El auge del open source en IA: ¿quién gana realmente?
Modelos abiertos ganan terreno frente a gigantes como OpenAI y Google, mientras China irrumpe con opciones más baratas.
El ecosistema global de inteligencia artificial está viviendo un giro silencioso pero profundo: los modelos de código abierto —aquellos cuyo código y pesos entrenados se publican para que cualquiera los use, modifique o despliegue— están dejando de ser una curiosidad técnica para convertirse en una opción mainstream. Empresas, gobiernos y startups de todo el mundo están adoptando esta vía para reducir costos, ganar autonomía y evitar la dependencia de proveedores únicos.
¿Por qué el open source gana terreno?
La promesa es clara: en lugar de pagar licencias o suscripciones mensuales por cada consulta a un modelo cerrado como GPT-4 de OpenAI o Gemini de Google, una startup puede descargar un modelo abierto —por ejemplo, Llama 3 de Meta o Mistral— y ejecutarlo en sus propios servidores. Esto, en teoría, baja drásticamente los costos operativos y, sobre todo, da control total sobre los datos: la información sensible nunca sale de la infraestructura de la empresa.
Sin embargo, la ecuación no es tan simple. Si cualquiera puede usar el mismo modelo gratis, ¿cómo captura valor una empresa que construye su negocio sobre él? La respuesta, según los analistas del sector, está en la capa de servicios: personalización, fine-tuning (ajuste fino con datos propios), integración con sistemas legacy y soporte técnico especializado. El modelo es el commodity; el verdadero negocio está en lo que se construye alrededor.
La competencia china y el pulso global
En este escenario, los modelos open source chinos están ganando terreno con rapidez. Compañías como Alibaba con Qwen, Baidu con Ernie y la startup DeepSeek han lanzado modelos abiertos que compiten en rendimiento con los mejores de Occidente, pero a un costo de inferencia —el gasto computacional de ejecutar el modelo— significativamente menor. La pregunta que se hacen los inversores es si esta ventaja de costos chinos desplazará a los modelos estadounidenses en el mercado latinoamericano o si, por el contrario, la confianza y el ecosistema de soporte occidental seguirán pesando más.
Lo práctico: ¿qué se puede usar hoy?
Hoy, cualquier startup puede descargar e implementar modelos como Llama 3 (Meta) o Qwen (Alibaba) sin costo de licencia, siempre que tenga la capacidad computacional —GPUs— para ejecutarlos. Plataformas como Hugging Face ofrecen catálogos con cientos de modelos listos para descargar. La barrera ya no es legal ni de acceso, sino técnica y de talento: se necesitan ingenieros de machine learning que sepan hacer fine-tuning y desplegar estos modelos en producción.
Para quienes no quieran invertir en infraestructura propia, existen servicios cloud como AWS SageMaker o Google Cloud Vertex AI que permiten alojar modelos open source por hora de uso. La decisión final depende del volumen de datos, la latencia requerida y, sobre todo, de la estrategia de cada startup. Lo que está claro es que el open source ya no es una alternativa de nicho: es el campo de batalla donde se está definiendo el futuro de la inteligencia artificial aplicada a los negocios.
Con información de TechCrunch
