La idea de la inteligencia artificial (IA) no es nueva, pero los últimos avances en tecnologías relacionadas han hecho que pase de ser algo más hipotético a una herramienta que muchos usamos a diario.
La creciente importancia y propagación de la IA es emocionante y potencialmente alarmante a la vez, debido a que los pilares en los que se basan muchas herramientas de IA son básicamente cajas negras que pertenecen a unas pocas corporaciones poderosas que las controlan.
En Red Hat, se cree que todos deberían tener la posibilidad de contribuir a la IA. La innovación en IA no debería limitarse solo a las empresas que pueden disponer de enormes cantidades de potencia de procesamiento y de los científicos de datos especializados necesarios para entrenar estos modelos de lenguaje de gran tamaño (LLM).
Si bien originalmente el término “código abierto” se refería a una metodología de desarrollo de software, desde entonces se ha ampliado para abarcar una forma de trabajar más general que es abierta, descentralizada y sumamente colaborativa.
El movimiento del código abierto hoy trasciende el mundo del software y existen iniciativas de colaboración en todo el mundo que han adoptado el estilo open source, incluso en el ámbito científico, educativo, el gobierno, la industria y la atención médica, entre otros.
Seis ventajas del open source en la era de la IA
Existen más de seis ventajas de las que podríamos hablar aquí, pero empezaremos por las más importantes.
1. Acelera el ritmo de la innovación
Cuando la tecnología se desarrolla de manera colaborativa y abierta, la innovación y el descubrimiento pueden ocurrir mucho más rápidamente, a diferencia de las organizaciones cerradas y las soluciones propietarias.
Cuando el trabajo se comparte abiertamente y otras personas tienen la posibilidad de usarlo como base, los equipos ahorran una enorme cantidad de tiempo y esfuerzo, ya que no tienen que empezar de cero con cada nuevo proyecto. Las nuevas ideas se pueden desarrollar a partir de proyectos anteriores. Esto no solo ahorra tiempo y dinero, sino que además genera resultados más sólidos, porque involucra a más personas que trabajan juntas para resolver problemas, compartir información valiosa y revisar el trabajo de los demás.
Una comunidad más grande y colaborativa es capaz de lograr más. Esto se debe a que un mayor número de personas que trabajan juntas para resolver problemas complejos pueden innovar de manera más rápida y eficaz que grupos pequeños y aislados que trabajen por su cuenta.
Ruta de aprendizaje “RHEL AI: Prueba los LLM de la manera más fácil”
2. Democratiza el acceso
El open source también democratiza el acceso a estas tecnologías de IA nuevas y emergentes. Cuando la investigación, el código y las herramientas se comparten abiertamente, esto ayuda a eliminar algunos de los obstáculos que suelen limitar el acceso a innovaciones de vanguardia.
Un ejemplo perfecto sería el proyecto InstructLab. Se trata de un proyecto de IA de código abierto que no depende de ningún modelo y que simplifica el proceso de aportar habilidades y conocimientos a los LLM. Su objetivo es permitir que cualquier persona ayude a definir la IA generativa (gen AI), incluidas aquellas personas que no cuentan con las habilidades y la capacitación en ciencia de datos normalmente requeridas. Esto permite que más personas y organizaciones contribuyan al entrenamiento y al perfeccionamiento de los LLM de una manera confiable, lo que fomenta una…
3. Mayor seguridad, protección y privacidad
Dado que los proyectos open source reducen los obstáculos de ingreso, existe un grupo más grande y diverso de colaboradores que pueden ayudar a identificar y resolver posibles problemas de seguridad y sesgo en los modelos de IA durante su desarrollo.
Los datos y los métodos que se utilizan para entrenar y ajustar los modelos cerrados de IA son de propiedad exclusiva y se guardan bajo estricta vigilancia. No es frecuente que personas ajenas puedan obtener información sobre cómo funcionan estos modelos y si albergan datos potencialmente peligrosos o sesgos inherentes.
En cambio, si un modelo y los datos que se utilizan para entrenarlo son abiertos, cualquier persona que desee participar puede examinarlos y, de este modo, se reducen los riesgos potenciales y se pueden minimizar los sesgos. Además, los colaboradores de código abierto pueden crear herramientas y procesos capaces de realizar el seguimiento y auditar el desarrollo futuro de modelos y aplicaciones, lo que ayuda a mejorar y preservar su seguridad a lo largo del tiempo.
