IA en Ventas: IA Abierta vs. Cerrada en PYMES

KI & Automatisierung · 16. September 2026 · Anthony Filipiak

La IA en ventas se convierte en una cuestión de inversión. Lea cómo la IA abierta y cerrada transforma los costos, el control y el pipeline en las PYMES.

El 8 de septiembre de 2026, Mistral AI anunció una ronda de financiación de 3 mil millones de euros, liderada por Samsung Electronics, EQT y PSG Equity, con una valoración de más de 21 mil millones de euros. Casi al mismo tiempo, surgieron informes sobre nuevas conversaciones de OpenAI con valoraciones de 1.2 a 1.5 billones de dólares. Esto ya no es un teatro de Silicon Valley que un director general en Bielefeld, Ulm o St. Gallen pueda ignorar. La IA en ventas, diseño, servicio y planificación de la producción está pasando de ser una decisión de software a una decisión de mercado de capitales. Quien en 2026 siga actuando como si la elección entre IA de código abierto y IA de código cerrado fuera una cuestión técnica de detalle para TI, subestima el punto.

Mi pronóstico es incómodo: en los próximos 24 a 36 meses, las PYMES europeas no fracasarán por falta de ideas de IA, sino por decisiones arquitectónicas erróneas. No por prompts. No por otro taller de Copilot con diapositivas coloridas. Sino por contratos, costos de tokens, fuga de datos, deuda de integración y la cuestión de si su propia creación de valor dependerá en el futuro de plataformas cuyo modelo de precios se cambie en Seattle, San Francisco o Mountain View.

En mis conversaciones con directores generales y gerentes de ventas, veo una ruptura. Hace un año, la pregunta a menudo era: '¿Qué podemos hacer con ChatGPT?' Hoy, es más bien: '¿Cómo evitamos que la IA nos devore el margen en tres años?' Esto suena defensivo. Pero no lo es. Es el momento en que la IA madura.

IA en Ventas: Por qué la IA Abierta vs. Cerrada es importante ahora

La parte sorprendente primero: la IA de código abierto ya no es el estante de bricolaje de la comunidad de desarrolladores. Mistral, Hugging Face, Temporal y otras infraestructuras abiertas o amigables con el código abierto están atrayendo capital que antes estaba reservado solo para proveedores de modelos cerrados. Mistral recaudó alrededor de 600 millones de euros en junio de 2024 con una valoración de 5.8 mil millones de euros; en septiembre de 2025, según los datos investigados, siguió una ronda de 1.7 mil millones de euros liderada por ASML con una valoración de 11.7 mil millones de euros, y en septiembre de 2026, 3 mil millones de euros con una valoración de más de 21 mil millones de euros.

Este es el verdadero cambio de mercado. No es que OpenAI reciba mucho dinero. Eso estaba claro. El cambio es que los modelos abiertos y la infraestructura abierta se están convirtiendo en política estatal, industrial y de semiconductores. ASML no invierte en Mistral por romanticismo. Samsung tampoco. Nvidia mucho menos. Estas empresas se aseguran influencia en la capa sobre la que operarán la ingeniería, las ventas, el servicio, la calidad y las compras en el futuro.

Para las PYMES, esto significa: la pregunta '¿Abierto o Cerrado?' no es académica. Decide si un fabricante de maquinaria de Baden-Württemberg vierte permanent su lógica de ofertas, sus documentos técnicos, sus datos de piezas de repuesto y sus señales de ventas en un modelo API cerrado. O si controla una parte de la capa de IA. Quizás no todo. Bueno, casi nunca todo. Pero lo suficiente como para no esperar un aumento de precios cada mes.

El pronóstico sorprendente para 2027 a 2029

Creo que: en 2027, la primera ola de decepción con la IA en las PYMES no vendrá por malos modelos. Los modelos serán lo suficientemente buenos. La decepción vendrá porque muchas empresas compraron IA como SaaS, aunque deberían haberla planificado como infraestructura.

Un CSO de un proveedor de automatización de Núremberg me dijo en marzo de 2026: 'Probamos doce herramientas de IA y al final no tomamos ni una sola decisión basada en datos'. La frase se me quedó grabada. Doce herramientas. Cero arquitectura. Esto huele a feria, a cuenta demo, a espectáculo de ventas. Y explica por qué muchos equipos tienen proyectos piloto, pero no una mejora fiable del pipeline, un flujo de datos estable ni un plan de TCO a cinco años.

Status quo: los gastos en IA aumentan, el control se queda atrás

Según Menlo Ventures, el gasto empresarial en IA generativa aumentó de 1.7 mil millones de dólares en 2023 a 11.5 mil millones de dólares en 2024 y 37 mil millones de dólares en 2025. Esto no es un crecimiento lineal, es un shock presupuestario. Al mismo tiempo, según Eurostat, en 2025 solo el 20 por ciento de las empresas de la UE con al menos diez empleados utilizaban IA, frente al 13.5 por ciento en 2024. Europa aún no gasta de forma generalizada, pero donde se gasta, lo hace rápidamente.

