La IA empresarial entra en fase de eficiencia operativa

La conversación sobre IA en empresas está cambiando. Según Hipertextual, Microsoft retirará ocho funciones de Copilot del menú contextual del Explorador de archivos en Windows 11, aunque mantendrá opciones desde OneDrive y otros accesos. Al mismo tiempo, IBM defiende que muchos usos corporativos pueden resolverse con modelos de menor costo, y un contenido publicado en MIT Technology Review pone el foco en la infraestructura que rodea al modelo.

El punto común es claro: la adopción empresarial ya no depende solo de tener el modelo más potente. Importan el costo por uso, la latencia, la integración en tareas reales, la arquitectura de servicio y la capacidad de medir valor. Para marcas en Latinoamérica, esto aterriza en una pregunta práctica: ¿la IA mejora productividad, atención, contenido o análisis, o solo suma una función vistosa que nadie usa?

Lo esencial

• Según Hipertextual, Microsoft eliminará ocho acciones de Copilot vinculadas a OneDrive desde el menú contextual del Explorador de archivos en Windows 11.
• IBM, según Xataka, sostiene que los modelos de pesos abiertos ya pueden alcanzar cerca del 90% de la eficacia de los más avanzados con entre 10% y 25% del costo por token, aunque son estimaciones de su CEO.
• El análisis publicado en MIT Technology Review y producido por EXL afirma que la ventaja competitiva en IA empresarial depende cada vez más de la arquitectura que rodea al modelo.
• IBM reconoce que ejecutar modelos en infraestructura propia exige inversión, electricidad, mantenimiento y personal especializado, por lo que no siempre será más barato que usar una API.
• MIT Technology Review plantea que no existe un modelo o arquitectura universalmente mejor: la carga de trabajo debe definir la solución.

Microsoft muestra que la integración no garantiza adopción

El caso de Microsoft es relevante porque ocurre dentro de Windows 11, un entorno cotidiano para millones de usuarios corporativos. Según Hipertextual, la compañía retirará funciones de Copilot que aparecían al hacer clic derecho sobre archivos, como resumir documentos, comparar archivos, extraer texto o explicar el contenido de una imagen. Estas acciones estaban vinculadas a OneDrive y servicios de Copilot.

Microsoft no abandona Copilot. De acuerdo con la misma fuente, la empresa dice que está “simplificando” cómo las personas usan Copilot con archivos de OneDrive. Las acciones seguirán disponibles desde un lugar central, como la opción “Preguntar a Copilot” o el centro de actividades de OneDrive. El cambio no es una salida de la IA, sino un ajuste de dónde y cómo aparece.

Para empresas, la señal es importante: insertar IA en todos los rincones de una interfaz no significa que esa integración genere valor. Hipertextual recuerda que Microsoft ya había retirado integraciones de Copilot en Recortes, Fotos, Bloc de notas y Widgets, y que Windows había recibido rechazo de usuarios ante una estrategia más centrada en agentes. La experiencia de uso pesa tanto como la capacidad técnica.

IBM empuja la discusión hacia el costo por respuesta

Según Xataka, IBM llevó el debate a una métrica muy concreta: cuánto cuesta obtener una respuesta suficientemente buena. Arvind Krishna, CEO de IBM, sostuvo que los modelos de pesos abiertos alcanzan aproximadamente el 90% de la eficacia de los más avanzados y cuestan por token entre el 10% y el 25% de lo que cuestan estos últimos. La fuente aclara que son valoraciones de Krishna y que no identificó pruebas concretas para contrastarlas.

La idea de costo por token importa porque muchas soluciones de IA se pagan según la cantidad de texto procesado o generado. Una diferencia pequeña en una prueba piloto puede volverse significativa cuando se repite miles o millones de veces. IBM menciona usos como resumir correos, redactar mensajes, examinar contratos o atender llamadas de clientes como tareas que podrían resolverse con alternativas más económicas, según la valoración de Krishna.

Pero el ahorro no es automático. Xataka explica que una empresa podría ejecutar modelos abiertos en infraestructura propia o mediante terceros, pero eso requiere servidores, electricidad, mantenimiento y personal especializado. Para cargas pequeñas, contratar una API puede seguir siendo más económico. La decisión no es ideológica entre abierto o cerrado; es financiera, operativa y depende del volumen de uso.

La infraestructura alrededor del modelo se vuelve estratégica

El contenido publicado en MIT Technology Review y producido por EXL plantea que la ventaja competitiva en IA empresarial depende menos de elegir un modelo específico y más de construir bien lo que lo rodea. Lo llama “serving harness”: el sistema de ingeniería que incluye arquitectura, gestión de memoria, programación de cargas y optimización para convertir inteligencia del modelo en capacidad productiva.

