Hace 18 meses elegiste un proveedor de modelos. Ahora cuesta la mitad en otro sitio, y la versión en la que basaste tu proyecto está prevista que quede obsoleta en el tercer trimestre.
La arquitectura de IA independiente del modelo es un enfoque que considera que la capa del modelo es sustituible, de modo que la plataforma puede cambiar de modelo sin necesidad de reconstruir las aplicaciones ni reducir la calidad de las respuestas.
El panorama de los modelos de IA no es estable. Los proveedores actualizan, dejan de ofrecer y sustituyen modelos continuamente. Las organizaciones que dependen de un único modelo se ven obligadas a adaptarse a esos cambios, lo hayan previsto o no.
Puntos clave
- La arquitectura de IA independiente del modelo permite a la plataforma cambiar de modelo en tiempo real sin que se vea afectada la calidad de las respuestas, la gobernanza ni la auditabilidad.
- La mayoría de las plataformas «independientes del modelo» ofrecen abstracción de API (enrutamiento por modelo), pero siguen dependiendo del modelo para generar respuestas. Si el modelo cambia, las respuestas también cambian.
- El verdadero agnosticismo de modelos requiere una arquitectura centrada en el conocimiento: respuestas basadas en objetivos definidos, en las que los modelos estén al servicio del conocimiento, y no al revés.
- Solicita una demostración para ver cómo funciona la IA de experiencia del cliente (CX AI), independiente del modelo, en tu entorno.
¿Qué es una arquitectura de IA independiente del modelo?
La arquitectura de IA independiente del modelo es un enfoque de diseño en el que la plataforma de IA funciona con independencia de cualquier modelo específico o proveedor de modelos.
La plataforma puede integrar, evaluar y alternar entre modelos de distintos proveedores sin necesidad de reescribir ni volver a implementar las aplicaciones.
En el ámbito de la experiencia del cliente empresarial, esto significa que la IA que responde hoy a las preguntas de los clientes seguirá funcionando con precisión aunque el modelo subyacente cambie mañana.
Las plataformas dependientes de modelos sitúan el modelo en el centro de la respuesta. Las plataformas independientes de modelos sitúan el conocimiento gestionado en el centro y utilizan los modelos como componentes intercambiables.
El marco de tres capas para la IA aplicada a la experiencia del cliente (CX) independiente del modelo
La IA para la experiencia del cliente (CX) independiente del modelo se estructura en tres capas, cada una con una función diferenciada.
Nivel 1: Conjunto de herramientas de experiencia del cliente basadas en IA
Los canales de atención al cliente: IA de voz, asistentes de chat virtuales, búsqueda empresarial, demostraciones interactivas y asistencia de agentes.
Esta capa es con la que interactúan los clientes y los empleados. Para funcionar, depende de las capas 2 y 3, pero no depende de ningún modelo concreto.
Capa 2: Estructuración y coordinación del conocimiento
El contenido empresarial se recopila, se estructura en categorías definidas y se hace accesible mediante la coordinación de la inteligencia artificial.
La orquestación de la IA coordina, canaliza y gestiona múltiples sistemas, modelos, herramientas y fuentes de datos de IA para que funcionen conjuntamente como una experiencia única y fiable.
Este es el núcleo arquitectónico del agnosticismo de modelos. Las respuestas se originan en esta capa, no en el modelo.
Capa 3: Conectores básicos y sustrato del modelo
Los alimentadores de datos extraen contenido de los sistemas de origen (CMS, CRM, repositorios de documentos, transcripciones de audio).
Los proveedores de modelos se conectan en esta capa como componentes intercambiables. Los modelos se encargan de la comprensión del diálogo y del enriquecimiento del lenguaje, pero no de la generación de respuestas.
La arquitectura funciona porque las capas 1 y 2 no dependen de ningún componente concreto de la capa 3.
Aunque se cambie de proveedor de LLM, la capa 1 sigue ofreciendo a los clientes las mismas respuestas, extraídas del conocimiento regulado de la capa 2. El sistema resiste el cambio de modelo porque este no es la fuente de la respuesta.
