Efectivamente, como estás pensando las empresas que implementan Inteligencia Artificial no importan y exportan servicios, por lo que a priori no debería afectar directamente en los costes de producción y mantenimiento.
Sin embargo, el entramado es mucho más complejo. Que el diseño de una GPU se haga en Estados Unidos (EE.UU.) no implica que su fabricación se realice también en el país, de hecho, la mayoría de GPUs y TPUs diseñadas en EE.UU. son fabricadas en Taiwan y Corea del Sur (debido a que tienen los procesos litográficos más avanzados). Tanto el embalaje como el envío de estos componentes se hace desde Asia también.
Los datacenters de EE.UU. que utilizan este hardware serán afectados directamente por estas medidas. Al final, quién pagará con precios ajustados a la nueva realidad será el consumidor de los servicios ofrecidos por OpenAI, Meta, Anthropic... Cuanto más caro sea conseguir estos productos para los proveedores de estos servicios, más caros serán los servicios que estos ofrecen para disminuir el impacto de los aranceles.
Por otro lado, crear dependencias en la IA de proveedores de EE.UU. sí podría afectarnos de alguna manera, si no estamos preparados. Una de las maneras en la que Europa puede responder a estas políticas con más dureza es a través de las empresas tecnológicas. Sin ir más lejos, la Comisión Europea está preparando multas a las empresas tecnológicas por el incumplimiento del reglamento del mercado digital (DMA). Por ello, aunque aún esta nueva normalidad de inestabilidad económica entre países no nos afecte directamente, sí podemos esperar represalias en algún momento de las empresas tecnológicas de EE.UU. y debemos estar protegidos para cuando ese momento llegue.
A continuación les explicamos algunas estrategias que deben seguir los gobiernos y las empresas tecnológicas para disminuir las dependencias con los grandes tecnológicos:
Diversificación de proveedores
Se pueden buscar proveedores alternativos de modelos de Inteligencia Artificial dentro de Europa, como Mistral AI, que ofrece modelos de código abierto como Mistral Large, con 123 mil millones de parámetros, y compite con modelos de Open AI, Claude y Google en algunos benchmark. Otra alternativa es el proyecto europeo OpenEuroLLM, creado con el objetivo de democratizar el acceso a la IA de alto rendimiento proveyendo el acceso y desarrollo de LLM en el marco europeo.
Utilizar modelos de código abierto alojados en nubes privadas
Para romper toda dependencia de proveedores externos, existen modelos de código abierto que podemos desplegar en nuestros servidores como los Llama de la empresa Meta, R1 de DeepSeek o el anteriormente mencionado Mistral Large de Mistral AI. En el caso del gobierno de España y, a partir de una iniciativa de la Unión Europea, han optado por entrenar modelos de lenguaje propios como los de la familia ALIA (40 mil millones de parámetros) y Salamandra (variantes de 2 mil millones y 7 mil millones) para ponerlos a disposición del público con el fin de fomentar modelos de lenguajes abiertos y transparentes, además del impulso del castellano y las lenguas cooficiales en el desarrollo y despliegue de IA.
Self-hosted AI o IA auto-alojada
Representa un cambio significativo en la manera en que las organizaciones pueden integrar inteligencia artificial en sus operaciones. Utilizar modelos que no requieren enormes centros de datos y que pueden ejecutarse en hardware local o doméstico nos ofrece múltiples beneficios estratégicos. En primer lugar, una reducción considerable de costes, al no depender de servicios de terceros —muchos de ellos gestionados por proveedores extranjeros como OpenAI o Anthropic—, lo que elimina tarifas por uso y evita ataduras a políticas de consumo. En segundo lugar, una mejora sustancial en privacidad y soberanía tecnológica: al tener control total sobre el modelo, se reduce el riesgo de exposición de datos sensibles o fugas de información. Y en tercer lugar, la maduración del ecosistema open source, que ha generado modelos altamente competitivos frente a alternativas propietarias como GPT-4o o Claude Sonnet 3.7.
Muchos de estos modelos, como Mixtral de Mistral AI, además introducen verdaderas innovaciones técnicas. En su caso, adoptan arquitecturas tipo Mixture of Experts (MoE), que pueden entenderse como un equipo de especialistas dentro del modelo. Cuando se recibe una consulta, el sistema identifica el tema y activa solo a los "expertos" relevantes, manteniendo inactivos al resto. Esto no solo mejora la eficiencia al reducir el uso de recursos, sino que también permite ofrecer respuestas más enfocadas y relevantes.
En resumen, la IA auto-alojada no solo representa autonomía y eficiencia, sino también una vía real hacia soluciones más sostenibles, seguras y adaptables.
Implementar Small Language Models (pequeños modelos de lenguaje)
Para reducir la necesidad de grandes capacidades de cómputo (y con ello los costes asociados al consumo energético), es recomendable que las empresas comiencen a explorar el uso de SLMs (Small Language Models, por sus siglas en inglés). Estos modelos son versiones reducidas, a menudo destiladas a partir de modelos más grandes, que cuentan con un menor número de parámetros o “neuronas”, lo que los hace significativamente más livianos en términos de consumo de recursos y más eficientes en su ejecución. Aunque no alcanzan los niveles de razonamiento o generalización de los modelos de gran escala, los SLMs son altamente efectivos en tareas específicas, especialmente en casos donde no se requiere un alto grado de comprensión contextual. Por ello, resultan ideales para soluciones empresariales enfocadas, como extracción de información, clasificación de texto o asistentes internos en dominios especializados.
Evitar soluciones genéricas y usar la IA para soluciones especializadas
Los grandes modelos de lenguaje han tenido gran adopción y popularidad por su simplicidad de uso y conocimiento genérico sobre cualquier temática. Sin embargo, en el sector empresarial comienzan a ser herramientas que no pasan más allá de ayudarnos a escribir correos electrónicos, redactar de manera más rápida o digerir información de manera express.
El verdadero potencial de la IA aparece cuando la aplicamos a procedimientos concretos en el proceso de creación de valor en la empresa. Cuando la IA se introduce a ese nivel podemos decir que realmente estamos ganando competitividad y aplicándola de manera estratégica en nuestros procesos. Esto muchas veces no requiere grandes consumos de modelos externos, sino que, por el contrario, al ser soluciones específicas se pueden optimizar reduciendo los costos y dependencias externas.
Al final… Anticipación es la clave. La diversificación de proveedores, el uso de modelos de código abierto, e implementar soluciones de IA específicas que ayudan en tu proceso de generación de valor. Estar preparados para adaptarse a nuevas regulaciones comerciales permitirá a las empresas tecnológicas europeas seguir operando con estabilidad y eficiencia. Si tu organización quiere prepararse para operar con mayor autonomía, contáctanos.