En esta tribuna de opinión publicada el 23 de febrero de 2024 en CIO-Online, Olivier Rafal (Director de Consultoría Estrategia en WeNvision) defiende una idea entonces a contracorriente: la IA generativa es más una cuestión de producto tecnológico que de un proyecto de IA o de ciencia de datos. Muchas organizaciones se equivocan de prioridades al buscar contratar data scientists e ingenieros de machine learning.

Primer argumento: construir un foundation model desde cero « requiere varios meses, millones de euros y acceso a cantidades enormes de datos ». Esto solo tiene sentido para actores con conjuntos de datos específicos y monetizables — el ejemplo emblemático es Bloomberg, que creó BloombergGPT para aprovechar sus datos financieros. Para casi todas las empresas, es preferible apoyarse en LLM comerciales.

No es necesariamente preciso ser data scientist, pero sí hay que comprender los conceptos básicos, tener competencias de desarrollo back-office y sólidas competencias cloud.

— **Olivier Rafal** , cio-online.com

Segundo argumento: el desajuste de competencias. En lugar de data scientists, lo que se necesita son ingenieros de desarrollo e integración (back y front), sólidas competencias cloud y DevOps. Un cliente lo resume así: « No es necesariamente preciso ser data scientist, pero sí hay que comprender los conceptos básicos, tener competencias de desarrollo back-office y sólidas competencias cloud. »

Tercer argumento: la arquitectura. Las empresas deben construir una plateforme d'IA générative apoyada en orquestadores y API, lo que permite « trabajar fácilmente con los mejores LLM del mercado y cambiar entre ellos a medida que evolucionan, sin tener que rehacer las aplicaciones » — una garantía de independencia frente al vendor lock-in.

Cuarto argumento, el central: el paso del proyecto al producto. « La plataforma […] debe considerarse en sí misma un producto », financiada no mediante una inversión puntual sino mediante un flujo mensual, para sostener iteraciones continuas e innovación.

Quinto argumento: la gobernanza. La IA generativa « se ha democratizado de forma sin precedentes », lo que genera « tanto shadow AI como fuertes expectativas hacia la DSI ». Una gobernanza adecuada debe captar las necesidades de las distintas áreas de negocio, priorizar los productos según el valor que generan y supervisar el buen funcionamiento del conjunto.

Rafal anuncia finalmente un cambio de paradigma que hay que aceptar: « pasamos de la programación algorítmica clásica a agents Langchain que gestionan parte de las decisiones ». Texto fundacional, sienta ya a comienzos de 2024 las bases (producto, plataforma/API, financiación en flujo, gobernanza) que los análisis posteriores — hasta la gobernanza financiera FinOps/token de 2026 — no harán sino extender.