Michael Taylor lleva 25 temporadas en el equipo Mercedes-AMG Petronas de Fórmula 1, donde ha desempeñado todas las funciones relacionadas con las tecnologías de la información, desde el apoyo en pista hasta los sistemas de ingeniería y la transformación empresarial. En la actualidad, como director de TI, dirige un equipo de 18 personas responsable de una de las operaciones con mayor volumen de datos del mundo.

Cuando un coche sale del box, lleva 300 sensores. Mientras está en marcha, genera más de un millón de puntos de datos por segundo. Cada componente, sistema y vuelta produce datos de telemetría que los ingenieros utilizan para ganar fracciones de segundo: la diferencia entre ganar y perder. “La Fórmula 1 lleva muchos años centrada en los datos. La métrica clave en nuestro deporte es el cronómetro, y así ha sido desde que comenzó el Campeonato del Mundo en la década de 1950. Pero ahora lo medimos todo. Si lo mides, puedes mejorarlo”, cuenta.

El reto no es recopilar datos —la Fórmula 1 lleva transmitiendo telemetría en directo desde la década de 1980—. Se trata de tomar decisiones a gran velocidad sin dejar de mantener el control que permite que una operación compleja y de alto riesgo siga funcionando.

Para los CIO que se enfrentan a la presión de avanzar rápidamente en materia de IA al tiempo que gestionan el riesgo, la seguridad y la calidad de los datos, las lecciones que Taylor ha aprendido a base de mucho esfuerzo en el pit lane ofrecen un marco útil: cómo equilibrar la velocidad y el control, cuándo mantener a las personas al tanto de lo que ocurre y por qué una gobernanza “suficientemente buena” es mejor que una gobernanza perfecta que nunca llega a ponerse en práctica.

Innovación frente a estabilidad: “Una batalla constante”

En la mayoría de las empresas, la tensión entre innovación y control se desarrolla a lo largo de trimestres o años. En la F1, ocurre cada semana. “Es realmente difícil. Y es algo que no siempre acertamos. Aquí es donde confiamos en las personas. La experiencia en el sector es realmente importante a la hora de tomar decisiones relacionadas con el cambio”, admite Taylor.

El equipo opera en dos modos distintos. Entre carrera y carrera, se encuentran en la fábrica de Brackley, en el Reino Unido. Las instalaciones, que son la sede central del diseño, la fabricación y el funcionamiento de sus monoplazas de Fórmula 1, ganadores de campeonatos, incluyen un campus tecnológico de 60 000 metros cuadrados. Todo gira en torno a la gestión de proyectos y programas, con margen para la experimentación. Pero a medida que se acerca el fin de semana de carrera, todo se centra en la ejecución.

“Tenemos ese modo normal cuando no estamos compitiendo. Volvemos a la fábrica para diseñar, construir y mejorar”, explica el directivo. “Pero a medida que nos acercamos al fin de semana de carrera, pasamos a ejecutar todo ello de la forma más eficaz. No debemos realizar cambios que afecten a los ingenieros”.

Esta dualidad marca todas las decisiones tecnológicas. La misma agilidad que impulsa la innovación durante la semana debe dar paso a la estabilidad cuando los resultados están en juego. Taylor lo llama una “batalla constante”.

Modernización a la velocidad de las carreras

Mercedes-AMG Petronas llevaba utilizando SAP desde 1999. La plataforma sustenta todo el proceso del equipo, desde el diseño hasta la pista: desde la aprobación del diseño, pasando por la planificación, el aprovisionamiento, la fabricación, las pruebas y el desarrollo, hasta el montaje del coche en la pista.

“Todos esos pasos son procesos fundamentales”, afirma Taylor. Por eso, cuando llegó el momento de modernizarse, el equipo lo abordó como una parada en boxes: planificado al segundo, ejecutado con precisión. Eligieron RISE with SAP —el paquete combinado de ERP en la nube y migración del proveedor—, acordaron iniciar el proceso en diciembre de 2024 y fijaron como objetivo la puesta en marcha en agosto de 2025, coincidiendo con el parón obligatorio de dos semanas del deporte.

“Es el momento perfecto para introducir cambios. Tenemos que planificarlo todo a la perfección para que todo vaya sobre ruedas cuando volvamos a competir”»”, explica.

Terminaron ocho semanas antes de lo previsto. “Somos unos obsesionados del control debido a la naturaleza de este deporte y a sus plazos estrictos”, afirma. Su equipo prefiere gestionar los sistemas de forma interna en lugar de depender de grandes integradores de sistemas que “se asoman un poco y desaparecen”. Con solo 18 personas en el equipo de TI, recurren a la experiencia de SAP para problemas específicos y, a continuación, retoman las riendas. “Una vez hecho esto, seguimos siendo los responsables y nos encargamos de la gestión”, agrega, “y SAP hace lo que mejor sabe hacer”.

El camino seguro debe ser el más fácil

La propiedad intelectual en la Fórmula 1 tiene una vida útil muy corta. En cuanto un nuevo componente se monta en el coche y se fotografía en el pit lane, los competidores pueden verlo. Pero eso no resta valor a lo que hay detrás.

“La verdadera ventaja no es solo la pieza”, afirma Taylor. “Es el razonamiento, el modelado, la simulación, los modos de fallo, las compensaciones y la dirección de desarrollo que hay detrás”.

Proteger todo eso requiere una estrategia de seguridad ofensiva. El responsable de seguridad de la información de Taylor depende directamente de él, y el equipo pone a prueba activamente sus propias defensas. “Actúa, piensa y trabaja como un hacker. Estamos pensando en cómo podemos contrarrestar las amenazas sin que ello afecte a los usuarios finales”, relata.

En una cultura que fomenta la ingeniería y en la que se da libertad a las personas para actuar con rapidez, una seguridad demasiado estricta resulta contraproducente. Taylor aprendió pronto que la perfección es enemiga del progreso. “Si la seguridad se interpone en el camino del negocio, este encontrará formas de sortearla. La tarea no consiste en ralentizar a la organización, sino en hacer que el camino seguro sea el más fácil”.

El factor humano

Dada la evolución semanal de la IA, el equipo de Taylor está llevando a cabo proyectos piloto en toda la organización: aprendizaje automático para la simulación, flujos de trabajo automatizados en la planificación de la producción y copilotos que ayudan a los desarrolladores a escribir código. Pero se resiste a la tentación de precipitarse.

“Todavía estamos buscando nuestro camino”, afirma. “No hay una solución única para todos. Estamos probando todo lo que hay disponible, pero dentro de seis a diez meses tomaremos decisiones sobre qué ampliar”.

A pesar del revuelo que rodea a la IA basada en agentes, Taylor sigue apostando por la supervisión humana. “Sigo creyendo firmemente que ‘los humanos deben estar en el bucle’. Cuando nuestra plantilla esté en sintonía con la IA, ahí es donde veremos el beneficio real: cuando esta complemente a nuestra gente”.

La IA también ha elevado el listón en materia de gobernanza de datos. “Lo que ahora se considera ‘suficientemente bueno’ incluye una mayor visibilidad, permisos más claros y una propiedad más definida», explica Taylor. «Hay que ser más riguroso a la hora de determinar a qué datos puede acceder la IA”.

La clave, empezar por las consecuencias

El consejo de Taylor para los CIO de otros sectores que se enfrentan a cuestiones similares es aparentemente sencillo: “Empieza por las consecuencias, no por la tecnología”.

En los servicios financieros, podría tratarse de un perjuicio para el cliente o de un incumplimiento normativo. En la sanidad, de la seguridad del paciente o de la pérdida de la confianza pública. En la F1, la consecuencia de un fallo de seguridad es la pérdida de la ventaja competitiva.

“Una vez que comprendes las consecuencias, puedes decidir qué requiere un control más estricto, qué hay que supervisar, qué hay que conservar y qué simplemente necesita mejores prácticas de seguridad”, afirma Taylor.

Es una lección aprendida a lo largo de 25 temporadas al límite de lo técnicamente posible, donde las decisiones se toman en milisegundos y el margen entre el éxito y el fracaso se mide en fracciones de segundo.

La multinacional farmacéutica danesa Novo Nordisk está muy interesada en acelerar el tiempo que se tarda en lanzar medicamentos al mercado a medida que expiran las patentes. “Si tienes un medicamento superventas, un retraso de una semana puede suponer entre 10 y 100 millones de dólares”, afirma Stephanie Bova, responsable de transformación digital de la empresa. “Es una cantidad enorme, porque dispones de menos tiempo de protección mediante patente”.

La IA generativa ofrecía la posibilidad de acelerar drásticamente múltiples etapas del proceso de desarrollo de medicamentos. Y, dado que Novo Nordisk ya llevaba un seguimiento minucioso de la duración de sus procesos clave, contaba con una ventaja de la que carecían muchas otras empresas. Por lo tanto, debería haber sido relativamente sencillo incorporar un poco de IA generativa, ver cómo mejoraba la productividad y observar cómo llegaban los beneficios. Pero no fue tan fácil. El proceso de desarrollo de un fármaco consta de muchas partes, que tienen lugar en distintos momentos y en distintos departamentos. “Las personas son expertas en sus propios ámbitos, pero no necesariamente conocen el siguiente ámbito ni cómo encaja todo. El sistema es tan grande y complejo que no se puede ver todo el rendimiento de una sola vez”, afirma Bova.

Es posible que la documentación de los procesos no se corresponda con lo que la gente hace realmente en la práctica, y que diferentes personas realicen la misma tarea de formas distintas. Además, algunas tareas cruciales pueden pasar prácticamente desapercibidas desde fuera. El equipo de fabricación, por ejemplo, puede formar parte de un grupo completamente diferente y no ser consciente de que el medicamento se está preparando para su presentación ante la FDA (la agencia gubernamental estadounidense del medicamento), y que aún no tiene toda la documentación lista. “Así que has avanzado muy rápido solo para tener que esperar a que ellos te alcancen”, añade Bova.

Este es solo uno de los muchos retos a los que se enfrentan las empresas al intentar medir los resultados de los proyectos de IA, y la razón por la que las encuestas son tan contradictorias.

Si nos fijamos en las tareas individuales, Novo Nordisk puede demostrar mejoras en la productividad y claros beneficios positivos derivados del uso de la IA. Pero si damos un paso atrás y analizamos los resultados financieros de la empresa, el panorama se vuelve más confuso. En primer lugar, si se omiten pasos críticos, el tiempo de comercialización no mejorará. Además, un nuevo medicamento tarda años en llegar a los clientes, por lo que los efectos positivos en los resultados no se notarán hasta pasado un tiempo. Y eso es solo el principio del problema que plantea la medición del retorno de la inversión.

Medición de procesos

Para abordar los puntos ciegos de sus procesos, Novo Nordisk recurrió a la nueva generación de minería de procesos: gemelos digitales de las operaciones en tiempo real impulsados por IA. “Nos asociamos con la empresa de inteligencia de procesos Celonis para obtener un gemelo digital de nuestros datos de procesos. Fuimos los primeros del sector en aplicarlo al ámbito clínico”, explica Bova. La herramienta recopila información de los sistemas de la empresa para hacer un seguimiento de lo que los empleados hacen realmente, en lugar de utilizar encuestas para recabar información sobre lo que una parte de los empleados recordaba haber hecho en algún momento.

El primer proyecto consistió en un proceso sencillo de siete pasos y, al crear un gemelo digital del mismo, Novo Nordisk descubrió que, dependiendo de quién lo llevara a cabo, podía tratarse de un proceso de cinco o de nueve pasos. “Si reúnes a diez expertos en la materia en una sala, obtienes todo tipo de interpretaciones y, con el tiempo, se producen desviaciones”, cuenta.

El proyecto puso de manifiesto múltiples fallos en los procesos existentes. En algunos casos, fue necesario volver a formar a los empleados. En uno de ellos, hubo que actualizar la interfaz de usuario. Sin embargo, una vez que se estandariza un proceso, surge la oportunidad de tomar una “fotografía” de la situación anterior, de modo que haya algo con lo que comparar posteriormente y comprobar si la mejora mediante IA o la automatización arrojan algún resultado.

Otra cuestión que tuvieron que resolver de antemano fue decidir qué hacer con el tiempo ahorrado que se generara. “No quieres despedir a nadie”, afirma Bova. “Se trata de personal altamente cualificado y difícil de encontrar. Quizá deberíamos plantearnos redistribuir un poco los equipos”.

En la actualidad, la empresa cuenta con varios cientos de agentes de IA en funcionamiento, etiquetados dentro de la infraestructura del gemelo digital para poder identificarlos. “Si algo falla, sabemos exactamente dónde solucionarlo”, dice, y añade que la siguiente fase es la coordinación entre múltiples agentes. “Hoy en día, los tenemos conectados, pero no contamos con ‘agentes de agentes”.

Aún es demasiado pronto para saber si hay retorno de la inversión, ya que, en el desarrollo de fármacos, el proceso lleva años. “Pero, al analizar el proceso de principio a fin, espero que podamos recortar dos años del ciclo de desarrollo. Dos años menos hasta la comercialización, en comparación con la situación actual”»”, indica.

Los medicamentos que ya se encuentran en la fase final de desarrollo no experimentarán una aceleración tan notable, pero los que acaban de iniciarse serán los que más se beneficien. Sin embargo, los resultados finales no se verán hasta dentro de varios años.

La industria farmacéutica no es la única en la que el verdadero valor proviene de la optimización simultánea de múltiples procesos interconectados. Según PwC, los proyectos tácticos de IA a menudo no aportan un valor cuantificable, y los beneficios tangibles provienen de implementaciones a escala empresarial coherentes con la estrategia de negocio.

De hecho, muchas empresas no han experimentado ni un aumento de los ingresos ni una reducción de los costes gracias a la IA en los últimos 12 meses, a pesar de su adopción casi universal. Aun así, el gasto empresarial en IA se prevé que casi se duplique a finales de año en comparación con el año pasado, según KPMG.

Medición de la productividad

La mayoría de las empresas empiezan a pequeña escala, implantando chatbots de IA para los empleados con el fin de ayudar a mejorar la productividad. Y el ritmo de adopción en este ámbito ha sido asombrosamente alto, solo equiparado por la incapacidad de medir las ganancias de productividad que se supone que se deben alcanzar.

Disponer de una referencia es clave, afirma Anand Rao, profesor de IA en la Universidad Carnegie Mellon, de Estados Unidos, pero en algunos casos resulta difícil de medir y, en otros, es prácticamente imposible. Tomemos, por ejemplo, las decisiones relacionadas con los seguros, en las que los resultados pueden tardar años en hacerse evidentes. En el caso de los seguros de vida, podrían ser décadas, afirma. Y para algunos tipos de decisiones, las empresas no disponen de ningún tipo de indicador.

“Existe un estigma social a la hora de decir que estoy tratando de analizar tu proceso de toma de decisiones y lo bien que las estás tomando. Como seres humanos, no nos gusta que se evalúen nuestras decisiones”, señala. Luego, cuando una decisión sale bien al final, la gente se atribuye encantada el mérito. “Si la decisión sale mal, se achaca a factores externos”.

Pero incluso en el caso de tareas específicas en las que es posible realizar mediciones, las empresas a menudo no se esfuerzan por llevarlas a cabo antes de implementar herramientas de IA. “No partimos de una referencia”, apunta Julie Averill, antigua vicepresidenta ejecutiva y directora de sistemas de información global de la cadena de moda Lululemon. Averill es ahora directora general de Gold Thread, una consultora de transformación digital. “Partimos de la suposición de que la IA iba a ayudar a la gente a tomar mejores decisiones. Y eso te lleva a no poder medir bien los resultados”, explica.

Existen métricas alternativas que una empresa puede tener en cuenta en su lugar, añade, como las tasas de uso o la satisfacción de los usuarios. “Esto está ocurriendo y está aportando beneficios, algunos de los cuales se pueden ver y otros no. Hay que confiar en el proceso. Es igual que con la nube. Sabes que es el camino del futuro y puedes ver las ventajas, pero es difícil llegar hasta allí, y se requieren muchos cambios. Pero cuanto antes lo hagas, antes te habrás adaptado a la nueva forma de operar y podrás sacarle realmente partido”.

Hay otras áreas en las que es más fácil disponer de métricas concretas, como el servicio de atención al cliente. “Se trata de tareas repetitivas y suele ser el primer ámbito que las empresas automatizan con IA. Hay resultados muy tangibles que se pueden medir y se puede establecer una referencia muy sólida”, explica Averill.

Lululemon también lleva años utilizando la IA para mejorar la personalización y las recomendaciones, y esa es otra área que se puede cuantificar. Además, la automatización puede reducir la introducción manual de datos, lo que disminuye las tasas de error. La IA también se puede utilizar para ayudar en la supervisión del cumplimiento normativo, la detección de fraudes y el mantenimiento predictivo de los equipos, todos ellos casos de uso que se pueden cuantificar.

