Las empresas deben cuestionar quién define el modelo de IA para cada tarea

La creciente adopción de la inteligencia artificial generativa en el ámbito empresarial ha planteado un desafío fundamental: la gestión de modelos de lenguaje. Uno de los dilemas más críticos es determinar quién toma la decisión sobre qué modelo es más adecuado para responder a cada solicitud. En muchos casos, esta determinación está en manos de un servicio externo, cuyos criterios de selección son opacos para las empresas clientes. En otros, se elige automáticamente el modelo más reciente, sin considerar otras variables.

En este contexto, la compañía especializada en inteligencia artificial y analítica avanzada, TIMIA, ha lanzado una innovadora solución llamada RouterKit. Este framework permite a las empresas diseñar y entrenar su propio sistema de enrutamiento de modelos, adaptado a sus tareas específicas, modelos disponibles y prioridades organizacionales.

RouterKit no compite con los grandes modelos de lenguaje sino que actúa como una capa decisoria. Al recibir una solicitud, evalúa sus características sin resolverla directamente. En cambio, estima qué modelos pueden ofrecer la mejor respuesta, siguiendo aspectos como calidad, tiempo de respuesta o costo. Si el resultado no es satisfactorio, el sistema puede reenviar la solicitud a otro modelo, dentro de un número definido de intentos.

TIMIA planea liberar el código de RouterKit bajo la licencia Apache 2.0, promoviendo así su utilización, modificación y difusión incluso con fines comerciales. Este enfoque de código abierto busca diferenciarse de otros servicios comerciales de enrutamiento, que suelen operar como «cajas negras». En contraste, RouterKit garantiza decisiones transparentes y auditables, permitiendo el reentrenamiento del sistema cuando las necesidades empresariales o los modelos disponibles cambian. Según Sandro Calzada, director de Innovación de TIMIA, la idea es que las organizaciones mantengan el control usando sus propios datos de forma comprensible.

En su fase de validación, TIMIA empleó 1.135 tareas de programación en Python del repositorio BigCodeBench. Compararon siete modelos, ya sea mediante API o en infraestructura propia, registrando cómo resolvían las tareas y cuán variables eran sus respuestas. Con esta información, crearon un modelo predictivo que asignó las soluciones más eficaces a cada tarea. Los resultados fueron prometedores, alcanzando una tasa de resolución del 68 %, superando el 66,6 % del mejor modelo individual probado.

Si bien la evaluación inicial se enfocó en la programación debido a la posibilidad de efectuar pruebas automáticas, TIMIA contempla expandir RouterKit hacia otras aplicaciones como consultas a bases de datos y extracción de información. Este crecimiento implicará la creación de nuevos métodos de evaluación y la consideración del tiempo de respuesta como criterio clave.

La publicación del código de RouterKit busca facilitar su adopción por otras organizaciones, promoviendo su personalización y desarrollo colaborativo. TIMIA desea fomentar una mayor transparencia y control en el uso de la inteligencia artificial generativa, ofreciendo a las empresas una herramienta poderosa para optimizar sus procesos de decisión en inteligencia artificial.