Tu stack no es tan portátil como sugiere el contrato
Un proveedor de modelos cambia sus precios. Una función de la que dependes pasa a un nivel superior. Abres el plan de migración y descubres que el trabajo es, en su mayor parte, dieciocho meses de prompts, contexto almacenado, conjuntos de evaluación y reglas de permisos.
Nada de eso aparece en el contrato. El lock-in de proveedor vive ahora en tu código, tus datos y tu gobernanza.
Lo que dicen los compradores y lo que hacen en realidad
Según el State of AI Architecture 2026, el 81 % de los encuestados coincide en que las plataformas propietarias de los laboratorios de frontera y los hyperscalers dificultan moverse entre proveedores, y el 84 % afirma que es importante que su estrategia de IA evite el lock-in de proveedor.
En la misma investigación, el 81 % señala que la preocupación por los costes de cambio ha llevado a su organización a retrasar, reducir o reestructurar una migración de un proveedor de modelos a otro, y el 29 % dice que ocurre con frecuencia. Entre los encuestados de servicios financieros, el 92 % lo ha visto al menos una vez.
La encuesta también encontró que la capacidad de cambiar de proveedor sin reconstruir nada ocupó el sexto lugar de ocho factores, con un 24 %, mientras que evitar la dependencia de un único proveedor quedó en último lugar. La seguridad y la privacidad de los datos lideraron con un 64 %, por delante del control de costes, con un 43 %.
La encuesta de Zapier a 500 directivos de empresas estadounidenses encontró que el 89 % cree que podría cambiar de proveedor de IA en un mes, y el 41 % calcula entre dos y cinco días laborables. La misma encuesta encontró que el 47 % dice que prescindir de los servicios de IA alteraría funciones clave del negocio y el 27 % depende por completo de sus proveedores de IA.
Los equipos que ya han hecho el trabajo manejan cifras más lentas. Una encuesta a desarrolladores de 19 organizaciones con despliegues de IA en producción encontró que los casos de uso simples se migran en una mediana de tres a ocho horas, mientras que los pipelines complejos tardan una mediana de dos a siete días, y el 24 % indica que el cambio no es viable. Los equipos con pipelines complejos esperan reescribir entre el 21 y el 50 % de sus prompts.
La dependencia a menudo empieza por debajo del modelo. Una investigación para la Open Cloud Coalition, con 1.250 clientes empresariales de IA del Reino Unido y la UE, encontró que el 91 % dice que su proveedor de nube influye en qué herramientas de IA empresarial usa, y el 56 % se siente limitado a la hora de usar productos de IA empresarial que no vende su proveedor de nube actual.
La auditoría de portabilidad que puedes hacer el lunes
Lian Jye Su, de Omdia, dijo a TechTarget que el mayor riesgo está en la ingeniería de contexto, la gestión de memoria y la ingeniería del harness. La portabilidad es una decisión por capas, y alquilar un modelo fundacional suele estar bien. Las capas que lo rodean deciden si puedes irte.
- Prompts y esquemas: ¿puede otro modelo ejecutar este flujo de trabajo solo con reescribir los prompts? Mantén las plantillas de prompts y las definiciones de respuesta versionadas en tu propio repositorio.
- Contexto y memoria: ¿la información retenida se mueve con tu flujo de trabajo? Guárdala en un almacén que puedas exportar.
- Conjuntos de evaluación: ¿tus pruebas viven fuera del panel del proveedor? Mantén un conjunto de pruebas de referencia y código de puntuación que sea tuyo.
- Identidad y permisos: ¿las identidades de los agentes las define tu directorio? Mantén las políticas en tu propia capa de identidad.
- Integraciones y lógica de negocio: ¿los conectores llaman a tus interfaces? Mantén una capa de adaptación entre el modelo y el flujo de trabajo.
- Registros de auditoría y gobernanza: ¿puedes reconstruir una decisión sin el proveedor? Mantén los logs y las trazas en tu propio almacenamiento.
Después pon a prueba la teoría con un flujo de trabajo.
- Elige un flujo de trabajo en producción con tráfico real.
- Enumera sus dependencias por capa: prompts, contexto, herramientas, identidad, evaluaciones y logs.
- Ejecútalo en un segundo proveedor detrás de tu propia capa de adaptación.
- Puntúa la salida con tu conjunto de evaluación y anota las horas dedicadas a reescribir prompts.
- Anota, capa por capa, si es tuya, si la abstraes o si la dejas en manos del proveedor.
Cuánto cuesta esto y dónde falla
La portabilidad no es gratis. El informe de IBM sobre el cálculo de la soberanía de la IA encontró que el 72 % de los directivos aceptaría un aumento de costes del 20 % para mantener varios proveedores de IA por flexibilidad estratégica, mientras que solo el 9 % dice tener un conocimiento excelente de sus dependencias actuales y el 71 % afirma que cambiar su principal proveedor o modelo de IA sería difícil si tuviera que hacerlo hoy.
Alquilar un modelo es barato y reconstruir una capa de memoria no lo es, así que no todas las capas merecen la misma inversión. Un segundo proveedor no elimina la dependencia por sí solo. BCG encontró que el 64 % de las empresas usa más de una plataforma digital, pero usar varias plataformas a menudo desplaza la dependencia en lugar de eliminarla.
El coste oculto suele ser la gobernanza. En la encuesta a desarrolladores, las plantillas de prompts y la aprobación de gobernanza fueron señaladas cada una por nueve de las diecinueve organizaciones como el punto donde más duele el cambio.
Las capas de cara al cliente suelen ser donde la fragmentación aparece primero, como describimos en arreglar los recorridos de cliente fragmentados.
Si tu situación se parece a la de un único proveedor que ejecuta flujos de trabajo de cliente que no podrías mover en un mes, podemos ayudarte. Data Innovation trabaja en CRM y datos desde Barcelona desde hace más de 20 años, y construimos y operamos sistemas inteligentes alrededor de los modelos que elijas para que las partes portátiles sigan siendo tuyas. Cuéntanos qué tienes en marcha.