Estados Unidos va a la cabeza. Bloomberg informó, citando datos de EY, que las startups estadounidenses recaudaron alrededor de 97 mil millones de dólares para IA generativa en 2025, mientras que las startups europeas solo recaudaron aproximadamente 5.9 mil millones de dólares. Esto es un factor de aproximadamente 16. Quien deduzca de esto que Europa simplemente debería comprar a proveedores estadounidenses, se lo está poniendo demasiado fácil. No del todo. Para el trabajo de oficina genérico, puede funcionar. Para los procesos industriales centrales, se vuelve más peligroso.

Tomemos un fabricante típico de la región DACH: 800 empleados, SAP en el ERP, Siemens Teamcenter en el PLM, un MES que ha crecido a lo largo de los años, datos de ventas en HubSpot o Salesforce, informes de servicio en PDF, listas de piezas de repuesto en el sistema de archivos y algunos monstruos de Excel que nadie quiere tocar (porque siempre hay un colega que sabe qué columna es la correcta). Es precisamente ahí donde la IA debe crear valor. No en la ventana de chat. En el proceso.

Y aquí es donde se vuelve caro. Un informe de la cadena de valor de la IA pronostica que el mercado global de uso de tokens de pago crecerá de 136 mil millones de dólares en 2025 a 1.35 billones de dólares en 2030. Paralelamente, la potencia de cálculo global de IA aumentará de 13 gigavatios en 2025 a 98 gigavatios en 2030. ¿Consumo de energía del centro de datos? Según los datos investigados, de aproximadamente 485 TWh en 2025 a alrededor de 950 TWh en 2030. Ese es el olor de una sala de servidores caliente, pero a escala global.

Para los directores generales, esto significa: los costos de la IA no desaparecen en la línea de TI. Se trasladan a los costos de ventas, costos de servicio, costos de ingeniería y contratos en la nube. Con los modelos cerrados, se paga por uso, por asiento, por llamada a la API, por generación de modelo. Con los modelos abiertos, se paga por integración, operación, seguridad, alojamiento y personas. Ambos cuestan. La pregunta es qué perfil de costos se adapta a su modelo de negocio.

Tendencia 1: La IA de código abierto se convierte en infraestructura industrial

La primera tendencia es la más importante para Europa: la IA de código abierto y los modelos de peso abierto ya no se ven como una alternativa para los ahorradores, sino como una infraestructura estratégica. Mistral es el símbolo de esto. La Serie B de 600 millones de euros en junio de 2024 ya fue grande. La ronda liderada por ASML en septiembre de 2025 fue política. La ronda de 3 mil millones de euros en septiembre de 2026 dejó claro definitivamente: Europa no solo quiere ser cliente de OpenAI, Anthropic y Google DeepMind.

ASML invirtió, según los datos investigados, alrededor de 1.3 mil millones de dólares y adquirió aproximadamente el 11 por ciento de Mistral. Quien conoce a ASML sabe: esta empresa no compra folclore. ASML es el cuello de botella de la producción global de chips. Si una corporación así invierte en una casa de modelos de IA europea, se trata de control industrial, creación de valor en semiconductores, soberanía de datos y acceso a la experiencia en modelos. Politico describió a Mistral, en esencia, como un instrumento geopolítico de Francia. Dicho sin rodeos: la IA de código abierto es ahora una política de ubicación en Europa.

Hugging Face encaja en el mismo patrón. La información investigada menciona una adquisición por parte de Nvidia en 2026 por alrededor de 12.93 mil millones de dólares. Ya sea que se lea esta cifra con sobriedad o con una ceja levantada: la dirección es clara. Un ecosistema que durante mucho tiempo fue considerado una plataforma para desarrolladores se vuelve estratégico para los proveedores de GPU. ¿Por qué? Porque los modelos se vuelven más intercambiables, pero la distribución, el acceso de los desarrolladores, el alojamiento de modelos, la evaluación y los flujos de trabajo generan poder.

A menudo escucho a fabricantes de PYMES decir: 'El código abierto es demasiado arriesgado para nosotros'. ¿Honestamente? En muchos casos, lo considero un viejo reflejo. El riesgo no reside en el modelo abierto. El riesgo reside en un modelo abierto mal operado, sin monitoreo, sin permisos, sin una clasificación clara de los datos. Eso es diferente. Una llamada a la API cerrada no verificada con listas de materiales confidenciales no es automáticamente más segura solo porque la factura provenga de un hiperescalador.

Andrea, jefa de ventas de un campeón oculto en Bielefeld, me dijo hace tres semanas: 'Nuestra TI bloquea el código abierto, pero nadie puede explicarme por qué nuestro conocimiento de ofertas puede ir a una API estadounidense'. Esa es exactamente la disonancia cognitiva que veo en todas partes. Se confía en el logotipo, no en la arquitectura. Eso es cómodo. Y caro.

Los modelos abiertos están pasando de ser artefactos de aficionados a activos nacionales e industriales. Las rondas de financiación en torno a Mistral demuestran que Europa quiere una capa de IA con la que pueda negociar, no solo suscribirse.

