OpenAI y Anthropic ya no venden solo modelos: venden implantacion
OpenAI y Anthropic estan invirtiendo en consultoria, partners y Forward Deployed Engineers porque el valor de la IA empresarial esta en el ultimo kilometro: datos, procesos, permisos, adopcion y ROI.
Durante los ultimos anos, muchas empresas han tratado la inteligencia artificial como si fuera una herramienta que se compra, se entrega al equipo y empieza a generar productividad por si sola. La realidad ha sido menos comoda: hay pilotos interesantes, demos prometedoras y mucho entusiasmo, pero tambien muchos proyectos que no llegan a produccion.
Por eso los movimientos recientes de OpenAI y Anthropic son tan importantes. No estan diciendo solo "nuestros modelos son mejores". Estan diciendo algo mas pragmatico: el valor empresarial de la IA se gana en el ultimo kilometro.
Ese ultimo kilometro no es el modelo. Es el proceso. Es conectar la IA con datos reales, permisos, CRM, ERP, politicas internas, equipos humanos, metricas y gobierno operativo. Es justo el espacio donde una agencia de inteligencia artificial deja de vender promesas y empieza a construir sistemas que una empresa puede usar cada dia.
Que ha pasado
OpenAI anuncio el 11 de mayo de 2026 la creacion de OpenAI Deployment Company, una compania pensada para ayudar a organizaciones a construir y desplegar sistemas de IA en su trabajo critico. El movimiento llega con mas de 4.000 millones de dolares de inversion inicial y con la adquisicion acordada de Tomoro, una firma de consultoria e ingenieria aplicada con alrededor de 150 perfiles de despliegue.
Antes, el 23 de febrero de 2026, OpenAI ya habia presentado sus Frontier Alliances con BCG, McKinsey, Accenture y Capgemini para ayudar a empresas a definir estrategia, integrar sistemas, redisenar flujos de trabajo y escalar agentes de IA.
Anthropic hizo un movimiento parecido el 4 de mayo de 2026: anuncio una nueva compania de servicios de IA empresarial junto a Blackstone, Hellman & Friedman y Goldman Sachs. Su objetivo declarado es llevar Claude a las operaciones centrales de empresas medianas, con ingenieros aplicados trabajando junto al equipo tecnico de la nueva firma.
Tambien ha reforzado su ecosistema con el Claude Partner Network, con una inversion inicial de 100 millones de dolares para 2026 orientada a formacion, soporte tecnico, certificaciones y desarrollo conjunto de mercado.
La senal es clara: los laboratorios de IA quieren estar mucho mas cerca de la implantacion.
El problema no es acceder a la IA
Hoy casi cualquier empresa puede abrir ChatGPT, Claude, Gemini o Copilot. El acceso ya no es la barrera principal.
La barrera real aparece cuando una empresa pregunta:
- Que proceso concreto vamos a mejorar?
- Que datos necesita la IA?
- Quien puede aprobar sus acciones?
- Como evitamos que invente informacion?
- Como medimos el ahorro o el aumento de ingresos?
- Como se integra con el CRM, el ERP o el correo?
- Que pasa cuando el sistema se equivoca?
Aqui es donde muchos proyectos se atascan. Un chatbot generico puede responder preguntas. Pero un sistema que consulta pedidos, genera presupuestos, actualiza un CRM, revisa documentos o prioriza incidencias necesita arquitectura, seguridad y criterio operativo.
Si quieres profundizar en esta diferencia, ya lo explicamos en nuestra guia sobre agentes de IA para PYMEs: un agente no solo conversa, tambien ejecuta. Y cuando ejecuta, necesita limites.
Que significa "ultimo kilometro" en IA empresarial
El ultimo kilometro es todo lo que hace que la IA deje de ser una demo y se convierta en parte del negocio.
Incluye:
- Elegir casos de uso con impacto real
- Redisenar procesos antes de automatizarlos
- Conectar datos internos de forma segura
- Definir permisos, identidad y auditoria
- Crear evaluaciones de calidad
- Integrar herramientas como CRM, ERP, email, ticketing o bases documentales
- Formar a los equipos que van a usar el sistema
- Medir resultados con indicadores financieros y operativos
- Mantener el sistema cuando cambian procesos, modelos o datos
Esto explica por que OpenAI habla de Forward Deployed Engineers y por que Anthropic habla de ingenieros aplicados trabajando cerca de clientes. El modelo puede ser potente, pero alguien tiene que convertir esa potencia en flujo de trabajo.
Por que los laboratorios de IA entran en consultoria
Hay varios motivos.
Primero, porque la adopcion empresarial es lenta si se queda en "prueba esta herramienta". Las companias necesitan ayuda para pasar de piloto a produccion. Si no hay integracion, gobierno y adopcion, el proyecto queda en experimento.
