejas. La experiencia de Databricks muestra que existe una demanda real por capacidades de frontera, aunque esa demanda se concentra en organizaciones con equipos técnicos preparados para probar y desplegar rápidamente los nuevos sistemas.

Para el resto del mercado, la cuestión sigue siendo más básica: determinar si conviene pagar por Anthropic, OpenAI o una alternativa de código abierto. Muchos usuarios todavía están definiendo sus presupuestos de IA y comparando el beneficio de un modelo premium con el ahorro que ofrecen sistemas anteriores o de pesos abiertos.

Según CNBC, las conversaciones mantenidas en Dreamforce muestran que la carrera tecnológica y la adopción empresarial avanzan a velocidades distintas. Mientras los laboratorios debaten si deben frenar o acelerar, las compañías que compran estas herramientas buscan estabilidad, control de costos y tiempo para aprender, una combinación que podría favorecer a los modelos suficientemente buenos antes que a los más llamativos.

El resultado no significa que la innovación haya perdido importancia, sino que el valor comercial de cada nuevo modelo dependerá de su integración en procesos concretos. Para Salesforce y sus socios, la ventaja no estará necesariamente en ofrecer la inteligencia artificial más poderosa, sino en ayudar a los clientes a elegir la herramienta adecuada, mantener los márgenes y convertir agentes experimentales en servicios confiables.

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 y revisado por un editor humano para garantizar calidad y precisión.


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

Artículos Relacionados