BYOK — por qué es innegociable en sectores regulados

Los proveedores de IA suelen ofrecer dos modelos de facturación: un pool compartido en el que pagas una tarifa plana que cubre los tokens, o un modo BYOK en el que proporcionas tu propia clave de API y pagas directamente a tu proveedor.

En el SaaS estándar, el pool compartido es cómodo. En entornos regulados, es insostenible.

El problema del pool compartido

Cuando tu proveedor pone tu clave de OpenAI / Anthropic / Mistral a disposición de todos sus clientes a través de una única clave maestra:

1. Pierdes el detalle contable. Se vuelve imposible probar ante tu auditor exactamente cuántos tokens consumiste en el proveedor — recibes una factura agregada.
2. Pierdes la cadena contractual. Tus datos fluyen a través de la cuenta del proveedor. El acuerdo de tratamiento de datos (DPA) con OpenAI ya no te cubre directamente.
3. Pierdes el control del modelo. El proveedor puede cambiar silenciosamente del modelo A al modelo B por motivos de coste. Tus benchmarks se degradan y no sabes por qué.
4. Pierdes la revocación inmediata. En caso de incidente, no puedes revocar la clave sin pedírselo antes al proveedor.

Lo que garantiza BYOK

Con BYOK:

• Tus prompts y respuestas fluyen directamente entre tu cuenta de proveedor y betool — no a través de una cuenta de terceros común.
• Tu DPA con el proveedor sigue siendo la única cadena contractual. Sin subtratamiento opaco.
• Tu facturación es transparente: el proveedor te factura, ves cada línea de detalle. betool solo te factura la orquestación.
• Tu revocación es instantánea: regenera la clave en el proveedor, y el modelo queda inaccesible en cuestión de segundos.

La opción de modelo privado (autoalojado)

Para las organizaciones con los requisitos más estrictos (banca, defensa, sanidad), incluso BYOK no basta: enviar tus prompts a OpenAI o Anthropic sigue constituyendo una transferencia a Estados Unidos.

La solución es un modelo privado:

• Ollama en tu GPU, para modelos de código abierto (Llama, Qwen, Mistral, DeepSeek).
• vLLM en un clúster de GPU para producción de alto rendimiento.
• Azure OpenAI / AWS Bedrock cuando tienes un contrato de nube privada.

Tus prompts nunca salen de tu perímetro. La latencia está bajo tu control. La conformidad es total.

Lo que cuesta

El mito es que autoalojar un LLM cuesta una fortuna. En realidad, para los modelos de código abierto modernos de la clase Llama 3 / Qwen 2:

• Un servidor con doble GPU A100 de 80 GB puede servir un Llama-3 70B en producción.
• Con un uso moderado (unos miles de intercambios al día), una sola GPU A6000 basta para servir un modelo de 32B con latencia por debajo del segundo.
• Coste de amortización mensual: ~2000 a 5000 $ según tu estrategia de aprovisionamiento (alquiler vs. compra).

Comparado con un gasto equivalente en OpenAI a lo largo de 12 meses, la inversión se amortiza en cuestión de meses con volúmenes serios — y el ROI se invierte por completo si tienes restricciones de soberanía que hacen inaceptable OpenAI.

Nuestra elección

betool es BYOK-nativo desde el primer día. No puedes usar la plataforma sin conectar tus propias claves. Es intencional:

• El pool compartido crea una deuda de conformidad que nos negamos a asumir por nuestros clientes regulados.
• La asimetría entre «clientes pequeños» y «clientes grandes» en materia de soberanía no es aceptable.
• La experiencia que queremos construir — «puedo ver exactamente lo que consumo, dónde y con quién» — solo es posible con BYOK.

Añade un paso al onboarding (15 minutos para recuperar una clave de tu proveedor). Es una inversión que se rentabiliza con el tiempo.