Segundo, porque la consultoria genera feedback de producto. Cuando un equipo tecnico entra en un cliente real, descubre patrones que no aparecen en un laboratorio: permisos heredados, datos duplicados, procesos informales, excepciones legales, equipos que no confian en la herramienta y sistemas antiguos que nadie quiere tocar.
Tercero, porque el mercado de servicios es enorme. Las grandes consultoras y los integradores capturan mucho valor en transformaciones tecnologicas. Si la IA se convierte en la nueva capa de trabajo empresarial, los laboratorios quieren participar tambien en la implantacion.
Cuarto, porque los fondos de inversion tienen miles de empresas participadas donde probar, repetir y escalar patrones. Si un sistema de IA reduce costes o aumenta productividad en una compania del portfolio, puede replicarse en otras.
El nuevo modelo: tecnologia mas ejecucion
La vieja narrativa era:
| Antes | Ahora |
|---|---|
| Comprar licencias | Redisenar procesos |
| Lanzar pilotos | Medir impacto real |
| Usar prompts sueltos | Integrar datos y herramientas |
| Esperar adopcion espontanea | Acompanar cambio interno |
| Elegir un modelo | Disenar una arquitectura |
| Hacer una demo | Operar en produccion |
La IA empresarial se parece cada vez menos a instalar software y cada vez mas a construir una nueva capacidad operativa.
Por eso conceptos como Forward Deployed Engineer, RAG, observabilidad, evaluaciones, gobierno de agentes y arquitectura de datos se estan volviendo centrales.
Que significa esto para una PYME espanola
Una PYME no necesita copiar la estrategia de una multinacional. No necesita un equipo de 40 consultores ni un plan a tres anos antes de empezar.
Pero si necesita tomarse en serio el ultimo kilometro.
En la practica, eso significa empezar con pocos casos de uso y muy bien elegidos:
- Atencion al cliente con base de conocimiento interna
- Resumen y clasificacion de correos
- Generacion asistida de presupuestos
- Extraccion de datos de facturas, albaranes o contratos
- Seguimiento automatico de oportunidades comerciales
- Chatbots conectados a preguntas frecuentes y sistemas de reserva
- Automatizacion de informes recurrentes
- Busqueda interna sobre documentacion de empresa
Muchos de estos casos se pueden resolver con una combinacion de automatizacion e inteligencia artificial, RAG, conectores y supervision humana.
La clave no es hacer "un proyecto de IA". La clave es elegir un proceso que hoy consume tiempo, dinero o calidad, y convertirlo en un sistema mas fiable.
El riesgo: que el consultor sea tambien el vendedor del modelo
Hay un punto delicado. Si la empresa que recomienda la estrategia tambien es la duena del modelo, puede aparecer sesgo de proveedor.
No siempre es malo. Trabajar cerca del fabricante puede dar acceso a conocimiento tecnico, roadmap y buenas practicas. Pero conviene hacer algunas preguntas:
- Que pasa si manana otro modelo funciona mejor?
- Podemos cambiar de proveedor sin rehacer todo el sistema?
- Los datos quedan desacoplados del modelo?
- La logica de negocio vive en nuestra arquitectura o en una caja cerrada?
- Hay registros, evaluaciones y controles independientes?
En algunos casos tendra sentido usar modelos propietarios. En otros, una arquitectura hibrida con modelos locales, nube europea o varios proveedores sera mas prudente. Lo desarrollamos con mas detalle en IA local, nube europea o ChatGPT.
Como actuar ahora
Si eres una empresa que quiere aprovechar esta ola sin caer en el hype, el orden razonable seria:
- Inventariar procesos repetitivos y costosos.
- Priorizar dos o tres casos de uso con impacto claro.
- Revisar datos, permisos y sistemas implicados.
- Construir un prototipo conectado a realidad, no una demo aislada.
- Medir calidad, ahorro, errores y adopcion.
- Definir gobierno: quien aprueba, quien audita, quien corrige.
- Escalar solo lo que demuestra valor.
Si el proyecto implica agentes que ejecutan acciones, conviene leer antes como definir permisos, identidad y limites antes de conectar un agente de IA a tu ERP.
La conclusion
OpenAI y Anthropic estan entrando en consultoria porque han entendido algo que muchas empresas estan viviendo en silencio: la IA no transforma una organizacion por estar disponible. La transforma cuando se integra en el trabajo real.
El modelo importa, pero no basta.
Importan los datos, los procesos, las personas, los permisos, las metricas y la capacidad de convertir una idea en un sistema estable. Ese es el ultimo kilometro. Y probablemente sera donde se decida que empresas obtienen valor de la IA y cuales se quedan en pilotos.
En Navel Digital ayudamos a empresas a cruzar ese ultimo kilometro: detectar casos de uso, disenar arquitectura, conectar sistemas, automatizar procesos y desplegar soluciones de IA que puedan medirse y mantenerse.