Por qué los modelos de lenguaje pequeños (SLM) ganan terreno en el entorno corporativo

Los SLM ofrecen mayor precisión, menor costo y mejor adaptación a tareas específicas, desafiando el dominio de los grandes modelos. Un informe de Gartner anticipa que, para 2027, su empleo triplicará al de los LLM en las empresas.

Durante años, la narrativa dominante en inteligencia artificial ha girado en torno a modelos cada vez más grandes. Sin embargo, en el mundo empresarial está ocurriendo lo contrario. Los modelos pequeños, especializados y ajustados a tareas concretas están emergiendo como la opción más pragmática y eficiente.

Un informe de Gartner anticipa que para 2027 el uso de modelos pequeños triplicará al de los grandes modelos de lenguaje en entornos empresariales.  La razón es clara: precisión contextual, costos más bajos y mayor facilidad de integración en procesos reales de negocio.

A diferencia de los LLM generalistas, los SLM están diseñados para resolver problemas específicos, desde atención al cliente hasta análisis financiero o cumplimiento regulatorio. Esto reduce el riesgo de “alucinaciones” y mejora la confiabilidad en sectores críticos como banca o salud.

El factor económico es determinante. Modelos más pequeños consumen menos recursos computacionales, lo que reduce costos operativos y de mantenimiento. En algunos casos, pueden operar incluso en un solo GPU, como ocurre con ciertas implementaciones recientes de Google.  

Además, el costo por respuesta puede ser hasta una sexta parte del de modelos más grandes, lo que cambia radicalmente la ecuación de escalabilidad.

Este cambio está dando forma a nuevas arquitecturas. En lugar de depender de un único modelo potente, las empresas construyen “fábricas de conocimiento”, donde múltiples modelos pequeños trabajan en cadena, ejecutando tareas específicas dentro de un flujo más amplio.

El resultado es una inteligencia artificial más modular y eficiente. Grandes modelos siguen siendo relevantes, pero como capa estratégica inicial, encargada de planificación o razonamiento complejo. Luego, modelos más pequeños ejecutan el trabajo operativo.

Este enfoque también responde a preocupaciones de gobernanza y privacidad. Los SLM pueden desplegarse dentro de infraestructuras internas, detrás de firewalls, lo que facilita el cumplimiento regulatorio y el control sobre datos sensibles.

En términos estratégicos, el mensaje es contundente. La ventaja competitiva no estará en quién tiene el modelo más grande, sino en quién diseña mejor el sistema que los orquesta. La IA empresarial se está moviendo de una lógica de potencia a una de precisión.

Puede interesarle: El gasto global en TI superará los US$6 billones en 2026 impulsado por la fiebre de la IA