¿Pero la productividad de los empleados en general? Eso es difícil de medir, y no solo para Lululemon. Una forma obvia podría ser analizar los despidos en profesiones expuestas a la IA. Al fin y al cabo, los titulares están por todas partes. Pero en un informe publicado en marzo, Anthropic no encontró indicios de un aumento del desempleo en las profesiones altamente expuestas, aquellas en las que las personas tienen más probabilidades de ser despedidas debido a la IA.

A principios de 2025, la empresa de investigación METR intentó cuantificar la productividad de los desarrolladores comparando la rapidez con la que los desarrolladores experimentados eran capaces de realizar tareas con IA y sin ella. ¿El resultado? Los desarrolladores afirmaron que esperaban que la IA les permitiera trabajar un 24% más rápido y estimaron que, en realidad, la IA les había permitido hacerlo un 20 % más rápido. Pero los datos revelaron una realidad totalmente diferente. El uso de la IA, en realidad, les ralentizó un 19%.

Por supuesto, las herramientas de IA están mejorando. METR intentó realizar un estudio de seguimiento, comparando de nuevo las tareas realizadas con y sin IA, pero no pudo encontrar suficientes desarrolladores dispuestos a volver al enfoque sin IA, a pesar de que los investigadores les pagaban por participar en el estudio.

Existen casos anecdóticos de empresas en las que un solo ingeniero realiza el trabajo de cien gracias al uso de la IA. O aquella vez en que se filtró accidentalmente todo el código fuente de Claude Code, de medio millón de líneas, y el desarrollador coreano Sigrid Jin creó una reconstrucción desde cero en dos horas, que luego subió a GitHub, donde se convirtió en el proyecto más rápido de la historia en alcanzar las 100.000 estrellas.

Pero, como ocurre con cualquier otro tema relacionado con la IA, la realidad es más compleja. En el caso concreto del desarrollo de software, escribir el código es, en realidad, solo una pequeña parte de lo que implica desarrollar software.

La consultora DX analizó recientemente métricas clave de ingeniería de 400 empresas y, en un informe reciente, constató que el uso de la IA había aumentado un 65% desde noviembre de 2024, pero que la productividad relacionada con la IA se situaba justo por debajo del 10%.

Costes ocultos

Al igual que resulta difícil medir los beneficios de la IA en términos de productividad, también puede resultar complicado cuantificar los costes. Cuando una empresa empieza a utilizar la IA, los costes pueden ser relativamente fáciles de estimar. ¿A cuánto ascienden las cuotas mensuales totales de suscripción a los chatbots de IA que utilizan los empleados? ¿Cuál es el coste de entrenar o ajustar un modelo personalizado? Pero cuando se pasa a casos de uso más complejos, los cálculos se vuelven más difíciles, afirma Averill. “Ahora existen todos los sistemas relacionados con la IA. Esos son más difíciles de cuantificar, pero su impacto es mayor”, dice.

Por ejemplo, si la IA se integra en los procesos empresariales mediante RAG, existe el gasto continuo de las llamadas a la API, pero también los cambios que hay que realizar en otros sistemas, explica. Y la cosa se complica cada día más. “No hemos realizado un esfuerzo muy concertado para implantar la telemetría y la instrumentación”, afirma Swaminathan Chandrasekaran, director global de IA y laboratorios de datos en KPMG. Según él, obtener una visión global de los costes totales de la IA en una empresa es como predecir el tiempo.

“La razón por la que contamos con un sistema de predicción meteorológica tan impresionante en este país es que disponemos de decenas de miles de estaciones meteorológicas que recopilan datos”, explica. “Sin eso, no sabríamos qué tiempo va a hacer”.

Las empresas deben implantar sistemas de medición para evaluar todos los aspectos del consumo relacionado con la IA, señala, empezando por el número de tokens utilizados, quién los utiliza y cómo se correlaciona esto con el rendimiento laboral. “Esa medición brilla por su ausencia”, afirma.

Al menos cuando los humanos utilizan chatbots de IA, hay un límite en el número de preguntas que son físicamente capaces de formular, además de unos costes de suscripción predecibles. Y cuando los procesos empresariales se habilitan con IA a través de RAG, las llamadas a la API de los modelos de lenguaje grandes (LLM) las realizan sistemas empresariales predecibles y programados de forma tradicional.

Pero ahora, la IA agentiva está empeorando aún más las cosas, ya que los agentes pueden actuar de forma impredecible y el número de llamadas a la API puede dispararse rápidamente fuera de control. En un informe del Boston Consulting Group, dos tercios de las empresas señalan gastos de escalado de la IA incontrolables.

Otro coste que algunas empresas quizá no prevean bien, o que no controlen porque forma parte de un presupuesto diferente, es el relacionado con los datos. Ya sea preparando datos para el entrenamiento o el ajuste fino, utilizando incrustaciones de RAG o configurando el acceso directo a MCP a través de agentes, estos costes pueden acumularse rápidamente cuando entra en escena la IA.

“Las tarifas de salida son uno de los gastos más importantes”, afirma Tom Coughlin, miembro del IEEE y presidente de la consultora Coughlin Associates. “Si tienes que sacar datos de la nube, esas tarifas de salida podrían ser considerables”. Además, están todos los costes de personal que conlleva la implementación de la IA, añade.

“A largo plazo, la IA aportará un gran valor a las personas, pero estas deben saber cómo utilizarla correctamente. Si no cuentan con esas habilidades, se encontrarán en desventaja”, expone.

Soluciones y mensajes contradictorios

Luego está la cuestión de resolver los problemas. La mayoría de las empresas han sufrido al menos un incidente relacionado con la IA en los últimos 18 meses, y la mayoría de ellos han supuesto pérdidas económicas, algunas de más de 500.000 dólares. Además, está la IA que se está integrando en todo.

“Conocemos nuestros costes directos”, afirma Andrew Johnson, director de sistemas de información (CIO) de Brownstein Hyatt Farber Schreck, un bufete de abogados estadounidense. “Pero donde resulta más difícil de cuantificar es con las plataformas que ya tenemos implantadas y las aplicaciones SaaS que no contaban con capacidades de IA. Nos piden aumentos extraordinarios y los atribuyen a las nuevas capacidades que aporta la IA. ¿Cuánto se le debe atribuir a la IA? Eso es un poco difuso”, relata.

Incluso cuando la IA permite ahorrar dinero, a menudo hay costes adicionales asociados a ello. Por ejemplo, el bufete gastaba unos 70.000 dólares al año en una plataforma de gestión de contratos. Desarrollar su propia versión con IA supuso unos 40.000 dólares en costes de mano de obra y otros 3.000 dólares al año en alojamiento. El mantenimiento continuo será mínimo para esa aplicación en concreto, añade, lo que supondrá un total de otros dos mil dólares al año.

Pero también hay otros costes indirectos asociados al funcionamiento de las aplicaciones propias, como las auditorías de seguridad, las evaluaciones de vulnerabilidad, las pruebas de penetración y la revisión del código. “Cuanto más compleja y arriesgada es la plataforma, menor es el interés por intentar crear una solución interna”, indica.

Aun así, el equipo de desarrollo de software es ahora mucho más productivo gracias a la IA, ya que cuatro o cinco desarrolladores son capaces de hacer el trabajo de 20 o 30. Pero las mejoras en la productividad no se traducen en un ahorro de mano de obra, ya que los desarrolladores tienen mucho trabajo nuevo que hacer. “Tenemos una enorme lista de oportunidades pendientes para desarrollar soluciones”, afirma.

La tendencia del trabajo a expandirse para ocupar todo el tiempo disponible no se da solo en el desarrollo de software, señala Rao, de Carnegie Mellon. Supongamos, por ejemplo, que se espera que la IA suponga una mejora del 20% en la productividad, explica. “Antes había cien personas haciendo ese trabajo, y ahora solo necesitamos 80. Pero, al final del año, la plantilla no ha cambiado. «En las tareas que realizaban, hay una mejora, añade, “pero las personas añadirán tareas para suplir o complementar ese 20%. No es que se vayan a casa una hora antes, sino que están encontrando otras actividades que generan valor”.

De hecho, en algunos casos, el aumento de la productividad en una empresa puede llegar a perjudicar los resultados. Los abogados, por ejemplo, cobran por horas. “La eficiencia va en contra de nuestras formas tradicionales de ganar dinero”, afirma Johnson, de Brownstein. “Tenemos que pensar más allá de eso. No es perjudicial para nuestros intereses a largo plazo, pero supone un reto a corto plazo. Sin embargo, si no lo hacemos, es probable que no seamos competitivos a medio y largo plazo”.

Así pues, si una nueva herramienta de IA ayuda a un abogado en la diligencia debida, no existe una relación directa entre la inversión en esa herramienta y el aumento de los ingresos. “Es un hecho que la dirección es la correcta”, afirma Johnson. “Pero no podemos afirmar que vaya a generar un rendimiento concreto”.

Conocido sobre todo por sus servicios como “boutique de inversión”, el banco Singular Bank, nacido en el año 2020 gracias al impulso del exconsejero delegado del Banco Santander Javier Marín Romano, después de adquirir y transformar la estructura del antiguo banco digital Self Bank, es en la actualidad una entidad con más de 400 profesionales, 17 oficinas en España y más de 180 banqueros y agentes financieros que gestionan casi 18.000 millones de euros de patrimonio de clientes.

La compañía financiera es noticia estos días por un sonado cambio de propietario: el grupo inversor estadounidense Warburg Pincus, que poseía más del 93% de las acciones, ha vendido su participación a un grupo de inversores nacionales e internacionales liderados por ING, que se convierte ahora en el principal dueño de la entidad, con 40%, mientras que el resto se diversifica entre ‘family offices’ españoles (21,5%), el propio equipo directivo y los empleados del banco (15,5%), la firma española de inversión ProA Capital (15%) y la financiera mexicana Actinver (8%). Un movimiento que, sin embargo, no afectará a la operativa de Singular Bank, que seguirá funcionando como una entidad independiente dentro del mercado español de banca privada y con una oferta de productos complementaria a la de su nuevo dueño mayoritario, ING, como confirma a CIO ESPAÑA Rubén Andrés Priego, director general de Tecnología y Operaciones de Singular Bank y miembro del equipo directivo, entrevistado por esta cabecera unos días antes de que se hiciera pública esta información. La charla gira, no obstante, en torno a otro asunto: el intenso viaje digital experimentado por el banco, y los retos y las oportunidades que se abren a la organización en un futuro próximo.

El directivo, un ejecutivo experimentado en el mundo de la banca minorista y privada y en consultoría financiera (desempeñó puestos de responsabilidad en Banco de España, Banco Popular, BBVA, Banca March y EVO Banco) aterrizó en Singular Bank en enero de 2025. En este periodo, explica, ha inyectado las últimas innovaciones de la inteligencia artificial al modelo “híbrido” con el que contaba la entidad, que combina “la excelencia digital y en automatización con una labor intrínsecamente humana”. Pero empecemos por el principio.

La IA da una vuelta de tuerca a la transformación de Singular Bank

“Singular Bank es un banco con una historia relativamente corta, de unos siete años”, rememora el CIO durante la entrevista, subrayando que, aunque la entidad nació como un banco orientado a la banca privada, a través de Self Bank dispone de una plataforma bancaria 100% digital que permite a los clientes gestionar sus inversiones y “tomar sus propias decisiones financieras”. Al aterrizar en la corporación, hace más de un año y medio, y después de mantener, dice, casi 70 reuniones con el consejo de administración, el comité de dirección y empleados de diferentes áreas del banco, el directivo vio la necesidad de “llevar a cabo un plan de transformación que no solo pasaba por modificar la plataforma tecnológica que había y que mantenía la cuenta de resultados, así como todos los canales, la plataforma de inversión, etc. sino afrontar una segunda gran ola: el uso de la inteligencia artificial en la compañía”.

La estrategia de Singular Bank en torno a la inteligencia artificial se articula en tres grandes líneas de actuación, como relata Rubén Andrés Priego. La primera consiste en impulsar el uso de la IA en el trabajo diario de los empleados. Para ello, la empresa selló un acuerdo con OpenAI, en marzo de 2025, con el fin de distribuir 50 licencias de ChatGPT entre los 400 profesionales de la entidad. La segunda línea se centra en la aplicación de la IA al ámbito de la ingeniería, bajo un enfoque de context engineering (ingeniería de contexto), con el que están transformando su modelo de desarrollo tecnológico. Y el tercer eje pasa por crear una arquitectura propia orientada a los agentes de inteligencia artificial. Sobre esta base, explica el CIO, la entidad ha lanzado Singularity, una plataforma que integra la IA de OpenAI, la visión del equipo de estrategia y el criterio del banquero para ofrecer un mejor asesoramiento al cliente, “uno de los proyectos estrella de este año”.

Esta apuesta por la IA y, en concreto, por la tecnología de OpenAI es de tal calado que la empresa creadora de ChatGPT ha seleccionado al de Singular como uno de los casos de éxito más destacados de Europa en la aplicación de IA dentro del sector financiero. “Lo que tiene Singularity de particular es que lo han creado los propios usuarios”, indica Andrés, que explica que el banco formó a los usuarios de ChatGPT para que fueran ellos los que identificaran oportunidades y propusieran nuevas aplicaciones. “Una de las grandes ventajas de la IA generativa es que ha reducido las barreras tecnológicas: hoy el valor diferencial está más en identificar el caso de uso adecuado que en la propia ejecución técnica”, añade Andrés Priego.

A partir de ahí, relata, los banqueros empezaron a detectar necesidades que requerían una infraestructura más sofisticada que una simple interfaz conversacional. “Fue entonces cuando decidimos crear un grupo de 20 banqueros que actuaron como embajadores de Singularity y participaron activamente en el diseño de la herramienta. Mantuvimos sesiones semanales para perfeccionarla y, hoy en día, los resultados son de éxito total”.

La plataforma Singularity está diseñada para facilitar el asesoramiento al cliente en las fases previas a cada reunión. La plataforma recopila información procedente de todos los sistemas del banco y se integra con Salesforce, gestores documentales, bases de conocimiento, datos de rentabilidad y catálogos de productos. Todo ese ecosistema está conectado a una red de 20 agentes de IA que analizan la información y generan recomendaciones y resultados útiles para el banquero. El objetivo, indica el CIO, es “liberar a los profesionales de tareas operativas y de bajo valor”, como la recopilación manual de información, para que puedan centrarse en lo realmente importante: “El asesoramiento personalizado al cliente”.

“Una de las grandes ventajas de la IA generativa es que ha reducido las barreras tecnológicas: hoy el valor diferencial está más en identificar el caso de uso adecuado que en la propia ejecución técnica”

La acogida de la plataforma, subraya Rubén Andrés, ha sido excelente. “Actualmente, 80 banqueros participan en el proyecto y el 90% utiliza la herramienta de forma habitual en su trabajo diario”. Este mes de julio, añade, Singularity se ampliará a los 200 banqueros que tiene la entidad. “La vamos a conectar con toda la inteligencia de inversiones y productos. Ya no va a ser solo una herramienta de recolección de información, sino que también utilizará la inteligencia del banco para perfilar el asesoramiento”.

El ROI (retorno de inversión) de este caso de uso es significativo: “Los banqueros se ahorran entre 60 y 90 minutos diarios en la preparación de reuniones”, afirma el CIO. Un ahorro que redunda en “más tiempo para pensar qué necesita el cliente y qué podemos aportarle como banco para mejorar su día a día, su vida y sus objetivos”. 

El banquero, no obstante, sigue siendo una pieza fundamental de la ecuación, según Rubén Andrés. “Es indispensable; por ejemplo, en momentos de incertidumbre, donde hay caídas de mercados y la situación se tensa, el banquero tiene la cabeza fría y pone raciocinio a las emociones del cliente, al que acompaña en las inversiones, pero siempre apoyado en unas capacidades avanzadas de análisis de datos e inteligencia”. Es más, según el CIO, “el humano es imprescindible en el mundo de la banca”, sea cual sea el modelo: “Banca masiva, mainstream digital, banca privada o un término intermedio que sería Self Bank, un banco 100% digital con capacidades avanzadas y con unos banqueros remotos que también pueden asesorar a los clientes”.

