En dos sesiones, Nvidia ha perdido 427.000 millones de dólares de capitalización. La noticia para una empresa de doce personas no es la bolsa: es lo que revela sobre tener un proceso crítico colgando de una sola API.
El 9 de noviembre Google empezó a mostrar la «ficha» que Gemini guarda de cada usuario. La pregunta para una empresa no es qué recuerda, sino con qué cuenta lo está recordando.
No es una recomendación de buenas prácticas: si un cliente habla con una IA, tiene que saberlo. La mayoría de los asistentes corporativos que auditamos no lo cumplen.
Los buscadores ya no devuelven diez enlaces: componen una respuesta y citan a quien les da un dato verificable. Eso se puede trabajar, y también se puede medir.
La pregunta «¿cuánto cuesta la IA?» no tiene una respuesta seria sin saber qué proceso se toca y en qué estado están sus datos. Desglosamos las partidas que sí se pueden presupuestar y las que suelen aparecer a mitad de proyecto.
Casi ningún proyecto de IA fracasa porque el modelo no sea bueno. Fracasa porque se empezó por la herramienta, porque el dato se dio por hecho o porque nadie definió qué significaba funcionar.
La ventaja de una PYME no es tener más presupuesto, es poder decidir rápido y acotar el alcance. Estos son los criterios para elegir un primer proyecto de IA que llegue a producción y se pueda medir.
La mejor forma de entender para qué sirve un RAG no es una definición teórica, sino ver las preguntas que hoy nadie hace porque encontrar la respuesta lleva demasiado tiempo.
La promesa de aplicaciones autónomas basadas en LLM es tentadora, pero la autonomía introduce costes, latencia e incertidumbre que no siempre están justificados en un entorno empresarial.