El debate sobre la inteligencia artificial en la empresa ha entrado en una nueva fase. Ya no gira solo en torno a capacidades, velocidad de respuesta o sofisticación algorítmica, sino alrededor de una pregunta más incómoda: hasta qué punto estas tecnologías pueden escalar de forma realista sin disparar los costes energéticos, el consumo de hardware y la complejidad operativa. En ese cruce entre ambición tecnológica y límites prácticos se sitúa la alianza anunciada por EY y Multiverse Computing.
El acuerdo une a una de las mayores firmas globales de servicios profesionales con una compañía española especializada en tecnologías de compresión avanzada de modelos de inteligencia artificial. El objetivo declarado es acelerar el despliegue de arquitecturas de IA agéntica, sistemas capaces de planificar, ejecutar tareas y colaborar de forma autónoma, pero con una premisa central: hacerlo reduciendo de forma drástica la huella computacional asociada a los grandes modelos de lenguaje.
El planteamiento introduce un cambio significativo en las condiciones de despliegue de este tipo de sistemas. Según los datos facilitados por ambas organizaciones, la tecnología de Multiverse Computing permite reducir hasta un 90 % el consumo de energía computacional de los sistemas de IA sin comprometer su rendimiento funcional. Una cifra que, de confirmarse en entornos productivos complejos, altera algunas de las barreras que hoy frenan la adopción de modelos avanzados fuera de grandes corporaciones con presupuestos elevados en infraestructura.
La alianza se apoya en dos activos complementarios. Por un lado, la experiencia de EY en el diseño e implantación de ecosistemas de IA a escala empresarial, con presencia en múltiples sectores regulados y no regulados. Por otro, la tecnología de compresión de modelos desarrollada por Multiverse Computing, inspirada en principios de computación cuántica, orientada a optimizar grandes modelos de lenguaje sin necesidad de reentrenarlos desde cero ni de sacrificar precisión.
En el contexto actual, las arquitecturas agénticas representan uno de los campos más intensivos en recursos dentro de la inteligencia artificial. A diferencia de los asistentes tradicionales, estos sistemas requieren capacidad constante de razonamiento, memoria, planificación y coordinación entre agentes. Todo ello incrementa de forma exponencial la demanda de cómputo, tanto en la fase de entrenamiento como en la de inferencia, y plantea desafíos evidentes en costes, latencia y sostenibilidad.
Rodrigo Hernández, director global de IA generativa de Multiverse Computing, apunta precisamente a ese cuello de botella cuando explica que la infraestructura global de EY actúa como un canal directo para llevar la tecnología de compresión al cliente final. En su lectura, la eficiencia deja de ser un ajuste marginal para convertirse en un factor habilitador de nuevos casos de uso, especialmente en organizaciones que hasta ahora quedaban fuera del despliegue de IA avanzada por limitaciones presupuestarias o técnicas.
Desde EY, el discurso se sitúa en un plano operativo. Jose María Lucía, socio responsable del Centro de Inteligencia Artificial de la firma, subraya que la prioridad de las compañías ya no es disponer de modelos más sofisticados, sino de sistemas que puedan integrarse en las operaciones, cumplir criterios de uso responsable y ofrecer resultados medibles. La combinación de compresión de modelos y experiencia en transformación busca precisamente acortar el tiempo entre la experimentación y el valor en producción.
Este énfasis en la eficiencia no es casual. El crecimiento de los grandes modelos de lenguaje ha ido acompañado de un aumento sostenido del consumo energético de los centros de datos y de la dependencia de hardware especializado. En paralelo, la presión regulatoria y social sobre la sostenibilidad tecnológica se intensifica, especialmente en Europa. Reducir el coste computacional no solo tiene implicaciones financieras, sino también estratégicas en términos de cumplimiento y reputación corporativa.
La tecnología de Multiverse Computing se centra en la compresión de modelos ya entrenados, una aproximación distinta a la optimización clásica basada en hardware o en arquitecturas alternativas. Al disminuir el tamaño efectivo de los modelos y su demanda de recursos, se abre la puerta a desplegarlos en infraestructuras más modestas, incluso en entornos híbridos o edge, donde hasta ahora resultaban inviables.
En este punto emerge uno de los elementos más relevantes de la alianza: la democratización del acceso a la IA agéntica. Ambas compañías insisten en que la reducción de costes permite que empresas medianas e incluso pequeñas accedan a capacidades avanzadas sin necesidad de inversiones desproporcionadas en servidores, aceleradores o consumo energético. Sin embargo, el impacto real dependerá de cómo estas soluciones se integren en procesos concretos y de si los ahorros prometidos se mantienen en escenarios de alta carga operativa.
El acuerdo también plantea interrogantes sobre el modelo de adopción. EY actuará como integrador y socio estratégico, diseñando y desplegando agentes de IA optimizados con la tecnología de Multiverse Computing. Esto sugiere un enfoque más controlado y menos experimental que el que muchas organizaciones han seguido en los últimos años, marcado por pruebas piloto aisladas y dependientes de proveedores de nube.
Al mismo tiempo, la noción de IA agéntica introduce nuevas capas de complejidad en términos de gobernanza, seguridad y control. Sistemas autónomos que planifican y ejecutan acciones requieren mecanismos claros de supervisión, trazabilidad y alineamiento con objetivos empresariales. La eficiencia computacional puede facilitar su despliegue, aunque no elimina la necesidad de marcos sólidos de gestión del riesgo.
Desde una perspectiva de mercado, la alianza refuerza la posición de Multiverse Computing como uno de los actores españoles con mayor proyección internacional en el ámbito de la IA eficiente. Asociarse con una firma del alcance de EY amplía su visibilidad y acelera la validación de su tecnología en entornos corporativos de gran escala. Para EY, la colaboración aporta diferenciación en un mercado cada vez más saturado de propuestas genéricas de IA.
El momento elegido tampoco es casual. En 2025, muchas organizaciones están revisando sus estrategias de inteligencia artificial tras una primera ola de adopción marcada por expectativas elevadas y retornos desiguales. La atención se desplaza ahora hacia la optimización, la integración real en procesos y la sostenibilidad económica de los proyectos. En ese contexto, reducir un 90 % la energía computacional deja de ser un mensaje técnico para convertirse en un argumento de negocio.
Queda por ver cómo evolucionará esta alianza más allá de los primeros despliegues. La rapidez con la que se traduzca en casos de uso tangibles, y la capacidad de mantener el equilibrio entre eficiencia, rendimiento y control, marcarán su recorrido. También será relevante observar cómo encaja esta propuesta en un ecosistema tecnológico donde los grandes proveedores de nube y hardware continúan avanzando en sus propias soluciones de optimización.
Por ahora, el acuerdo entre EY y Multiverse Computing sitúa el foco en una cuestión que gana peso en el debate sobre inteligencia artificial: no basta con que los sistemas sean más inteligentes, también deben ser viables, sostenibles y escalables en condiciones reales. La respuesta a esa exigencia, al menos en parte, parece pasar por comprimir la ambición sin reducir la capacidad.