El ejecutivo cree que la banca del futuro será más humana porque es precisamente esto lo que va a diferenciar a los distintos actores entre sí. “El factor humano aumentará la calidad en el asesoramiento y en el trato al cliente. Por otro lado, también veremos redes de agentes en el entorno digital; me atrevería a decir que ya no competiremos por la experiencia de usuario (‘user experience’), sino por la del agente (‘agent experience’). Vamos a tener que generar capas de agentes que se comuniquen entre sí y generen una experiencia muy fluida para poder analizar los productos de los que disponemos, la oferta, y comparar unos con otros y saber qué encaja mejor con el cliente en función de su contexto y el del banco. Vamos a ver una revolución en banca en los próximos años de manera clara”, expone.

Gobierno, cultura y adopción, los desafíos de abrazar la inteligencia artificial

Aunque la IA trae consigo ingentes oportunidades, también abre retos de distinta índole. Preguntado por este asunto, el CIO contesta: “El mayor retorno que tiene la IA actualmente es tecnológico. Avanza cada vez más rápido y es más accesible, de hecho, cualquiera puede usar ChatGPT incluso para programar; pero el mayor reto lo hemos encontrado en materia de gobierno, cultura y adopción”.

Para subsanar el desafío del gobierno, en Singular Bank han creado un “comité de gobierno de la IA y una política que todos los empleados deben conocer y firmar antes de poder utilizar todas estas herramientas”, explica el CIO. En este comité, de carácter multidisciplinar —está formado por el equipo de Legal Compliance, el DPO (delegado de protección de datos), el equipo de seguridad y el de tecnología y operaciones— y alineado con la regulación vigente —como la IA Act (Reglamento europeo de IA) y el RGPD (Reglamento General de Protección de Datos), entre otros— se mide el riesgo que tiene cada una de las plataformas de IA antes de adoptarlas. Solo después se ponen a disposición de los empleados. Además, agrega, en los casos de uso que han desplegado, como Singularity, realizan un análisis continuo del rendimiento de los modelos para garantizar que éste se ajusta a lo buscado y, si no, se aplican ajustes a nivel tecnológico. 

Para superar el reto cultural y las barreras de adopción, pues “toda esta revolución de la IA ha generado muchos miedos a la pérdida de empleo y a ser sustituido”, el banco ha trabajado en ofrecer amplia formación sobre estas nuevas tecnologías “desde el punto de vista de hacia dónde va el mercado, pero también mirando al pasado, porque si nos hubiéramos negado a la imprenta, el ferrocarril y todas las revoluciones industriales, no estaríamos en el nivel de sofisticación actual; hemos trasladado a los empleados que esto es una revolución a la que hay que sumarse, pues gracias a ella vamos a tener mejores profesionales y un mejor servicio a nuestros clientes”. La clave, añade, ha sido hacer a los empleados “creyentes del cambio, darles formación y acompañarlos”.

El gran cambio de mentalidad con la IA, explica, es que los propios empleados pueden desarrollar sus propias soluciones tecnológicas, sin pedirlas al equipo de tecnología. “Esta es la gran revolución que estamos acometiendo”, sentencia.

El coste, en el punto de mira

Una de las grandes preocupaciones de los líderes de TI a la hora de abrazar la IA es que el coste se dispare y provoque situaciones similares a las vividas con la adopción de cloud en el pasado. “Cuando iniciamos el proyecto con OpenAI, en marzo de 2025, trabajábamos con un modelo de tarifa plana: pagábamos una licencia que cubría tanto el desarrollo de ingeniería con herramientas como Cursor como el uso de ChatGPT. Todo estaba incluido. Actualmente hemos pasado a un modelo de coste por consumo de tokens. Desde la perspectiva de negocio, no nos preocupa esta evolución, ya que la plataforma cubre con creces nuestras necesidades actuales. Además, hemos realizado proyecciones a futuro y no prevemos ningún problema significativo. Incluso en el caso de que se produjera un ligero sobrecoste, los beneficios obtenidos compensarían con creces ese incremento del gasto”, reflexiona Rubén Andrés.

Desde el punto de vista de ingeniería, añade, “el retorno también compensa el sobrecoste, ya que hemos multiplicado la productividad y las capacidades de nuestros desarrolladores”. Sí han observado, afirma el CIO, la necesidad de establecer cuotas y mecanismos de control del consumo, pues en algún caso han detectado que ciertos desarrolladores utilizaban modelos muy avanzados para tareas que no requerían ese nivel de capacidad, lo que generaba un consumo innecesario de tokens. Unas situaciones en las que modelos más sencillos habrían ofrecido el mismo resultado con un coste considerablemente menor.

El gran cambio de mentalidad con la IA, explica Rubén Andrés, es que los propios empleados pueden desarrollar sus propias soluciones tecnológicas, sin pedirlas al equipo de tecnología. “Esta es la gran revolución que estamos acometiendo”

Por todo ello, explica, el banco está aplicando los mismos principios de gestión financiera que ya utilizó con la nube: “Hemos trasladado el uso de FinOps al ámbito de la inteligencia artificial para optimizar el uso de los recursos, controlar los costes y garantizar que cada caso de uso emplee el modelo más adecuado, además de hacer un seguimiento mensual del consumo”.

Impacto en el desarrollo de software

Los desarrolladores de software son algunos de los perfiles profesionales más directamente impactados por el auge de la IA agentiva y generativa. “En el mercado en general muchos programadores ven la IA como una amenaza, pero, en realidad, esto va a hacer que se multiplique el software porque, de hecho, el mundo necesita más. Los bancos ya teníamos mucha más demanda de la que podíamos abordar. Por eso yo no veo que la IA sea un problema para los desarrolladores”.

Dicho esto, el CIO reconoce que el tipo de perfiles técnicos que busca la entidad en la actualidad ha cambiado: “Ahora buscamos perfiles técnicos senior, pues cuanta más experiencia tiene el profesional, mejor adopta la IA; también que tengan baja resistencia al cambio”. En este sentido, en el banco ya trabajan de forma que sus técnicos lideran equipos virtuales formados por los roles [agentes] de project manager, analista funcional, analista orgánico, etc. pero alimentados con el contexto y la arquitectura de la entidad. “Una iniciativa con la que te vuela la cabeza”, sentencia Rubén Andrés.

El ROI del uso de la IA asociado al área de desarrollo de ingeniería es también significativo, según el directivo. “Ahora un programador desarrolla software como si fuera un equipo de 15 desarrolladores, y lo hace a una velocidad nunca vista antes y con una calidad totalmente alineada con la requerida por el banco”.

El área de Tecnología de Singular Bank, cuyo equipo asciende a 41 personas, está abordando “una transformación completa de todos los sistemas legacy con toda esta tecnología”, recalca el CIO. “Es un catalizador del cambio”, añade.

Foco en la soberanía tecnológica

Preguntado por si le preocupa la soberanía tecnológica en el complejo contexto actual, marcado por un escenario geopolítico tensionado, Rubén Andrés es contundente: “Mucho”. Más aún, reconoce, después de ver cómo el Gobierno de Estados Unidos paralizaba recientemente el acceso a los modelos más avanzados de Anthropic (una decisión después revertida). Por ello, la filosofía del CIO es que “todo lo que construyamos permita la continuidad de negocio, es decir, el aumento de capacidades cognitivas es un ‘on top off’ de lo que son los básicos de poder llevar a cabo el asesoramiento y el resto de las tareas que hemos hecho antes de tener estos sistemas”. Además, reconoce, ya están trabajando en “desacoplar la capa agentiva. Esta pertenece a Singular Bank, es nuestra propia plataforma, a la que ponemos por encima una capa de experiencia. Ahora la capa de agentes la tenemos con tecnología de OpenAI (ChatGPT), pero se podría cambiar por cloud o una capa propia”.

Además, desvela a CIO ESPAÑA, Singular Bank está reforzando su estrategia de continuidad de negocio mediante una arquitectura multirregión en AWS que distribuye sus sistemas entre España (en Zaragoza) y el norte de Europa. El objetivo, asegura, es garantizar la resiliencia operativa y la recuperación rápida de los servicios ante incidencias graves, desde fallos técnicos hasta posibles ciberataques o eventos geopolíticos que afecten a una determinada ubicación.

Singular Bank está reforzando su estrategia de continuidad de negocio mediante una arquitectura multirregión en AWS que distribuye sus sistemas entre España (en Zaragoza) y el norte de Europa

Ya desde el punto de vista de la ciberseguridad, en la entidad están empleando la propia IA para crear ‘red teams’ virtuales que se encarguen de analizar continuamente la superficie de ataque y detectar posibles problemas y poder resolverlos antes de que los detecte un tercero. “La ciberseguridad nos preocupa mucho porque, al final, somos una infraestructura crítica y debemos ser responsables y tener control sobre lo que manejamos”.

La ventaja que aporta disponer de capacidades de análisis en ciberseguridad junto a las de un desarrollo vertiginoso facilita que “la defensa pueda abordarse de manera mucho más rápida”, reflexiona el portavoz.

Preguntado por cómo absorbe el banco toda la avalancha normativa que existe y si esta supone un freno a la innovación, el directivo también es claro: “Llevo trabajando en banca 20 años y nunca he visto la regulación como un freno para este sector. Honestamente, creo que este argumento se ha utilizado como excusa, pero la regulación es muy necesaria, garantiza que demos un servicio seguro y confiable”.

En Singular Bank, añade, “hay un equipo muy abierto a las nuevas tecnologías y a analizar la regulación desde un punto de vista más de facilitar el cambio que de bloquearlo”. “Si se adopta con sentido común y agilidad y todos los equipos del banco trabajan en pro del negocio y de la innovación esta no es un freno”.

Aumentar la escalabilidad del banco, el eje de futuro

En un futuro próximo, el equipo de Tecnología y Operaciones de Singular Bank, con Rubén Andrés al frente, proseguirá la transformación y modernización en la que está inmerso el banco. “Estamos renovando todos los sistemas legacy a través de tecnologías con IA y context engineering y, por otro lado, continuaremos trabajando la parte de agentes. Ya hemos desarrollado algunos que reemplazan o capacitan a las áreas de operaciones para poder hacer conciliaciones bancarias cada cinco minutos, mientras que antes las hacíamos cada día; esto nos permitirá aumentar la escalabilidad del banco, que es nuestro objetivo de cara a los próximos años. Y, finalmente, seguiremos apostando fuerte por las arquitecturas agentivas para poder generar experiencias de cliente mucho más naturales a través de conversaciones a través de los canales digitales”.

Respecto a la evolución futura del rol del CIO en general, el ejecutivo es plenamente consciente de la transformación que esta función ha tenido en los últimos años, ahora “más pegado al negocio”. “En la actualidad, se ha amplificado más el rol del CIO, que ya no está ligado a la continuidad, la resiliencia o la seguridad, sino es un rol de agente del cambio, impulsor de la adopción de nuevas tecnologías, formador, visionario de nuevos modelos de negocio… En definitiva, un rol, paradójicamente en esta era de la IA, cada vez más humano”.

La IA está cambiando la forma en que se realiza el trabajo y quién lo lleva a cabo, en todos los niveles de la organización. Esto significa que también está cambiando la forma en que los ejecutivos desempeñan su labor y cómo deben liderar, ya que ahora se les pide que utilicen la IA para reinventar sus organizaciones y hacer frente a las incertidumbres que conlleva esa tarea.

Los directores de sistemas de información (CIO) están experimentando cambios en su función como parte de esta tendencia general, a medida que asumen nuevas responsabilidades y se enfrentan a nuevas expectativas. Estos cambios son el resultado de una evolución de varios años entre los CIO, que ha transformado el puesto, pasando de ser un simple gestor tecnológico a un facilitador estratégico y, finalmente, al líder visionario que deben ser hoy en día.

A continuación, directores de sistemas de información (CIO) con amplia experiencia, investigadores y asesores comparten seis nuevas reglas del liderazgo en TI, junto con los antiguos principios de liderazgo a los que han sustituido.

Regla antigua: rendir cuentas al director general
Nueva regla: colaborar con el director general para crear una visión

Durante gran parte de la historia empresarial, el director general (CEO) determinaba el rumbo de la organización, y el resto de ejecutivos —incluido el CIO— elaboraban los planes que permitirían avanzar hacia la visión estratégica del director general. “Ahora el CIO tiene que estar indisolublemente unido al director general para crear esa visión”, afirma Sharon Stufflebeme, directora general de soluciones para CIO en Protiviti.

“Significa tener la capacidad de ver el futuro, de comprender cómo este probablemente afectará a tu situación actual y cómo llevar tu situación actual hacia el futuro, de ver, anticipar y trazar una línea hacia lo que razonablemente va a suceder en el futuro y cómo la organización se adaptará a ello”, añade.

“Siempre ha sido importante, pero no era la competencia más importante que debía tener el director de sistemas de información. Ahora, el director de sistemas de información es quien está mejor preparado para comprender el valor que se puede obtener al aprovechar las nuevas tecnologías, incluida la inteligencia artificial, así como los costes y los riesgos, y para crear la visión y definir cómo llegar hasta allí”, agrega.

Antigua regla: facilitar los resultados empresariales
Nueva regla: diseñar el negocio del futuro

En los últimos años, los altos directivos han recurrido a los CIO para que les informen sobre la IA y les expliquen cómo puede utilizarse para generar resultados empresariales. Pero Allan Tate, presidente ejecutivo del MIT Sloan CIO Symposium, afirma que los equipos de dirección están elevando ahora sus expectativas, ya que esperan que sus CIO rediseñen la organización utilizando la inteligencia artificial. “Ya no se trata de ‘qué puede hacer la IA’. La pregunta es: ‘¿Cómo rediseñamos la organización con la IA?”, afirma Tate. “Se trata de ‘cómo diseñamos nuestra organización para utilizar la IA de forma responsable y eficaz’. Eso es hacia lo que se dirigen los CIO. Lo que estamos viendo es que los CIO se están convirtiendo en arquitectos de la transformación”.

Esto exigirá que los directores de sistemas de información (CIO) lideren en medio de la incertidumbre y la tensión, añade. “Los directores de sistemas de información deben sentirse cómodos con la incertidumbre”, afirma Tate, señalando que deben aprender “a formular preguntas, a explorar diferentes perspectivas interpretativas para esas preguntas, a analizar las distintas tensiones y a combinar la inteligencia humana y la artificial. Y los CIO tienen que ayudar a los demás a acostumbrarse a la incertidumbre. Deben comprender que no va a haber consenso. A lo que se enfrentan es a ejercer un mejor criterio ejecutivo en medio de esa incertidumbre, y querrán crear un entorno de confianza en el que los empleados vean que todos prosperarán y no se sientan amenazados”.

Reconoce el temor a que desaparezcan puestos de trabajo a medida que la IA automatiza cada vez más el trabajo, pero los directores de sistemas de información deberían ayudar a sus colegas ejecutivos a pensar en las posibilidades —incluidas nuevas funciones— que creará la transformación impulsada por la IA. “Lo difícil es imaginar qué nuevos puestos de trabajo se crearán, algo que ha ocurrido en todas y cada una de las revoluciones tecnológicas”, añade Tate.

Antigua regla: fracasar rápido
Nueva regla: crear las condiciones para que las personas se sientan seguras para prosperar

Una de las promesas más repetidas y menos cumplidas del sector tecnológico ha sido renovada debido a su propio fracaso constante. En lugar de limitarse a descartar rápidamente los proyectos poco prometedores, los responsables de TI deben crear ahora un entorno en el que el fracaso resulte lo suficientemente seguro como para que los empleados extraigan lecciones de los callejones sin salida y las apliquen para escalar con rapidez.

Brook Colangelo, vicepresidente sénior y director de sistemas de información (CIO) de Waters Corp., una empresa de instrumentos analíticos de laboratorio y software, utiliza un “diagnóstico sencillo” para su organización global de TI. “En cualquier situación en la que un equipo tenga un rendimiento inferior al esperado o se resista al cambio, me pregunto cuál de las cinco necesidades psicológicas se ve amenazada —estatus, certeza, autonomía, conexión o equidad— y la abordo de forma directa y compasiva”, afirma.

Se apoya en la cultura de la organización para llevar a cabo esta tarea. “El departamento de TI de Waters es un equipo basado en la neurociencia de la motivación y el crecimiento. Celebramos nuestros éxitos, analizamos nuestros errores y aprendemos como equipo”, afirma Colangelo.

Considera que la capacidad de diagnosticar y abordar esas amenazas es una competencia de liderazgo fundamental para el director de sistemas de información (CIO) actual, sobre todo porque «las organizaciones de TI son, por naturaleza, entornos propensos a las amenazas, y más aún con la inteligencia artificial».

“Nos llevó un tiempo desarrollar esta capacidad, pero lo conseguimos mediante una formación específica, y dotamos a nuestros líderes de equipo —a través del Foro de Liderazgo de TI— de las herramientas necesarias para dar ejemplo y reconocer estos comportamientos”, explica.

