La inteligencia artificial (IA) ha entrado en las empresas a una velocidad difícil de digerir. Primero llegó como una herramienta casi experimental, útil para redactar un correo, resumir un documento o resolver una duda. Después llegaron los agentes, las automatizaciones, los modelos conectados a procesos internos y la promesa de que casi cualquier tarea podía acelerarse. Y, en medio de todo eso, una pregunta bastante incómoda: ¿alguien sabe realmente qué está pasando dentro?
Estamos incorporando la IA a las empresas mal
Javier Martín, CEO y fundador de Renaiss y RenLayer, lo resume con una frase directa: “Se está haciendo mal”. No porque la IA no tenga valor, sino porque muchas compañías la están incorporando sin una base clara, sin reglas comunes y sin una visión completa de sus riesgos.
Martín habla con soltura, no porque se haya aprendido la lección, sino porque la lleva dentro desde que, siendo todavía menor de edad, creara su primera empresa. No se cree las narrativas que dominan “la conversación”, no vende promesas falsas y tiene la capacidad de mezclar innovación y prudencia a partes iguales.
Existe mucho FOMO, mucho miedo a perderse estar ahí
Miedo a perdérsela
“Existe mucho FOMO, mucho miedo a perderse estar ahí”, explica. “Estamos en un momento histórico extraño en el que además la IA nos hace sentir que no nos hace falta el experto. Le pregunto y me lo dice, me lo hace. ¿Para qué voy a contratar a alguien?”.
Ese impulso por no quedarse atrás ha creado una situación paradójica. Según razona, las empresas quieren aprovechar la IA cuanto antes, pero muchas todavía no saben cómo controlar qué modelos usan sus empleados, qué información se está enviando fuera de la organización, cuánto cuesta cada proceso automatizado o qué puede hacer un agente cuando empieza a tomar decisiones por su cuenta.
De programar de adolescente a construir sistemas de IA
Martín empezó a programar muy joven. Fundó su primera compañía, centrada en visión artificial y ciberseguridad, en un momento en el que el emprendimiento tecnológico empezaba a tomar fuerza en España con el impulso de proyectos como Tuenti y los programas de Telefónica.
“Yo venía del mundo de la ciberseguridad y sobre todo de la visión artificial”, recuerda. Más tarde puso en marcha una compañía de transformación digital dedicada a desarrollar plataformas, aplicaciones, webs y soluciones tecnológicas para empresas.
La IA siempre había estado entre sus intereses, pero durante años era difícil convertirla en una solución práctica para clientes. “Cuando tú ibas a un cliente a ofrecerle machine learning o deep learning, era como venderle una rueda con palos: se te caía un palo y el carro se caía para abajo”, explica.
Todo cambió con la llegada de la IA generativa. A partir de ese momento, los clientes empezaron a preguntar cómo podían conectar esa tecnología, que parecía casi mágica, con el mundo corporativo. De ahí nació Renaiss, con un objetivo que Martín define así: “Democratizar la IA en el mundo corporativo”.
El problema de la IA oculta
Uno de los grandes riesgos, según Martín, es que “las empresas empiezan a adaptar el mundo de la IA en su día a día. Los empleados empiezan a utilizar diferentes modelos, algunos personales suyos, otros de las empresas. Es como que cada uno está usando lo que mejor le cuadra”, señala.
Ese uso disperso puede parecer inofensivo, pero no lo es. “El primer punto es la confidencialidad del dato”, advierte. “Hay compañías con las que nosotros hemos trabajado, como energéticas o aseguradoras, en las que es un tema delicado porque hay gente que está usando modelos que están mandando pólizas, información sensible, etcétera”.
RenLayer: una columna vertebral para controlar la IA
Para responder a ese problema, Renaiss ha desarrollado RenLayer, una plataforma que Martín define como una especie de “proxy” entre la IA y la compañía. Es decir, una capa intermedia que permite auditar, controlar y normalizar el uso de modelos y agentes dentro de una organización.
“Controlamos dos cosas”, explica. “Por una parte, que cualquier empleado de una compañía que use un modelo de IA quede auditado. Y no solo eso, sino que la compañía pueda marcar filtros”.
La idea es que una empresa pueda decidir qué modelos se pueden usar, con qué cuentas, bajo qué condiciones y con qué límites. También impedir que alguien utilice, con datos corporativos o bajo la VPN de la empresa, una herramienta externa que la organización no controla.
El segundo gran bloque son los agentes. Es decir, procesos automatizados que se apoyan en modelos para tomar decisiones o ejecutar tareas. Para Martín, esta es una de las zonas más delicadas: “A veces, pensamos que un modelo es un ente inteligente, sabelotodo. Pero la realidad es que no lo es. Un modelo no razona. No deja de ser un modelo probabilístico que predice”, explica.
Un modelo puede equivocarse, alucinar o saltarse instrucciones; y un agente mal controlado puede convertir ese error en una decisión empresarial.
Cuando un agente se equivoca, la factura puede ser real
Martín insiste en la importancia de no solo pedirle al agente que se comporte bien, sino imponerle límites obligatorios: “Aplicamos reglas o leyes determinísticas. Esto es importante: determinístico, que no lo dejamos a la probabilidad, sino que son reglas que sí o sí se cumplen”, afirma.