Buenas prácticas y principios de diseño para una arquitectura independiente del modelo
Hay seis principios que distinguen las afirmaciones independientes del modelo de la arquitectura independiente del modelo.
Las respuestas deben basarse en el conocimiento, no en los modelos. La base de toda respuesta dirigida al cliente es el contenido regulado, no la generación de modelos. Sin esta base, cada cambio en el modelo supone un deterioro de la calidad de la respuesta.
Hay que considerar los modelos como infraestructura, no como un producto. Los modelos son componentes intercambiables dentro de un sistema más amplio, que se evalúan en función del coste, la latencia, la cobertura de lenguajes y la adecuación de sus capacidades. Las decisiones arquitectónicas no están vinculadas a proveedores concretos.
La gobernanza debe integrarse en el nivel de conocimiento, no en el de los modelos. La auditabilidad , el control de versiones y el cumplimiento normativo van de la mano de los objetivos regulados. Los cambios de modelo no invalidan los registros de auditoría ni dan lugar a una nueva certificación.
Evalúa los modelos de forma continua, no solo una vez. Cada trimestre se lanzan nuevos modelos. La plataforma debería convertir la evaluación y la incorporación de alternativas en una tarea operativa habitual, no en un proyecto de rediseño de la arquitectura.
Hay que diferenciar las rutas de respuesta determinísticas de las generativas. Las rutas determinísticas se basan en conocimientos predefinidos y generan respuestas predecibles y verificables. Las rutas generativas se encargan de la fluidez conversacional. Ambas deben poder separarse a nivel arquitectónico.
Desvincular la cobertura lingüística de la dependencia del modelo. La capacidad multilingüe reside en la capa de conocimiento, y no depende de si un modelo de lenguaje grande (LLM) concreto habla portugués. La cobertura lingüística se mantiene independientemente de los cambios en el modelo.
La trampa de los hiperescaladores: por qué el acceso a los modelos no equivale a agnosticismo en cuanto a los modelos
La mayoría de las plataformas se promocionan como «independientes del modelo» al ofrecer integración con múltiples proveedores de modelos de lenguaje grande (LLM). Esto es en realidad una gestión de la ruta de los modelos, no independencia del modelo, y la distinción es importante.
El enrutamiento de modelos significa que la plataforma puede invocar diferentes modelos en tiempo de ejecución. El modelo sigue generando la respuesta. Si el modelo cambia, la respuesta cambia.
La plataforma está protegida frente a las diferencias en las API, pero no frente a las deterioros en la calidad de las respuestas.
El agnosticismo de modelos significa que las respuestas de la plataforma son independientes del modelo que se utilice. Las respuestas se basan en conocimientos controlados.
Los modelos aportan la capacidad de comprender el lenguaje y gestionar las conversaciones. Si se sustituye un modelo por otro, la respuesta que recibe el cliente no varía.
La trampa de los hiperescaladores consiste en la creencia de que adquirir IA de un gran proveedor de servicios en la nube garantiza la independencia respecto a los modelos, ya que la nube ofrece un catálogo de modelos.
La nube ofrece acceso a modelos. La plataforma que se ejecuta sobre ella puede utilizar o no conocimientos regulados para fundamentar las respuestas. El hiperescalador no influye en esta decisión.
Prueba práctica: implementa una pregunta en la plataforma utilizando el modelo A y, a continuación, vuelve a implementar la misma pregunta en el mismo contenido utilizando el modelo B.
Si la respuesta que recibe el cliente difiere sustancialmente, la plataforma depende del modelo, independientemente de lo que indique su catálogo.
La deriva de los modelos y la obsolescencia de los modelos de lenguaje grande: el riesgo que nadie tiene en cuenta
Los modelos pueden sufrir cambios de dos maneras. El proveedor actualiza el modelo bajo la misma cadena de versión, y el comportamiento cambia sin previo aviso.
O bien el proveedor deja de ofrecer el modelo por completo, y la plataforma debe migrar a una versión posterior. Ambas situaciones se producen según el calendario del proveedor, no el tuyo.
Una plataforma basada en un modelo concreto asume el riesgo de obsolescencia en su balance.
