Una conversación sobre la economía del token en ANDICOM 2026 inspiró decisiones tecnológicas que permitieron reducir cerca del 40 % de los costos de inteligencia artificial de un proceso empresarial. Germán Andrés Ortega, socio director de Marín Ortega, nos cuenta cómo llevó esa reflexión a la práctica y por qué el enfoque de Altiana marcó una diferencia en su organización.
¿Qué sucede cuando una conversación sobre inteligencia artificial logra trascender un evento tecnológico y convertirse en decisiones que impactan los resultados de una empresa?
Durante ANDICOM 2026, desde Altiana compartimos una perspectiva sobre uno de los desafíos que enfrentan las organizaciones al incorporar inteligencia artificial: comprender cuánto cuesta utilizarla, qué capacidades se necesitan realmente y cómo transformar ese consumo en valor para el negocio.
Para Germán Andrés Ortega, socio director de Marín Ortega, esta conversación abrió una oportunidad para cuestionar algunas de las decisiones tecnológicas que venía tomando en sus desarrollos.
«Tal vez hay una máquina menos potente, pero que sea mucho más eficiente y apropiada para una tarea determinada».
Esta fue una de las reflexiones que Germán se llevó de la conferencia y que posteriormente decidió poner a prueba.
El resultado fue una optimización que permitió reducir considerablemente los costos de una solución basada en inteligencia artificial, acelerar su procesamiento y mantener un nivel de calidad adecuado para las necesidades del cliente.
Una experiencia que demuestra cómo las conversaciones alrededor de la tecnología pueden convertirse en resultados concretos.
ANDICOM 2026, un escenario para conectar tecnología y negocio
Del 1 al 4 de septiembre, Cartagena fue el punto de encuentro de líderes empresariales, expertos y organizaciones durante ANDICOM 2026, uno de los escenarios más relevantes para la industria TIC en América Latina.
Para Altiana, nuestra participación como Patrocinador Plata representó un nuevo hito en la evolución de nuestra marca y una oportunidad para generar conexiones de valor, fortalecer relaciones y compartir nuestra visión sobre los desafíos tecnológicos de las organizaciones.
Uno de los momentos centrales de nuestra participación fue la conferencia «La economía del token en la IA – del costo por inferencia al valor por decisión», presentada por Gonzalo Gómez, Gerente de Innovación y Estrategia TIC de Altiana.
Durante este espacio abordamos una realidad que cobra cada vez mayor importancia: a medida que la inteligencia artificial se integra en los procesos empresariales, las decisiones sobre modelos, consumo, arquitectura y capacidad de procesamiento comienzan a tener un impacto directo en la economía del negocio.
La conversación puso sobre la mesa preguntas fundamentales:
- ¿Todas las tareas necesitan el modelo de inteligencia artificial más avanzado?
- ¿Estamos utilizando los recursos tecnológicos de manera eficiente?
- ¿Cómo podemos optimizar los costos sin comprometer los resultados?
- ¿Qué sucede cuando dejamos de medir únicamente el consumo de IA y comenzamos a evaluar el valor de cada decisión?
Para Germán, la conferencia fue una oportunidad para cuestionar cómo estaba utilizando los modelos de inteligencia artificial en sus proyectos y descubrir nuevas posibilidades para optimizar sus procesos.
«Gonzalo puso muchos ejemplos que a mí me permitieron llevar a la práctica una serie de ideas».
Esta reflexión marcó el inicio de una revisión de sus propias soluciones, con un objetivo claro: encontrar maneras de obtener resultados eficientes sin recurrir siempre a los modelos de mayor capacidad.
Conoce más sobre nuestra participación en ANDICOM 2026.
El aprendizaje que Germán llevó de ANDICOM a su organización
Germán Andrés Ortega es abogado especialista en derecho comercial, docente de derecho penal e inteligencia artificial aplicada al derecho y socio director de Marín Ortega, una firma que integra servicios jurídicos, estrategia empresarial y desarrollo tecnológico.
Desde su experiencia profesional ha explorado cómo la IA puede transformar la operación de las organizaciones, desarrollar nuevas capacidades y ofrecer soluciones tecnológicas a sus clientes.
En Marín Ortega, la inteligencia artificial forma parte de diferentes desarrollos internos y soluciones empresariales, desde automatizaciones y sistemas para gestionar tareas hasta plataformas que procesan grandes volúmenes de información.
