En enero de 2025 entró en vigor, en la Unión Europea, el reglamento de resiliencia operativa digital para el sector financiero, conocido como DORA. Entre otras exigencias, el Reglamento (UE) 2022/2554 obliga a bancos y aseguradoras a mantener una estrategia de salida documentada para cada proveedor crítico de tecnología: un plan para migrar sin detener la operación, escrito antes de necesitarlo.
En el Reino Unido, el Banco de Inglaterra y la Autoridad de Conducta Financiera siguieron el mismo camino. Desde el 1 de enero de 2025, los proveedores considerados críticos para el sistema financiero británico deben mostrar cómo gestionan su propia cadena de dependencias y cómo se conduciría una eventual salida sin amenazar al sector. El propio regulador registró que los problemas ligados a terceros fueron la principal causa de incidentes operativos reportados entre 2022 y 2023.
La lógica detrás de estas reglas no es exclusiva de los bancos. Cualquier empresa que construye su operación de IA sobre un único proveedor corre el mismo riesgo que atacan los reguladores: descubrir, al momento de cambiar, que salir es mucho más caro y lento que entrar. Y quien decide dónde opera la IA dentro de la empresa rara vez piensa en esto antes de firmar el primer contrato.
La cuenta que solo aparece en la salida
Una encuesta de Zapier a 542 ejecutivos en Estados Unidos, citada por el diario The Register en abril de 2026, muestra la distancia entre la expectativa y la realidad: el 90% creía que podría cambiar de proveedor de IA en hasta cuatro semanas, y el 41% apostaba a solo unos días hábiles. En la práctica, apenas el 42% de las empresas que intentaron migrar de una plataforma de IA a otra afirma que el cambio salió bien.
La explicación de la propia encuesta es directa: cuando la IA ya está entrelazada con los procesos internos, conectada a otros sistemas y ajustada a rutinas específicas, arrastra dependencias, excepciones y pequeños ajustes que nadie documentó. Cada uno de esos ajustes queda invisible hasta el día en que el proveedor cambia, y se convierte en trabajo de reconstrucción.
Y el proveedor cambia con más frecuencia de la que la empresa espera. Según el mismo reportaje, Anthropic modificó en abril de 2026 el cobro del plan corporativo de Claude, que dejó de tener precio fijo y pasó a cobrar por uso, un cambio que, según expertos consultados por el medio, puede duplicar o triplicar el costo de quien usa la herramienta con intensidad. OpenAI, por su parte, elevó el precio por unidad procesada de su modelo principal de 1,25 a 5,75 dólares entre una versión y la siguiente.
Ninguno de estos cambios se anuncia con la anticipación suficiente para que una empresa cambie de proveedor al mismo ritmo. Y cuando alguien de la dirección pregunta por qué no se cambia, la respuesta suele parecerse a la de los bancos europeos antes de DORA: porque nadie diseñó el plan de salida antes de necesitarlo.
Dos respuestas que no alcanzan
La respuesta más común es comercial: negociar un contrato más largo o un tope de reajuste. Ayuda al presupuesto, pero no resuelve el problema de fondo: un proveedor puede discontinuar un modelo, cambiar su comportamiento o reducir lo que ofrece sin tocar una sola línea del contrato de precio. Según el mismo reportaje, Anthropic retiró de circulación, con poco aviso, más de una versión de Claude durante el último año; OpenAI hizo lo mismo con una herramienta de generación de imágenes, cambiando el modelo detrás de ella sin siquiera nombrar la versión anterior.
La segunda respuesta común es técnica: contratar a más de un proveedor a la vez, como seguro. Eso reduce el riesgo de una indisponibilidad total, pero no resuelve el cambio, porque lo que realmente queda atado a un proveedor rara vez es la conexión técnica. Es el flujo de trabajo que alguien pasó meses ajustando: la forma exacta de pedir, las excepciones aprendidas a fuerza de prueba y error, la secuencia de pasos que, en la práctica, aprendió a funcionar con ese modelo específico. Nada de eso migra solo al siguiente modelo.
En otras palabras, los dos remedios más comunes tratan el síntoma —precio y disponibilidad— y dejan intacta la causa: el conocimiento y las reglas de cómo trabaja la empresa pasaron a ser parte del proveedor, en lugar de seguir siendo parte de la empresa.
