La inteligencia artificial está entrando progresivamente en las empresas. Pero entre probar ChatGPT e integrar realmente la IA en un sistema de información, existe una brecha considerable.

Bases de datos, automatizaciones, modelos de IA, interfaces de negocio, alojamiento, seguridad, cumplimiento normativo y costos de las API: un proyecto de IA se convierte rápidamente en un verdadero proyecto de arquitectura digital.

Precisamente para explorar estos desafíos, OIDANEOS está desarrollando progresivamente su propia plataforma interna de experimentación en IA.

El desafío
¿Cómo pasar del uso puntual de una herramienta de IA a la construcción de verdaderas soluciones de IA integradas en las operaciones de la empresa?
01 - Transformar

Pasar del uso de la IA a la construcción de soluciones de IA

Hoy en día, el acceso a la inteligencia artificial es sumamente sencillo. Bastan unos segundos para abrir ChatGPT, Claude, Gemini o Mistral.

Pero cuando una empresa desea conectar la IA a sus propios datos o automatizar un proceso de negocio real, las preguntas se vuelven mucho más complejas:

  • ¿Dónde se almacenan los datos?
  • ¿Cómo estructurarlos?
  • ¿Qué modelo de IA utilizar?
  • ¿Cómo conectar las distintas aplicaciones?
  • ¿Dónde alojar la solución?
  • ¿Cómo proteger los accesos?
  • ¿Cómo controlar los costos asociados a las API?
  • ¿Cómo cumplir con el RGPD y los nuevos requisitos del AI Act?

Es en ese momento cuando la IA deja de ser simplemente una herramienta conversacional para convertirse en una infraestructura de negocio.

02 - Experimentar

Crear un entorno para probar las tecnologías de IA

OIDANEOS ha comenzado a construir un entorno técnico dedicado que permite alojar y probar distintos bloques tecnológicos. El principio se basa especialmente en un servidor dedicado y en el uso de soluciones que pueden ser autoalojadas.

Datos y aplicaciones

Baserow para estructurar los datos, Celestory para construir interfaces y flujos, Moodle para los entornos pedagógicos y diversas herramientas colaborativas de código abierto.

Infraestructura controlada

Despliegue en contenedores Docker para probar múltiples arquitecturas aisladas y hacer evolucionar progresivamente las soluciones.

Soberanía y libertad

En lugar de depender sistemáticamente de plataformas SaaS externas, reconstrucción de componentes en un entorno propio y controlado.

03 - Estructurar

Los datos como punto de partida

Una de las primeras experimentaciones realizadas se centra en las bases de datos desarrolladas en el marco de casos de uso profesionales. Algunas cuentan con varias tablas interconectadas y ya representan la estructura de una futura aplicación de negocio.

El objetivo es recuperar esa estructura, reconstruirla en el entorno de OIDANEOS y luego analizar:

  • Las relaciones entre los datos;
  • Las posibles mejoras del modelo relacional;
  • Las interfaces que pueden crearse para los usuarios;
  • Las automatizaciones posibles;
  • La forma en que una IA podría interactuar con esta información (RAG, agentes).
04 - Prototipar

Desarrollar rápidamente aplicaciones de negocio

La IA generativa también transforma profundamente la manera de desarrollar aplicaciones. En nuestras experimentaciones, una interfaz ahora puede idearse, maquetarse y transformarse rápidamente en una aplicación funcional. Posteriormente, el código puede modificarse y mejorarse directamente con la ayuda de asistentes de IA.

Lo que esto cambia: Prototipar una aplicación de negocio ya no requiere necesariamente lanzar de inmediato un proyecto informático complejo de varios meses. Ahora es posible empezar en pequeño: una base de datos, una interfaz, un primer proceso automatizado y luego mejorar progresivamente la solución.

05 - Mantener la flexibilidad

Probar múltiples modelos de inteligencia artificial

Construir una arquitectura propia también permite no depender de un único proveedor. Según las necesidades, una aplicación puede utilizar potencialmente distintos modelos ofrecidos por OpenAI, Anthropic, Mistral o incluso modelos de código abierto ejecutados en entornos dedicados.

Esta capacidad de cambiar de modelo es estratégica. El mejor modelo de hoy no será necesariamente el mejor de mañana. El desafío, por lo tanto, no consiste únicamente en elegir una IA, sino en construir una arquitectura capaz de evolucionar con ella.

Formarse en el diseño de soluciones de IA

OIDANEOS acompaña a los profesionales de TI en el diseño de soluciones de IA aplicadas a sus áreas de negocio.

Descubrir la formación
06 - Proteger

La experimentación debe integrar la seguridad desde el inicio

Sin embargo, esta libertad técnica implica nuevas responsabilidades. Durante las fases de prueba, los datos reales de clientes no deben enviarse sin precaución a servicios de IA externos. Las estructuras pueden reproducirse y los datos anonimizarse para experimentar sin exponer innecesariamente información sensible.

También es necesario controlar los accesos y supervisar las llamadas a los modelos. Una aplicación mal configurada puede multiplicar las solicitudes a la API y generar un consumo elevado de tokens.

Para recordar
Seguridad, control de accesos, gestión de costos y cumplimiento normativo se vuelven indisociables del desarrollo de aplicaciones de IA.
07 - Acompañar

Un desafío que va más allá de la formación

Esta plataforma también representa una evolución en la forma en que concebimos nuestro rol en OIDANEOS. Formar en herramientas de inteligencia artificial sigue siendo esencial. Pero las organizaciones necesitarán progresivamente dar un paso más: comprender cómo integrar estas tecnologías en sus sistemas, sus datos y sus procesos de negocio.

Nuestra plataforma interna debe permitirnos experimentar con estas arquitecturas antes de trasladarlas a situaciones profesionales concretas:

  • Laboratorio técnico: Probar tecnologías, modelos y arquitecturas.
  • Entorno pedagógico: Comprender en la práctica cómo funcionan juntos los distintos componentes.
  • Espacio de prototipado: Transformar progresivamente casos de uso en aplicaciones de negocio.
08 - Preparar el mañana

Experimentar hoy para preparar las infraestructuras de IA del mañana

La inteligencia artificial evoluciona a gran velocidad. Probablemente sería ilusorio buscar hoy una arquitectura definitiva. Por ello, nuestro enfoque es pragmático:

Probar. Medir. Comprender. Mejorar.

Algunas tecnologías desaparecerán. Otras se convertirán en estándares. Los modelos de IA seguirán evolucionando. Pero algo ya empieza a perfilarse: las empresas no se conformarán indefinidamente con utilizar interfaces de IA generalistas.

Construirán progresivamente sus propios entornos, conectados a sus datos y adaptados a sus operaciones. Esa es precisamente la transición que OIDANEOS desea comenzar a explorar desde hoy.