OpenAI compra Rockset para reforzar la búsqueda de datos empresariales

OpenAI ha anunciado este viernes la adquisición de Rockset, una empresa especializada en bases de datos analíticas en tiempo real. La operación apunta a una pieza menos visible que un nuevo modelo de lenguaje, pero decisiva para llevar la IA a las empresas: encontrar información precisa y actualizada dentro de enormes repositorios de datos.

Los términos económicos de la compra no se han hecho públicos. OpenAI ha explicado que la tecnología de Rockset reforzará su infraestructura de recuperación e indexación de información en sus productos, y que el equipo de la compañía se incorporará a la organización.

El problema no es solo generar texto, sino encontrar el dato correcto

Los modelos como los que impulsan ChatGPT pueden redactar, resumir o responder preguntas, pero no conocen por sí mismos los documentos internos de una empresa ni los cambios ocurridos hace unos minutos en una base de datos. Para que puedan trabajar con esa información sin tener que reentrenar el modelo, se recurre a sistemas de recuperación.

El mecanismo es relativamente sencillo en su idea básica. Antes de responder a una pregunta, la aplicación busca en fuentes autorizadas —manuales, contratos, registros de soporte, inventarios o datos de ventas— y entrega al modelo los fragmentos relevantes como contexto. El modelo genera entonces una respuesta basada en esos materiales.

Este enfoque suele llamarse generación aumentada por recuperación, o RAG por sus siglas en inglés. Su calidad depende de dos cosas: que el sistema encuentre los datos adecuados y que pueda hacerlo con rapidez. Si recupera información vieja, incompleta o irrelevante, una respuesta bien escrita puede seguir siendo incorrecta.

Ahí encaja Rockset. Su producto está diseñado para ingerir datos que cambian continuamente, indexarlos y permitir consultas mediante SQL, el lenguaje habitual para trabajar con bases de datos. En lugar de esperar a procesos periódicos de actualización, una base de datos analítica en tiempo real busca que la información recién llegada esté disponible para consulta casi de inmediato.

Una infraestructura pensada para datos que se mueven

Rockset fue fundada en 2016 por antiguos ingenieros de Facebook y se dio a conocer como una plataforma en la nube para analizar datos procedentes de fuentes como Kafka, Amazon S3 o DynamoDB. Su propuesta consistía en evitar parte del trabajo técnico necesario para preparar y actualizar datos antes de poder consultarlos.

Para una compañía que desarrolla asistentes de IA, esa capacidad tiene aplicaciones directas. Un agente de atención al cliente necesita conocer el estado actual de un pedido. Un asistente financiero debe consultar la última versión de un informe. Una herramienta interna para empleados tiene que distinguir entre una política vigente y otra ya sustituida.

No se trata de que Rockset convierta esos datos en conocimiento permanente del modelo. Su papel es más próximo al de una biblioteca muy rápida: organiza la información, la actualiza y devuelve los documentos o registros que la aplicación necesita en ese momento.

La adquisición también revela dónde está una parte importante de la competencia en IA empresarial. El modelo es solo una capa del producto. Por debajo hacen falta permisos de acceso, conexiones con sistemas corporativos, mecanismos de búsqueda, bases de datos, registros de actividad y controles de seguridad. Una respuesta útil depende tanto de esa infraestructura como de la capacidad lingüística del modelo.

Más control sobre una pieza crítica de los productos empresariales

OpenAI lanzó ChatGPT Enterprise en agosto de 2023 para grandes organizaciones y, desde entonces, ha extendido su oferta para equipos y desarrolladores. En ese mercado, la capacidad de conectar la IA con datos propios es una condición práctica para que las herramientas pasen de ser demostraciones llamativas a sistemas de trabajo cotidianos.

Incorporar la tecnología y el equipo de Rockset puede dar a OpenAI más control sobre esa capa de recuperación, en vez de depender exclusivamente de proveedores externos. También puede ayudar a reducir la distancia entre una actualización en los sistemas de una empresa y su disponibilidad para un asistente basado en IA.

La compra no resuelve por sí sola los riesgos de usar IA con información corporativa. Seguirán siendo centrales cuestiones como quién puede acceder a cada documento, cómo se verifican las respuestas y qué datos se envían a cada servicio. Pero mejora una condición básica: que el modelo reciba contexto actual y relevante antes de contestar.

El siguiente paso será comprobar cómo integra OpenAI esta tecnología en sus productos. La compañía ha hablado de reforzar la recuperación de datos a través de su oferta, sin anunciar por ahora una función concreta para los usuarios. Para sus clientes empresariales, la señal es clara: la batalla por la IA no se jugará únicamente en el tamaño de los modelos, sino también en la calidad de los datos que estos pueden consultar.