En esta tribuna de opinión publicada el 23 de febrero de 2024 en CIO-Online, Olivier Rafal (Director de Consultoría en Estrategia en WeNvision) defiende una idea entonces a contracorriente: la IA generativa es más una cuestión de producto tecnológico que un proyecto de IA o de ciencia de datos. Muchas organizaciones se equivocan de prioridades al buscar contratar científicos de datos 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 explotar sus datos financieros. Para casi todas las empresas, es preferible apoyarse en LLM comerciales.

No hace falta necesariamente ser científico de datos, pero sí entender 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 científicos de datos, lo que se necesita son ingenieros de desarrollo e integración (back y front), sólidas competencias cloud y DevOps. Un cliente lo resume así: «No hace falta necesariamente ser científico de datos, pero sí entender 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 basada en orquestadores y API, lo que permite «trabajar fácilmente con los mejores LLM del mercado y cambiar entre ellos a medida que evolucionan sus respectivas capacidades, 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 como un producto de pleno derecho», financiado no mediante una inversión puntual sino con un flujo mensual, para sostener una iteración e innovación continuas.

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

Rafal anuncia finalmente un cambio de paradigma que hay que aceptar: «se pasa de la programación algorítmica clásica a agents Langchain que gestionan parte de las decisiones». Un texto fundacional que expone ya en 2024 la base (producto, plataforma/API, financiación en flujo, gobernanza) que los análisis posteriores —hasta la gobernanza financiera FinOps/token de 2026— no harían sino ampliar.