Colangelo atribuye a esta inversión en la cultura de equipo la capacidad de su departamento de TI para liderar simultáneamente cuatro iniciativas de gran envergadura: la integración de una adquisición, la incorporación de los compañeros de su centro de capacidades global en la India como empleados a tiempo completo de Waters con una tasa de aceptación del 99%, una transformación completa de su ERP a S/4HANA, y la puesta en marcha segura de su transformación hacia la IA en toda la organización. “Cada iniciativa provoca respuestas diferentes en cada persona. Disponer de un lenguaje común para identificar esas señales de alerta nos permite diagnosticar qué es lo que nos está frenando y abordarlo directamente”, añade.

Antigua regla: recurrir a expertos en el negocio
Nueva regla: ser un experto en el negocio

Los CIO comprendieron hace años que no podrían desempeñar con éxito su función si se centraban únicamente en la tecnología. Así pues, se asociaron con compañeros del ámbito empresarial para recabar perspectivas sobre los diversos puntos débiles y problemas que obstaculizaban las ambiciones empresariales, y colaboraron con sus homólogos ejecutivos para comprender las metas y los objetivos de las distintas áreas funcionales del negocio.

Ahora los CIO deben dar otro salto y parecerse más a un director de operaciones (COO), es decir, comprender el alcance y la escala completos de las operaciones en sus organizaciones, afirma Jeff Sturman, socio director del área de liderazgo digital y de TI en WittKieffer, una consultora especializada en liderazgo y selección de personal.

«Los CIO se encuentran ahora en la encrucijada de todas las actividades: estratégicas, operativas y de experiencia del cliente. Es un puesto que abarca todos y cada uno de los aspectos del negocio», afirma Sturman. “Los CIO siguen teniendo que ser expertos en tecnología, seguridad y, ahora, en IA; tienen que ser las personas más preparadas de la sala en esos temas, pero ahora también deben conocer todos los aspectos de las operaciones de la organización, al igual que el director de operaciones (COO), porque hoy en día no hay ninguna parte del negocio que no esté relacionada con el responsable de TI”.

Los CIO del sector sanitario, por ejemplo, deben comprender las operaciones empresariales, los requisitos normativos, las operaciones clínicas y mucho más, afirma Sturman. Añade que, por supuesto, el resto de miembros del equipo directivo también deben conocer el negocio. Pero, dado que el departamento de TI lidera las implementaciones de IA que automatizan y transforman el trabajo, los CIO deben tener una comprensión más profunda de las operaciones y los flujos de trabajo en todos los ámbitos que muchos de sus colegas ejecutivos.

Sturman señala que no todos los directores de TI tienen ese nivel de conocimiento, pero observa que cada vez más responsables de TI están adquiriendo lo que él denomina una “visión panorámica de las operaciones de la organización”.

Antigua regla: tener un buen dominio de las finanzas de la organización
Nueva regla: actuar como un director financiero

Al igual que muchos CIO, Marco Bill, vicepresidente sénior y CIO de Red Hat, se enfrenta a más cálculos financieros que nunca, ya que trabaja para garantizar que el gasto de la empresa en la nube y en IA sea eficiente, sabiendo qué medidas tomar para controlar los costes sin mermar el rendimiento.

Por ejemplo, él y su equipo están analizando las cargas de trabajo para determinar si resulta más rentable ejecutarlas en la nube pública, en una nube privada o alojarlas en los propios centros de datos de la empresa. Ha conseguido un ahorro de más de 20 millones de dólares al trasladar algunas cargas de trabajo de nuevo a las instalaciones propias, y cuenta con los cálculos financieros que lo demuestran. “Y no se trata de hacer estos cálculos una sola vez, sino de hacerlo de forma continua”, añade.

Stufflebeme también observa que los CIO se están adentrando más en el ámbito financiero con iniciativas de inteligencia artificial, ya que los directores generales y los consejos de administración exigen rendimientos cuantificables de sus inversiones. “El departamento de TI debe tener la visión [que la organización debe seguir] y también la perspicacia financiera para demostrar qué inversiones van a generar un retorno de la inversión. Por eso, ahora es fundamental que los directores de sistemas de información comprendan dónde va a estar el valor y dónde están los costes. Estas son habilidades que los directores de sistemas de información siempre han tenido que poseer, pero ahora son más cruciales debido al impacto de la IA”, añade.

Dados los retos que ha supuesto hasta ahora obtener un retorno de la inversión en IA —y la creciente intolerancia de los ejecutivos ante las iniciativas fallidas en este ámbito—, Stufflebeme afirma que los consejos de administración y los directores generales quieren directores de sistemas de información que “entiendan cómo se genera el valor, cómo cuantificarlo y que puedan garantizar que se alcanza ese valor”.

Esto requiere, a su vez, que los directores de sistemas de información sepan cómo van a cambiar los costes a medida que los agentes sustituyan ciertas actividades humanas, añade, “porque los agentes no eliminan los costes, pero sí modifican la estructura de costes. Por lo tanto, los directores de sistemas de información deben comprender cómo calcular el coste total de propiedad de estas nuevas capacidades. Esto es válido no solo para sus propias empresas, sino también para sus socios, ya que los directores de sistemas de información deben saber que el valor que obtienen de sus socios es superior al coste que les pagan”.

Antigua regla: esperar que los empleados respondan al estilo de liderazgo del CIO
Nueva regla: adaptar el estilo a las personas del equipo

Greg Taffet, socio director y director de sistemas de información (CIO) de la consultora tecnológica estratégica Taffet Associates, cree que debe adaptar su estilo de liderazgo y la forma en que interactúa con los demás miembros de su organización, incluidos los de su equipo. “Tengo gente repartida por todo el mundo, y gestionarla ahora es muy diferente a cuando podíamos reunirnos junto a la máquina de agua”, afirma.

Taffet explica que, como líder, se esfuerza por comprender cómo y cuándo quieren trabajar las personas: si prefieren trabajar totalmente a distancia y de forma asíncrona, si quieren estar en la oficina con un horario fijo, o si optan por una combinación de ambas opciones. “Cada persona tiene necesidades diferentes para ser productiva; no se puede esperar que todo el mundo trabaje desde casa y sea productivo, ni que todos sean tan productivos como lo eran cuando trabajaban en la oficina”, explica.

También se esfuerza por comprender cualquier rasgo cultural o personal que pueda influir en su respuesta a los distintos enfoques de liderazgo, y por identificar cómo sacar lo mejor de cada persona y defender lo que mejor les funciona. Al igual que los colegios adaptan las clases a los alumnos en función de si aprenden de forma visual, auditiva o práctica, “eso es lo que tenemos que aplicar ahora en el liderazgo”, afirma.

Desde la irrupción de ChatGPT, las empresas han intentado transformar el potencial de la IA generativa como asistente digital en mejoras de productividad para todas las áreas de la organización. Cisco es una de las compañías que se ha situado a la vanguardia de este esfuerzo.

La idea original de crear un asistente interno surgió en Cisco cuando ChatGPT y otras herramientas de IA orientadas al consumidor aparecieron a finales de 2022 y principios de 2023, y la dirección de la compañía debatía si debía permitir a los empleados utilizarlas, explica Srini Namineni, director de Automatización de Cisco. “La gran pregunta era: ¿deberíamos bloquearlo?”, recuerda. “Los riesgos estaban claros cuando las personas podían introducir datos de la empresa y estos podían quedar expuestos a terceros. Tomamos una decisión deliberada: en lugar de bloquear estas herramientas, ofreceríamos una alternativa segura”.

Ese proyecto inicial de asistente interno de IA, lanzado a finales de 2023, también se concibió para consolidar en una única plataforma lo que podría haberse convertido en un ecosistema fragmentado de herramientas de IA, al tiempo que permitía a los empleados conectarse a múltiples modelos.

El asistente de IA, que originalmente integraba Azure OpenAI y Google Gemini, puede incorporar nuevos modelos en apenas un par de semanas desde que un empleado lo solicita, afirma Namineni. Desde entonces, ha evolucionado hasta convertirse en una herramienta multifuncional que combina capacidades de copiloto, asistente de programación, asistente de recursos humanos y apoyo para múltiples tareas, permitiendo a los empleados aplicar IA a una amplia variedad de actividades laborales.

Según la compañía, este asistente, que le ha valido a Cisco un Premio CIO 100 2026 a la innovación y el liderazgo en TI, permite a sus ingenieros ahorrar una media de seis horas semanales y al resto de empleados unas cinco horas por semana.

Aunque los objetivos principales del proyecto eran la seguridad y la flexibilidad, Cisco ha descubierto una tercera ventaja: con un coste mensual por usuario de unos 10 dólares, el asistente interno resulta más económico que varias soluciones de IA comerciales disponibles en el mercado, señala Namineni.

Mitigar los riesgos de la IA

La herramienta, disponible para los empleados desde 2024, contaba con más de 96.000 usuarios en el primer trimestre de 2026 y una tasa de adopción del 90%. Según encuestas internas, el 79% de los empleados considera que el asistente les ahorra tiempo, el 72% afirma que aumenta su productividad y el 71% destaca que mejora la calidad de su trabajo.

Por ejemplo, Cisco asegura que la herramienta ha acelerado el desarrollo de software al ayudar a los programadores a detectar pequeños errores y generar pruebas unitarias.

Namineni y su equipo han impulsado la adopción del asistente mediante la incorporación continua de nuevas funciones, dotándolo de más capacidades que algunas soluciones comerciales.

Los empleados pueden compartir entre sí instrucciones o prompts de IA a través de la plataforma y gestionar tareas de recursos humanos, como solicitar vacaciones, sin necesidad de acceder a otros servicios. El asistente también permite cargar conjuntos de datos propietarios en carpetas seguras de OneDrive para proyectos personalizados e incorpora capacidades de RAG (Retrieval Augmented Generation) como servicio, lo que facilita consultas seguras sobre documentos y metadatos internos de Cisco.

El proyecto se basa en una arquitectura de microservicios que permite integrar rápidamente nuevas aplicaciones de IA. Cisco presenta el asistente como un compañero de trabajo digital y visualiza un futuro en el que cada empleado disponga de un equipo virtual de agentes de IA.

La próxima evolución

Namineni prevé incorporar nuevas funcionalidades, entre ellas agentes personalizados que asistan de forma permanente a cada empleado.

Estos agentes podrían conectarse al correo electrónico y a las cuentas de Webex Meetings de los usuarios y realizar acciones en su nombre, siempre con autorización. Por ejemplo, podrían clasificar automáticamente los correos electrónicos según su prioridad.

También considera que estos asistentes asumirán más tareas de recursos humanos y finanzas, permitiendo que los empleados se concentren en actividades de mayor valor.

Sin embargo, los usuarios mantendrán el control, subraya. “No estoy preparado para renunciar al 100% del control salvo en actividades de bajo valor, donde podría aceptar algún error, porque la IA se equivoca”, afirma Namineni. “Nuestro reto es cómo aprovechar esta capacidad, limitarla a los casos de uso donde pueda realizar la mayor cantidad de trabajo posible y, al mismo tiempo, mantener siempre a las personas supervisando el proceso”.

Además del premio CIO 100, el proyecto ha recibido otros reconocimientos. Según Amy Loomis, vicepresidenta de soluciones para el puesto de trabajo de la consultora IDC, el asistente puede servir de modelo para otras grandes empresas que quieran fomentar un uso seguro de la IA entre sus empleados.

Seguir la lógica

Loomis afirma que otras organizaciones pueden adoptar la lógica del enfoque, aunque no necesariamente replicar la misma infraestructura tecnológica de Cisco. La arquitectura utilizada —que incluye integración de múltiples modelos, orquestación híbrida multicloud, RAG como servicio y microservicios— responde a la escala y capacidad de ingeniería de Cisco.

Sin embargo, las decisiones de fondo son acertadas, sostiene. Las compañías deberían proporcionar a sus empleados un entorno interno y gobernado para utilizar IA antes de que prolifere el uso de herramientas no autorizadas; evitar la fragmentación mediante una interfaz inteligente unificada; implantar controles de acceso que mantengan la responsabilidad humana sobre las acciones de la IA; y presentar la IA como una herramienta que amplía el alcance y la calidad del trabajo de los empleados.

La innovación de Cisco reside en la forma en que todos los componentes trabajan conjuntamente como un sistema, explica Loomis. Elementos como los flujos RAG, el acceso a GPT-4o, la integración con OneDrive o las arquitecturas de microservicios están disponibles en otros entornos, pero Cisco ha logrado combinarlos en una única plataforma. “Lo menos habitual es reunir todo esto dentro de un entorno gobernado por la propia empresa, con controles explícitos sobre los datos, en lugar de enviar las consultas de los empleados a servicios externos de IA donde la información sensible puede acabar formando parte de conjuntos de entrenamiento públicos”, añade.

Loomis destaca especialmente la función My Projects, que permite a los empleados cargar conjuntos de datos propietarios en carpetas seguras de OneDrive para realizar consultas y respuestas personalizadas.

Según explica, este enfoque proporciona a los trabajadores las capacidades que necesitan y evita que recurran a herramientas externas no autorizadas. La analista también elogia la estrategia de Cisco de presentar la IA como una capa de ampliación de las capacidades humanas. “Dar a cada empleado acceso a un conjunto de herramientas de IA adaptadas a su puesto y contexto de trabajo es tanto una decisión de gestión del cambio como una decisión tecnológica”, relata. “Las organizaciones que presentan la IA de esta manera, como una herramienta que potencia lo que los empleados pueden hacer en lugar de sustituir la forma en que trabajan, suelen lograr una adopción más amplia porque reducen la resistencia que habitualmente ralentiza su despliegue”.

“Ya no se compra software principalmente para personas; cada vez se compra más para agentes”, explica George Brocklehurst, vicepresidente ejecutivo de Gartner. “Durante un par de décadas, el software se ha evaluado por su interfaz y por la experiencia de usuario: facilidad de uso, flujos de trabajo, formación. Cuando los agentes de IA se convierten en el usuario principal, todo eso pierde valor”.

Gartner estima que el gasto expuesto representará alrededor del 20% del gasto empresarial en SaaS al final de la década. La consultora atribuye este cambio al fenómeno que denomina ‘arbitraje agentivo’ (agentic arbitrage), es decir, el uso de agentes de IA para completar tareas empresariales a través de múltiples sistemas corporativos, reduciendo la necesidad de que los empleados interactúen directamente con cada aplicación.

Según Brocklehurst, la IA agentiva está cambiando la economía del software. Estos sistemas suelen omitir los flujos tradicionales de uso del software y entregar directamente los resultados, rompiendo así la relación histórica entre el crecimiento del número de usuarios y el crecimiento de los ingresos de muchos proveedores de software empresarial.

Los CIO deberán replantearse la adquisición de software

La aparición de la IA agentiva obligará a los CIO a evaluar el software empresarial de otra manera. En lugar de centrarse principalmente en la experiencia de usuario y el diseño de las interfaces, las organizaciones deberán analizar si los agentes de IA pueden realizar, mediante API, todas las funciones que hoy ejecutan los usuarios humanos a través de pantallas y aplicaciones.

“Lo realmente importante es determinar si un agente puede hacer todo —e incluso más— a través de la API de un sistema que lo que una persona puede realizar mediante una interfaz gráfica, y si las condiciones del proveedor lo permiten”, afirma Brocklehurst.

Este cambio también afecta a la forma de evaluar los contratos de software. “Examine el contrato con la misma atención con la que examina la tecnología”, recomienda. “Las condiciones de los proveedores pueden prohibir o restringir —desde el punto de vista técnico o financiero— el uso autónomo por parte de terceros. Los CIO podrían descubrir que su estrategia de IA está bloqueada no por una limitación tecnológica, sino por cláusulas que ya firmaron”.

Por ello, aconseja que las organizaciones negocien desde ahora los permisos para el uso de agentes en sus acuerdos de software, ya que muchos contratos seguirán vigentes cuando los agentes de IA se generalicen.

La propiedad del conocimiento será el próximo campo de batalla

Más allá de las API y las licencias, las empresas deberán prestar especial atención a dónde se almacena el conocimiento generado por los sistemas de IA. Cada corrección, excepción o flujo de trabajo gestionado por un agente crea conocimiento organizativo. Gartner denomina Knowledge Retention Rate (KRR) o tasa de retención del conocimiento a la capacidad de una organización para conservar ese aprendizaje.

“Si ese conocimiento acaba alimentando los modelos compartidos del proveedor, la experiencia operativa de su empresa estará mejorando un producto que también utilizan sus competidores”, señala Brocklehurst. “La cláusula más importante de la próxima generación de contratos de software será: “¿Quién es el propietario de lo que el sistema aprende de usted?””.

