Eficiencia de la inteligencia: más modelos entre los que elegir y un enrutamiento más inteligente

En mis conversaciones con clientes, se percibe una tensión clara. Las empresas están invirtiendo decididamente en IA, pero también analizan cada vez con más rigor el aspecto económico. Ya no basta con demostrar que los empleados usan la IA o que aumenta el consumo de tokens. El uso no es más que un dato de partida. La pregunta importante es qué obtiene una empresa a cambio.

Las empresas deben preguntarse: ¿avanzamos más rápido? ¿Estamos reduciendo costes? ¿Creamos mejores productos y experiencias para los clientes? En última instancia, la IA debe traducirse en un valor empresarial medible.

A esto lo llamo eficiencia de la inteligencia, es decir, la capacidad de una empresa para convertir el cómputo, los modelos, los datos y el contexto en impacto empresarial. Más ingresos. Menos costes. Ejecución más rápida. Para lograr esta eficiencia se necesita flexibilidad en los modelos, tanto para poder usar los mejores modelos para cada trabajo como para aprovechar el enrutamiento inteligente y asignar cada tarea al modelo adecuado en función del coste, la velocidad y el rendimiento. Durante los últimos años, el sector se ha centrado en optimizar las capacidades de cada modelo. Ahora, las empresas deben optimizar el sistema que los rodea para obtener resultados.

Este cambio coincide con el auge de nuevos modelos abiertos, que está transformando la ecuación de costes de la IA. Para muchos workloads, sobre todo las tareas más sencillas y bien definidas, los principales modelos abiertos ofrecen un rendimiento sólido por una fracción del coste de los modelos de frontera. A medida que los modelos abiertos sigan mejorando, el mayor abanico de modelos debería impulsar la competencia, acelerar la innovación y reducir los costes en todo el ecosistema.

Ahí es donde veo una gran oportunidad para las empresas. A medida que disminuye el coste por tarea, también baja el umbral a partir del cual tiene sentido aplicar la IA. Los flujos de trabajo que antes resultaban demasiado caros para automatizarlos pasan a ser económicamente viables, lo que brinda a las organizaciones la libertad de experimentar, iterar y, en última instancia, implementar la IA en un abanico mucho más amplio de sus actividades.

Sin embargo, cada modelo ocupa una posición distinta en la curva de coste, calidad y latencia, y esas posiciones cambian constantemente. Es posible que el mejor modelo para una tarea hoy ya no lo sea dentro de seis meses. Por eso creo que, para alcanzar la eficiencia de la inteligencia, las empresas deberán adoptar una cartera flexible de modelos.

Ya observo este cambio en mis conversaciones con clientes. La pregunta está pasando de “¿qué modelo debemos elegir y dónde debemos aplicarlo?” a “¿cómo elegimos continuamente el mejor modelo para cada tarea?”.

En Snowflake, hemos creado una plataforma empresarial neutral que reúne los principales modelos abiertos y propietarios de Anthropic, Google, Mistral AI, OpenAI y SpaceXAI, y ampliaremos la oferta con GLM-5.3 y DeepSeek-V4-Flash 0731. 

Esta libertad y flexibilidad son fundamentales para nuestra forma de concebir los agentes empresariales. A medida que los modelos sigan evolucionando, las empresas deberían poder beneficiarse de esa innovación en todo el ámbito de sus datos y contexto.

Esto es lo que ofrecemos con Snowflake CoCo y Snowflake CoWork para desarrolladores y usuarios empresariales, respectivamente. CoCo y CoWork funcionan de forma fluida con todos tus datos, lo que te permite aprovechar distintos modelos, agentes, flujos de trabajo y sistemas desde una única interfaz conversacional. El modelo es una parte importante del sistema, pero el usuario no debería tener que gestionarlo constantemente. 

Esto nos lleva al siguiente reto que observo para las empresas: cómo orquestar la IA de forma eficaz. Por eso presentamos hoy el enrutamiento dinámico de modelos de Cortex AI Gateway, que ayudará a nuestros clientes a aprovechar el modelo adecuado para cada trabajo. Ahora los clientes pueden definir qué modelos aprueban y qué criterios consideran importantes. A partir de ahí, Cortex AI Gateway evalúa cada tarea de acuerdo con esas políticas y con datos reales de costes y rendimiento, y selecciona el mejor modelo para cada caso de uso. 

El sistema también aprende de los resultados. Después de que un modelo complete una tarea, otro evalúa la calidad del resultado, lo que crea un ciclo continuo de retroalimentación que mejora las futuras decisiones de enrutamiento. A medida que mejoran los modelos y cambia el panorama, el sistema puede adaptarse y mejorar continuamente la calidad, el coste y la latencia.

Nuestras pruebas comparativas iniciales muestran que este enfoque puede ofrecer una mejor rentabilidad para un nivel de calidad determinado que depender de un único modelo. Y como esta capacidad está integrada directamente en CoCo y CoWork, nuestros clientes pueden aprovechar la optimización de precios y rendimiento en sus agentes y flujos de trabajo existentes, incluso cuando aparecen nuevos modelos o capacidades.

Los anuncios de hoy reflejan una filosofía que ha guiado a Snowflake desde el principio. Los grandes cambios en la tecnología generan complejidad. Nuestro trabajo consiste en absorber esa complejidad en nombre de nuestros clientes. Lo hicimos con la infraestructura de datos y ahora lo hacemos con la IA: ofrecemos a las empresas la libertad de usar la inteligencia más adecuada para cada trabajo, mientras Snowflake gestiona la complejidad subyacente de la elección, el enrutamiento y la optimización de modelos. Así ayudamos a nuestros clientes a alcanzar una verdadera eficiencia de la inteligencia.