Bloomberg Línea — En el mundo se pueden observar casos destacados, como el de JPMorgan, que recientemente anunció su propia LLM Suite para automatizar tareas de análisis financiero, o el de IBM, que lanzó Granite, una familia de modelos con hasta 34.000 millones de parámetros orientada al desarrollo de software.
La inteligencia artificial (IA) se ha convertido en una urgencia estratégica para cualquier organización. Pese a ello, y aunque el 92% de las empresas en el mundo planea aumentar sus inversiones durante los próximos tres años, solo el 1% considera haber alcanzado un nivel de madurez en su implementación, según McKinsey.
Esto revela una brecha profunda entre el entusiasmo por esta tecnología y su integración efectiva en los procesos corporativos.
Y es que, en un continente como América Latina, donde el 99% del tejido empresarial está compuesto por pequeñas y medianas empresas, la gran pregunta es si las pymes están realmente preparadas para integrar esta tecnología en sus procesos.
La respuesta es compleja. Mientras la IA promete transformar industrias, automatizar procesos y aumentar la eficiencia, para muchas pymes el acceso a estas herramientas aún parece más una utopía que una oportunidad real.
Hay que tener en cuenta que integrar IA no se trata únicamente de usar herramientas como GPT, Gemini o Claude (pertenecientes a la categoría de IA generativa), sino de desarrollar modelos propios que generen impacto y transformen los procesos específicos de cada negocio.
José Javier Prada, CEO de Become Digital, explica que los modelos de IA son programas entrenados con conjuntos de datos para reconocer patrones o tomar decisiones sin intervención humana.
Por lo tanto, aplican distintos algoritmos a los datos de entrada (inputs) para generar los resultados (outputs) para los que han sido diseñados.
En el mundo, se pueden ver casos tan destacados como el de JPMorgan, que recientemente anunció su propia suite de modelos LLM para automatizar tareas de análisis financiero, o el de IBM, que lanzó Granite, una familia de modelos con hasta 34 mil millones de parámetros para el desarrollo de software.
“Desde 2021 veníamos entrenando modelos de IA para analizar imágenes de documentos de identidad. Estos modelos fueron desarrollados por los científicos de datos de Become, a partir de arquitecturas de redes convolucionales y un análisis detallado mediante técnicas de computer vision”, explica Prada, quien añade: “A diferencia de otras empresas que dependen de hasta 300 peritos para verificar manualmente los datos, nosotros automatizamos el proceso, reduciendo costos y tiempos a menos de cinco segundos por validación”.
El modelo, entrenado con técnicas de deep learning, reconocimiento óptico de caracteres, biometría facial y liveness detection, alcanza una tasa de falsos positivos inferior al 0,84% y de falsos negativos por debajo del 0,3%.
Esto le ha permitido convertirse en un aliado clave para empresas de sectores como banca, fintech, retail y telecomunicaciones, donde la validación precisa es crucial.
Estos ejemplos ilustran una tendencia clara: las compañías que lideran en IA están creando sus propios modelos, entrenándolos con datos relevantes y adaptándolos a sus procesos, en lugar de depender de tecnologías comerciales de terceros.
Para ello, antes de lanzarse a desarrollar o integrar un modelo de IA, las empresas deben considerar factores clave como diagnosticar sus capacidades internas, modernizar la infraestructura de datos, definir un marco ético para el uso de IA, lanzar pilotos controlados con supervisión humana y fomentar una cultura crítica y adaptativa.
Los modelos de negocio basados en esta tecnología ya están transformando diversas industrias. Desde productos de IA como servicio (PaaS), hasta plataformas que monetizan datos o automatizan decisiones en tiempo real.
En el caso de Become Digital, el entrenamiento de su modelo antifraude es continuo: cada tres meses se reentrena con nuevos datos y escenarios de fraude. “No existe un modelo estático. Es una carrera de mejoramiento constante, porque los delincuentes también evolucionan”, concluye su CEO.
Hoy, integrar IA no es sólo una cuestión de innovación, sino de supervivencia competitiva. Para las pymes de la región, no se trata de replicar lo que hacen los gigantes, sino de adaptar los modelos a su escala, a su industria y a su contexto. Y ahí, justamente, radica la verdadera oportunidad.
