Última actualización: 24 de junio de 2026
A 24 de junio de 2026, muchas empresas que usaban IA han descubierto algo incómodo: el día que su modelo cambia, desaparece o sube de precio, se quedan con las manos vacías. Lo que habían construido vivía dentro del proveedor, no dentro de su negocio. Esa fragilidad tiene nombre y solución.
¿Qué pasó con Fable y por qué importa aunque no lo usaras?
El detonante reciente, a esta fecha de junio de 2026, es la retirada de Fable, un modelo que muchas herramientas tenían integrado y que, de un día para otro, dejó de estar disponible con normalidad. Las empresas que habían apoyado parte de su operación sobre él se encontraron con flujos rotos y, sobre todo, con la sensación de haber perdido meses de ajuste fino.
La lección no es sobre Fable. Es sobre la dependencia. Da igual el nombre: cuando todo lo que tu empresa sabe hacer con IA está atado a un único modelo de un único proveedor, cualquier cambio en ese modelo —que lo retiren, que cambie de comportamiento, que suba de tarifa— te deja a la intemperie. Y los modelos cambian rápido. En las últimas semanas hemos visto cómo modelos de pesos abiertos como GLM-5.2 alcanzan un rendimiento cercano al de los modelos de gama más alta costando alrededor de una sexta parte. La frontera se mueve cada pocas semanas, y con ella el modelo que hoy te conviene.
Para el dueño de una empresa, la pregunta correcta deja de ser "¿qué modelo uso?" y pasa a ser "¿qué se queda en mi negocio el día que cambie de modelo?".
¿Por qué una estrategia de IA centrada en el proveedor es frágil?
La mayoría de empresas, cuando hablan de su "estrategia de IA", en realidad describen una estrategia de proveedor: qué herramienta han contratado, qué modelo usan, qué plan pagan. Eso no es una estrategia, es una suscripción. Y tiene tres problemas.
El primero es que el modelo es un bien intercambiable. Lo que hoy es el mejor de su categoría, en tres meses es el segundo, y lo que paga la tarifa premium puede hacerse mañana con uno abierto a una fracción del coste. Construir tu ventaja sobre algo que cambia cada pocas semanas es construir sobre arena.
El segundo es que esa ventaja no se acumula. Cada vez que tu equipo afina un buen prompt, descubre cómo pedirle bien las cosas a la IA o corrige un error recurrente, ese aprendizaje se queda en una conversación suelta o en la cabeza de una persona. No queda en ningún sitio del que la empresa pueda tirar mañana.
El tercero es que te hace vulnerable. Si el día que el proveedor cambia las reglas tu operación se tambalea, no tienes una herramienta: tienes una atadura. Lo vimos con Fable y lo volveremos a ver.
¿Qué es un sistema de aprendizaje y qué aspecto tiene en una pyme?
Un sistema de aprendizaje es lo contrario de una atadura: es todo lo que tu empresa captura, ordena y conserva sobre cómo hace su trabajo con IA, de forma que sirva con cualquier modelo. No es un programa que se compra; es una capa propia que se construye encima de la IA que uses en cada momento. Tiene cuatro piezas, y ninguna depende del proveedor:
| Pieza del sistema | Qué captura | Por qué es tuya y no del proveedor |
|---|---|---|
| Criterio del negocio | Cómo decide tu empresa: qué responde a un cliente, cómo valora un riesgo, qué tono usa | Es tu forma de trabajar, no la del modelo |
| Trazas de proceso | Los pasos reales de cada flujo: de la consulta a la respuesta, del dato a la decisión | Documenta tu operación, sirva el modelo que sirva |
| Evaluaciones propias | Un banco de casos reales para medir si un modelo nuevo lo hace bien antes de cambiarte | Te deja probar y migrar sin miedo |
| Datos y documentos propios | Tu histórico de clientes, contratos, presupuestos, respuestas | Es el activo que ningún proveedor te da ni te quita |
En la práctica esto no es abstracto. Un despacho profesional de doce personas que captura el criterio con el que redacta sus escritos —qué cláusulas usa, qué tono, qué errores no comete— puede cambiar de modelo de IA en una tarde y seguir produciendo igual, porque lo valioso no estaba en el modelo, estaba documentado en su sistema. Un distribuidor que tramita doscientos presupuestos al mes y ha guardado la lógica con la que calcula descuentos y plazos no empieza de cero cada vez que aparece una IA mejor: la enchufa a lo que ya tiene. Eso es tener un sistema de aprendizaje en una pyme.
