Revolut asegura haber reducido un 90% los costes de su IA para programación con modelos autoalojados

¿​Qué ha hecho Revolut?

​La estrategia consistió en migrar el núcleo de su asistencia de programación hacia alternativas de modelos de pesos abiertos. A diferencia del software libre tradicional, esto significa que la estructura interna y los parámetros del programa están disponibles para su ejecución y modificación local, evitando depender de interfaces cerradas por suscripción externa.

​El sistema elegido como opción por defecto para la operativa diaria es GLM 5.3, de la firma Z.ai. Al ejecutar esta tecnología en servidores propios, la empresa ganó autonomía sobre sus flujos de trabajo, controló directamente el consumo de recursos y eliminó intermediarios en las tareas masivas de redacción y depuración de código.

​Las cifras: coste, GPU y productividad

​Durante su exposición pública, los representantes de la compañía expusieron métricas financieras y operativas basadas en datos declarados por la propia organización:

• ​Reducción de costes: La firma aseguró haber disminuido en torno al 90% el gasto operativo destinado a la asistencia de programación mediante el uso de sus propios servidores y hardware especializado.
• ​Infraestructura física: Todo este volumen de operaciones para sus 2.000 ingenieros se sostiene sobre un clúster de apenas 56 tarjetas gráficas Nvidia B200.
• ​Impacto en los tiempos: En el plano de la eficiencia declarada, Revolut afirmó haber recortado un 60% el tiempo necesario para programar nuevas funciones y un 70% en el indicador de entrega (lead time).

¿​Por qué una fintech apuesta por modelos propios?

​El control de los flujos de datos y la gestión de los costes operativos son los motores principales detrás de esta decisión. Las corporaciones tecnológicas manejan volúmenes masivos de código propietario y datos sensibles de clientes, por lo que depender de proveedores externos expone a las organizaciones a fluctuaciones tarifarias y restricciones operativas.

​Al usar alternativas de pesos abiertos, las empresas evitan pagar tarifas por cada millón de consultas procesadas a través de servicios de terceros. Esto logra que los equipos usen las herramientas de asistencia sin la presión de un incremento desproporcionado en la factura mensual de servicios en la nube.

​Dos caminos en la banca: Revolut optimiza, Goldman Sachs restringe

​El enfoque adoptado por Revolut contrasta con la postura conservadora de otras instituciones financieras. Mientras la fintech busca exprimir la eficiencia mediante el autoalojamiento, entidades tradicionales como Goldman Sachs han optado por limitar el uso de herramientas de asistencia entre sus operadores, priorizando la seguridad jurídica por encima de la automatización masiva.

​Esta divergencia muestra que el sector bancario no avanza al mismo ritmo. Los actores de perfil digital experimentan de forma agresiva con infraestructuras propias, mientras la banca de inversión prefiere blindar sus procesos internos ante posibles vulnerabilidades normativas o fugas de datos.

​Lo que la cifra no cuenta: infraestructura, personal, calidad y seguridad del código

​Primero, el cálculo del "90% de ahorro" suele omitir costes estructurales ocultos: el precio de adquisición y mantenimiento de las GPU Nvidia B200, el consumo eléctrico del centro de datos, la amortización de los equipos y el salario del personal especializado en ingeniería de sistemas necesario para mantener operativo un entorno así.

​Segundo, las mejoras en los tiempos de programación pueden estar influenciadas por un factor técnico: al eliminar los límites estrictos de uso que imponen las plataformas comerciales, los ingenieros envían consultas más extensas sin restricciones, lo que acelera ciertos procesos pero no garantiza necesariamente una mayor calidad del software ni menor vulnerabilidad en el código generado.

​¿Puede hacerlo una pyme?

Para las pequeñas y medianas empresas que buscan replicar estrategias de optimización sin contar con la infraestructura de una gran corporación, el proceso exige un análisis realista de sus capacidades y de cómo el tejido empresarial está adoptando estas tecnologías en escenarios reales, tal como explica el artículo sobre 9 casos reales de empresas que ya usan IA y agentes en 2026. La adopción debe evaluarse bajo criterios muy concretos:

• ​Evaluar el coste real: Desplegar modelos propios exige servidores locales o instancias en la nube muy costosas, por lo que para equipos pequeños es más rentable usar servicios comerciales de pago por uso.
• ​Apostar por soluciones híbridas: Utilizar software estandarizado que no requiera el mantenimiento de una infraestructura dedicada, priorizando la revisión rigurosa del código.
• ​Capacitar al personal: Formar a los equipos a través de programas como el Máster en Inteligencia Artificial Generativa permite adquirir las competencias necesarias para supervisar y rentabilizar estas herramientas, manteniendo la seguridad por encima de la velocidad de desarrollo.

​Preguntas frecuentes

​¿Qué porcentaje de ahorro asegura haber conseguido Revolut?

​La compañía declaró una reducción de aproximadamente el 90% en los costes operativos asociados a la programación asistida. Se trata de una cifra autodeclarada en una conferencia y no de un dato verificado mediante cuentas corporativas auditadas.

​¿Significa esto que Revolut ha abandonado los modelos comerciales?

​No. La empresa aclaró que las opciones y licencias comerciales externas siguen disponibles dentro de la organización, coexistiendo con los sistemas propios según las necesidades técnicas de cada equipo.

​¿Qué diferencia hay entre "código abierto" y "pesos abiertos"?

​El término "pesos abiertos" indica que la estructura matemática y los parámetros del modelo están disponibles para su ejecución local, pero no implica necesariamente que el código fuente de entrenamiento o los datos originales sean libres o públicos.

​¿Por qué se cuestionan las cifras de productividad anunciadas?

​Los incrementos de velocidad reportados pueden estar condicionados por la eliminación de límites en el uso operativo, además de que el cálculo del ahorro no contempla el coste total del hardware, la energía y el personal técnico especializado.