Revolut ha hecho las cuentas de lo que le costaba que sus ingenieros programaran con IA y ha cambiado de camino. En lugar de pagar por cada consulta a Claude Code o a Codex, ha montado un modelo abierto, GLM, en sus propias máquinas. Según lo que contó David Abitbol, responsable de operaciones e infraestructura del banco, en la conferencia AI Engineer de Nueva York, el gasto en IA para programar ha bajado alrededor de un 90 % en menos de un año.
Adrián Díaz lo resume en este vídeo:
Qué ha hecho Revolut
El punto de partida fue la factura. Revolut dio herramientas de IA a unos 2.000 ingenieros y se encontró con gente que gastaba entre 1.000 y 10.000 dólares al mes. «No le veíamos tanto retorno», dijo Abitbol. Primero puso límites de gasto; después buscó otra forma de hacerlo.
La solución fue GLM, un modelo de pesos abiertos de la empresa china Z.ai. Empezaron con la versión 5.1 y ahora usan la 5.3, que corre en 56 tarjetas gráficas Nvidia B200 (siete servidores de ocho tarjetas). Con ese uso, a Revolut le sale a unos 0,30 dólares por millón de tokens, más o menos la décima parte de lo que pagaba con Codex o Claude Code.
Ese número tiene letra pequeña: no incluye la gente que mantiene el sistema ni el precio de las máquinas, que el banco no ha contado. Y sale tan barato porque 2.000 personas lo tienen ocupado toda la jornada.
Dónde ganó de verdad
Lo más interesante de la charla no es el ahorro. Abitbol dijo que escribir código no era el cuello de botella. Donde más se notó fue en depurar errores y en sacar adelante tiques de Jira y documentos de Confluence: las tareas internas que nadie quiere hacer.
Y cambió cómo se usaba. Con una tarifa fija, nadie raciona preguntas. «Ya no tienes que guardarte los tokens para final de trimestre o para la tarea más difícil», dijo. Revolut habla de un 60 % menos de tiempo programando y un 70 % menos de tiempo hasta que un cambio llega a producción.
¿Un modelo chino dentro de un banco?
Es la primera pregunta que hace todo el mundo. La respuesta de Revolut es que el riesgo está en usar el modelo a través de un servicio de fuera, no en el modelo en sí. Si los pesos corren en máquinas que controlas tú, lo que escribes no sale de ellas. Visto así, mandar código interno a los servidores de cualquier proveedor, sea americano o chino, expone más que tener el modelo en casa.
Tampoco lo han cambiado todo. GLM solo entiende texto, así que lo que lleva imágenes o diseño de pantallas se manda a otros modelos con un enrutador que decide a cuál va cada petición.
Qué puede sacar de aquí una tienda online
Ninguna tienda va a comprar 56 tarjetas B200. Pero lo que hizo Revolut se puede llevar a escala pequeña:
- Mira la factura por tarea, no en total. Revolut descubrió que pagaba mucho por cosas que no daban retorno. En una tienda pasa igual: una IA cara para resumir correos y otra barata para las fichas de producto suele ser mejor reparto que la misma para todo.
- Las tareas aburridas son las que más rinden. Etiquetar pedidos, contestar incidencias de envío, revisar fichas sin descripción, cuadrar devoluciones. Ahí la IA ahorra horas de verdad, igual que a Revolut con los tiques.
- Un modelo abierto ya no es un juguete. Hay modelos que se pueden contratar en un servidor europeo o en uno propio, con precio fijo y sin que los datos de tus clientes pasen por terceros. Para un volumen pequeño suele salir mejor pagar por uso; a partir de cierto volumen, o si los datos son sensibles, cambian las cuentas.
- Un enrutador evita casarte con un proveedor. Si cada tarea va al modelo que mejor y más barato la hace, cambiar de proveedor mañana es tocar una regla, no rehacer el sistema.
Las cuentas, antes que la herramienta
Lo que hace bien Revolut es medir primero qué costaba cada cosa y qué devolvía, y decidir después. Es lo que hacemos en Pango cuando una tienda nos pide meter IA en su día a día: ver en qué tareas ahorra trabajo, cuánto cuesta cada una y dónde tienen que vivir los datos. Si quieres revisarlo con tu tienda, mira cómo trabajamos la consultoría de IA para ecommerce o los agentes y conexiones a medida.
Fuente: The Register, sobre la charla de David Abitbol en AI Engineer (Nueva York).