¿Por dónde empieza una empresa de 5 a 200 personas a construirlo?
No hace falta un gran proyecto ni un equipo técnico propio. El orden sensato es de menos a más:
- Captura el criterio antes que la herramienta. Antes de elegir modelo, escribe cómo trabaja tu empresa: cómo respondéis a un cliente difícil, qué nunca hacéis, qué valoráis en una buena propuesta. Ese documento es la base de todo lo demás y no caduca cuando cambia la IA. Es el primer entregable de una auditoría de IA.
- Guarda tus casos reales como banco de pruebas. Recopila veinte o treinta ejemplos reales de buen y mal trabajo. Con ellos podrás medir, en una mañana, si un modelo nuevo está a la altura antes de jugártela en producción. Sin ese banco, cada cambio de modelo es a ciegas.
- Documenta los flujos, no solo los prompts. Un buen prompt se queda obsoleto; un flujo bien descrito (de qué dato parte, qué decide, dónde acaba) se reconstruye sobre cualquier modelo. Es la diferencia entre un truco y un proceso, y es el corazón de los desarrollos a medida.
- Pon a alguien a mantenerlo. El mercado se mueve cada pocas semanas; alguien tiene que vigilar si conviene cambiar de modelo y migrar sin romper nada. Para quien no tiene equipo técnico, esa es la función del departamento de IA externo.
Hecho con orden, lo que consigues es que tu inversión en IA se acumule en lugar de evaporarse: cada mes tu empresa sabe hacer más, y ese saber es tuyo.
¿Significa esto desentenderse de qué modelo usar?
No. Elegir bien el modelo sigue importando para el coste y la calidad, y conviene revisarlo de vez en cuando porque las opciones mejoran rápido. La diferencia es de prioridad: el modelo es una decisión que tomas y rehaces cada pocos meses; el sistema de aprendizaje es el activo que construyes una vez y mantienes para siempre.
Dicho de otro modo, el modelo es el coche y tu sistema de aprendizaje es saber conducir y conocer las rutas. Cambiar de coche es fácil y barato si sabes adónde vas; lo caro es no haber aprendido nunca el camino. Las empresas que en junio de 2026 han sufrido con la retirada de Fable no perdieron un coche: descubrieron que nunca habían aprendido a conducir por su cuenta.
Para una pyme, este cambio de enfoque es una buena noticia. No tienes que competir con las grandes en potencia de modelo —eso lo pone el proveedor para todos por igual—, pero sí puedes ganarles en conocer tu negocio mejor que nadie y tenerlo capturado. Ahí es donde una IA bien aplicada deja de ser un gasto que se renueva y pasa a ser una ventaja que se acumula.
Preguntas frecuentes
¿Esto no es muy complejo para una empresa pequeña?
Al contrario. Una empresa pequeña tiene flujos más sencillos de documentar y menos personas con las que coordinarse. El sistema de aprendizaje de una pyme cabe, al principio, en unos pocos documentos bien hechos.
¿Tengo que dejar de usar la herramienta de IA que ya tengo?
No. El sistema de aprendizaje se construye encima de lo que uses hoy. La idea es que, el día que quieras cambiar, puedas hacerlo sin perder lo aprendido.
¿Cuánto se tarda en tener algo útil?
Las primeras piezas —el criterio del negocio y un banco de casos reales— se pueden tener en pocas semanas y ya aportan valor por sí solas, antes incluso de tocar ningún modelo.
¿Quieres saber qué se quedaría en tu empresa si mañana cambiaras de IA, y cómo empezar a construir tu propio sistema de aprendizaje? Reserva 30 minutos con nuestro equipo y lo revisamos con tu operación real sobre la mesa.