Esta apertura y transparencia también genera confianza, porque los usuarios pueden examinar directamente cómo se utilizan y procesan sus datos y verificar que su privacidad y soberanía se respeten.
4. Proporciona flexibilidad y libertad de elección
Cuando se trata de la IA generativa, la mayoría de las personas ve y piensa en los LLM monolíticos, propietarios y de estilo caja negra. No obstante, se está comenzando a ver un creciente impulso hacia modelos de IA más pequeños, independientes y específicos.
Estos modelos de lenguaje pequeño (SLM) generalmente se entrenan sobre la base de conjuntos de datos mucho más pequeños para brindarles su funcionalidad básica y luego se los adapta aún más para casos de uso particulares mediante datos y conocimientos específicos del dominio.
Estos SLM son significativamente más eficientes que sus primos más grandes y han demostrado funcionar igual (sino mejor) cuando se los utiliza para el propósito previsto. Son más rápidos y eficientes de entrenar e implementar y se pueden personalizar y adaptar en función de las necesidades.
Esto es mayormente lo que el diseño del proyecto InstructLab permite hacer. Con él, podemos tomar un modelo de IA abierto más pequeño, como uno de los de modelos Granite con licencia open source, y ampliarlo con cualquier dato y entrenamiento adicional que deseemos.
Por ejemplo, puede usarse InstructLab para crear un chatbot de atención al cliente altamente optimizado y específicamente diseñado, entrenado con nuestros propios conocimientos y buenas prácticas, lo que nos permitirá brindar la mejor experiencia de atención al cliente a todos en cualquier momento y lugar.
Lo que es más importante aún, nos permite evitar la dependencia de un único proveedor y ser flexibles en cuanto a dónde y cómo implementar el modelo de IA y cualquier aplicación que creemos a partir de él.
5. Favorece un ecosistema vibrante
“En Red Hat creemos que “nadie innova por sí solo” y hemos sido fieles a esta creencia desde que lanzamos Red Hat Enterprise Linux (RHEL) por primera vez. Gran parte de esa creencia se funda en el valor que aportan nuestros partners no solo a Red Hat, sino también a nuestros clientes. En la era de la IA, esto seguirá siendo así, ya que nuestros partners aprovecharán la variedad de herramientas y marcos open source que ofrecemos en forma de Red Hat AI para generar valor adicional para nuestros clientes. Todo esto es posible gracias a que operamos de forma abierta y en cooperación y colaboración con nuestros proyectos de desarrollo y otros investigadores, empresas y partners de todo el mundo.”
6. Reduce costos
A principios de 2025, el salario base promedio de un científico de datos en los Estados Unidos se estimaba superior a los USD 125.000 y cada vez hay más científicos de datos experimentados capaces de ganar un salario considerablemente mayor.
A medida que la IA creció tanto en poder como en popularidad, existe obviamente una demanda masiva y creciente de científicos de datos; pero son pocas las empresas que tienen grandes esperanzas de captar y retener el talento especializado que necesitan.
Es extremadamente costoso construir, entrenar, mantener e implementar LLM realmente grandes, porque requieren depósitos completos llenos de equipos informáticos altamente optimizados (y muy costosos) y una enorme capacidad de almacenamiento.
Los modelos y las aplicaciones de IA abiertos, más pequeños y específicos son mucho más eficientes de crear, entrenar e implementar. No solo requieren una fracción de la potencia informática de los LLM, sino que los proyectos como InstructLab permiten que personas sin habilidades ni experiencia especializadas colaboren de manera activa y eficaz al entrenamiento y al ajuste de los modelos de IA.
El ahorro de costos y la flexibilidad que facilita el open source al desarrollo de la IA favorece claramente a las pequeñas y medianas empresas que ansían aprovechar la ventaja competitiva que pueden aportar las aplicaciones de IA.
Conclusión
Es fundamental construir la IA mediante el uso de principios abiertos y con la misma comunidad que creó la computación en la nube, la internet, Linux y tantas otras tecnologías abiertas poderosas y sumamente innovadoras.
Ese es el rumbo de la estrategia de productos de IA de Red Hat. Siempre aprovechando el poder del open source en sus productos y proyectos y lo mismo se hace con la IA.
Todos deberían poder beneficiarse de la IA y, por lo tanto, todos deberían poder ayudar a determinar y definir su trayectoria y contribuir a su desarrollo. El open source y la innovación colaborativa son vitales para el futuro de la IA, para que siga siendo accesible y provechosa para todos.