— Julien Simon, Chief Evangelist en Hugging Face, París

Por qué esta tendencia afecta a las ventas

En ventas, la IA de código abierto suena a algo lejano al principio. No lo es. Si su equipo de ventas analiza 2000 clientes objetivo cada mes, investiga 800 centros de compra técnicos, lee licitaciones, rastrea sitios web, detecta disparadores y prepara mensajes personalizados, entonces estamos hablando de costos de inferencia continuos. No de unas pocas licencias de ChatGPT. Entonces la economía de tokens se convierte en economía de ventas.

Un ejemplo práctico: un proveedor de maquinaria del este de Westfalia quería priorizar cuentas objetivo internacionales según ubicaciones de producción, tipos de máquinas instaladas, señales de expansión y necesidades de servicio. Con una configuración puramente de API cerrada, el cálculo en el piloto parecía bueno. 400 cuentas. Manejable. Cuando extrapolamos el modelo a 48,000 perfiles de empresa, 17 idiomas y actualizaciones mensuales, la discusión cambió. De repente, ya no se trataba de la calidad del modelo, sino de los costos variables y la repetibilidad.

Aquí es donde los modelos abiertos se vuelven interesantes. No porque siempre sean mejores. No lo son. Sino porque para tareas recurrentes, específicas de un dominio y con una estructura de datos clara, a menudo son lo suficientemente buenos y ofrecen más control sobre los costos y la implementación. El equipo de ventas no necesita un modelo de frontera con el máximo razonamiento para cada extracción de firmografía. A veces, un modelo bien ajustado que detecte de forma fiable ubicaciones de plantas, líneas de productos, certificaciones y señales de inversión es suficiente.

IA en Ventas: Tabla de Adopción y Desarrollo del Mercado

Tendencia 2: La IA cerrada sigue siendo fuerte, pero la lógica de costos es brutal

La segunda tendencia: la IA de código cerrado sigue siendo dominante en capacidades generales, pero es intensiva en capital hasta el punto de ser dolorosa. OpenAI, según los datos investigados, habría generado entre 13 y 25 mil millones de dólares en ingresos en 2025, registrando al mismo tiempo pérdidas netas de entre 38 y 44 mil millones de dólares. Para mediados de 2026, se estiman ingresos anualizados de entre 24 y 40 mil millones de dólares. Esto es fuerte. Y, sin embargo, se habla de enormes sumas de financiación.

La mencionada ronda de financiación de OpenAI en marzo de 2026, de aproximadamente 122 mil millones de dólares con una valoración post-money de entre 840 y 852 mil millones de dólares, se lee como un régimen de mercado de capitales propio. Amazon con 50 mil millones de dólares, Nvidia con 30 mil millones de dólares, SoftBank con más de 30 mil millones de dólares. Informes posteriores en septiembre de 2026 hablan de valoraciones de 1.2 a 1.5 billones de dólares. Un análisis de AI-Finance incluso mencionó una posible factura de computación de 300 mil millones de dólares en los próximos años.

Anthropic juega el mismo juego, solo con un tono diferente. Los datos investigados mencionan una OPI planificada con una recaudación de capital de alrededor de 100 mil millones de dólares con una valoración de 2 billones de dólares, Nvidia como posible inversor ancla con hasta 10 mil millones de dólares y un compromiso de comprar 30 mil millones de dólares en capacidad de Microsoft Azure en GPUs de Nvidia. Esto no es solo IA. Esto es un triángulo de laboratorio de modelos, contrato en la nube y cadena de suministro de GPU.

No quiero minimizar los modelos cerrados. Quien lo hace, vende ideología. OpenAI, Anthropic y Gemini son excelentes para muchas tareas: razonamiento complejo, análisis multimodal, codificación, trabajo de conocimiento general, asistencia en procesos de oficina. Si un gerente de ventas en Festo o Phoenix Contact establece un sistema de conocimiento interno, un modelo cerrado puede generar valor rápidamente. La rapidez es importante. La velocidad gana la aprobación interna.

Pero la IA cerrada tiene un inconveniente que rara vez aparece en las presentaciones piloto: el piloto es barato, la escalabilidad es el producto. 50 usuarios, algunos flujos de trabajo, un amable descuento empresarial. Luego vienen los resúmenes automáticos de CRM, los asistentes de ofertas, la generación de correos electrónicos, las notas de reuniones, la puntuación de sitios web, el análisis de documentos, los sistemas RAG, las traducciones, la clasificación de servicios. Cada proceso consume tokens. Cada mes se convierte en una factura de consumo. Y en algún momento, el CFO pregunta por qué las ventas de repente tienen una curva de la nube que parece un palo de hockey.

El bloqueo no es solo técnico

Muchos hablan de bloqueo en relación con las APIs. Esto se queda corto. El verdadero bloqueo surge en los formatos de datos, las cadenas de prompts, los conjuntos de evaluación, los hábitos de los usuarios, los procesos de administración, los sistemas de permisos y las capacitaciones internas. Si su equipo de ventas ha construido su lógica ICP, sus puntuaciones de cuentas, sus playbooks y sus plantillas de alcance en un modelo cerrado durante 18 meses, no puede simplemente cambiar de proveedor un viernes por la tarde.

Un director general de Augsburgo, Thomas, dirige un fabricante de componentes con unos 420 empleados. Me dijo en abril de 2026: 'Aprendimos con el ERP en la nube que un cambio no fracasa por el precio, sino por la operación'. Exacto. La IA será similar. Solo que más rápido. Y con menos estándares.

