Cómo elegir quién desarrolla y despliega tu modelo de IA

Si buscas un proveedor para un proyecto de inteligencia artificial, lo que tienes que exigir no es que te enseñe un modelo que funciona, sino que se comprometa a dejarlo funcionando dentro de tu negocio y a mantenerlo cuando los datos cambien. Esa es la frontera donde fracasa la mayoría de estos proyectos: la prueba de concepto sale bien, el informe es prometedor, y seis meses después nadie usa nada porque nunca se conectó con el sistema donde se trabaja de verdad. Desarrollar el modelo es la parte corta. Desplegarlo y sostenerlo es la parte que decide si has invertido o has gastado.

Por qué el despliegue es el verdadero cuello de botella

Un modelo entrenado es un archivo. Para que ese archivo sirva a tu empresa tienen que ocurrir varias cosas más:

• Alguien tiene que llamarlo. Desde tu ERP, tu CRM, tu tienda o tu aplicación, en el momento del proceso en que la decisión se toma. Si la predicción llega a un informe que se mira los lunes, llega tarde.
• Los datos tienen que llegar limpios y a tiempo. El modelo que se entrenó con un volcado perfecto de datos históricos tiene que funcionar con lo que entra cada día, con sus huecos y sus errores de teclado.
• El resultado tiene que caber en el trabajo de alguien. Una puntuación de riesgo solo vale si la persona que atiende el pedido la ve en su pantalla y sabe qué hacer con ella.
• Hay que vigilarlo. Los modelos se degradan: cambia tu catálogo, cambia tu clientela, cambia la estacionalidad, y lo que acertaba deja de acertar sin avisar.

Por eso la pregunta «¿quién me desarrolla el modelo?» está mal planteada. La buena es: ¿quién se hace responsable de las cuatro cosas anteriores?

Los tres tipos de proveedor y cuándo encaja cada uno

Cuando un proyecto se queda en el cajón, casi siempre es porque se contrató solo el primer perfil. Y cuando resulta carísimo para lo que resuelve, suele ser porque se contrató un desarrollo a medida para algo que una herramienta estándar ya hacía. La combinación habitual que sí funciona es un único responsable que cubra análisis e ingeniería, o dos proveedores con un reparto de responsabilidades escrito, no sobreentendido.

Las preguntas que separan a un socio de un proveedor de informes

1. ¿Cómo va a entrar esto en nuestro día a día? Pide que te describan en qué pantalla, en qué momento y para qué decisión aparecerá el resultado. Si la respuesta es un cuadro de mando y nada más, falta la mitad del proyecto.
2. ¿Quién mantiene el modelo cuando se degrade? Pregunta cómo se detecta esa degradación, cada cuánto se revisa y qué incluye el mantenimiento. Que figure en el contrato.
3. ¿Qué pasa con nuestros datos? Dónde se procesan, si salen de la Unión Europea, si se usan para entrenar modelos de otros clientes, cuánto tiempo se conservan y qué contrato de encargo de tratamiento se firma.
4. ¿De quién es el modelo y el código al acabar? Pídelo por escrito, igual que en cualquier desarrollo a medida, e incluye los datos de entrenamiento preparados y la documentación.
5. ¿Cómo mediremos si funciona? No en precisión del modelo, sino en la métrica de tu negocio: horas ahorradas, errores evitados, ventas recuperadas. Conviene fijar el número antes de empezar.
6. ¿Podemos arrancar con algo más pequeño? Un socio honesto propone acotar el primer alcance; quien te vende un programa completo sin conocer tus datos está vendiendo humo.
7. ¿Qué nos vais a pedir a nosotros? Todo proyecto de este tipo necesita tiempo de tus personas: quien conoce el proceso, quien sabe dónde está cada dato y quien usará el resultado. Si nadie te lo advierte, mala señal.

Cómo encargarlo por fases para no apostarlo todo de golpe

La forma más sensata de contratar esto es en etapas con un punto de decisión al final de cada una.

• Fase 1: encuadre y revisión de datos. Se concreta el caso de uso, se comprueba si existen los datos necesarios y con qué calidad, y se fija la métrica de negocio. Es corta y es la que más disgustos evita: muchas veces aquí se descubre que el problema real es de calidad de datos y no necesita un modelo.
• Fase 2: prototipo con condiciones de salida. Se construye una primera versión y se compara contra lo que hacéis hoy. Antes de empezar, escribe qué resultado la hace merecedora de continuar. Sin ese umbral, cualquier resultado se interpreta como un éxito.
• Fase 3: integración y puesta en producción. Es la fase de ingeniería: conexión con tus sistemas, interfaz para quien lo usará, control de accesos, registro de lo que decide el modelo y vuelta atrás si algo falla.
• Fase 4: operación y mejora. Seguimiento de la métrica, vigilancia de la degradación, reentrenamiento y ajustes. Esta fase no acaba, y por eso debe tener un acuerdo de servicio con tiempos de respuesta.

Un detalle que ahorra discusiones: pide desde la fase 2 que el modelo funcione contra una copia de tus datos reales, no contra un conjunto de ejemplo. Los problemas aparecen ahí.

Lo que la normativa te obliga a tener en cuenta

Dos marcos afectan directamente a cómo contratas este trabajo. El primero es el Reglamento General de Protección de Datos: si el modelo usa datos personales, necesitas base legal para tratarlos, un contrato de encargado del tratamiento con el proveedor y claridad sobre dónde se procesan. El segundo es el Reglamento europeo de inteligencia artificial, que clasifica los sistemas por riesgo e impone obligaciones distintas según esa clasificación; conviene preguntar a tu proveedor en qué categoría cae lo que vais a construir y qué documentación deja preparada.

Más allá de la norma, hay una exigencia práctica: pide que el sistema registre qué decidió y con qué datos. Cuando un cliente reclame o una decisión salga mal, necesitarás poder reconstruirla.

Señales de alarma

• Prometen un porcentaje de acierto antes de haber visto tus datos. No es posible saberlo, y quien lo asegura está vendiendo expectativas.
• No preguntan por tus sistemas. Si en la primera reunión nadie se interesa por tu ERP, tu base de datos o cómo trabaja tu equipo, el proyecto nace desconectado.
• El presupuesto acaba en la entrega del modelo. Significa que la parte difícil queda fuera y la pagarás aparte.
• Hablan de tecnología y no de tu proceso. Cuando la conversación gira sobre herramientas y no sobre la decisión que quieres mejorar, el riesgo de construir algo inservible es alto.
• No quieren poner por escrito la propiedad ni el tratamiento de datos. Es motivo suficiente para descartar.

En resumen: contrata el resultado, no el modelo

Busca un socio que se siente contigo a definir qué decisión quieres mejorar, que compruebe antes de prometer si tus datos dan para ello, que se comprometa a integrarlo donde trabaja tu equipo y que siga respondiendo cuando el modelo se desajuste. Contrata por fases, con una métrica de negocio acordada y con la propiedad y el tratamiento de los datos por escrito. Si lo planteas así, el peor escenario es descubrir pronto y barato que el proyecto no procede, lo cual ya es un buen resultado. En Tangram trabajamos precisamente en esa frontera entre el análisis y el software que lo pone en producción: si tienes un caso en mente y no sabes por dónde empezar, cuéntanoslo y te decimos con franqueza si tiene sentido.

Artículos relacionados

• Riesgos y limitaciones de la inteligencia artificial para pymes
• ¿Qué es el machine learning y cómo aplicarlo en mi app?
• Guía para elegir entre desarrollo interno y externalizar tu producto digital