Revolut se pasó a la IA headless. El siguiente paso es ser dueño del modelo

Revolut acaba de presentar el argumento más claro hasta la fecha a favor de la IA de código abierto en una gran empresa. En menos de un año trasladó el modelo de IA que usan por defecto para programar unos 2.000 ingenieros, de Claude Code y Codex a GLM, un modelo de pesos abiertos que sirve en GPU dedicadas, y afirma que la factura ha bajado alrededor de un 90%. Es un punto de inflexión que merece un análisis detenido, porque muestra hasta dónde puede llegar una empresa cuando controla su propia inferencia y dónde sigue estando la ventaja mayor.

El problema que hoy tienen todas las empresas

La mayoría de las empresas alquilan los mismos pocos modelos de frontera. Eso tiene dos consecuencias que empeoran con la escala. La primera es el coste: cada consulta se factura, de modo que cuanto más se usa la IA, más rápido crece la factura. Antes del cambio, algunos ingenieros de Revolut gastaban entre 1.000 y 10.000 dólares al mes cada uno en herramientas de IA para programar, y la empresa tuvo que imponer presupuestos estrictos (The Register). Los presupuestos contuvieron el gasto, pero también impidieron que la gente usara las herramientas con libertad.

La segunda consecuencia es más discreta. Cuando todas las empresas envían su trabajo al mismo modelo, la IA de ninguna sabe nada especial. Su competencia recibe las mismas respuestas que usted. Lo único que puede hacer suyo un modelo es lo que aprende de su negocio, y eso es precisamente lo que el alquiler no le da.

Llevamos cuatro años implantando IA en empresas consolidadas y vemos el mismo patrón en todas partes: el gasto en IA crece, el uso se raciona y el conocimiento propio de la empresa queda completamente fuera del modelo.

Qué hizo exactamente Revolut

El responsable de operaciones e infraestructura de Revolut, David Abitbol, explicó el cambio en la conferencia AI Engineer de Nueva York (vídeo de la charla). Las piezas principales:

• Un modelo abierto por defectoGLM-5.1 desde abril de 2026 y después GLM-5.3, del desarrollador Z.ai. Los modelos de frontera siguen disponibles para las tareas en las que son claramente mejores.
• Infraestructura propia56 GPU Nvidia B200; los pesos se descargan y se ejecutan en infraestructura dedicada, de modo que ninguna petición llega al fabricante del modelo.
• Un enrutador delantelas herramientas se conectan a un único endpoint compatible con OpenAI, y las tareas con imágenes se envían a modelos con visión. Eso es lo que significa aquí «headless»: las herramientas que usa la gente están separadas del modelo que hay detrás.
• Ajustar antes de comprar hardwarealrededor del 80% de la mejora de rendimiento vino de la configuración (cuantización, caché, límites de contexto), no de añadir GPU.

Son cifras de la propia Revolut. Lo importante es la dirección: en cuanto la factura dejó de crecer con cada consulta, los ingenieros empezaron a usar la IA para depurar errores, gestionar tickets y documentar, además de programar, y ahí es donde Abitbol vio las mayores mejoras.

Lo que Revolut todavía no ha hecho

Revolut ya es dueña de su inferencia. Todavía no es dueña de su inteligencia. Ni la charla ni la cobertura de prensa describen un entrenamiento del modelo con el código, los tickets o las decisiones de Revolut. El modelo sabe lo que sabe cualquier copia de GLM-5.3, más lo que se incluya en la consulta en el momento de hacerla.

Ese último paso es más difícil que servir un modelo, y lo difícil no es el entrenamiento. Son los datos. El conocimiento de una empresa vive en correos, chats, documentos, tickets y registros de sistemas, escrito para personas, duplicado, contradictorio y repartido entre una docena de herramientas SaaS. Antes de que nada de eso pueda enseñar a un modelo, hay que encontrarlo, limpiarlo, etiquetarlo y estructurarlo, y ese trabajo tiene que continuar mientras la empresa funciona.

Dónde encaja OpenLazarus

OpenLazarus funciona como el bibliotecario de la empresa. Las aplicaciones que los equipos usan a diario funcionan sobre un único sistema operativo, de modo que las decisiones, interacciones, procesos y resultados que generan se recogen y se estructuran a medida que se trabaja. Así, la actividad de la empresa se convierte en datos de los que un modelo puede aprender, preparados para entrenar sobre arquitecturas de código abierto.

A partir de ahí, el camino es el que empezó Revolut, con un paso más:

• Enrutarcada petición pasa por nuestro AI Router hacia un modelo de frontera, un modelo abierto o un modelo entrenado para usted (cómo se factura la IA headless).
• Ser dueño de los datossus datos están en un único lugar que le pertenece, no dentro de sus proveedores de software.
• Entrenarajustamos un modelo de pesos abiertos con sus datos ya preparados, para que sus respuestas reflejen cómo funciona realmente su empresa.
• Cambiar de modelo sin rehacer nadacomo las herramientas son headless, un modelo abierto mejor el año que viene es un cambio de configuración, no una reconstrucción.

OpenLazarus es una empresa europea, con servidores en Europa, algo decisivo para las muchas empresas que no pueden enviar su conocimiento a un proveedor de modelos fuera de la UE.

El camino, en cinco pasos

• Medirregistre durante un mes el coste, los tokens y la latencia de la IA por equipo, para saber qué está pagando realmente.
• Enrutarponga un único endpoint delante de todos los modelos, para que cambiar de modelo sea un ajuste.
• Cambiar el modelo por defectolleve el grueso del trabajo a un modelo abierto y reserve los modelos de frontera para las tareas más difíciles.
• Ordenar el conocimientoreúna sus datos en una capa única, estructurada y propia, y cree un conjunto de evaluación a partir de trabajo real.
• Entrenar y enrutarajuste un modelo abierto con esos datos, envíele el trabajo que mejor hace y siga midiendo.

Revolut ha demostrado que los tres primeros pasos compensan. Los dos últimos son el momento en que una empresa deja de alquilar la misma inteligencia que todos los demás y empieza a tener la suya.