La solución es de carácter arquitectónico. Las plataformas basadas en el conocimiento generan respuestas a partir de intenciones definidas, y no a partir de la generación en tiempo de ejecución del modelo.
El comportamiento del modelo puede variar sin que ello afecte a las respuestas que se ofrecen al cliente, ya que estas no han sido generadas por el modelo, sino que se han extraído de una base de conocimientos validada y se han transmitido a través de la capa conversacional del modelo.
Las empresas con planes de desarrollo de IA a largo plazo no pueden permitirse depender de la estabilidad de un único modelo. La arquitectura debe asimilar los cambios de proveedor como algo habitual, y no como un proyecto de cambio de plataforma.
Qué implica el agnosticismo de modelos para los sectores regulados
En los sectores de los servicios financieros, los juegos de azar y los videojuegos en línea, los viajes y la hostelería, así como en el ámbito del SaaS B2B con clientes sujetos a regulación, la independencia del modelo es un requisito de cumplimiento normativo, no una cuestión de optimización de costes.
Las autoridades reguladoras exigen pruebas documentadas de la gobernanza de los modelos. Tanto la norma SR 11-7 como la OCC 2011-12 y las disposiciones de la Ley de IA de la UE parten de la base de que la toma de decisiones del sistema de IA debe ser revisable y justificable.
Una plataforma que depende de los modelos y que cambia de modelo a mitad de ciclo invalida su validación previa. El equipo de cumplimiento normativo tiene que volver a validar cada canal, cada tipo de interacción y cada idioma.
Una plataforma independiente del modelo y basada en conocimientos controlados mantiene estable la ruta de decisión validada, independientemente de los cambios que se produzcan en los modelos.
El formato del registro de auditoría no ha cambiado. La atribución de la fuente no ha cambiado. El equipo de cumplimiento normativo no tiene que pagar una nueva certificación cada vez que un proveedor deja de ofrecer una versión.
Del mismo modo, el RGPD se centra en los registros de tratamiento. Una implementación de IA de «caja negra» con una ruta de generación probabilística debe reconstruir los registros de forma estadística.
Una implementación independiente del modelo y centrada en el conocimiento genera los registros de forma nativa, garantizando la estabilidad ante los cambios en los modelos.
La pregunta del comprador regulado no es «¿es la plataforma independiente del modelo?», sino «si mi proveedor de modelos cambia a mitad del contrato, ¿tendré que volver a realizar todo el trabajo de cumplimiento normativo?».
La solución arquitectónica determina la solución operativa.
Cómo ofrece Encore una IA para la experiencia del cliente independiente del modelo
La arquitectura de Encore es independiente del modelo. La capa de modelo se considera parte de la infraestructura.
Las respuestas se basan en la capa de ingeniería del conocimiento, que contiene intenciones reguladas independientes de cualquier modelo concreto.
La «inteligencia programada», basada en la arquitectura de doble LLM de Encore, separa la comprensión del diálogo de la generación de respuestas.
Los modelos de lenguaje grande (LLM) gestionan el lenguaje: analizan lo que el cliente ha querido decir y formulan la respuesta utilizando el registro y el lenguaje adecuados. El sistema de recuperación propio extrae la respuesta directamente de la capa de conocimiento gestionada.
Los modelos se pueden sustituir en la capa conversacional sin que ello afecte a la fuente de la respuesta.
La gobernanza de Glass Box se desarrolla en el ámbito del conocimiento. Las pistas de auditoría, el historial de versiones y la atribución de fuentes se mantienen inalterables a pesar de los cambios en los modelos.
Los equipos de cumplimiento no renuevan la certificación cuando un proveedor deja de utilizar un modelo.
Más de 850 integraciones preconfiguradas se conectan a los sistemas de origen. Se gestionan más de 90 idiomas, de los cuales más de 35 son compatibles de forma nativa, desde una única interfaz, y la cobertura lingüística no depende de los datos de entrenamiento de ningún modelo de lenguaje grande (LLM) concreto.
Encore supervisa constantemente las interacciones y detecta oportunidades de optimización para que la capa de conocimiento evolucione al ritmo de la empresa.
