Por qué las integraciones IA no llegan a producción

Como CTO fraccional y consultor en arquitectura e integraciones IA, veo repetirse el mismo patrón: el 87% de los proyectos de machine learning no llega a producción porqué falla la arquitectura que los rodea, no el modelo.

Hay cinco razones que veo repetirse en casi todos los proyectos bloqueados:

1. El modelo está acoplado al sistema que no puede tocarse

El patrón más común en banca y seguros: el equipo de ML integra el modelo directamente dentro del core legacy porqué es el sistema que tiene todos los datos. El core no puede modificarse sin un proceso de cambio de 3 meses. El modelo tampoco puede actualizarse. El proyecto se paraliza.

La decisión que lo desbloquea: Arquitectura event-driven. El core produce eventos. El pipeline de ML los consume de forma asíncrona e independiente. Pueden actualizarse por separado. El core no sabe que el modelo existe.

2. No hay un contrato claro entre el modelo y el negocio

El modelo produce una puntuación de riesgo de 0 a 1. El negocio no sabe que significa un 0.73 ni cómo actuar en consecuencia. Sin un contrato explícito (qué significa cada rango, que acción se toma, quién es responsable de revisar los casos intermedios), el proyecto nunca termina de validarse.

3. El pipeline de datos no es reproducible

El modelo funciona en el notebook del científico de datos pero no en el servidor de producción porqué los datos de entrenamiento y los datos de inferencia vienen de fuentes distintas, con transformaciones distintas, aplicadas en momentos distintos. La solución no es más ingeniería de datos: es definir el feature store y el pipeline de transformación antes de entrenar el modelo.

4. No hay un plan de degradación

¿Qué pasa si el servicio de ML no responde¿Si el modelo devuelve un error¿Si la latencia supera los 200msSi no hay un plan de degradación explícito, el equipo de operaciones bloqueará el despliegue en producción, con razón. Un circuit breaker y una estrategia de fallback no son opcionales.

5. El modelo se valida en métricas ML, no en métricas de negocio

Un F1-score de 0.91 no le dice nada al CIO. Lo que le importa es cuántos casos de fraude se detectan antes de pagar, cuántos falsos positivos requieren revisión manual y cuánto cuestá cada uno. Si el equipo de ML y el equipo de negocio no hablan el mismo idioma de métricas, la validación nunca se cierra.