Por eso, discrepo del consejo de que las PYMES simplemente elijan al mejor proveedor cerrado y optimicen más tarde. 'Más tarde' es una palabra peligrosa. Más tarde, los datos están dispersos, los usuarios están capacitados, los flujos de trabajo están cableados y el departamento de compras ha firmado un contrato de tres años. Entonces ya no se negocia en igualdad de condiciones. Entonces se negocia como un cliente dependiente.

Tendencia 3: El híbrido se vuelve obligatorio, pero no como un compromiso

La tercera tendencia es la respuesta pragmática: las arquitecturas híbridas se están imponiendo. No por necesidad de armonía. Sino porque ni lo abierto ni lo cerrado por sí solos son lo suficientemente limpios. Cerrado para el trabajo de conocimiento genérico, el razonamiento complejo y los prototipos rápidos. Abierto para cargas de trabajo recurrentes, datos sensibles, clasificación específica de la industria, operación en las instalaciones o en la nube soberana. Esto no es un compromiso. Esto es gestión de riesgos.

Veo un patrón en los fabricantes de la región DACH: los procesos cercanos a la oficina van primero a plataformas cerradas. Microsoft Copilot, Azure OpenAI, ChatGPT Enterprise, Gemini en el stack de Google. Los procesos cercanos a la producción, estratégicos para las ventas o con mucha propiedad intelectual, se tratan con más cautela. Documentos relacionados con CAD, cálculos de ofertas, precios especiales para clientes, reclamaciones técnicas, informes de servicio, parámetros de máquinas. Allí nadie quiere que los datos viajen sin que alguien en la empresa pueda explicar la ruta.

Esto suena a gobernanza de TI, pero es negocio. Si un fabricante de maquinaria quiere defender su margen de piezas de repuesto con un agente de IA que agrupa casos de servicio, predice la necesidad de piezas de repuesto y alerta a las ventas sobre señales de abandono, entonces no es un chatbot. Es gestión de ingresos. Si un proveedor automotriz como Brose o Schaeffler conecta datos de proveedores, informes de calidad e historiales de cuentas, entonces se trata de poder de negociación. No de una interfaz bonita.

Se espera que el mercado de IA agéntica empresarial crezca de 2.6 mil millones de dólares en 2024 a 24.5 mil millones de dólares en 2030, con una CAGR de aproximadamente el 46 por ciento, según Grand View Research. MarketsandMarkets estima que el mercado más amplio de agentes de IA pasará de 5.26 mil millones de dólares en 2024 a 52.62 mil millones de dólares en 2028. ¿Será exacta la cifra final? ¿Honestamente? No lo sé. Pero la dirección es clara: la IA está pasando de los sistemas de respuesta a los sistemas de acción.

Y los sistemas de acción necesitan control. Un agente de IA que solo formula textos es agradable. Un agente de IA que prioriza cuentas, prepara ofertas, activa secuencias de seguimiento, escala casos de servicio o contacta a proveedores, interviene en los procesos. Entonces, una prueba de herramienta no es suficiente. Entonces se necesitan derechos, registros, aprobaciones, fallbacks, límites de costos, enrutamiento de modelos y un equipo que entienda cuándo se utiliza un modelo cerrado y cuándo uno abierto.

Lo que vemos concretamente en Amplifa

Lo que vemos concretamente en Amplifa: en los últimos 12 meses, en implementaciones con empresas industriales, de ingeniería mecánica y de servicios técnicos en la región DACH, hemos observado que los proyectos de IA en ventas casi nunca fracasan en la generación de texto. Fracasan en la primera milla de los datos. En 31 de 44 configuraciones de Go-to-Market analizadas, los criterios de ICP se encontraban en al menos cuatro sistemas separados: CRM, ERP, Excel, datos de sitios web y, a menudo, en las mentes de dos vendedores senior. En 19 casos, los equipos no pudieron explicar antes del inicio del proyecto por qué una cuenta con una puntuación de 82 debería ser mejor que una con una puntuación de 54. Esto no es un problema de IA. Es un problema de gestión de ventas con síntomas de IA.

Más concretamente: en fabricantes con productos que requieren explicación, vemos regularmente que los modelos abiertos son suficientes para el trabajo preparatorio estructurado, mientras que los modelos cerrados son más fuertes en la personalización compleja. Un patrón que funciona: un modelo de peso abierto extrae características de la empresa, notas de producción, certificaciones, mercados de exportación y señales de contratación de fuentes públicas. Un modelo de frontera cerrado luego escribe una hipótesis precisa para el ejecutivo de cuentas. Luego, un humano lo revisa. No es romántico. Es efectivo.

En un proyecto con un proveedor técnico del sur de Alemania, el tiempo de investigación manual por cuenta objetivo disminuyó de 22 minutos a menos de 6 minutos, medido en 1.200 cuentas en el período de enero a marzo de 2026. Al mismo tiempo, la proporción de cuentas con al menos un disparador fiable aumentó del 34 al 71 por ciento. Ningún nuevo vendedor. Ningún póster motivacional. Solo una mejor recopilación de datos, enrutamiento de modelos y un ICP que no se basaba en la intuición.