Según Gartner, las empresas corren el riesgo de caer en una nueva forma de dependencia tecnológica (vendor lock-in) si ese aprendizaje operativo permanece en manos de los proveedores y no de los clientes.

El modelo económico tradicional del SaaS afronta una disrupción

Gartner sostiene que los agentes de IA capaces de ejecutar procesos en múltiples aplicaciones empresariales reducirán la interacción directa de los usuarios con las interfaces tradicionales, debilitando el vínculo histórico entre el uso del software y las licencias basadas en número de usuarios.

Ante este escenario, los proveedores consolidados deberán evolucionar desde una propuesta de valor centrada en la interfaz hacia otra basada en los resultados, incorporando capacidades agentivas directamente en los procesos de negocio y preservando el conocimiento específico de cada cliente.

Al mismo tiempo, las startups nativas de IA y los proveedores de servicios podrían beneficiarse al convertirse en la capa de orquestación encargada de coordinar el trabajo entre múltiples aplicaciones empresariales. “Aunque este cambio supone una amenaza existencial para los proveedores que siguen defendiendo modelos basados en paneles de control tradicionales y licencias por usuario, también crea una importante oportunidad de ingresos para quienes desarrollen servicios y plataformas capaces de soportar flujos de trabajo transversales impulsados por agentes”, indica Brocklehurst.

La gobernanza debe evolucionar junto con los sistemas autónomos

Gartner también insta a los CIO a establecer marcos de gobernanza antes de que los agentes autónomos de IA se conviertan en algo habitual. “No conceda autonomía de forma implícita ni desigual”, advierte Brocklehurst. Las organizaciones deben tratar la autonomía de los agentes como una decisión explícita de gobierno corporativo, definiendo dónde pueden actuar de forma independiente, quién autoriza esas decisiones y con qué frecuencia deben revisarse esos permisos.

“Las empresas que desarrollen esa capacidad desde ahora podrán avanzar más rápido y con mayor seguridad cuando la tecnología esté preparada para asumir más responsabilidades”, concluye.

Aunque Gartner describe esta transición como una redefinición del concepto de ‘Saaspocalypse’, Brocklehurst subraya que el SaaS no desaparecerá. “Esto es menos un apocalipsis y más una metamorfosis. El SaaS no será destruido; simplemente emergerá bajo una forma diferente”.

La Copa Mundial de la FIFA es, posiblemente, la mayor oportunidad publicitaria jamás concebida. Al menos 2.800 millones de personas vieron alguna parte del Mundial de Catar 2022. Y este año se espera que esa cifra alcance al menos los 6.000 millones. Sin embargo, estos números palidecen frente a la enorme cantidad de dinero invertida en campañas de marketing por algunas de las mayores empresas del mundo, que buscan promocionar desde refrescos y ropa deportiva hasta automóviles y ordenadores.

Los mayores innovadores en inteligencia artificial también forman parte de esta competición publicitaria, aunque en lugar de exhibir el poder de sus grandes modelos de lenguaje (LLM), dos de los mayores contribuyentes al gasto publicitario del Mundial, OpenAI y Google, parecen conformarse con recordar al público que existen. Para el creador de ChatGPT, eso significa pagar al delantero argentino Lionel Messi para que pida al chatbot que tiña virtualmente su cabello con los colores de la bandera de su país. Gemini, por su parte, se ha limitado a patrocinar a la selección argentina y a ajustar su modelo para responder a preguntas sobre los partidos como lo haría un aficionado.

Este nivel de implicación es comprensible en el caso de Google, cuyas aplicaciones Maps y Translate, potenciadas por IA, ya aportan un valor incalculable a los aficionados que visitan lugares desconocidos o intentan comunicarse en idiomas que no dominan. Otras compañías, sin embargo, tienen planes más sofisticados.

Entre bastidores

Lenovo, por ejemplo, ha lanzado Football AI Pro, una aplicación diseñada para procesar millones de datos generados durante los partidos y convertirlos en más de 2.000 métricas que ayudan a las selecciones nacionales a planificar estrategias para sus próximos encuentros. A partir de esos datos, los agentes de IA de la plataforma pueden generar respuestas en lenguaje natural, representaciones gráficas y simulaciones animadas de diferentes escenarios. “Los equipos pueden incluso reproducir acciones y analizar la toma de decisiones tácticas de partidos anteriores”, explica Art Hu, CIO global de Lenovo.

Las conversaciones con FIFA sobre este proyecto comenzaron en 2022. Para entonces, Lenovo ya contaba con una sólida experiencia en colaboraciones deportivas gracias a acuerdos con la Fórmula 1, Ducati y los Carolina Hurricanes. En el caso de la FIFA, la idea surgió como una plataforma de software capaz de proporcionar análisis estadístico e información estratégica basada en IA a las 48 selecciones participantes. Según Hu, pocos deportes ofrecen un acceso tan avanzado a este tipo de tecnología.

Los árbitros también están beneficiándose de estas herramientas. Lenovo ha creado reconstrucciones tridimensionales impulsadas por IA de más de 1.200 jugadores participantes en el torneo. Estas recreaciones permiten a los colegiados tomar mejores decisiones cuando su visión, o incluso la de las cámaras VAR, queda obstaculizada. “Estos avatares proporcionan un mayor contexto y comprensión en los momentos decisivos”, afirma Hu. “Ya los hemos visto utilizarse de forma efectiva en repeticiones relacionadas con fueras de juego durante el torneo”.

A medida que concluyan las fases de grupos y el campeonato llegue a su fin, FIFA publicará más información sobre el uso de estas herramientas. Por ello, Hu no puede detallar todavía cómo Football AI Pro está ayudando exactamente a cada selección. Sin embargo, considera que la plataforma tiene potencial más allá del fútbol. “Como Football AI Pro se ha desarrollado, en parte, utilizando Lenovo AI Factory, gran parte de la infraestructura subyacente puede reutilizarse en otras soluciones que requieran motores de IA personalizados y multiagente”.

Control de multitudes

Más allá del césped y de las gradas, la inteligencia artificial también está desempeñando una función crucial en materia de seguridad. Se espera que alrededor de cinco millones de aficionados viajen a las ciudades anfitrionas de Estados Unidos, México y Canadá para apoyar a sus selecciones, lo que supone una importante presión adicional para los servicios de emergencia locales. A menudo, cuando se produce una situación de estrés, los turistas recurren instintivamente a su lengua materna.

Es aquí donde entra en juego RapidSOS. La compañía proporciona a los servicios de emergencia de Estados Unidos, Canadá y México herramientas para obtener información contextual crítica de los llamantes, como su ubicación exacta. Además, emplea IA para identificar automáticamente los detalles más relevantes de cada incidente y compartirlos con los actores implicados.

Dada la magnitud del evento, esto significa mantener informados no solo a los equipos de emergencias, sino también a la FIFA, a los operadores de los estadios y a cualquier organización que tenga contacto directo con los aficionados.

Una de las funciones más relevantes del sistema es su capacidad para traducir hasta 50 idiomas en tiempo real a partir del audio de las llamadas, algo especialmente útil durante los días de partido. El servicio también resulta eficaz cuando la comunicación es deficiente debido al ruido ambiental, una situación frecuente en recintos deportivos abarrotados. “Disponemos de una enorme cantidad de datos sintéticos basados en llamadas reales que utilizamos constantemente para poner a prueba nuestros sistemas”, explica Zach LaValley, director de tecnología de RapidSOS.

Según el directivo, el sistema puede incluso priorizar determinados modelos de traducción o transcripción en función de los idiomas predominantes de cada localidad. LaValley subraya que la tecnología de RapidSOS no sustituye a otros servicios de atención disponibles para los aficionados, pero sí ofrece una alternativa rápida y funcional cuando encontrar a una persona que hable el idioma adecuado puede requerir varios minutos.

En un evento global donde la velocidad puede marcar la diferencia tanto dentro como fuera del terreno de juego, la inteligencia artificial se está consolidando como una herramienta decisiva para mejorar el rendimiento deportivo, reforzar la toma de decisiones y garantizar la seguridad de millones de personas.

Debido a que las herramientas y servicios de IA generativa se han vuelto tan ubicuos (y populares), los costes de utilizarlos se están disparando, lo que lleva a un apetito insaciable por los tokens.

Éstos representan una forma común de medir y fijar el precio del uso de la IA. Al igual que las letras y palabras en inglés, los grandes modelos de lenguaje (LLM) comprenden una frase o consulta descomponiendo las palabras en tokens.

Con la explosión de la IA ya en pleno desarrollo, los tokens son ahora “las unidades fundamentales de datos que procesan nuestros modelos, muchas de las cuales representan un problema que se está resolviendo”, según el CEO de Google, Sundar Pichai. (Por cierto, procesa alrededor de 3,2 cuatrillones de tokens al mes).

Pero a medida que el precio de todos esos tokens se acumula, los ejecutivos de negocio y TI están buscando formas de reducir costes mientras mantienen alta la productividad corporativa. El uso descontrolado de tokens ya le ha supuesto a una empresa una factura inesperada de 500 millones de dólares en IA.

Existen varias maneras de que las empresas controlen el precio de la IA a nivel de modelo, infraestructura, silicio y negocio. A continuación, un vistazo a cómo podrían lograrse algunos de esos ahorros.

Cambiar a modelos de menor coste

Una forma potencial de ahorrar dinero es redirigir el trabajo de IA a un modelo más barato, dijo Pichai. En Google, ese sería Gemini 3.5 Flash. Ofrece “capacidades de nivel de frontera a menos de la mitad del precio de modelos de frontera comparables”.

“Si las empresas usan una combinación de [Gemini 3.5] Flash y otros modelos de frontera, podrían ahorrar mucho dinero”, afirmó el CEO de Google.

Ese tipo de modelos proporciona tokens más baratos, con un razonamiento suficientemente bueno para muchos usuarios, aunque no tan potente como el Gemini 3.5 principal, para ofrecer resultados útiles.

“A veces hay un exceso con los [LLM]”, —sostiene Deepak Seth, director analista senior de Gartner—. No siempre necesito un gran modelo de lenguaje que haya sido entrenado con las obras de Charles Dickens, Shakespeare y Harry Potter”.

Steven Dickens, analista principal de Hyperframe Research, no deja de usar Quick de Amazon, que cuesta 20 dólares al mes, para tareas personales. “Tiene un gran retorno personal de la inversión, ya que no sólo ha hecho las tareas más rápidas, sino que ha desbloqueado tareas que nunca habría intentado antes”, explica.

No olvide la parte de hardware y software de la ecuación

La crisis de los tokens no es nueva, en opinión de Dheeraj Pandey, CEO de DevRev. Compara lo que sucede ahora en el mercado de la IA con las disrupciones que surgieron con la llegada de la computación en la nube y la virtualización hace años.

“Dejamos que el caos reinara y luego tuvimos que controlarlo” —dice Pandey—. “La palabra que la gente empezó a usar fue consolidación de servidores y virtualización”.

En su opinión, la respuesta al problema de los tokens es la misma: “Cualquier cosa en sistemas se puede resolver con caché e indirección”.

Por ejemplo, DevRev está construyendo una capa de memoria entre los agentes de IA y las fuentes de datos principales, como Salesforce o registros de ERP; esto puede reducir la carga de tokens y hacer más eficiente el movimiento de datos. La capa mantiene un grafo de conocimiento con respuestas a preguntas comunes de los agentes y funciona sobre CPU más baratas, evitando ciclos de GPU más costosos.

Enviar agentes directamente a sistemas como ServiceNow y Salesforce “consumirá muchos más tokens. Además, no es preciso. Y, por último, no es lo suficientemente seguro como para poder revertirlo en caso de que un agente cometa un error”, reconoce Pandey.

NetBrain, especialista en automatización de redes, utiliza un método distinto: emplea computación convencional para mapear la estructura de una red y luego proporciona solo información clave a los modelos para la planificación y el razonamiento, donde la IA destaca. “Así no tienes que gastar todos los tokens”, tal y como explica su CTO, Song Pang.

Centrarse en la eficiencia de los ‘prompts’

La empresa de dotación de personal ManpowerGroup ha descubierto que la eficiencia de los prompts puede ser una herramienta eficaz para mejorar el uso de tokens, tanto internamente como externamente para los clientes.

Por ejemplo, los usuarios que accedían a su herramienta interna de mercado laboral inicialmente necesitaban 10 preguntas de seguimiento para profundizar en una consulta. Un año después, un uso más eficiente de los prompts ha reducido ese número a una media de cuatro, explica Max Leaming, responsable de ciencia de datos y soluciones de IA en ManpowerGroup.

Según Leaming, “están usando menos tokens y son simplemente más eficientes. Y eso en gran parte tiene que ver con tu capacidad para formular prompts de manera eficiente”.

Apuesta por lo local

El nuevo hardware de IA que genera tokens gratis en casa podría aliviar parte de la crisis de costes.

Nvidia y Microsoft presentaron RTX Spark a principios de este mes en el En el GTC Taipei. Se trata de un PC de escritorio con IA agente que ejecuta agentes y modelos de 120.000 millones de parámetros localmente en Windows. El objetivo es “ofrecer inteligencia sin medición a cada hogar y cada escritorio con Windows”, dijo el CEO de Microsoft, Satya Nadella, en un comunicado.

Algunas empresas buscan reducir los costes de la IA en la nube instalando su propio hardware en centros de datos, con proveedores como HPE y Dell que ofrecen servidores instalados en instalaciones independientes. (La IA on‑premise está ganando terreno en medio de preocupaciones sobre la IA soberana y tensiones geopolíticas, incluido el reciente conflicto en Oriente Medio, donde grandes centros de datos fueron alcanzados por misiles).

Max Goss, director analista senior de Gartner, defiende que “existen soluciones de IA locales, específicas por región y de múltiples proveedores. Todo eso puede ayudar a mitigar el riesgo. Pero no lo va a eliminar”.

Usar ingenieros desplegados en cliente

Reducir los costes de tokens es algo que podría recaer en ingenieros desplegados en cliente (FDE) en los entornos de los clientes, tal y como cree Taimur Rashid, director gerente del Centro de Innovación en IA Generativa de AWS.

A su juicio, “espero que estos equipos sean capaces de diseñar sistemas teniendo en cuenta esos requisitos de coste, ya sea usar un modelo diferente o un caso de uso distinto que no incremente el coste por token”.

Y añade: “Las empresas pueden gastar mucho en consumo de tokens, pero si estás generando ingresos, siempre que la economía cuadre, entonces estás tranquilo”.

El uso de FDE está creciendo a medida que los responsables de TI buscan desplegar implementaciones de IA exitosas mientras mantienen el control de los costes.

Cambiar la medida del éxito de ‘tokens’ a resultados

Incluso con el énfasis actual en reducir el uso de tokens para ahorrar dinero, es probable que las métricas utilizadas para medir el éxito de la IA cambien, defiende Seth, de Gartner. En algún momento, la tarificación basada en tokens evolucionará hacia un modelo más basado en resultados, donde la unidad de valor sean los resultados, no fragmentos de palabras.

“Algunas empresas están avanzando hacia una tarificación basada en resultados. Cuando la gente empiece a darse cuenta del coste real de los tokens, entonces las empresas empezarán a centrarse en la eficiencia de los tokens”, concluye el analista.

El turismo vive una profunda transformación impulsada por un nuevo perfil del cliente. Hoy los viajeros ya no buscan únicamente un destino o un hotel; demandan experiencias personalizadas, respuestas inmediatas y una relación fluida con las marcas antes, durante y después de cada viaje.

Para grupos como Piñero, compañía española con más de 50 años de experiencia en el sector del turismo, real estate y hospitality, responder a estas nuevas expectativas ha supuesto mucho más que incorporar tecnología. Ha implicado transformar la forma de operar, tomar decisiones y relacionarse con sus clientes. “La transformación digital está plenamente integrada en la estrategia corporativa. Hemos evolucionado desde iniciativas aisladas hacia un modelo transversal donde la tecnología actúa como habilitador clave del negocio, la eficiencia y la experiencia del cliente”, explica Antonio Muñoz, director de TI de Piñero.

Ocho años acelerando la transformación

Aunque la innovación tecnológica forma parte de la evolución natural de la compañía, el proceso de transformación digital se aceleró formalmente hace aproximadamente ocho años. Según explica Muñoz, el objetivo era doble: “Modernizar nuestra arquitectura tecnológica y dotar al grupo de capacidades digitales que impulsaran eficiencia, integración y una relación más directa y personalizada con el cliente”. Un proceso que, asegura, ha estado ligado al propio crecimiento de la organización. “Estos procesos de transformación forman parte de nuestro ADN como compañía y han venido acompañando al crecimiento empresarial de una manera muy cercana”.

