IA de código abierto o IA propietaria: ¿cuál elegir?

Primero, el término está equivocado

Casi ningún modelo "de código abierto" lo es en el sentido clásico. Lo que se publica son los pesos — el resultado del entrenamiento — bajo licencias que van de bastante permisivas a bastante restrictivas. Los datos de entrenamiento y el proceso rara vez vienen con ellos.

El término más honesto es modelo de pesos abiertos. Eso no es purismo: cambia lo que puedes hacer. Puedes descargar, ejecutar, ajustar e inspeccionar el comportamiento. No puedes reproducir el entrenamiento ni auditar lo que entró en él.

Lo que cambió en los últimos dos años

La diferencia de capacidad se encogió bastante. Los modelos abiertos pasaron a entregar, en razonamiento y código, un desempeño que estaba en la cima absoluta poco tiempo antes — a un costo drásticamente menor.

La frontera todavía pertenece a los cerrados: los modelos más capaces en tareas difíciles, el ecosistema de producto más completo, lo multimodal más maduro. Pero la pregunta relevante dejó de ser "¿el abierto da la talla?" para volverse "¿mi caso necesita la frontera?".

Para la mayoría de las tareas de empresa — clasificar, extraer, resumir, responder con base en un documento, aplicar una regla —, no la necesita.

Dónde gana el abierto

Dato que no puede salir. Salud, jurídico, financiero, defensa, secreto industrial. Corriendo en tu infraestructura, la pregunta "¿adónde fue ese dato?" tiene respuesta simple. Ninguna cláusula contractual iguala eso.

Costo en alto volumen. A partir de cierto nivel de uso, pagar por token sale más caro que mantener la propia infraestructura. Dónde queda exactamente ese punto depende de tu volumen — pero existe, y en cargas repetitivas llega antes de lo que se imagina.

Previsibilidad. El modelo que descargaste hoy se comporta igual dentro de un año. Un modelo de tercero se actualiza, se ajusta y a veces se descontinúa — y tu prompt cuidadosamente calibrado pasa a producir otra cosa sin aviso.

Ajuste fino de verdad. Especializar en un dominio, en una jerga, en un formato. Un modelo pequeño y bien ajustado le gana a un modelo genérico grande en la tarea específica, con una fracción del costo y de la latencia.

Funcionar sin internet. Fábrica, embarcado, campo, entorno aislado.

Dónde gana el cerrado

Capacidad máxima. Cuando la tarea es genuinamente difícil y el error sale caro, los modelos de frontera todavía entregan más.

Costo total de propiedad. El modelo abierto es gratis; la operación no. GPU, monitoreo, actualización, alguien que lo cuide. Para volumen bajo y medio, la API es más barata cuando cuentas el salario de quien mantiene.

Velocidad de arranque. De la idea a algo funcionando: horas contra semanas.

Ecosistema. Herramientas integradas, multimodal, generación de imagen y voz, aplicaciones, integraciones listas. Es producto, no solo modelo.

Alguien a quien responsabilizar. Contrato, acuerdo de nivel de servicio, cláusula de tratamiento de datos. En un sector regulado, eso vale más de lo que parece.

La elección, en cuatro preguntas

1. ¿El dato puede salir de tu infraestructura? Si no, el camino está decidido: abierto y local.

2. ¿Tienes quien lo opere? Sin una persona que entienda de GPU, inferencia y monitoreo, el modelo abierto se vuelve un proyecto parado. ¿No la tienes? Empieza cerrado.

3. ¿Cuál es el volumen? Bajo o irregular → API cerrada, sin duda. Alto y constante → haz la cuenta comparando con el costo de infraestructura más persona.

4. ¿La tarea exige la frontera? Prueba con un modelo abierto pequeño antes de asumir que necesitas el mejor del mundo. Te vas a sorprender con la frecuencia con que no lo necesitas.

La respuesta madura es casi siempre "los dos". Cerrado donde la capacidad decide; abierto donde el volumen, el sigilo o la previsibilidad deciden.

El error de tratarlo como ideología

Existe una hinchada organizada de los dos lados, y estorba la decisión.

Quien defiende lo abierto por principio a veces gasta meses de ingeniería para ahorrar el equivalente a dos suscripciones. Quien defiende lo cerrado por comodidad a veces construye el producto entero atado a un proveedor y descubre el precio de eso cuando la política de uso cambia.

El camino práctico: diseña el cambio desde el comienzo. Llama al modelo detrás de una capa tuya, mantén los prompts versionados fuera del código de aplicación, ten un conjunto de evaluación que corra contra cualquier modelo. Eso cuesta poco al inicio y transforma la elección en configuración — que es la única postura sensata en un mercado que cambia de líder cada semestre.