Esta es la parte que me molesta en muchas reuniones de la junta directiva: se habla de IA como si el proveedor del modelo fuera la estrategia. Incorrecto. La estrategia reside en la pregunta de qué decisión de ventas se automatiza, se apoya o se decide conscientemente no automatizar. ¿Quién puede priorizar una cuenta? ¿Quién puede activar un mensaje? ¿Qué datos pueden entrar en el modelo? ¿Cuánto cuesta una cita calificada si la investigación, el alcance y el seguimiento están parcialmente automatizados?

Amplifa ICP Playbook Un playbook práctico para definir claramente los clientes objetivo, las señales de compra y la priorización de cuentas en las ventas B2B antes de escalar la IA.

IA Abierta vs. Cerrada: La lógica de negocio para fabricantes

Para las empresas manufactureras en DACH, hay cuatro criterios estrictos: curva de costos, control de datos, capacidad de integración y poder de negociación. Todo lo demás es secundario. Sé que suena brusco. Pero cuando se habla con directores generales que defienden los márgenes en el negocio de piezas, explican los precios de la energía, estabilizan las cadenas de suministro y, al mismo tiempo, deben construir nuevos servicios digitales, se pierde rápidamente la paciencia con las diapositivas de IA que solo prometen eficiencia.

La IA cerrada destaca al principio. Se compra acceso, se obtienen modelos potentes, se utilizan estructuras de nube y seguridad existentes y se pueden construir aplicaciones productivas en semanas. Esto es útil para muchas PYMES porque los equipos internos de IA son pequeños. Un gerente de ventas de un proveedor de Kärcher en la región de Stuttgart no va a construir primero un equipo de MLOps propio solo para mejorar los textos de las ofertas. Comprensible.

La IA abierta destaca en el control y la repetición. Si un proceso se ejecuta mil veces al día, con una estructura de datos estable e información sensible, entonces vale la pena el alojamiento propio o una nube soberana. No siempre. Pero más a menudo de lo que muchos consultores admiten. Especialmente en la puntuación de leads, clasificación de documentos, taxonomía técnica, análisis de licitaciones, emparejamiento de piezas de repuesto y búsqueda interna de conocimientos en documentos confidenciales.

En 2026, no aconsejaría a ninguna PYME que se decante completamente por el código abierto si no tiene la competencia de integración. Eso sería negligente. Pero tampoco aconsejaría a nadie que pegue todos los procesos estratégicos de IA a una plataforma cerrada. Eso es cómodo, hasta que llega la factura o el responsable de protección de datos en el comité de dirección de repente se queda muy callado.

Costos: Capex vs. Opex es demasiado simple

Muchos lo presentan de forma incorrecta: código abierto igual a Capex, código cerrado igual a Opex. No es tan simple. Un modelo abierto también puede ser Opex a través de un alojamiento gestionado. Un modelo cerrado puede parecer más predecible a través de contratos empresariales. La pregunta real es: ¿cuánto escala el consumo con el éxito de su negocio?

Si su sistema de IA analiza cada nuevo lead, cada cambio de sitio web, cada licitación, cada protocolo de servicio y cada nota de CRM, los costos aumentan con la actividad. Esto no es malo. Solo tiene que encajar en la economía unitaria. Un proceso de ventas que, con IA, encuentra el triple de cuentas relevantes, pero genera un 18 por ciento más de costos de herramientas y tokens por cierre, debe evaluarse de manera diferente a una suscripción SaaS clásica.

En un fabricante de tamaño medio con un presupuesto anual de IA de 1 a 3 millones de euros, considero realista que una estrategia exclusivamente cerrada vincule entre el 50 y el 70 por ciento de ese presupuesto en tarifas de uso para 2028, si las ventas, el servicio y la ingeniería automatizan ampliamente. Este rango no es una verdad de analistas. Es una suposición de planificación basada en conversaciones y proyecciones. Pero obliga a la discusión correcta.

Soberanía de datos: Las PYMES subestiman sus propios activos

Muchos fabricantes hablan de los datos como si tuvieran pocos. La mayoría de las veces, eso no es cierto. Tienen pocos datos utilizables. Eso es otra cosa. En los informes de servicio hay conocimiento del producto. En las ofertas perdidas hay sensibilidad al precio. En las reclamaciones hay información de la competencia. En los pedidos de piezas de repuesto hay una base instalada. En los antiguos informes de visitas hay lógica de centro de compra. El olor a archivo de papel no es digital, pero el valor es real.

Quien hace que estos datos sean utilizables en la IA, construye un activo. Quien los dispersa sin control en sistemas externos, se vuelve dependiente. El GDPR es solo la superficie jurídica. Para muchos fabricantes de maquinaria, la protección de secretos comerciales es más importante: condiciones especiales, diseños específicos del cliente, problemas de entrega, defectos de calidad, parámetros de proceso. Estos no son datos que se puedan introducir a la ligera en una caja negra.

La estrategia de la UE de aumentar la cuota de Europa en la capacidad global de computación de IA del 5 al 15 por ciento para 2030, con 100 mil millones de euros de inversión pública y 1.5 billones de euros de inversión privada, muestra hacia dónde se dirige la tendencia. Europa quiere más control sobre la computación, los modelos y los espacios de datos. Las PYMES no deberían leer esto como un documento de Bruselas. Deberían leerlo como una estrategia de compra.

