GAIL Study Hub

Construir o comprar y medir el impacto

Elegir el nivel más alto que cumple el caso, comprar SaaS antes que adaptar con low-code o construir a medida, descartar el preentrenamiento y medir el resultado con KPIs de negocio, no solo con métricas técnicas.

Dominio
D4 Estrategias de Negocio para una Solución GenAI Exitosa
Capa
Aplicaciones
Temario
[§ 4.1]
Tiempo estimado
10 min

1. El problema de negocio

Un fabricante de componentes industriales quiere que su personal técnico redacte más rápido los informes de incidencias y encuentre respuestas en los manuales internos. Parte de la dirección pide una solución exclusiva que diferencie a la empresa, aunque no hay científicos de datos. La única prueba realizada se ha evaluado por latencia y coste por petición, y el comité financiero exige demostrar dentro del ejercicio que la inversión compensa.

2. Solución de Google

Servicio
Comprar SaaS (Gemini for Google Workspace, Gemini Enterprise) antes que construir
Capa
Aplicaciones
Por qué
El nivel 1, comprar SaaS, entrega valor en horas o días, frente a días o semanas al adaptar con low-code y meses al construir a medida; preentrenar un modelo propio se descarta por coste, plazo y talento. El impacto se mide con KPIs de negocio, como horas ahorradas, no solo con métricas técnicas.
Ver la capa en el mapa de 5 capas
Las 5 capas del panorama de IA generativa: arriba, lo más cercano al usuario; abajo, la infraestructura.

  1. Capa 5Aplicaciones[Capa de esta lección]

    La parte con la que interactúa el usuario final.

    • Gemini app
    • Gemini Enterprise
    • Gemini for Google Workspace
    • Gemini Notebook
    • Gemini for Google Cloud

  2. Capa 4Agentes

    Software que persigue un objetivo usando un modelo y herramientas.

    • Agentes en Agent Platform
    • Customer Engagement Suite

  3. Capa 3Plataforma

    APIs, gestión de datos y despliegue de modelos; abstrae la infraestructura.

    • Agent Studio
    • Agent Search
    • Model Garden
    • Agent Platform AutoML
    • RAG Engine
    • Agent Runtime

  4. Capa 2Modelos

    Algoritmos entrenados con grandes volúmenes de datos que generan contenido.

    • Gemini
    • Gemma
    • Imagen
    • Veo

  5. Capa 1Infraestructura

    Cómputo y almacenamiento físico para entrenar y servir modelos.

    • AI Hypercomputer
    • Cloud TPU
    • GPU
    • Centros de datos de Google

3. Límites

No la uses si
La tarea es un proceso masivo y acotado que una API preentrenada resuelve exactamente, con un coste por uso menor y más previsible que el de un asistente generalista.
Variable que fuerza el cambio
Coste
Alternativa
Nivel 2, adaptar con low-code: una API preentrenada, Agent Studio o Agent Search.

4. La trampa del examen

[✗] Distractor
Preentrenar desde cero un modelo fundacional propio con el histórico de informes de la empresa para tener un asistente exclusivo.
Por qué tienta
Promete un modelo que conoce el vocabulario de la planta y parece una ventaja competitiva frente a comprar lo mismo que la competencia.
Por qué es incorrecto
En un caso de negocio común, preentrenar desde cero se descarta por coste, plazo y talento: la empresa no tiene científicos de datos y el comité exige resultados medibles dentro del ejercicio.

5. Micro-check