Actualizado el 10/11/2026
Actualizado el 10/11/2026
Los riesgos del Lockin con la IA (Mirando la burbuja)Escrito por Dídac Lopez Vinyas el 10/11/2026 a las 10:34:58326
(Director d'Informàtica de la Universitat de Girona) Como CIO, estoy viviendo una transformación que va mucho más allá de incorporar una nueva herramienta. El uso intensivo de la inteligencia artificial está cambiando cómo desarrollamos software, cómo organizamos nuestros equipos y cómo respondemos a la demanda interna. Precisamente por sus resultados, empieza a preocuparme una pregunta: ¿qué margen de maniobra tendremos si cambian las condiciones que hacen posible esta transformación?
La llamada burbuja de la IA, las tensiones geopolíticas y la evolución de los precios adquieren otra dimensión cuando nuestra capacidad de prestar servicios depende cada vez más de estas tecnologías.
Cuando la productividad transforma la organización
En nuestro equipo, la IA está modificando tanto la operativa como la distribución de responsabilidades. La PMO necesita revisar la planificación y la gestión de capacidades; los jefes de proyecto reorientan su dedicación hacia la definición de necesidades, la coordinación y la validación de resultados; los desarrolladores combinan la programación con la especificación, la supervisión y la revisión del trabajo generado con IA.
También cambia cómo se organizan estos roles. La mayor capacidad de ejecución nos lleva a replantear la relación entre nuevos proyectos, mantenimiento y evolución de los servicios. Los límites que antes imponían las horas disponibles para programar se desplazan hacia otros puntos: concretar requerimientos, integrar soluciones, verificar su calidad o acompañar su adopción.
La mejora de productividad es importante, aunque debe medirse en resultados útiles y sostenibles. Y tiene una consecuencia: asumimos nuevos compromisos y la organización incorpora esa capacidad a sus expectativas.
Un lock-in que va más allá del proveedor
El lock-in es la dependencia que dificulta abandonar una tecnología o un proveedor sin afrontar costes relevantes. Con la IA, esta dependencia tiene varias capas.
Existe una capa técnica: integraciones, agentes, instrucciones y flujos de trabajo adaptados a determinadas herramientas. Cambiar de modelo obliga a comprobar que el comportamiento, la calidad y la fiabilidad siguen siendo adecuados. Una interfaz compatible facilita la conexión, pero no garantiza resultados equivalentes.
Existe también una capa organizativa. Hemos adaptado funciones, conocimientos, procedimientos y compromisos a una capacidad productiva apoyada en la IA. Incluso pudiendo sustituir al proveedor, seguimos dependiendo de esa capacidad.
Por eso, conservar nuestros datos y nuestro código es necesario, pero insuficiente para preservar la autonomía.
¿Tiene sentido volver atrás?
Podríamos recuperar algunas formas anteriores de trabajar. Otra cuestión es hacerlo con los mismos recursos, plazos y niveles de servicio.
Si la demanda asumida ha aumentado y los equipos se han reorganizado, prescindir de la IA puede exigir reducir actividad, ampliar plantillas o renegociar compromisos. Además, algunas capacidades pueden debilitarse si dejamos de ejercitarlas.
Volver atrás puede resultar técnicamente posible y organizativamente inviable. También puede carecer de sentido cuando la transformación aporta valor. Necesitamos una estrategia de continuidad y adaptación que reconozca esta realidad.
La burbuja como riesgo de gestión
No hace falta predecir el estallido de una burbuja para contemplar sus consecuencias. Una corrección del mercado podría provocar concentración de proveedores, desaparición de servicios o cambios en sus condiciones.
A ello se suma la geopolítica: restricciones de acceso, decisiones comerciales o conflictos entre jurisdicciones pueden afectar a herramientas que ya forman parte de nuestra operativa.
Me preocupa especialmente un incremento de precios cuando la dependencia esté consolidada. Lo considero un escenario suficientemente plausible como para incorporarlo a nuestra planificación. El coste de la IA debe evaluarse también bajo condiciones menos favorables que las actuales.
Esta exposición alcanza al desarrollo de software y a cualquier área que automatice procesos o reorganice su trabajo alrededor de estas herramientas.
Soberanía y alternativas practicables
En este contexto, cobra sentido evaluar modelos de IA bajo control de actores de nuestro espacio geopolítico y, para determinados usos, soluciones desplegadas en infraestructura propia.
Sin embargo, alojar un modelo on-premise no garantiza por sí solo soberanía ni equivalencia funcional. Persisten dependencias de hardware, software, conocimiento y mantenimiento. La alternativa debe ser sostenible y demostrar que resuelve nuestras necesidades con calidad suficiente.
Como CIO, considero necesario identificar las dependencias críticas, conservar conocimiento interno, probar modelos alternativos y estimar costes y tiempos reales de sustitución. También debemos decidir qué actividad podríamos mantener ante una interrupción.
La IA ya está transformando nuestra capacidad de actuar. Gobernar esa transformación exige que la productividad ganada vaya acompañada de opciones reales para continuar cuando el mercado o la geopolítica cambien las reglas.
Noticias Relacionadas:Google se alía con Oxford La primera aplicación de fotos impulsada por IA sin supervisión |