Preguntas frecuentes: ¿Deberían las PYMES preferir la IA de código abierto?

No, no de forma generalizada. Quien tiene poca madurez de datos, no tiene socios de integración y no tiene casos de uso claros, a menudo le va mejor con plataformas cerradas para empezar. Pero cada fabricante de tamaño medio debería construir al menos una opción de modelo abierto como arquitectura de referencia. No por principio. Como ancla de precios, ruta alternativa y capa de control.

Preguntas frecuentes: ¿Dónde es superior la IA cerrada en ventas?

La IA cerrada es fuerte cuando las tareas son amplias, no estructuradas y lingüísticamente exigentes. Hipótesis de cuentas, informes ejecutivos, variantes complejas de correo electrónico, preparación de conversaciones para comités de compra internacionales. Un buen modelo cerrado puede ofrecer calidad aquí, para lo cual los modelos abiertos más pequeños necesitan más ajuste. Yo mismo utilizo esos modelos. Pero no ciegamente para cada proceso.

Preguntas frecuentes: ¿Dónde es mejor la IA abierta en ventas?

La IA abierta suele ser mejor para tareas repetibles, específicas de un dominio y sensibles: clasificación de clientes objetivo, extracción de características técnicas, puntuación de señales de la empresa, búsqueda interna de conocimientos, análisis de archivos de ofertas. Aquí no cuenta la respuesta más brillante, sino la repetibilidad estable, los bajos costos marginales y el control sobre los flujos de datos.

Qué significa esto para directores generales e inversores

Para los directores generales de las PYMES, la primera consecuencia es simple: la IA debe ir a la planificación estratégica y presupuestaria, no a la carpeta de innovación. Si el gasto empresarial en GenAI aumenta de 11.5 mil millones a 37 mil millones de dólares en un año, los proveedores, integradores y plataformas venderán de forma más agresiva. Su departamento de compras verá ofertas que suenan a productividad y huelen a tres años de dependencia de la nube.

Para los inversores, la pregunta es aún más aguda. Si invierte en un fabricante o lo valora, en el futuro deberá saber si las capacidades de IA de la empresa son activos propios o solo prompts alquilados. Una empresa que ha construido su lógica ICP, sus datos de cuenta, sus clasificaciones técnicas y su automatización de procesos de forma agnóstica al modelo es más robusta. Una empresa cuyos flujos de trabajo de IA dependen completamente de una herramienta cerrada conlleva un riesgo de plataforma.

En una due diligence a partir de 2027, preguntaría muy concretamente: ¿Qué modelos se utilizan para qué procesos? ¿Qué datos salen de la UE? ¿Existe una opción de salida para flujos de trabajo críticos? ¿Cuánto cuestan los costes de IA por oferta, por caso de servicio, por cita cualificada? ¿Qué datos de evaluación pertenecen a la empresa? ¿Quién puede operar el sistema si el proveedor cambia los precios?

Esto suena duro. Y debe serlo. Quien vende la IA como un multiplicador debe aceptar que también se multiplican los errores. Un ICP deficiente no mejora con la IA. Se implementa más rápido. Una mala disciplina de CRM no se cura con la IA. Solo se resume de forma más bonita. Un proceso de ventas sin responsabilidades claras no se vuelve autónomo con agentes. Se vuelve caótico.

Preparar la IA en ventas: 7 pasos para 2026

1. Separe los casos de uso por riesgo de datos. Los textos de oficina, la investigación pública de cuentas y el trabajo de conocimiento interno no pertenecen al mismo grupo que el cálculo de ofertas, los documentos relacionados con CAD o los informes de servicio con secretos de clientes.
2. Calcule el TCO a tres años. No solo los costos de licencia. Incluya tokens, usuarios, llamadas a la API, alojamiento, integración, monitoreo, seguridad, capacitación y cambio de proveedor. Un piloto sin cálculo de escalabilidad es material de ventas.
3. Construya un enrutamiento de modelos. Defina qué tareas puede recibir un modelo de frontera cerrado y cuáles debe realizar un modelo abierto. El mejor stack no siempre utiliza el mejor modelo, sino el adecuado.
4. Defina su ICP de forma legible por máquina. Industrias, tamaños de empresa, plantas, certificaciones, señales de expansión, disparadores, criterios de exclusión. Si su perfil de cliente ideal solo existe en PowerPoint, la IA no puede escalarlo limpiamente.
5. Cree conjuntos de datos de evaluación a partir de casos reales. 100 cuentas ganadas, 100 cuentas perdidas, 100 leads malos, casos de servicio reales, documentos de oferta reales. Sin evaluación, discute la calidad del modelo por intuición.
6. Negocie las cláusulas de datos y precios con antelación. Con proveedores cerrados: residencia de datos, no entrenamiento con datos del cliente, opciones de exportación, estabilidad de precios. Con socios abiertos: SLAs, endurecimiento de seguridad, modelo operativo, IP compartida.
7. Cree una responsabilidad en el negocio. No solo en TI. Ventas, servicio, ingeniería y control deben comprender los costos y las decisiones de IA. De lo contrario, TI construirá una plataforma que nadie gestionará económicamente.