Ese enfoque permite, por ejemplo, establecer precios mínimos, impedir respuestas fuera de política, bloquear filtraciones o registrar la actividad de la IA: “Si tienes una fuga de información y cualquier organismo te pide una auditoría, tienes que poder decir qué es lo que ha hecho tu agente”, señala. “Uno de los problemas actuales es que hay una especie de caja negra que muy poca gente sabe explicar”.
Seguridad, datos y costes: los tres frentes
Para Martín, las empresas están subestimando tres riesgos principales. El primero es la seguridad: “Al igual que podemos usar la IA para cosas buenas, hay gente que la usa para cosas malas”, explica. “Surgen nuevos tipos de ataque. Tienes que poner una barrera que evite que te hagan un ataque de inyección de prompt o un ataque de envenenamiento”.
El segundo riesgo es el dato. En su opinión, “últimamente tendemos a regalar el dato a todo el mundo”, advierte. En el caso de los modelos de IA, el problema es aún más delicado porque parte de esa información puede acabar siendo utilizada para entrenar sistemas o quedar fuera del control de la compañía.
El tercer riesgo es el coste. Y aquí Martín es muy claro: “No somos conscientes de lo que vale la IA”, afirma. “A lo mejor una tarea que piensas que te está costando céntimos te está costando euros”.
RenLayer incorpora, según explica, un optimizador capaz de reducir costes entre un 40% y un 60% al reorganizar y optimizar las llamadas a modelos de IA. No se trata solo de ahorrar, sino de evitar que las empresas construyan sistemas que luego sean insostenibles económicamente.
“Estamos en el año 2000 de la web”
Para Martín, a la IA todavía le queda mucho más camino por recorrer de lo que creemos: “Pensamos que esto ya está maduro, pero realmente no llevamos ni tres años con esta tecnología”, sostiene. “Estamos en el equivalente al año 2000 en el mundo de la web”.
Martín diferencia entre proyectos que simplemente se conectan a un modelo y proyectos que construyen sistemas de IA. “Una startup puede lanzar un chatbot de consulta médica, ponerle un frontend, un prompt y conectarse a OpenAI o Anthropic”, explica. “Luego está la startup que hace sistemas de IA. Ahí tienes que programar y perfeccionar un sistema de IA”.
Renaiss, dice, está en ese segundo lado. Y eso implica más dificultad, más investigación, perfiles más especializados y plazos menos previsibles. “Si piensas que vas a tardar un mes, a lo mejor tardas un año”, reconoce.
El otro coste: energía y sostenibilidad
La conversación también llega a un punto cada vez más presente: el impacto energético de este tecnología. Muchas compañías presumen de reducir su huella de carbono y, al mismo tiempo, aumentan su uso de sistemas que requieren enormes infraestructuras y consumo de energía.
Martín cree que hay una mezcla de desconocimiento y falta de claridad: “Hay cierta hipocresía. No sé si son conscientes realmente de lo que hay detrás”, afirma. “A día de hoy, hay mucha carga energética y todos somos conscientes porque en todos los foros se está hablando de que es una problemática”.
El problema, según explica, no es solo ambiental, sino también de infraestructura. Asegura que hay centros de datos con millones de GPU que no pueden desplegar todo su potencial porque no hay energía suficiente. La respuesta del sector pasa por inversiones millonarias en nuevas fuentes y modelos energéticos, pero la pregunta sobre la sostenibilidad real sigue abierta.
“Estamos un poco mirando a que la futura disrupción en ese ámbito vaya a solucionarlo, no tanto en el presente”, resume.
Un consejo para las pymes: leer antes de implantar
Para una pyme que no sabe por dónde empezar, Martín no recomienda lanzarse a contratar herramientas sin más. Su primer consejo es mucho más básico: formación. “Leer antes de implantar”, resume. “Es muy fácil caer en: mira, me he descargado IA y lo voy a usar. Lo primero es informarse, qué hay en el mercado y qué no hay”.
El segundo paso es normalizar el uso dentro de la empresa. Es decir, decidir qué modelo se va a usar, con qué cuenta, dónde se almacenan los resultados, qué información puede introducirse y qué instrucciones deben seguir los trabajadores. “Marca un esquema. Marca unas instrucciones de cara a tus trabajadores”, aconseja. “Vamos a usar este modelo por esto, esto y esto. Aquí tenéis la cuenta. Vamos a almacenar la información o los resultados en este repositorio”.
Para Martín, esa normalización es clave, porque la IA no solo responde mejor o peor según el modelo, sino según el contexto que tenga sobre la empresa. Si cada persona usa una herramienta distinta, con información distinta y sin compartir conocimiento, la organización acaba perdiendo valor. “Si no estás centralizando ese contexto o esa información, estás tirando el dinero”, advierte. “Centralizar y normalizar el uso de la IA dentro de tu pyme va a ser el punto más importante. Y eso viene por la formación y por la implementación de un sistema”.
Añadir ElPlural.com como fuente preferida de Google.
Mantente informado con las últimas noticias de actualidad.