Para un lector no técnico, esto significa que el modelo no trabaja solo. Una solución de atención al cliente que necesita respuestas rápidas no tiene los mismos requisitos que un proceso nocturno de análisis documental. La misma base de IA puede necesitar arquitecturas distintas según latencia, concurrencia, uso de GPU, memoria, costo de infraestructura y tráfico impredecible.

La fuente insiste en medir antes de optimizar. Un modelo con respuestas apenas mejores puede no ser la mejor opción si duplica costos de inferencia o no cumple tiempos de respuesta. También advierte que sumar capacidad de cómputo sin entender el cuello de botella puede encarecer un sistema ineficiente. Para negocios, esto convierte la arquitectura en una decisión de inversión.

De la prueba vistosa al caso con valor medible

Estas tres señales apuntan al mismo cambio: la IA empresarial está entrando en una fase menos centrada en demostraciones y más enfocada en eficiencia. Microsoft ajusta funciones para simplificar el uso. IBM defiende opciones más baratas cuando la tarea no exige el modelo más avanzado. MIT Technology Review pone el foco en arquitectura, restricciones y sostenibilidad operativa.

Para marcas y equipos de marketing, esto implica revisar cómo se priorizan los casos de uso. Un asistente interno puede ser útil si reduce tiempos de búsqueda o preparación de materiales. Una herramienta de contenido tiene valor si mejora producción, consistencia o adaptación por canal. Un bot de atención sirve si responde mejor, más rápido o con menor costo. Sin métricas, la IA se queda en novedad.

Qué significa para las empresas en Latinoamérica

Para empresas en Latinoamérica, donde los presupuestos tecnológicos suelen exigir justificación clara, la lección es evitar implementaciones llamativas pero poco usadas. Antes de elegir proveedor o modelo, conviene definir el proceso, el usuario, la frecuencia de uso, el costo aceptable y la métrica de impacto. La pregunta no es “¿podemos usar IA aquí?”, sino “¿qué mejora concreta esperamos medir?”.

En marketing y medios, el costo por uso será cada vez más relevante. Generar variantes de contenido, analizar comentarios, resumir investigaciones o apoyar atención puede multiplicar consultas y tokens. Si el caso crece, la diferencia entre modelos de frontera, modelos de pesos abiertos, APIs o infraestructura propia afecta márgenes, tiempos y capacidad de escalar.

También cambia el rol de los equipos. Tecnología, marketing, operaciones y finanzas necesitan trabajar juntos. La selección del modelo debe conectarse con integración, gobierno de datos, experiencia del usuario y medición. La eficiencia no significa usar IA más barata siempre; significa usar la capacidad adecuada para cada carga de trabajo.

Qué vigilar

En las próximas semanas conviene vigilar cómo Microsoft reubica Copilot dentro de Windows y OneDrive, y si más proveedores empiezan a comunicar costos por tarea, no solo capacidades del modelo. También será clave observar si las empresas comparan pilotos con métricas reales de uso, productividad, atención y costo operativo.

Mi lectura

Mi lectura es que la IA empresarial está madurando. La etapa de “poner un botón de IA” en cualquier producto empieza a mostrar límites. Si el usuario no lo incorpora a su flujo, si el costo por consulta escala mal o si la arquitectura no soporta operación real, el proyecto pierde fuerza. Para marcas en Latinoamérica, esto es una buena noticia: no siempre hace falta pagar por el modelo más avanzado para capturar valor. Pero sí hace falta disciplina. Casos pequeños, bien integrados, medidos con rigor y conectados a productividad, atención, contenido o análisis pueden aportar más que una gran implementación difícil de sostener.

Preguntas frecuentes

¿Por qué Microsoft retira funciones de Copilot en Windows 11?

Según Hipertextual, Microsoft dice que busca simplificar cómo se usa Copilot con archivos de OneDrive. Las funciones no desaparecen por completo, pero dejarán de estar en el menú contextual del Explorador de archivos.

¿Qué significa costo por token en IA empresarial?

Un token es una unidad usada por los modelos para procesar o generar texto. Muchos proveedores cobran según la cantidad de tokens, por lo que el costo crece cuando una empresa escala el uso.

¿Conviene usar siempre el modelo de IA más avanzado?

No necesariamente. Según el análisis publicado en MIT Technology Review, la mejor opción depende de la carga de trabajo, la latencia, el costo, la infraestructura y el nivel de calidad que exige el negocio.

¿Qué tan lista está tu empresa para aprovechar la IA y la tecnología? Haz el diagnóstico gratuito de 3 minutos o escríbeme.