Estos pasos parecen secos. Bien. Los pasos secos evitan las lágrimas en el comité directivo. He visto demasiados proyectos de IA en los que, después de seis meses, nadie sabía si el sistema generaba ingresos o solo actividad. Especialmente en ventas, la actividad es la métrica más peligrosa. Más correos electrónicos no son un progreso. Más conversaciones adecuadas sí lo son.

Producto Amplifa Amplifa ayuda a los equipos B2B a identificar clientes objetivo basados en datos, priorizar señales y construir procesos de ventas impulsados por IA de forma controlada.

Cómo puede ser un stack de IA híbrido en las PYMES

Un stack híbrido útil no comienza con el modelo. Comienza con el mapa de procesos. ¿Qué decisiones de ventas se toman hoy? Seleccionar cuenta, comprender el centro de compra, encontrar la ocasión, formular el mensaje, establecer el momento, planificar el seguimiento, preparar la oferta, reconocer el riesgo. Cada decisión recibe fuentes de datos, responsables y un nivel de automatización. Solo entonces surge la cuestión del modelo.

Para los datos públicos de la empresa, un modelo abierto puede ser suficiente, ejecutándose en una infraestructura propia o con un proveedor europeo. Extrae características relevantes de sitios web, datos del registro mercantil, ofertas de empleo, comunicados de prensa y bases de datos de certificados. Ejemplo: un fabricante amplía una fábrica en la República Checa, busca técnicos de mantenimiento con experiencia en Siemens S7 y menciona nuevas líneas de envasado. Esto es una señal. No una señal mágica. Pero una mejor que 'la empresa tiene 500 empleados'.

Para la formulación de una hipótesis ejecutiva, un modelo cerrado puede ser útil, siempre y cuando no se introduzcan datos confidenciales o se enmascaren adecuadamente. El ejecutivo de cuentas no recibe entonces 'Hola, quería presentarme brevemente', sino una hipótesis: 'Su expansión en Brno probablemente aumentará la necesidad de procesos de mantenimiento estandarizados para la línea X; en plantas similares vemos cuellos de botella en la disponibilidad de piezas de repuesto'. Esto es ventas. No spam.

Para la búsqueda interna de conocimientos en archivos de ofertas, sería más cauteloso. Allí se encuentran precios, descuentos, soluciones técnicas especiales, cláusulas legales. Un modelo abierto en un entorno controlado puede ser la mejor opción aquí. Quizás con Generación Aumentada por Recuperación (RAG), quizás con una lógica de roles estricta, quizás con aprobación humana. Lo importante: nadie copia PDFs de ofertas en ninguna ventana de chat porque es más rápido.

La orquestación de flujos de trabajo se subestima. Temporal, financiada según datos investigados en septiembre de 2026 con 550 millones de dólares en Serie E con una valoración de 12.55 mil millones de dólares, muestra lo importantes que se vuelven los procesos robustos. La IA sin orquestación es un video de demostración. La IA con orquestación puede soportar un proceso: obtener datos, elegir el modelo, verificar el resultado, actualizar el CRM, obtener aprobación, crear una tarea.

Por qué las estrategias puramente inbound no son suficientes en la fabricación

Lo digo de forma contundente: quien en 2026 en el B2B industrial siga apostando por una estrategia puramente inbound, no tendrá un pipeline fiable en cinco años. No porque el inbound esté muerto. Sino porque los compradores se vuelven más invisibles, las licitaciones llegan más tarde y los responsables técnicos consumen información mucho antes de rellenar un formulario. Si solo reacciona cuando el lead está en el sistema, a menudo ya es reemplazable.

La IA cambia las reglas del juego aquí. Los buenos equipos de ventas no esperan leads. Reconocen los movimientos del mercado: expansiones de plantas, nuevas líneas de productos, cambios de gestión, subvenciones, nuevas normas, ofertas de empleo, problemas en la cadena de suministro, patentes, anuncios de ferias. Un equipo que busca estas señales manualmente no puede seguir el ritmo. Un equipo que las recopila automáticamente y las evalúa mal, produce ruido. Un equipo que combina la IA con un ICP limpio, construye el pipeline antes.

Markus, director de ventas de un fabricante de plantas cerca de Ulm, me dijo en junio de 2026: 'Nuestras mejores oportunidades nunca están en el CRM antes de que alguien las haya buscado'. Exacto. El CRM es a menudo un espejo retrovisor. La IA puede ser un radar. Pero solo si las señales son correctas y el equipo de ventas no considera cada pista generada automáticamente como una oportunidad.

El papel de la regulación y la soberanía

La Ley de IA, el GDPR, NIS2 y los requisitos específicos del sector no facilitan las cosas en Europa. Pero hacen que el debate sea más honesto. Los fabricantes de la región DACH no pueden fingir que los flujos de datos son irrelevantes. Especialmente las empresas con vínculos con la automoción, la defensa, la tecnología médica o la química deben saber dónde se procesan los datos, quién tiene acceso y cómo se registran las decisiones.