Encore ha sido galardonada con el premio TSIA Star Award, lo que confirma que la plataforma cumple con los estándares de experiencia del cliente (CX) para empresas.
BBVA, una de las principales entidades financieras de España, colaboró con Inbenta para reducir las llamadas a su red de oficinas comerciales del 71 % del total de interacciones al 11 % en doce meses.
Neoenergia, la empresa brasileña de suministro energético que da servicio a 37 millones de personas, gestiona alrededor de 1,5 millones de interacciones con clientes al mes a través de un asistente de IA de WhatsApp desarrollado con Inbenta.
GOL Airlines gestiona más de 10 millones de consultas de clientes al año con una trazabilidad completa en todos los idiomas.
Si su hoja de ruta de IA tiene una duración superior al ciclo medio de lanzamiento de modelos, la independencia respecto a los modelos es un requisito arquitectónico. Reserve una demostración para descubrir cómo Encore desvincula su programa de IA de cualquier proveedor de modelos concreto.
Preguntas frecuentes
¿Cuál es la diferencia entre el enrutamiento independiente del modelo y el enrutamiento basado en modelos?
El enrutamiento de modelos significa que la plataforma puede invocar diferentes modelos de lenguaje grande (LLM) en tiempo de ejecución; el modelo sigue generando la respuesta, por lo que al cambiar de modelo se modifican las respuestas.
El agnosticismo de modelos significa que las respuestas se basan en el conocimiento gestionado, no en el modelo. Cambiar de modelo no altera las respuestas que se ofrecen al cliente.
¿Por qué es importante el agnosticismo de modelos para la experiencia del cliente en las empresas?
Los modelos se actualizan, se dejan de ofrecer y cambian de precio según el calendario del proveedor.
Una plataforma de experiencia del cliente (CX) dependiente del modelo asimila esos cambios en forma de deterioros en la calidad de la respuesta y tareas de recertificación. Una plataforma independiente del modelo los asimila como cambios rutinarios en la infraestructura, sin que ello afecte a los clientes.
¿De qué manera la arquitectura centrada en el conocimiento permite la independencia de modelos?
La arquitectura centrada en el conocimiento basa las respuestas en una capa de ingeniería del conocimiento regulada, en lugar de en la generación de modelos.
Los modelos aportan la comprensión del diálogo. Las respuestas se basan en conocimientos validados. Al cambiar de modelo, la fuente de las respuestas permanece inalterada, lo que hace que el agnosticismo sea estructural.
¿Puede una plataforma independiente del modelo seguir utilizando un proveedor de modelos preferido?
Sí. El agnosticismo de modelo no implica necesariamente el uso simultáneo de varios proveedores. Significa que la plataforma no está vinculada arquitectónicamente a ningún proveedor en concreto.
Las empresas pueden operar según el modelo que prefieran, sin dejar de tener la opción de evaluar y cambiar sin necesidad de rediseñar las aplicaciones.
¿Cuáles son las ventajas normativas de la IA independiente del modelo?
La documentación destinada a los organismos reguladores (SR 11-7, OCC 2011-12, Ley de IA de la UE, registros de tratamiento del RGPD) depende de procesos de toma de decisiones estables.
La arquitectura independiente del modelo mantiene la ruta de decisión basada en conocimientos regulados, independientemente de los cambios que se produzcan en los modelos, por lo que no es necesario volver a realizar el trabajo de cumplimiento cada vez que un proveedor actualiza un modelo.
¿Cómo se puede determinar si una plataforma de IA es realmente independiente del modelo?
Aplica la misma consulta de cliente en la plataforma utilizando dos modelos diferentes.
Si la respuesta que se ofrece al cliente difiere sustancialmente, la plataforma depende del modelo, independientemente de lo que afirmen los responsables de marketing. El verdadero agnosticismo significa que la respuesta se basa en conocimientos controlados, y no en el modelo que se utilice.
Si la dependencia de un modelo concreto es un riesgo que su programa de IA no ha abordado desde el punto de vista arquitectónico, el próximo cambio de proveedor lo pondrá de manifiesto. Solicite una demostración para ver cómo Encore desvincula la IA orientada al cliente de cualquier modelo concreto.
Artículos relacionados