Como ocurre en cualquier proceso de transformación, el camino no ha estado exento de desafíos. Entre los principales retos, el responsable de TI destaca “la gestión del cambio cultural, la convivencia entre sistemas legacy, la implementación de nuevas plataformas cloud y la necesidad de reforzar el talento digital y el gobierno del dato en un entorno multinacional”.

Aun así, la evolución tecnológica de Piñero durante los últimos años ha sido profunda. “Hemos evolucionado desde un entorno fragmentado y on premise hacia una arquitectura orientada a servicios, cloud y datos”, resume Muñoz.

Actualmente, la compañía opera sobre una arquitectura híbrida con un peso creciente de la nube, plataformas de integración y un Data Platform corporativo. Una transformación que ha venido acompañada de importantes cambios estructurales, entre ellos la implantación de plataformas de integración, la creación de una plataforma corporativa de datos y la estandarización de herramientas de productividad y colaboración.

Todo ello ha cambiado el papel que desempeña la tecnología dentro de la organización, pasando de ser “un soporte operativo a convertirse en una palanca estratégica, generadora de nuevas capacidades comerciales, analíticas y de servicio”, afirma el director de TI.

Una estrategia común para negocios muy diferentes

Uno de los retos más importantes de la compañía es articular una estrategia tecnológica coherente para negocios con necesidades distintas. Para lograrlo, el grupo ha construido una misma base tecnológica. “La estrategia se articula sobre unas redes troncales tecnológicas comunes —datos, integración, seguridad, identidad— sobre las que cada unidad despliega soluciones específicas. Este modelo garantiza coherencia, escalabilidad y reutilización de capacidades en todo el grupo”, explica Muñoz.

La digitalización no solo está transformando los procesos internos de la compañía, sino también la relación con los clientes. Al mismo tiempo, el dato se ha convertido en uno de sus principales activos estratégicos, apoyándose en herramientas de business intelligence, machine learning y analítica avanzada para convertir la información en decisiones y acciones concretas. “La ventaja competitiva de verdad sale de nuestros datos y de cómo los convertimos mediante algoritmos avanzados en decisiones y acciones que nos ayuden a ser más sostenibles en todos los ámbitos”, señala Muñoz.

“Nuestro foco hoy es industrializar la IA”, apunta Antonio Muñoz, director de TI de Piñero

La inteligencia artificial pasa de la experimentación a la operación

Tras años construyendo los cimientos tecnológicos de la organización, la inteligencia artificial se ha convertido en una de las principales prioridades de Piñero, aunque, en los últimos años, el enfoque ha cambiado. “Nuestro foco hoy es industrializar la IA. Ya no estamos en una fase de probar cosas: estamos integrándola en procesos reales. La gran palanca es la IA generativa y, sobre todo, los flujos agénticos: sistemas que coordinan pasos, conectan datos y herramientas y optimizan procesos completos”.

La nueva herramienta tiene un objetivo muy definido: ayudar a los equipos comerciales y de back office a trabajar con toda la información relevante de propiedades y precios de forma unificada y contextualizada. “Esta herramienta permite a nuestros equipos contestar mejor, con más contexto, más coherencia y con una capacidad de decisión más precisa, independientemente del canal por el que llegue la petición de información”, explica Muñoz.

El sistema cuenta con un profundo conocimiento del catálogo de propiedades y del contexto de cada cliente, lo que, según el director de TI, permite “recomendar, comparar y comunicar mejor que nunca, con respuestas personalizadas y coherentes en todos nuestros canales”.

Desde el punto de vista tecnológico, la solución cuenta con “una combinación muy pragmática: IA generativa y una arquitectura multiagente, con varios agentes especializados que se coordinan para entender la consulta, buscar el contexto y construir una respuesta útil”, explica Muñoz.

De acuerdo con el director de TI, la diferencia respecto a otros asistentes radica en su integración con los sistemas internos de la organización: “Lo diferencial es que no es IA aislada: está integrada con las fuentes internas de la división para unificar información de propiedades, precios e históricos, y además se conecta a los canales donde trabaja el equipo —correo y WhatsApp— para generar respuestas personalizadas y comparativas/recomendaciones en tiempo real”.

Uno de los principales beneficios de este asistente es la reducción del tiempo dedicado a tareas repetitivas. “Esperamos liberar en torno a un 20-30% del tiempo del equipo en tareas repetitivas —buscar información, cruzar datos, preparar comparativas o redactar respuestas— para que puedan dedicarse más a tareas de valor, como el seguimiento y asesoramiento comercial”, comenta Muñoz.

Pero el objetivo no es sustituir el papel de las personas, sino potenciarlo. “Reduce gran parte del trabajo manual de buscar, cruzar y preparar información. Deja una propuesta prácticamente lista, y el paso final (criterio, matiz, decisión y cierre comercial) lo da la persona, que es donde está el verdadero valor”.

Una tecnología llamada a extenderse

El asistente de Real Estate & Golf no será una iniciativa aislada, comenta Muñoz. “Este asistente no aparece de la nada: forma parte de una línea de trabajo que ya venimos desarrollando en el Grupo con asistentes y soluciones de IA en otras áreas”. La intención es extender estas capacidades al resto de negocios y seguir ampliando la arquitectura con nuevas fuentes de información, procesos y canales.

La hoja de ruta tecnológica de Piñero pasa por seguir escalando la inteligencia artificial, reforzar el gobierno del dato y acelerar la innovación aplicada al negocio. Para Muñoz, el gran reto será convertir a la organización en una compañía plenamente orientada al dato: “La mayor transformación vendrá de la capacidad de convertirnos en una organización data driven, donde la inteligencia artificial y la automatización impulsen decisiones, eficiencia y personalización a gran escala”.

Una visión que refleja cómo la tecnología ha dejado de ser un área de soporte para convertirse en uno de los principales motores de crecimiento y transformación del grupo.

Debido a que las herramientas y servicios de IA generativa  se han vuelto tan omnipresentes (y populares), los costes de utilizarlos se están disparando, lo que genera un apetito insaciable por los tokens. Estos representan una forma común de medir y fijar el precio del uso de la IA. Al igual que las letras y las palabras en inglés, los modelos de lenguaje de gran tamaño (LLM) entienden una frase o consulta dividiendo las palabras en tokens.

Con la explosión de la IA ya en marcha, los tokens son ahora “las unidades fundamentales de datos que procesan nuestros modelos, muchas de las cuales representan un problema que se está resolviendo”, según el CEO de Google, Sundar Pichai. (Google, por cierto, procesa unos 3,2 cuatrillones de tokens al mes).

Pero a medida que el coste de todos esos tokens se acumula, los ejecutivos de negocio y de TI buscan formas de reducir gastos sin perder productividad. El uso descontrolado de tokens ya ha llevado a una empresa a enfrentarse a una factura inesperada de 500 millones de dólares en IA.

Existen varias formas de reducir el precio de la IA a nivel de modelo, infraestructura, hardware (silicio) y negocio. A continuación, algunas de las vías para conseguir ese ahorro.

Cambiar a modelos más baratos

Una forma de ahorrar costes es redirigir el trabajo de IA hacia modelos más económicos, según Pichai. En Google, ese sería Gemini 3.5 Flash, que ofrece “capacidades de nivel frontera a menos de la mitad de precio que modelos comparables”. “Si las empresas utilizan una combinación de [Gemini 3.5] Flash y otros modelos de frontera, podrían ahorrar mucho dinero”, según el directivo.

Estos modelos generan tokens más baratos y proporcionan un razonamiento suficiente para muchos casos, aunque no tan potente como el de los modelos principales. “A veces hay un exceso de uso de los LLM”, afirma Deepak Seth, analista de Gartner. “No siempre necesito un modelo entrenado con Dickens, Shakespeare o Harry Potter”.

No olvidar el papel del hardware y el software

La crisis de los tokens no es nueva, según Dheeraj Pandey, CEO de DevRev, quien compara la situación actual con las disrupciones provocadas por el cloud y la virtualización en su momento. “Primero dejamos que el caos se impusiera y después tuvimos que controlarlo”, afirma.

La solución, en su opinión, pasa por optimizar sistemas: “Cualquier cosa en sistemas se puede resolver con caché e indirecta”. DevRev, por ejemplo, está construyendo una capa de memoria entre los agentes de IA y las fuentes de datos principales (como Salesforce o ERP), lo que reduce el consumo de tokens y hace más eficiente el movimiento de datos. Enviar agentes directamente contra sistemas como ServiceNow o Salesforce “consume muchos más tokens, es menos preciso y menos seguro”, añade.

Otra alternativa es la que utiliza NetBrain, que aplica computación tradicional para mapear redes y solo envía información clave a los modelos, donde la IA aporta más valor. “Así no tienes que gastar todos los tokens”, explica su CTO.

Centrarse en la eficiencia de los prompts

La empresa ManpowerGroup ha comprobado que la eficiencia en los prompts puede reducir significativamente el consumo de tokens. Por ejemplo, su herramienta interna de mercado laboral necesitaba inicialmente diez preguntas adicionales para afinar una consulta. Un año después, esa cifra ha bajado a cuatro gracias a un uso más eficiente de los prompts. “Están usando menos tokens y son más eficientes”, explica Max Leaming.

Apostar por soluciones locales

El nuevo hardware de IA que genera tokens a nivel local podría aliviar parte de la presión de costes. En el evento GTC Taipei, Nvidia y Microsoft presentaron RTX Spark, un PC de escritorio con IA agentiva capaz de ejecutar agentes y modelos de 120.000 millones de parámetros de forma local en Windows. El objetivo es ofrecer “inteligencia sin medición por uso” en cada escritorio, según Satya Nadella.

Algunas empresas también están reduciendo costes cloud desplegando hardware propio en centros de datos, una tendencia que gana peso en el contexto de la IA soberana y las tensiones geopolíticas.

Utilizar ingenieros desplegados en cliente

Reducir costes de tokens puede recaer en equipos especializados de ingeniería, que diseñan sistemas con requisitos de coste en mente. “Espero que estos equipos puedan diseñar sistemas que tengan en cuenta esos costes, ya sea usando modelos distintos o casos de uso más eficientes”, explica Taimur Rashid, de AWS.

Cambiar la métrica: de tokens a resultados

A medio plazo, la forma de medir el éxito de la IA podría evolucionar. Según Gartner, el sector podría pasar de un modelo basado en tokens a otro basado en resultados (outcome-based), donde el valor no sean fragmentos de texto, sino los resultados obtenidos. “Algunas compañías ya se están moviendo hacia precios basados en resultados”, apunta Seth.

La inteligencia artificial está redefiniendo las reglas del juego en todos los sectores. Se está convirtiendo en una frase manida, pero… es verdad. Sin embargo, existe una paradoja que no se está abordando con la urgencia necesaria: mientras la inversión en IA crece de forma acelerada, muchas de las infraestructuras sobre las que se apoya siguen ancladas en el pasado. Un grave error. La incorporación de la IA tiene que ir paralela a la actualización de las redes empresariales. Hoy, hablar de transformación digital implica hablar, inevitablemente, de infraestructura digital crítica. Y en ese contexto, hay cinco líneas estratégicas que están marcando el futuro, inmediato, de las organizaciones.

El primero es la soberanía del dato. Europa está avanzando hacia un modelo en el que la protección, la gestión y la localización de la información se convierten en un elemento estratégico. La soberanía digital no es un concepto teórico, sino una exigencia real que obliga a repensar el papel de los centros de datos y la arquitectura cloud. Se trata de construir ecosistemas tecnológicos en los que el dato esté protegido sin renunciar a la innovación, y eso solo es posible desde la colaboración entre fabricantes, proveedores de servicios y clientes.

El segundo gran eje es la seguridad en la era de la IA. La inteligencia artificial no solo genera oportunidades, también amplía la superficie de ataque. Las infraestructuras críticas son cada vez más complejas y están más expuestas. Proteger el stack de IA, los modelos y los propios agentes inteligentes se ha convertido en una prioridad. La seguridad ya no puede abordarse como una capa adicional: debe ser intrínseca al diseño de toda la arquitectura tecnológica. Redes y seguridad se convierten en un binomio inseparable.

Por otra parte, como ya he comentado, nos estamos encontrando ante una realidad que muchas organizaciones están obviando: muchas redes están obsoletas. Las organizaciones están incorporando capacidades avanzadas de analítica o automatización, pero lo hacen sobre infraestructuras que no estaban diseñadas para soportar estas nuevas realidades. La consecuencia: cuellos de botella en conectividad, que limitan la experiencia del usuario y, sobre todo, introducen riesgos en materia de ciberseguridad.

Aquí emerge con fuerza el tercer cambio estructural: la transición hacia la tecnología como servicio. Los modelos de consumo flexibles, basados en pago por uso, permiten a las organizaciones acceder a capacidades avanzadas de conectividad y seguridad sin acometer grandes inversiones iniciales, simplemente pagando una tarifa mensual. Combinados con servicios gestionados, estos modelos no solo simplifican la operación, sino que garantizan la actualización continua de las infraestructuras.

Este enfoque es especialmente relevante en el segmento SMB, donde la flexibilidad y el control del gasto son críticos. Además, conecta directamente con una de las principales preocupaciones actuales: el incremento de los ataques de ransomware, que están afectando a organizaciones de todos los tamaños. En este escenario, disponer de una infraestructura segura, monitorizada y gestionada deja de ser una opción para convertirse en una necesidad crítica.

Por último, estamos asistiendo a la consolidación de un nuevo paradigma: el secure networking. Ya no hablamos únicamente de conectividad, sino de redes diseñadas desde la seguridad, la identidad y la visibilidad. La combinación de enfoques como Zero Trust (Confianza Cero), la gestión de identidades de acceso a la red empresarial y la observabilidad permite no solo proteger, sino también entender en tiempo real lo que ocurre en la infraestructura.

El caballo ganador será aquel que tenga la capacidad de integrar múltiples dimensiones: red, cloud, ciberseguridad, observabilidad e inteligencia artificial. No como silos independientes, sino como un conjunto coherente y comunicado que garantice la continuidad, la resiliencia y la experiencia del negocio. Vemos a diario cómo las organizaciones que abordan esta transformación de forma integral son las que realmente consiguen capturar el valor de la IA. No se trata solo de adoptar nuevas tecnologías, sino de asegurar que la infraestructura que las soporta está preparada para el desafío.

Babel ha dado a conocer los resultados del informe Babel Banking Radar: Agentic Financial Crime, en colaboración con Digit Institute, cuya conclusión es que el principal reto de la IA en banca ya no es el acceso a la tecnología, sino su implantación real en producción con control, trazabilidad y gobernanza.

En el informe se recalca que muchas entidades siguen en fase de prueba, mientras que los ciberdelincuentes ya utilizan automatización avanzada para sofisticar el fraude.

Asimismo, el gran obstáculo identificado en el informe es la fragmentación del dato y la falta de gobernanza, lo que dificulta el despliegue de sistemas de IA fiables en entornos críticos. Tanto es así que, como pondera, sin datos coherentes, la IA pierde eficacia y también puede amplificar errores.

Otra de las cuestiones que aborda el informe es el desfase que presenta el sector bancario en cuanto al uso de la IA. Si bien muchas organizaciones la consideran estratégica, pocas son las que han llevado estos sistemas a producción, y muchas carecen de mecanismos adecuados de supervisión y monitorización.

En consecuencia, el informe reconoce que la siguiente fase de adopción no se centrará en la experimentación, sino en la integración, operación y supervisión de la IA en condiciones reales, con especial atención a la calidad del dato, la seguridad y el cumplimiento normativo. De tal manera que aquellas organizaciones que avancen en estos aspectos serán las que tengan ventaja dentro del sector.

Con motivo de la presentación de este informe, COMPUTERWORLD ha mantenido un encuentro con Marga García, directora del sector Banca en Babel, en el que lo primero que ha hecho es explicar que, una vez realizado el informe, la compañía desarrolló un foro con las principales entidades financieras españolas, donde contrastó sus conclusiones con expertos multidisciplinares.

“Había gente de compliance, de financial crime, pero también de IA y de tecnología. Contrastamos que las conclusiones iban en la línea adecuada”, aclara.

Asimismo, también recalca que “partimos de la base de que el crimen financiero opera a escala global. Nuestros clientes de banca española también operan en todo el mundo, por lo que el radar es global en el sentido de que combinamos datos de España con datos internacionales. No está circunscrito a una sola geografía. Esto nos ha permitido comprobar qué nivel de madurez tiene la banca española frente a un crimen financiero que ya se ha automatizado completamente”.

Análisis del informe

Marga García disecciona para COMPUTERWORLD algunas de las conclusiones del informe elaborado por Babel en colaboración con Digital Institute.

