Los modelos de pesos abiertos cubren ya en torno al 25% del uso de IA de AT&T, incluida la gestión de su propia red. Lo cuenta Andy Markus, Chief Data and AI Officer de la operadora, en el WSJ CIO Journal, donde además fija la ambición: llegar con el tiempo al 70 u 80% del total.
Puntos clave
- Situación actual: alrededor del 25% del uso de IA de AT&T corre sobre modelos de pesos abiertos.
- Objetivo declarado: entre el 70 y el 80% del uso total a medio plazo.
- Markus está probando varios modelos abiertos, incluidos los nuevos modelos potentes que salen de China.
- Motivos: bajar el coste por token y no quedar "atados a una sola solución".
Qué significa el 25% en una operadora
AT&T no es una startup probando cosas. Es una compañía con decenas de millones de clientes y una red física que hay que vigilar en tiempo real. Que una cuarta parte del uso de IA de esa operación pase por modelos que se descargan y se ejecutan donde tú decidas es un dato de madurez, no de experimento.
La gestión de red es además el caso de uso que mejor explica por qué. Son cargas de volumen alto, latencia sensible y datos que la empresa no quiere sacar de su perímetro. Tres condiciones que empujan a alojar el modelo en casa.
El razonamiento de Markus sobre la dependencia es el que más se repite en conversaciones con directores de sistemas: no quedar sujeto a las decisiones de precio, de disponibilidad ni de roadmap de un solo proveedor. Es la misma lógica que llevó a que ninguna empresa seria dependa de un único proveedor de nube.
Los modelos chinos, en la mesa
El detalle que Markus no esquiva es que entre los modelos que prueba están los chinos. Es coherente con lo que llevamos meses cubriendo: Kimi K3 de Moonshot con 2,8 billones de parámetros abiertos, o GLM-5.3 de Z.ai, publicado esta misma semana.
Que una operadora estadounidense regulada diga en voz alta que evalúa modelos chinos es significativo, precisamente cuando Washington sopesa restringirlos. La calidad y el precio están ganando la discusión sobre la procedencia, al menos en la fase de evaluación.
En Europa el movimiento equivalente ya está en marcha desde el otro lado: Mistral se ha convertido en neocloud y va a servir GLM-5.2 desde infraestructura europea, que es exactamente el atajo para una empresa que quiere modelo abierto sin montar el cluster.
El coste, otra vez
El argumento de fondo es el mismo que muestran los datos de gasto real. El índice de Ramp de agosto sitúa a las plataformas de servido de modelos en el 6,1% de las empresas que usan IA, y muestra que el modelo cerrado más caro apenas se usa por precio.
Y la evidencia técnica va sumando. Thinking Machines acaba de demostrar que un Qwen3-235B afinado gana a toda la frontera en tareas financieras por 13,8 veces menos coste. Ese es el tipo de resultado que convierte una preferencia estratégica en una decisión de presupuesto.
Por qué importa
El error habitual al leer esto es pensar que la lección es "usa modelos abiertos". No lo es. La lección es que AT&T ha construido la capacidad de elegir, y esa capacidad se construye antes de necesitarla.
En la práctica significa tres cosas concretas. Que las llamadas al modelo pasen por una capa propia y no por el SDK del proveedor directamente. Que exista al menos un modelo alternativo probado con tus propios casos, no con benchmarks públicos. Y que alguien haya medido cuánto cuesta cambiar de proveedor, porque esa cifra es tu poder de negociación real.
Para la mayoría de empresas medianas, el 70-80% de AT&T no es un objetivo alcanzable ni deseable a corto: montar y mantener servido propio tiene un coste de equipo que no compensa con volúmenes pequeños. Pero el 25% en las cargas repetitivas y de volumen alto sí es alcanzable, y ahí es donde está la factura.
Relacionado
