Recuerdo perfectamente una reunión en ONO mientras integrábamos compañías distintas. Teníamos sistemas que no se hablaban entre sí y una presión por la eficiencia que te quitaba el sueño. Ahí aprendí una lección que hoy aplico a la Inteligencia Artificial: montar una demo es como cocinar para tres amigos; escalar a producción es dar de comer a mil personas en una boda. Si el horno falla, no hay plan B.

Hoy, el «humo» de la IA está por todas partes. El CEO ve un vídeo de un agente respondiendo correos y piensa que ya tiene el problema resuelto. Pero la realidad de la trinchera es otra. La demo no tiene que lidiar con latencias, costes de API que se disparan o alucinaciones que pueden meter a la empresa en un lío legal. La demo no paga facturas; la producción sí.

El cementerio de los proyectos «Piloto»

¿Por qué mueren la mayoría de las implementaciones de IA? Porque se diseñan como juguetes, no como infraestructuras críticas. He gestionado infraestructuras criticas en empresas de primer nivel, y te aseguro que lo que importa no es la novedad, sino la resiliencia. Si tu agente de IA se queda colgado a las 3 AM y nadie se entera hasta que el cliente llama gritando, tienes un problema de negocio, no técnico.

«La IA en producción no es magia, es ingeniería de procesos. Si no puedes medir su coste y su error, no tienes un producto, tienes una apuesta cara.»

Arquitectura Crítica: 5 Pilares para no morir en el intento

Para pasar del «mira qué chulo» al «mira cuánto ahorramos», necesitas aplicar criterio de CTO veterano. Aquí no valen las modas:

1. Interruptores de seguridad (Feature Flags)

No lances a ciegas. Usa Feature Flags. Activa la IA para el 5% de los usuarios. ¿Da respuestas raras? Apagas el interruptor y vuelves al sistema anterior en un segundo. Sin código, sin dramas. Es el «botón del pánico» que todo CEO debería exigir.

2. El seguro de vida multi-proveedor

Casarse con un solo modelo (OpenAI, Anthropic, etc.) es una temeridad estratégica. Si se caen o suben precios, tu negocio se detiene. En mis años en IBM o Retecal, la redundancia era ley. Configura un sistema de Fallback: si el modelo principal falla, el secundario entra en juego automáticamente.

3. Observabilidad: Menos intuición, más datos

Necesitas saber cuánto te cuesta cada interacción en tiempo real. Si tu factura de API crece más rápido que tus ingresos, estás construyendo un agujero negro financiero. Monitorizar no es mirar si el servidor está encendido; es saber si la IA está siendo rentable ahora mismo.

4. Datasets «Dorados»

No pruebes con ocurrencias. Ten un conjunto de datos críticos que tu IA debe resolver siempre bien antes de cualquier actualización. Es tu control de calidad, tu estándar de oro. Sin esto, cada cambio en el prompt es una ruleta rusa.

5. Simplicidad sobre complejidad

No intentes copiar la arquitectura de Netflix si tienes un equipo de cinco personas. Cada microservicio que añades es una nueva forma de que algo rompa. Empieza con estructuras claras y modulares. Como enseño en el Colegio de Ingenieros: la elegancia técnica está en resolver el problema con el mínimo de piezas móviles posibles.

Lección para el Board

La IA no es un proyecto de IT; es una palanca de EBITDA. Si tu equipo técnico solo te habla de modelos y no de tasas de error o retorno de inversión, pídeles que bajen a la tierra. En tecnología, lo que no escala, sobra.

¿Tu estrategia de IA está diseñada para ganar un premio a la innovación o para aguantar una auditoría del CFO a final de trimestre?