Sin embargo, antes de participar en la conferencia de Altiana, Germán reconocía que muchas de sus implementaciones estaban construidas sobre modelos de alta capacidad, bajo la idea de que eran necesarios para garantizar un buen resultado.
Durante la entrevista que realizamos después de ANDICOM, explicó cómo comenzó a cambiar esa manera de evaluar sus decisiones.
«Cuando empecé a hacer pruebas, me di cuenta de que no necesitaba utilizar siempre los modelos de inteligencia artificial más potentes para obtener buenos resultados. Y cuando revisé los costos, tanto de mi firma como de mis clientes, entendí que hacer ese cambio también era necesario».
Lo interesante de su experiencia fue lo que ocurrió después.
Germán regresó a su organización con la intención de revisar los modelos utilizados en sus automatizaciones, analizar los costos que estaba asumiendo y encontrar alternativas para hacer más eficientes los procesos.
La reflexión también tenía una dimensión económica.
En algunas de las soluciones que Marín Ortega desarrolla para sus clientes, la firma asume costos operativos asociados al consumo de inteligencia artificial. Por esta razón, optimizar esos recursos podía representar una mejora directa en la rentabilidad de sus servicios.
Germán lo planteó durante nuestra conversación como una posibilidad de reducir el valor destinado mensualmente a inteligencia artificial sin disminuir la calidad del producto.
La meta era encontrar una relación más eficiente entre costo, capacidad tecnológica y resultado.
La conversación de ANDICOM se convirtió así en un punto de partida para revisar decisiones que ya formaban parte de la operación de su empresa.
El caso real que convirtió una reflexión en ahorro empresarial
Entre los diferentes desarrollos de Marín Ortega, Germán compartió un caso que refleja cómo una decisión sobre inteligencia artificial puede tener un impacto económico considerable.
Su firma había desarrollado para uno de sus clientes una solución tecnológica orientada al análisis de opinión pública.
La plataforma procesa información publicada en medios de comunicación, noticias y redes sociales para identificar cómo se habla de diferentes organizaciones y generar indicadores que permiten evaluar su percepción pública.
Este proceso implica analizar grandes volúmenes de información, que pueden alcanzar aproximadamente 30.000 noticias por cliente.
Antes de la implementación tecnológica, buena parte de ese trabajo se realizaba manualmente por equipos de analistas.
La incorporación de inteligencia artificial permitió automatizar el análisis, pero también generó un desafío: el costo asociado al procesamiento de esa cantidad de información.
Inicialmente, la solución utilizaba un modelo avanzado de IA para realizar las tareas de análisis, una decisión que garantizaba una importante capacidad de procesamiento, pero representaba un consumo considerable.
Según Germán, el costo semanal de operación se encontraba aproximadamente entre USD 550 y USD 600.
Tras participar en la conferencia de Altiana, decidió evaluar si realmente necesitaba mantener ese nivel de capacidad para obtener los resultados esperados.
«Me pregunté si podíamos hacer el proceso más eficiente utilizando un modelo de inteligencia artificial menos costoso que Opus, pero manteniendo la misma calidad en los resultados».
Esta pregunta marcó el inicio de una revisión de la arquitectura de la solución.
De la reflexión a la optimización
A partir de los aprendizajes adquiridos en ANDICOM y de una conversación posterior con Gonzalo Gómez, Germán comenzó a explorar nuevas maneras de organizar el procesamiento de información y utilizar modelos de IA más adecuados para cada tarea.
«Pensé que, si organizaba el procesamiento en lotes más pequeños, utilizaba caché para no tener que procesarlo todo desde cero y cambiaba el modelo de inteligencia artificial, podría ahorrar costos sin afectar el resultado».
La optimización desarrollada por su equipo incorporó diferentes ajustes:
- Procesamiento por lotes más pequeños: reorganizar la información para analizarla de manera más eficiente y reducir las exigencias del procesamiento.
- Implementación de caché: reutilizar información previamente procesada para evitar tareas repetitivas y consumos innecesarios.
- Selección de modelos según la tarea: reemplazar el modelo principal de alta capacidad, Opus, por Sonnet, buscando una relación más eficiente entre costo y desempeño.
- Validación complementaria: incorporar Haiku para realizar una revisión adicional de determinados resultados.
- Pruebas comparativas: contrastar la nueva arquitectura con la anterior para evaluar diferencias en los resultados y comprobar que los cambios mantuvieran una calidad aceptable.