“Partimos de una afirmación: el crimen financiero opera ya a escala de máquina. Esto se puede comprobar con datos como los que se incluyen en el informe, donde el fraude con IA en Estados Unidos se ha multiplicado por tres y los deepfakes por veinte. La única forma que tienen los atacantes de llevar a cabo este tipo de fraudes es automatizar procesos completos”.

El modo de actuar de los atacantes, según Marga García, consiste en desplegar flotas de agentes que automatizan todo el ciclo: creación de identidades sintéticas, capacidad para engañar determinados procesos de onboarding de clientes, esquivar verificaciones biométricas…

“Partiendo de esa base, lo que decimos es que los atacantes ya están utilizando IA agente a gran escala, y los bancos tienen la misma herramienta, pero están construyendo esa capacidad para defenderse a un ritmo más lento”, admite, para añadir: “Ya hay informes que indican que sólo un 11% de la banca mundial está operando con esta tecnología. Y aun así, esto resulta insuficiente, porque las Naciones Unidas señalan que sólo se intercepta un 1% del dinero ligado al crimen financiero. Es decir, hay todavía muchísimo margen de mejora para que la banca siga invirtiendo en la detección de estas amenazas”.

Otro dato que Marga García desea resaltar es el “ruido” que existe en cuanto al crimen financiero. Y lo explica de esta manera: “Entre el 90% y el 95% de las alertas que revisan los equipos de prevención son falsas. Esta es una estimación de la industria recogida en el informe. Hay muchos equipos y profesionales cualificados dedicados a investigar este volumen de alertas de bajo valor. Además, aunque hace un año el Banco de España publicaba que el crimen financiero había disminuido un 3,5%, en realidad, al analizar más a fondo los datos, se ve que lo que ha ocurrido es que ha mutado”.

Para más inri, García destaca del informe que un 80% del fraude en transferencias es voluntario, “en el sentido de que lo ejecuta el propio cliente, pero no porque quiera asumir ese riesgo, sino porque ha sido engañado”.

En consecuencia, reconoce que “nuestros sistemas están preparados para detectar anomalías, pero no tanto para identificar intenciones de engaño. Por eso ponemos el foco en entender mejor el contexto del cliente para abordar el problema de otra manera”.

Trazabilidad, explicabilidad y reversibilidad

El informe insiste en que “sin dato coherente no hay IA fiable”, lo que da lugar a una serie de problemas de gobernanza y calidad del dato que impiden a la banca desplegar agentes de IA de forma segura.

“Hay tres aspectos clave: trazabilidad, explicabilidad y reversibilidad”, responde al respecto; teniendo en cuenta, como precisa, que “estamos hablando de agentes que actúan en el perímetro que se les permite. Hay decisiones donde no se les puede dar autonomía total. Por ejemplo, cancelar la cuenta a un cliente no es reversible, tampoco ejecutar una transferencia o reportar directamente al regulador. Por consiguiente, si los datos necesarios para analizar el contexto del cliente no están suficientemente depurados, el resultado tampoco será fiable. Por eso creemos que hay margen de mejora en la calidad del dato, pero también en definir bien los límites de intervención humana para garantizar que los procesos sean reversibles”.

Claves para pasar de un piloto a producción

Visto lo visto, el reto ya no es acceder a la tecnología, sino operarla con trazabilidad y supervisión. Por lo tanto, el CIO bancario se enfrenta a una serie de retos si quiere pasar de piloto a producción en lo que al desarrollo de agentes de IA se refiere.

“Para pasar de un piloto a producción se deberían cumplir esos tres criterios que he explicado con anterioridad: trazabilidad, explicabilidad y reversibilidad. Al final, si los agentes van dejando traza de todas las operaciones, qué hacen, por dónde pasan, qué datos consultan, y todo es auditable, estamos en el escenario adecuado.

Entonces, la directora de Banca de Babel considera que la propia tecnología ya cuenta con sistemas de monitorización y trazabilidad. “Por tanto, para el CIO sería clave tener ese marco o “freno” de gobernanza que asegure que la operación puede ser trazable”, añade.

La guerra del fraude impulsado por IA

Otra de las cuestiones que menciona el informe es la carrera del fraude impulsado por la IA, en la que parece que, como suele ocurrir, los malos parten con cierta ventaja.

Lo primero que precisa es que “el estudio se basa en datos públicos contrastados. Eso no significa que las entidades financieras no estén avanzando en la lucha contra el fraude con IA agente. Lo que creemos es que algunas, sobre todo las españolas, no lo han comunicado”.

Dicho lo cual, explica que los principales bancos, como BBVA, Santander o CaixaBank, están haciendo una apuesta muy importante en adopción de la IA.

“Para nosotros, adoptar la IA y aplicarla en procesos de IA agente son dos cosas distintas, porque puedes quedarte en un uso tipo copiloto, y eso sí lo han reportado todos. Lo que no han terminado de reportar, aunque muchos lo están trabajando, es cómo lo están aplicando en términos de agente, con agentes que operan y participan en parte de las operaciones”.

Entonces, los elementos mínimos que debe tener un banco hoy en día para considerar que la IA es auditada y confiable pasan —de nuevo— por la trazabilidad, explicabilidad y reversibilidad, según Marga García.

“Además, son los elementos que hacen compatible la IA con las principales normativas, como el AI Act, DORA y el resto de regulación que actualmente exige un mayor nivel de control”, dice para concluir el encuentro.

En Olula del Río las aceras son de mármol. También lo son en Cantoria, y en otros pueblos de los alrededores. No es extraño en las proximidades de una cantera, la de Macael, que ha aportado este material a obras tan relevantes como la Alhambra de Granada. Y que ha visto nacer a una de las multinacionales españolas más dinámicas y expansivas del mercado, con presencia hoy en más de 120 países.

La historia de Cosentino, que es una historia de innovación, nace sin embargo cuando se separa un poco del mármol que aportó riqueza durante siglos a esta zona semidesértica del norte de Almería. Cuando la segunda generación de la compañía se dio cuenta de que no sólo el mármol tenía valor, sino también el resto de piedras y materiales que estaban alrededor. Con ellos crearon una nueva superficie elaborada a partir de minerales y pigmentos que distaba de la piedra natural y que llevaba por primera vez a la cocina algo revolucionario: el color. Habían inventado el silestone, el material que hoy podemos ver en las cocinas de medio planeta.

La vocación tecnológica de los Cosentino –hoy octogenarios– les permitió seguir desarrollando otros materiales como el Dekton, una superficie ultracompacta de porosidad nula, y más recientemente Éclos, formulada con cero sílice cristalina, fabricada con hasta un 88 % de materiales reciclados y diseñado para soportar temperaturas de hasta 220 ºC.

Lo que empezó siendo una fábrica de 4.000 metros cuadrados es hoy un enorme complejo que supera los 2,5 millones de metros cuadrados, el equivalente a 400 estadios como el Santiago Bernabéu. Un entorno donde máquinas, grúas y robots se mueven a sus anchas cargando palés llenos de silestone que van desde Almería a todos los rincones del planeta. Así lo pudimos comprobar un grupo de periodistas, convocados por la compañía y por su socio tecnológico Microsoft para conocer las instalaciones in situ y entender cómo afronta esta multinacional el que puede ser el reto tecnológico más determinante de nuestros días: la adopción de una IA de frontera.

En el transcurso de la visita, los responsables de ambas compañías anunciaron que Cosentino será la primera empresa industrial en España en adoptar la plataforma Microsoft Discovery. Esta tecnología, diseñada para acelerar la investigación científica, es de especial interés para una compañía que basa su éxito en el descubrimiento y validación de nuevos materiales para cocina, fachadas e interiores.

La plataforma de investigación desarrollada por Microsoft combina IA agentiva, computación de alto rendimiento y gestión avanzada del conocimiento para acelerar procesos científicos y de ingeniería. Permite automatizar tareas como revisión bibliográfica, generación de hipótesis, simulaciones y análisis, integrando datos públicos y privados en un entorno unificado para investigadores e ingenieros. Para la compañía almeriense, Discovery abre la puerta a anticipar formulaciones óptimas antes de su producción y reduce la necesidad de experimentación física. El impacto esperado es una aceleración significativa de la innovación, una mayor eficiencia de la investigación y la posibilidad de explorar nuevos materiales.

IA para el diseño

Pero el impacto no acaba ahí. Hoy, ya se está utilizando inteligencia artificial en la labor de diseño de las encimeras y materiales de construcción, valorados precisamente por su diversidad y colorido. Una visita a la zona de exposición de Cosentino permite constatar, además, la gran diferencia de gustos entre distintos lugares del mundo. Si en España y Europa optamos por lo general por unos colores más sobrios en la cocina, este patrón no se repite por igual en otros rincones del planeta.

La IA –explicaron en el laboratorio de Cosentino– puede ahorrar mucho trabajo a la hora de trasladar el diseño a las superficies. Donde antes de se requerían cuatro o cinco iteraciones para un acabado, ahora solo es necesaria una. Esto se traduce en reducciones de tiempo y en aumento de la eficiencia, pero también en algo fundamental para el mundo del interiorismo: la posibilidad de “anticipar el futuro”.

La IA puede ahorrar mucho trabajo a la hora de trasladar el diseño a las superficies

En este sector, los fabricantes sacan catálogos con los nuevos materiales y colecciones en primavera y en otoño, ya que el mayor número de pedidos se realizan antes de que llegue el verano o la Navidad, los periodos en los que la gente acostumbra a mostrar las obras realizadas en casa. Como explicaron en Cosentino, anticiparse a las tendencias y desarrollar diseños con velocidad es tan fundamental como en el mundo de la moda.

También lo es proponer nuevas soluciones. Según explicó Valentín Tijeras, vicepresidente corporativo de Producto, I+D y Calidad de la compañía, la inteligencia artificial no solo reduce costes, sino que te ayuda a desarrollar tu creatividad. “Es como si estuvieras hablando con tu director de tesis, que te propone cosas nuevas”, dijo.

El agente Clar

Pero la última gran aportación de la inteligencia artificial al negocio de Cosentino no está en el diseño ni en el descubrimiento de nuevas superficies, sino en la gestión de su fuerza comercial. La empresa almeriense cuenta con una fuerza de 4.000 comerciales, distribuidos a lo ancho y largo del planeta.

Y su mayor preocupación, aquello que más tiempo les hacía perder, era la gestión de procesos. La empresa calcula que, al menos una tercera parte de su jornada laboral se destina a gestionar la agenda y a reportar sus acciones. En la práctica, eso supone más de mil personas paradas, o sin aportar valor claro allí donde la compañía más lo necesita.  

Para eficientar estos procesos, Cosentino ha desarrollado CLAR, un agente de IA para la gestión comercial basado en tecnología de Microsoft. Su funcionamiento es práctico y sencillo, ya que se apalanca en aquello que un comercial –o cualquier persona– nunca pierde de vista: su smartphone.

Rafael Domene, CIO global de Cosentino, demostró junto a su equipo como, a través de un dispositivo móvil, cualquier operario puede, mediante la voz, consultar su agenda, preparar reuniones y acceder a información clave de cada oportunidad de negocio sin necesidad de interactuar directamente con múltiples aplicaciones o procesos.

Clar asume la gestión de estas tareas, encargándose de capturar, registrar y mantener actualizada la información de manera automatizada. De este modo facilita que los equipos comerciales se puedan focalizar en actividades de mayor valor y avanzar hacia una relación con el cliente más ágil y personalizada y eficiente.

¿Supondrá esto la reducción de algunos puestos de trabajo? Ángel Madariaga Álvarez, vicepresidente corporativo de Producto, I+D y Calidad de Cosentino, fue tajante al respecto. Durante la visita a la planta, en la que mostró las líneas de fabricación de Silestone y Dekton, explicó que la IA nunca ha hecho que se despida gente en su compañía. “Los ingenieros rotan de posición, reciben formación y aprenden funciones nuevas”, dijo tras explicar que la empresa sigue formando y contratando gente nueva cada año a pesar del impacto en eficiencia de la IA.

Con estos enfoques, aseguran desde la compañía, Cosentino tiene el objetivo de evolucionar hacia una ‘Autonomous Enterprise’, un modelo en el que personas, inteligencia artificial, agentes, datos y procesos trabajen de forma integrada para impulsar una gestión más inteligente, eficiente y orientada a la creación de valor.

En España, mas de 2.000 empresas que usan SAP como ERP y a nivel global mas de 450.000 empresas, se pueden estar haciendo esta pregunta. El gigante tecnológico alemán celebraba el pasado mes de mayo su gran evento anual, Sapphire 2026 en Madrid, con más de 10.000 asistentes. Para el equipo de dirección de una empresa mediana, este tipo de citas suelen sonar a ruido técnico, “jerga” técnica y promesas difusas. Sin embargo, lo vivido este año marca un punto de inflexión estratégico que impacta directamente en la estrategia de crecimiento (CEO) y en la cuenta de resultados (CFO).

Durante la apertura, el consejero delegado de SAP, Christian Klein, lanzó una pregunta provocadora: “¿Seguirá siendo SAP una empresa de software en el futuro?”. La respuesta resume el cambio de paradigma: SAP deja de ser un software que simplemente “registra” lo que hace el equipo humano para convertirse en una plataforma que ejecuta el trabajo de gestión empresarial de forma autónoma.

El impacto en el negocio: ¿qué ganan el CEO y el CFO?

Para una empresa mediana, el principal freno para competir con los grandes no suele ser la falta de ideas, sino la falta de brazos y la lentitud en la toma de decisiones. SAP ha presentado su Autonomous Enterprise, un ecosistema que despliega más de 50 asistentes y 200 “agentes de IA” especializados integrados en las finanzas, la cadena de suministro y los recursos humanos.

Esto no va de “chatear con un documento”; va de delegar procesos de negocio completos, respaldado por las métricas que la propia compañía y consultoras de mercado ya han puesto sobre la mesa:

• Para el CEO (Escala e Industria): Con la introducción de SAP Industry AI, la IA viene preconfigurada con el conocimiento regulatorio y operativo de sectores específicos recogido durante más de 50 años. En plantas de producción y operaciones logísticas, la eficiencia se dispara: los datos publicados por la tecnológica reportan reducciones de hasta un 25% en pérdidas de ingresos por roturas de stock y mejoras drásticas en la precisión de la planificación de la demanda. Una empresa mediana puede así escalar su producción sin necesidad de multiplicar sus costes fijos.
• Para el CFO (Optimización y Caja): Los nuevos agentes de finanzas pueden gestionar de forma automatizada el proceso de cierre contable mensual. Son capaces de “sentir” las variaciones de ingresos, analizar los riesgos de capital circulante en tiempo real y optimizar la liquidez. Los datos de SAP confirman que la aplicación de estos agentes agiliza la conciliación y los procesos de tesorería, permitiendo a los equipos financieros reducir hasta un 40% el tiempo dedicado a tareas repetitivas de cierre contable.

Desde el punto de vista del usuario de negocio, también cambia radicalmente con Joule Work, que es el gran orquestador de IA generativa. En lugar de navegar por complejos menús repletos de transacciones, el directivo se comunica en lenguaje natural: “Simula el impacto en el margen si el coste del proveedor sube un 8%”. Joule coordina los agentes y ejecuta las acciones. SAP prevé que, para finales de este año, Joule gestionará de forma directa el 80% de las tareas de negocio más frecuentes dentro del ERP, transformando la velocidad operativa de la empresa.

El nuevo perfil profesional: de la “transacción” a la “gobernanza”

Este giro hacia la empresa autónoma cambia el perfil del empleado, consultor o técnico tradicional y da luz a una nueva necesidad de talento. Las medianas empresas españolas deben empezar a buscar —y formar— un talento muy diferente para los próximos años. El impacto en los recursos humanos es inminente: estudios globales (McKinsey, Gartner e IDC) de adopción tecnológica estiman que el 65% de los puestos técnicos actuales en entornos ERP evolucionarán radicalmente hacia roles de supervisión estratégica con conocimiento del sector antes de 2030.

Del picar datos al diseño de procesos

El perfil del empleado o consultor SAP que pasaba el día introduciendo datos, liberando pedidos manualmente o picando código ABAP a medida está en vías de extinción. Con herramientas como Joule Studio 2.0 (la nueva “fábrica de agentes” de SAP), el trabajo del profesional consistirá en diseñar, entrenar y gobernar a los agentes de IA.

El auge del ‘Business Engineer’ y el experto en Gobierno de IA

Los profesionales del futuro inmediato necesitan ser híbridos, pero partiendo del profesional actual pero reconvertido en:

• Comprensión profunda del negocio: Deben entender el proceso de principio a fin para instruir correctamente a la IA sobre qué objetivos buscar y qué límites no cruzar.
• Gestión del cambio y orquestación: El valor ya no reside en saber qué botón pulsar, sino en saber auditar los resultados de la IA autónoma. La precisión del 80% de una IA genérica no sirve en facturación, impuestos, stocks o ventas; a nivel empresa debe ser el 100%.