Por lo tanto, los modelos de peso abierto encajan bien en la política industrial europea. Permiten un mayor control local, más auditabilidad y más adaptación a los requisitos específicos del dominio. Pero, una vez más: abierto no significa automáticamente conforme. Un sistema de código abierto mal configurado es tan peligroso como un contrato cerrado mal negociado. La diferencia es que con el código abierto a menudo se tiene más margen de maniobra.

La iniciativa franco-emiratí de aproximadamente mil millones de dólares para una constelación de satélites de IA con 50 satélites de observación de la Tierra demuestra lo amplio que se está volviendo el concepto de soberanía. No se trata solo de chatbots. Se trata de fuentes de datos, computación, modelos, aplicaciones. Para los fabricantes, esto significa: la cadena de valor de la IA se alarga. Y quien solo compra una herramienta al final, no entiende la palanca.

Cantidades de inversión: lo que realmente significan las mega-rondas

Las mega-rondas no son una prueba del valor para el cliente. Hay que decirlo. El capital también puede significar sobrecalentamiento. Pero las magnitudes muestran dónde surgen las dependencias estratégicas. OpenAI con una ronda de financiación de 122 mil millones de dólares en marzo de 2026, Anthropic con posibles planes de OPI de 100 mil millones de dólares, Mistral con 3 mil millones de euros en Serie D, Hugging Face con una valoración de dos dígitos de miles de millones, Temporal con 12.55 mil millones de dólares. Este es el nuevo mapa de infraestructura.

Para las PYMES, esto encierra una advertencia. Los proveedores con requisitos de capital extremos deben, en algún momento, mostrar rentabilidad. La rentabilidad proviene de los precios, la agrupación, el consumo, el control de la plataforma o la cuota de mercado. Si usted se encuentra en una plataforma que debe cubrir una factura de computación de 300 mil millones de dólares, no debe asumir que sus precios de API se mantendrán amigables a largo plazo.

En los ecosistemas abiertos, la lógica es diferente, pero no gratuita. El valor surge del alojamiento, la integración, la seguridad, el soporte, el ajuste fino, la evaluación y la operación. Esto es una oportunidad para los integradores europeos y los proveedores especializados. Para los clientes, es trabajo. Hay que elegir socios, gestionar la arquitectura y medir los resultados. A cambio, se recupera el poder de negociación.

Vínculo entre la arquitectura de IA y la gestión del pipeline

La gestión del pipeline a menudo se trata como una disciplina de ventas. Pronóstico, etapas, probabilidades, próximos pasos. Todo correcto. Pero la IA adelanta la gestión del pipeline. La pregunta crucial ya no es solo qué oportunidades hay en el CRM. Sino qué cuentas aún no están en el CRM, aunque podrían comprar en 6 a 18 meses.

Aquí es donde se separa el juguete del sistema. Un enfoque puramente cerrado puede proporcionar rápidamente buenos textos y resúmenes. Un enfoque amigable con el código abierto puede ayudar a procesar grandes cantidades de datos externos e internos de manera rentable. Un enfoque híbrido combina ambos: modelos abiertos para la detección de señales a gran escala, modelos cerrados para una comunicación exigente, aprobación humana para pasos críticos para el negocio.

Las PYMES no necesitan IA que produzca más resultados. Necesitan IA que establezca menos prioridades erróneas. Esta es una frase pequeña con grandes consecuencias. Menos cuentas malas. Menos seguimiento irrelevante de ferias. Menos 'Ya nos pondremos en contacto'. Más conversaciones con empresas en las que existe un disparador concreto, una necesidad adecuada y un centro de compra accesible.

Pronóstico personal: 2027 a 2029

Mi pronóstico personal para los próximos dos o tres años: 2027 será el año de la consolidación de la IA en las PYMES. Muchas empresas tendrán entre 8 y 15 herramientas en uso, pero solo conservarán entre 2 y 4. No porque las otras sean malas. Sino porque la proliferación de herramientas sin una estrategia de datos molesta, cuesta y difumina las responsabilidades.

2028 será el año de la auditoría de costos. Los CFOs ya no aceptarán que la IA se considere un presupuesto de innovación. Querrán ver los costos por operación: por lead calificado, por oferta, por caso de servicio, por documentación técnica, por ticket de soporte. Entonces se verá quién ha separado limpiamente lo abierto y lo cerrado desde el principio. Y quién simplemente ha aplicado el mismo modelo en todas partes.

2029 será el año del poder de negociación. Las empresas con flujos de trabajo agnósticos al modelo, datos de evaluación propios, clasificación clara de datos y alternativas abiertas tendrán mejores precios y un mayor control. Las empresas sin estas bases tendrán que explicar su estrategia de IA al revés: desde el proveedor, no desde el negocio. Esto rara vez es una buena señal.

No creo en la narrativa romántica de que el código abierto lo gana todo. Tampoco creo en la narrativa cómoda de que las grandes plataformas cerradas lo resuelven todo mejor. El mercado se volverá más feo, más práctico y más industrial. Precisamente por eso encaja con las PYMES.

Al final, no ganará el fabricante que muestre la demo de IA más espectacular. Ganará el que sepa qué datos posee, qué procesos debe controlar y qué dependencias puede permitirse. En el banco de trabajo, esto suena poco espectacular. En la cuenta de resultados, no.