El proceso permitió descubrir que una arquitectura diferente podía responder a las necesidades de la solución sin depender permanentemente del modelo de mayor capacidad.
Para Germán, el objetivo siempre estuvo relacionado con la calidad.
Los modelos y las técnicas utilizadas debían permitir que el cliente continuara obteniendo información útil y confiable para su operación.
Después de implementar los cambios, el equipo realizó verificaciones adicionales, incluyendo una comparación entre los resultados del proceso original y los de la nueva arquitectura.
Estas pruebas evidenciaron diferencias menores que, de acuerdo con Germán, eran aceptables frente al beneficio económico obtenido.
La optimización logró así un equilibrio más favorable entre consumo tecnológico, velocidad y calidad.
El resultado fue una reducción cercana al 40 % en costos de IA
La experiencia de Marín Ortega permitió traducir los aprendizajes de ANDICOM en resultados económicos concretos.
Después de reorganizar los flujos de procesamiento y ajustar la selección de modelos, los costos semanales de inteligencia artificial disminuyeron considerablemente.
| Indicador | Antes de la optimización | Después de la optimización |
|---|---|---|
| Costo semanal de IA | USD 550–600 | USD 350–356 |
| Modelo principal | Opus | Sonnet |
| Procesamiento | Arquitectura de mayor consumo | Sublotes y reutilización de caché |
| Validación | Procesamiento con modelo de alta capacidad | Verificación complementaria con Haiku |
| Tiempo de respuesta | Mayor tiempo de procesamiento | Resultados más rápidos |
| Calidad | Resultado de referencia | Calidad comparable, con diferencias menores aceptadas |
De acuerdo con las cifras compartidas por Germán, la optimización representa un ahorro aproximado de entre el 35 % y el 42 % en el costo semanal de IA de ese proceso.
Además del ahorro económico, la optimización también permitió mejorar los tiempos de procesamiento de la plataforma, haciendo que el cliente recibiera los resultados en menos tiempo.
«El cliente obtiene los resultados más rápido, porque ahora el procesamiento tarda mucho menos».
La nueva arquitectura permitió utilizar modelos con menores costos operativos y mantener un nivel de desempeño satisfactorio para la solución.
Germán también destacó el efecto que este tipo de decisiones puede tener sobre los márgenes de rentabilidad del negocio.
En su experiencia, los recursos que dejan de consumirse innecesariamente en un proceso pueden destinarse a otras necesidades o iniciativas dentro de la organización.
Esto convierte una mejora tecnológica en una decisión con impacto empresarial.
El caso también impulsó una revisión más amplia de otras automatizaciones internas de Marín Ortega, incluyendo sistemas de gestión de tareas y flujos de procesamiento de documentos.
La eficiencia dejó de ser únicamente una característica técnica para convertirse en un criterio de decisión empresarial.
Las cifras corresponden a la experiencia reportada por Germán Andrés Ortega durante la entrevista. Los porcentajes se calcularon a partir de los rangos de costos compartidos. Los resultados pueden variar según los modelos, las arquitecturas y las características de cada implementación.
El impacto de Altiana desde la perspectiva de Germán
Más allá de los resultados económicos, uno de los momentos más significativos de nuestra conversación fue conocer qué representó para Germán el enfoque que encontró en Altiana durante ANDICOM.
En un entorno donde la inteligencia artificial está presente en innumerables conversaciones, publicaciones y propuestas tecnológicas, destacó la importancia de llevar el discurso a aplicaciones que tengan sentido para las organizaciones.
Germán explicó que uno de los aspectos que más llamó su atención de la conferencia y de las conversaciones con diferentes integrantes del equipo Altiana fue encontrar una aproximación distinta a la inteligencia artificial.
Para él, el valor estuvo en comprender cómo una tecnología puede aportar realmente al contexto empresarial y en presentar ejemplos que permitan identificar oportunidades de mejora.
En lugar de quedarse en las capacidades de los modelos o en las posibilidades futuras de la IA, la conversación abordó decisiones que podían aplicarse a procesos reales.
Germán recordó uno de los planteamientos compartidos durante ANDICOM: la posibilidad de utilizar un modelo diferente para una tarea específica y, a partir de esa decisión, obtener mayor eficiencia, velocidad y ahorro.
Esa perspectiva conectó directamente con su experiencia como empresario y consultor.
«Me impactó muy positivamente ese enfoque de Altiana, porque permite llevar la tecnología y la inteligencia artificial a la práctica en el contexto empresarial».
