IA vertical
Vertical AI
¿Qué es la IA vertical?
- Servicio de IA especializado en una industria o función laboral específica
- La ventaja competitiva está en los datos del dominio y el flujo de trabajo, no en el modelo
- Ventaja: poco esfuerzo de implementación y medición de resultados sencilla
Lo que realmente cambia con la IA vertical es la pregunta que se hace en la reunión de adopción. La discusión deja de ser «¿qué modelo es más inteligente?» y pasa a ser «¿quién se responsabiliza de este trabajo de principio a fin?». La IA de uso general entrega un borrador, pero la verificación, el formato y la carga en los sistemas de registro siguen en manos de las personas. En cambio, la IA vertical incluye ese trabajo posterior dentro del producto, así que lo que se compra deja de ser una herramienta y pasa a ser un resultado de trabajo. Por eso, los indicadores de efecto se miden de forma natural por número de casos procesados, tiempo de respuesta y tasa de retrabajo.
La IA vertical se divide en tres niveles según su profundidad. El de conocimiento solo agrega documentos del dominio y terminología especializada. El de flujo de trabajo diseña todo el proceso, desde la recepción hasta la aprobación. El embebido se conecta directamente a los sistemas núcleo de la industria, como historia clínica electrónica (EMR), TMS o ERP, y lee y escribe datos directamente. Cuanto más profundo es el nivel, mayor es el efecto, pero también crecen los costos de reemplazo y la dependencia del proveedor. Un chatbot que solo añade un RAG sobre documentos internos no entra en esta categoría, y es más preciso clasificarlo como IA interna. Además, aumentan las propuestas de cobro por cada caso procesado o cada caso exitoso, en lugar de la suscripción mensual por usuario, así que antes del contrato hay que estimar primero el volumen mensual de procesamiento.
Para decidir si conviene adoptarla, se miran dos ejes: la cantidad de repeticiones y la tasa de excepciones. Las tareas que se repiten cientos de veces al mes con una forma similar y cuyos casos excepcionales son el 20 % o menos son la prioridad uno. En cambio, las tareas en las que las excepciones superan la mitad requieren revisión humana permanente, por lo que el esfuerzo total aumenta. Para saber en cuál de los dos casos está su empresa, no conviene guiarse por la intuición: hay que contar por tipo los registros de procesamiento de los últimos tres meses.
En la práctica, el desajuste más frecuente es la expectativa de que «como es una IA especializada en nuestra industria, también conocerá el trabajo de nuestra empresa». Lo que la IA vertical aprendió es el promedio de la industria, no los formatos, las abreviaturas ni las líneas de aprobación de cada empresa, por lo que los primeros 2 o 3 meses hacen falta para ajustarla con datos propios. Si es una solución extranjera, aparece un hueco adicional: no se actualiza con los cambios de las leyes y los formatos fiscales nacionales. Si se usa el tipo embebido y se omite la cláusula de extracción de datos al terminar el contrato, el historial de correcciones y los activos de etiquetado acumulados en dos años de trabajo de campo quedan íntegramente en manos del proveedor.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría. Instructor.
Seolyeong ParkEspecialista en IA generativa y AX, con 17 años de experiencia práctica y más de 200 sesiones de enseñanza, que logra que personas sin formación técnica la usen de inmediatoProviene de «mercado vertical», que se refiere a un mercado de una industria específica, y es el término «SaaS vertical» de la industria del software como servicio, trasladado a la IA. Tras el auge de la IA generativa desde 2023, se consolidó como término de inversión e industria para la ola de startups de IA especializada en industrias, distinguidas de los chatbots de propósito general.
Veamos un caso hipotético. La empresa A, fabricante de autopartes, tiene 520 colaboradores y ventas anuales de KRW 180,000,000,000 (≈ US$134,724,500). Dos abogados internos revisan 2,400 contratos al año, y cuando el área de compras traía un caso urgente, la respuesta tardaba en promedio 5 días hábiles. Que el calendario de producción se retrasara por los contratos se repetía cada trimestre, hasta que la dirección ordenó buscar una alternativa.
- El jefe del área legal contó por tipo los registros de revisión pendiente de los últimos tres meses y reportó que el 68 % eran versiones modificadas de contratos de compra estándar, con solo unas pocas cláusulas cambiadas, y que «ese 80 % no necesita que un abogado lo revise desde el principio».
- Primero se aplicó durante dos meses una IA jurídica global especializada, pero no detectó en absoluto la cláusula de plazo de pago de la Ley de Subcontratación Justa (ley coreana), y el analista de revisión concluyó: «Fuera de los NDA en inglés, no sirve para el trabajo práctico».
- Invitamos a dos soluciones especializadas en contratos locales de Corea y realizamos una prueba a ciegas con 50 contratos propios ya revisados, sin cambios. Comparamos, cláusula por cláusula, la tasa de detección de cláusulas abusivas y el número de falsos positivos.
- El jefe de compras entró a negociar las condiciones del contrato e incluyó dos cláusulas: al terminar el contrato, el historial original de revisiones se puede exportar en Excel o PDF, y los datos de la empresa no se usan para entrenar los modelos del proveedor. El alcance de la integración se limitó al sistema de aprobación electrónica existente.
- Seis meses después de la adopción, la respuesta a los contratos estándar bajó de 5 días hábiles a 1.2 días hábiles, y el tiempo que dos abogados dedican a casos de M&A y disputas subió de 6 a 19 horas semanales.