Cuando la IA ya está entrelazada con los procesos internos y ajustada a rutinas específicas, arrastra dependencias y pequeños ajustes que nadie documentó.
Lo que tiene que existir en la práctica
El conocimiento de la empresa vive fuera del modelo, con fuente y dueño. Políticas, procesos y guiones quedan guardados en un lugar de la empresa, con fuente y versión vigente, no dentro del ajuste fino de un proveedor específico. Cambiar de modelo no borra lo que la empresa sabe.
Las reglas de trabajo quedan documentadas en la plataforma, no en la cabeza de quien usa el modelo hoy. Quién aprueba qué, en qué orden, con qué excepción: eso es regla de la empresa, escrita y aplicada por el entorno donde opera la IA, no un hábito que solo existe porque alguien memorizó la forma correcta de pedirle algo a un modelo específico.
Cada tarea se dirige al modelo de IA más adecuado, no a uno solo fijo. Cuando la plataforma decide, tarea por tarea, qué modelo responde, cambiar un proveedor por otro —o usar los dos a la vez, por costo o por disponibilidad— es una configuración, no una reconstrucción de toda la operación.
El contrato prevé cómo salir antes de que la empresa necesite salir. Plazo de transición, formato de exportación de los datos y de lo aprendido, aviso mínimo antes de un cambio de precio o una discontinuación: cláusulas así cuestan una negociación hoy y evitan un rescate caro después.
La trazabilidad y el historial quedan con la empresa, no solo con el proveedor. Registro de qué se aprobó, por quién y por qué, guardado en el entorno de la empresa. Si el proveedor del modelo cambia, la historia de lo que la empresa construyó no desaparece con él.
Ninguno de estos mecanismos depende de adivinar qué proveedor subirá el precio primero. Así fue diseñada Skyller: el conocimiento de la empresa queda guardado como un activo propio, con fuente y dueño, y cada tarea se dirige al modelo de IA más adecuado; cambiar de proveedor se vuelve un ajuste, no una reconstrucción.
Recuperar poder de negociación
La primera ganancia es la más directa: poder de negociación. Una empresa que puede cambiar de modelo sin reiniciar su operación también puede decir que no a un reajuste, y el proveedor lo sabe desde la primera reunión de renovación.
La segunda ganancia aparece cuando un proveedor discontinúa un modelo o el servicio queda indisponible por algunas horas. En lugar de que la operación se detenga hasta que alguien reconstruya todo a mano, la tarea se dirige a otro modelo de IA ya configurado para ese mismo tipo de trabajo, sin que quien la pidió note la diferencia.
La tercera es financiera, y la más fácil de mostrar en una planilla: no toda tarea necesita el modelo más caro. Una pregunta simple de atención al cliente y un análisis complejo de un contrato no requieren el mismo esfuerzo de procesamiento, y con el direccionamiento correcto, la empresa paga el precio de la tarea, no la tarifa fija de un único proveedor para todo. Skyller, por ejemplo, hace ese direccionamiento por tarea de forma continua, sin que nadie tenga que elegir el modelo a mano en cada pedido.
La cuarta ganancia es menos visible, pero es lo que queda después de años: el conocimiento construido —los guiones que funcionan, las excepciones aprendidas, el historial de decisiones— sigue perteneciendo a la empresa, y no se evapora cuando cambia un contrato.
Cinco preguntas antes de firmar el próximo contrato
- Si este proveedor desapareciera mañana, ¿qué dejaría de funcionar? Enumere los procesos que hoy dependen de un único modelo de IA, sin alternativa configurada.
- Lo que la empresa aprendió, ¿está con la empresa o está con el proveedor? Los guiones, excepciones y ajustes finos que solo existen dentro de un modelo específico no son un activo de la empresa: son un rehén suyo.
- ¿El contrato dice cuánto tiempo de transición tiene la empresa si cambia el precio o se discontinúa el modelo? Si la respuesta es "no lo sabemos", esa es la primera cláusula por renegociar.
- ¿Cada tarea va al modelo de IA correcto, o todo pasa por el mismo por costumbre? Una tarea simple con un modelo caro es dinero perdido; una tarea compleja con un modelo simple es un riesgo.
- ¿Quién, hoy, sería capaz de reconstruir la operación de IA de la empresa sin una persona específica? Si la respuesta es un solo nombre, el conocimiento no está en la empresa: está en una persona y en un proveedor.