Su reflexión destaca un aspecto fundamental de la manera en que entendemos la tecnología desde Altiana.
El conocimiento adquiere un valor especial cuando ayuda a las organizaciones a identificar nuevas oportunidades y tomar decisiones con mayor criterio.
En este caso, la conferencia y las conversaciones posteriores contribuyeron a impulsar una reflexión que Germán y su equipo transformaron en una optimización real.
Y fue precisamente esa posibilidad de llevar una idea a la práctica lo que más valoró.
«Ese tipo de conversaciones y espacios están generando valor que pueden llevarse a la práctica».
Para Germán, esta experiencia también representa una forma de comprobar la utilidad del conocimiento compartido.
«Esto funciona de esta manera y se puede demostrar».
Sus palabras reflejan el tipo de conexiones que buscamos construir desde Altiana: relaciones en las que compartir experiencias, perspectivas y conocimiento tecnológico contribuya a generar mejores decisiones empresariales.
El mayor reconocimiento que puede recibir una conversación sobre tecnología es descubrir que alguien encontró en ella una oportunidad para generar valor.
El aprendizaje para las empresas que están incorporando inteligencia artificial
La experiencia de Marín Ortega deja reflexiones relevantes para las organizaciones que ya utilizan inteligencia artificial o están evaluando cómo integrarla en sus operaciones.
1. El modelo más avanzado no siempre es el más adecuado
Las capacidades de inteligencia artificial deben responder a la complejidad y las necesidades de cada tarea.
Utilizar modelos de alta capacidad en todos los procesos puede generar consumos innecesarios cuando existen alternativas que ofrecen un desempeño suficiente.
El aprendizaje está en comprender cuándo una tarea necesita mayor capacidad de razonamiento y cuándo puede resolverse de manera más eficiente con otro modelo.
2. La arquitectura tecnológica también determina los costos
La selección de modelos es una parte de la ecuación.
La organización de los flujos, la reutilización de información, el procesamiento por lotes y los mecanismos de validación también influyen en el consumo de recursos.
En el caso compartido por Germán, la combinación de estas decisiones fue fundamental para obtener los resultados económicos.
3. La optimización debe comprobarse con resultados
Reducir el consumo de inteligencia artificial debe ir acompañado de mecanismos para evaluar su impacto.
Comparar costos, tiempos y calidad permite comprender si los ajustes tecnológicos están generando los beneficios esperados.
La experiencia de Marín Ortega demuestra la importancia de verificar que las mejoras económicas mantengan un nivel de desempeño adecuado para la necesidad empresarial.
4. La inteligencia artificial necesita indicadores de negocio
El consumo de tokens, la velocidad de procesamiento y la capacidad de los modelos son indicadores técnicos importantes.
Sin embargo, para una organización también resulta fundamental comprender cómo esas variables impactan sus costos, su productividad y la rentabilidad de sus procesos.
El costo por token es una medida de consumo. El costo por tarea permite evaluar eficiencia. Y el valor por decisión conecta la inteligencia artificial con los resultados del negocio.
Esta fue una de las reflexiones centrales que compartimos en ANDICOM y que la experiencia de Germán permitió llevar a un escenario práctico.
De ANDICOM a las decisiones que impulsan el futuro
Nuestra participación en ANDICOM 2026 dejó conversaciones, conexiones de valor y experiencias que siguen aportando significado a este nuevo momento de Altiana.
La historia de Germán Andrés Ortega es una muestra de cómo una reflexión compartida en un escenario tecnológico puede continuar generando impacto después de que termina un evento.
Una conversación despertó nuevas preguntas. Esas preguntas motivaron una revisión de las decisiones tecnológicas. Y los cambios implementados se convirtieron en mejoras operativas y económicas.
Su experiencia también refuerza la importancia de conectar las capacidades de la inteligencia artificial con las necesidades particulares de cada organización.
Desde Altiana, entendemos que nuestra conciencia tecnológica se expresa en esa capacidad de comprender el contexto empresarial, compartir conocimiento relevante e impulsar decisiones que generen valor.
Por eso seguiremos creando espacios donde la tecnología se conecte con la estrategia, las personas y los desafíos reales del negocio.
Porque lo que vivimos en ANDICOM continúa más allá de Cartagena, en las conversaciones que permanecen y en las ideas que otras organizaciones llevan a la práctica.
El impacto de una conversación se hace visible cuando inspira decisiones capaces de generar valor.