El veredicto para la empresa mediana

La carrera tecnológica ya no la gana quien tiene el equipo de IT más grande, sino quien adopta antes un modelo operativo autónomo. Para el tejido empresarial mediano, la IA agentica democratiza la eficiencia que antes solo estaba al alcance de las multinacionales con presupuestos infinitos. La tecnología ya está disponible; el verdadero reto para los comités de dirección españoles a partir de este año será cultural y de gestión del talento.

Fue una de esas noticias que, de cuando en cuando, dan para titulares en varias secciones y en varios tipos de medios. Bizum había llegado a las tiendas. La compañía lanzó este mayo Bizum Pay y, aunque en este primer momento solo se podía usar como medio de pago conectado a dos bancos, la historia adquirió casi tonos de viralidad. “Está generando mucho interés entre las personas usuarias y en los comercios, estos últimos incluso están hablando con sus entidades para poder activar el pago con Bizum”, confirma por correo Martín Azcue, director de Desarrollo de Negocio de Bizum, que señala que el proceso está “yendo según la hoja de ruta marcada”. Los bancos adheridos, indica, “han iniciado la extensión progresiva del pago presencial de Bizum, a través de NFC y de cuenta a cuenta, tanto para particulares como para comercios”. La funcionalidad irá aumentando a lo largo de los meses y, para cierre de año, la mayoría de sus clientes podrán pagar en comercios usando Bizum Pay.

Pero ¿por qué de pronto parecía que todo el mundo estaba obsesionándose con una forma de pago y una aplicación tecnológica? El entusiasmo, responde desde Bizum, viene de que son una marca conocida y con experiencia, respaldada por la banca. “La recepción ha sido muy positiva, lo que nos tomamos como una responsabilidad para seguir trabajando en dar ofrecer la mejor solución posible”, señala Azcue.

Desde fuera, este momento de estrellato podría tener unas cuentas lecturas posibles, muchas de ellas vinculadas con cómo la geopolítica y la tendencia emergente a la soberanía digital (ese término que está también de rabiosa actualidad en TI) hacen que se vean las cosas.

Soberanía en los pagos

“Creo que el hype que se ha generado con Bizum Pay no está muy bien acompasado”, explica por videollamada Tomás Golding, responsable de banca en VASS. “Bizum empezó hace ya tiempo, como un mecanismo de pagos peer-to-peer”, indica. “Ahora, metemos en la ecuación el pago dentro del comercio”. La fiebre primaveral que ha generado ayuda a “generar un awareness de marca”, apunta el experto, pero Golding cree que ese boom no ha ido “acompasado con el momento del mercado y a lo preparadas que están las infraestructuras y, sobre todo, los sistemas de los comercios”.

Esta es, simplemente, una alternativa más, apunta, pero una que ofrece resiliencia operativa, en un momento en el que “Europa, y específicamente España, se plantea reducir de los esquemas de pago internacionales de alguna manera”. El 61% de todos los pagos que se realizan con tarjeta en la Eurozona se hacen con Visa y Mastercard, empresas estadounidenses, que asumen además prácticamente la totalidad de las operaciones transfronterizas. Estas compañías deben cumplir las leyes de EEUU, lo que puede tener consecuencias en Europa. El apagón tecnológico en el que están sumidos los miembros del Tribunal de La Haya sancionados por la administración Trump es una muestra de lo que podría pasar si los intereses de EEUU chocan con los europeos.

En estos últimos años, Europa ha empezado a priorizar la soberanía digital (justo, la Comisión acaba de presentar su Paquete de Soberanía Tecnológica) y los pagos son uno de los retos a gestionar. Lo saben los organismos públicos y también la industria de la banca y los pagos. Este es, así, un contexto en el que cualquier novedad europea, como el propio Bizum Pay, tiene un terreno abonado para despertar interés. La propia Bizum, de hecho, permite ya hacer pagos a Italia o Portugal (o recibirlos) y trabaja para cerrar acuerdos con compañías de Polonia y países nórdicos. El objetivo final del mercado es conseguir soluciones propias, interoperables y que reduzcan la dependencia de actores de fuera del continente.

 “El concepto soberanía y resiliencia van muy de la mano porque sabemos que las infraestructuras de pagos son críticas para los estados centrales y para los países”, señala Golding. Este experto recuerda que el reglamento Dora ya habla de estas cuestiones. No es, así, un término del todo nuevo. Aunque, como suma Rubén Andrés, CIO de Singular Bank, “el concepto de soberanía digital ha evolucionado mucho en muy poco tiempo”. “Hace unos años hablábamos principalmente de eficiencia tecnológica. Hoy hablamos también de resiliencia, control del dato, capacidad operativa y autonomía estratégica”. Lo ocurrido en los últimos años han acelerado las cosas y la IA ha hecho que estos temas sean aún más prioritarios en la agenda.

Esta es, así, una cuestión con muchas facetas y en la que la tecnología tendrá (o, mejor dicho, tiene ya) un papel fundamental. Como apunta Andrés, “la banca europea depende todavía en muchos ámbitos de infraestructuras globales críticas”. “La clave no está en aislarse, sino en construir plataformas resilientes capaces de integrarse con distintos ecosistemas sin perder control, trazabilidad ni capacidad de decisión mientras garantizan la continuidad con la redundancia oportuna”, asegura.

La industria trabaja en seguridad, en protección, en crear infraestructuras robustas, algo que impacta en cómo se estructura su infraestructura TI. Andrés habla de “una evolución clara hacia modelos híbridos: aprovechar capacidades globales, pero construyendo capas propias de inteligencia, gobierno e interoperabilidad”.

Rubén Andrés (Singular Bank) subraya que “el euro digital representa mucho más que un nuevo medio de pago: es uno de los primeros grandes movimientos hacia una infraestructura financiera europea nativamente digital, interoperable y preparada para una interacción financiera más automatizada e inteligente”

Qué es el euro digital

En esas capas propias podrían entrar también las nuevas propuestas. La Unión Europea trabaja para lanzar el euro digital y, aunque el proyecto cuenta con alguna oposición tanto política como de la industria, su lanzamiento cambiará de nuevo el panorama.

“El euro digital es dinero del Banco Central, pero en formato digital”, explica Golding. “En los tecnicismos, lo llamamos CBDC, Central Bank Digital Currency. Dicho de forma sencilla, es el equivalente a un billete, pero pensado en un mundo más móvil”. En lugar de emitir billetes físicos (e imprimirlos), se crean billetes digitales. “Tendrá un valor uno a uno”, indica el experto. El euro digital no es, por tanto, ni una criptomoneda ni una moneda totalmente nueva. Es el euro de siempre en otro formato. La distribución la harán los mismos bancos comerciales que ahora guardan nuestro dinero y se guardarán en alguna app o wallet.

Y tampoco es una idea exactamente nueva: como apunta el experto, se empezó a hablar de ello en 2023, aunque no fue en 2025 cuando se pasó a la primera fase preparatoria. “En enero de este año se publicaron los objetivos y todo el calendario del proceso de proveedores piloto”. Si todo sigue lo previsto, el euro digital llegará en 2029.

La caída del uso de dinero físico en la zona euro y el crecimiento de uso de pasarelas digitales explican el interés por lanzar un formato digital, pero no solo. Como apunta el experto de Vass, también tiene un matiz de qué dinero empleamos. “El efectivo es, hoy, la única forma de dinero público que tiene en la mano el ciudadano. Todo lo demás es dinero privado, o que circula por redes privadas”. A medida que se reduce el efectivo se reduce también la presencia de dinero público y, con ello, “se debilita el ancla de confianza que aporta un banco central a todo el sistema”.

Por ello, sumando todo esto a la necesidad de reducir la dependencia de redes pagos no europeas, el euro digital emerge como potencial herramienta. Algo que encaja, además, con una tendencia que va más allá de Europa. “Es un movimiento reactivo que muchos países ya se están planteando”, apunta Golding.

“El euro digital representa mucho más que un nuevo medio de pago”, señala Andrés. “Es probablemente uno de los primeros grandes movimientos hacia una infraestructura financiera europea nativamente digital, interoperable y preparada para un mundo donde la interacción financiera será cada vez más automatizada e inteligente”, explica.

Tomás Golding (VASS) explica que la incorporación de herramientas como el euro digital no solo implica una transformación tecnológica, sino una adaptación a más niveles, por ejemplo, contables

Una escalada de cambios TI

En paralelo, el euro digital encaja en un proceso que va más allá, que tiene un impacto más estructural y que, a su vez, cambiará las cosas a nivel TI. “La llegada del euro digital, la IA generativa y los modelos agentic están impulsando un cambio de paradigma tecnológico”, asegura Andrés. El CIO apunta que “el verdadero cambio no estará únicamente en la moneda, sino en cómo evolucionará la intermediación financiera”. Por ejemplo, en el futuro no tan lejano podríamos usar agentes inteligentes para que gestionasen nuestras cuentas y eso obligará a nuestros bancos a reajustar bastantes cosas.

 “Eso obliga a repensar completamente la arquitectura tecnológica de las entidades”, asegura Andrés. “Ya no hablamos únicamente de canales digitales, sino de ecosistemas interoperables preparados para convivir con agentes autónomos, modelos de IA y procesos financieros en tiempo real que liberen tiempo para el trato humano”, destaca. En su banco, ya trabajan “desarrollando capacidades de arquitectura agentic e inteligencia contextual alrededor de iniciativas como Singularity”, un asistente desarrollado sobre Open AI.

La transformación digital de la industria bancaria se acelerará, apunta este directivo, pero también tendrá que ser ambiciosa. No va ya de crear canales digitales friendly o arquitecturas robustas (que también), sino de mejorar la interoperabilidad, la respuesta en tiempo real o la respuesta a agentes. “El reto ya no es únicamente mejorar la experiencia cliente. El gran desafío será construir experiencias inteligentes de extremo a extremo”.

En conclusión, el reto al que se enfrenta la industria es complejo. Como explica Golding, la incorporación de herramientas como el euro digital no se trata solo de una transformación tecnológica, sino una adaptación a más niveles (por ejemplo, contables). “El Banco Central Europeo habla de que esta primera fase inicial podría suponer una inversión de unos 1300 millones de euros”, apunta. “El sector bancario tiene unas estimaciones más altas”. Hacer que todo lo nuevo que está apareciendo sea interoperable podría requerir una inversión de entre 18.000 y 30.000 millones de euros en toda la UE, según cifras que comparte Golding. “En sentido estricto, hay que modernizar todos los sistemas subyacentes y con los que los bancos llevan trabajando 60, 70 o más años, el legacy”, apunta, y suma la inversión en nuevos sistemas de identidad o antifraude, más refuerzo de ciberseguridad y gasto en integración. ¿Podrán todos los bancos afrontar una inversión tan elevada? Esa es la gran cuestión.

Pero, además, la industria está en un momento en el que pivotar y digitalizarse es fundamental. “El reto de la modernización es una necesidad”, asegura Golding. Lo requiere el regulador, pero también el flujo del mercado. 

Si se le pregunta a la banca por los retos TI, la respuesta también es clara. “El principal reto tecnológico de la banca ya no es digitalizar procesos. Es construir organizaciones capaces de adaptarse continuamente a un entorno donde la tecnología evoluciona más rápido que nunca”, asegura Andrés. Esto obliga a hacer una transformación cultural, “porque el cambio no es solo tecnológico; es organizativo y humano”, y a comprender que “la tecnología del futuro será cada vez más invisible”. “Lo diferencial será cómo utilizamos esa tecnología para generar confianza, contexto y experiencias relevantes”, augura.

A medida que la inteligencia artificial se democratiza entre los empleados, está apareciendo una nueva paradoja de productividad: aunque la tecnología hace que el trabajo parezca más rápido, en realidad traslada más carga a los empleados, que deben proporcionar contexto, realizar controles de calidad y luego repetir el proceso en numerosas herramientas dispares. Esto, según una nueva encuesta a 6.000 trabajadores digitales a tiempo completo realizada por el Work AI Institute de Glean, da lugar a dos comportamientos emergentes: el ‘botsitting’ (todas las tareas no reconocidas que son necesarias para que la IA sea realmente utilizable) y el ‘botshitting’ (entregar trabajo generado por IA sin verificar, no bien comprendido o quizás ni siquiera fiable). El informe lo realizaron en conjunto expertos del Work AI Institute, junto a otros de las universidades estadounidenses de Emory, Stanford, Berkeley, Santa Bárbara, Charlotte, de la británica University College de Londres y la francesa Universidad de Notre Dame.

“En muchos sentidos, se trata claramente de un círculo vicioso que se retroalimenta”, explica Rebecca Hinds, directora del centro de investigación de Glean, el Work AI Institute, un consorcio de expertos en IA. Las empresas deben empezar a comprender y abordar el “enorme, enorme trabajo humano que está en el núcleo de todo esto”.

Los trabajadores usan más la IA, pero están más frustrados

No hay duda de que la IA se está convirtiendo rápidamente en un compañero de trabajo fundamental. Según los datos del Work AI Institute de Glean, el 87% de los trabajadores digitales utiliza IA: ya está automatizando más de una cuarta parte de su trabajo y ahorra unas 11 horas a la semana.

Aun así, solo el 13% afirma que el uso de la IA ha mejorado significativamente el rendimiento de su empresa, y el tiempo que ahorran es absorbido por la misma tecnología que lo genera. Los empleados pierden aproximadamente un tercio de su jornada laboral (6,4 horas) en ‘botsitting’: proporcionando contexto a la IA, supervisando resultados, depurando errores, corrigiendo trabajo generado por IA y cambiando entre herramientas de IA.

“Estamos viendo tasas muy, muy altas de uso de múltiples herramientas, y a menudo esas herramientas no están conectadas”, señala Hinds.

En cuanto a la aportación de contexto, los modelos de lenguaje de gran tamaño (LLM) se entrenan con el vasto corpus de internet, pero no siempre con datos específicos de cada empresa. Por ello, los empleados a menudo tienen que proporcionar información adicional sobre los productos, clientes, servicios u otros detalles de su compañía.

“A menudo se sienten frustrados cuando las herramientas no entienden lo suficiente el trabajo cotidiano como para ser útiles”, añade Hinds. Además, como los empleados utilizan múltiples herramientas, con frecuencia tienen que repetir el mismo prompt una y otra vez. “Es agotador para los trabajadores no solo hacer esto, sino que además ese trabajo no sea reconocido, a menudo no recompensado ni valorado dentro de la organización”, agrega.

De forma similar, los trabajadores tienen que detectar resultados que pueden parecer pulidos y terminados en la superficie, pero que podrían ser incorrectos, incompletos o carecer de contexto importante. La depuración es el principal factor de agotamiento, porque a menudo la realizan personas que no necesariamente contribuyeron al resultado inicial, por lo que primero tienen que reconstruir el contexto, señala Hinds.

No obstante, “no todo el ‘botsitting’ es negativo”, subraya. “Sin duda, queremos que los trabajadores tengan cierto nivel de control y supervisión”.

Pero cuando es innecesario, puede derivar en ‘botshitting’, donde los usuarios entregan trabajo generado por IA que no han verificado porque están abrumados o tienen poco tiempo. El 69% de los usuarios admite hacerlo, y el 41% afirma que a veces entrega trabajos que no podría explicar si se le preguntara. Otro 28% culpa a la IA de errores que en realidad ellos mismos cometieron. “El ‘botshitting’ consiste en delegar tu pensamiento crítico humano, tu juicio y tu comprensión”, explica Hinds. “Estás delegando un trabajo que absolutamente debe seguir siendo humano”.

Los trabajadores que utilizan múltiples agentes de IA tienen muchas más probabilidades de hacer esto, añadió, porque los agentes son altamente escalables y pueden descontrolarse si no cuentan con los controles o permisos adecuados, lo que lleva a usuarios abrumados a abandonar los esfuerzos de verificación. “A menudo no ves los impactos negativos hasta tres, cuatro o cinco pasos más adelante”, dice Hinds. “Entonces se requiere todo ese trabajo de limpieza, de investigación, para entender dónde falló el agente”.

Usar IA… pero no demasiada

Curiosamente, más de la mitad de los trabajadores encuestados afirman recibir más ayuda diaria de la IA que de sus directivos, y consideran que es más fácil colaborar con ella que con personas.

Aun así, parecen enfrentarse a un problema de ‘Goldilocks’ cuando se trata de compartir su uso de la IA. Entre los trabajadores que se identifican como usuarios avanzados de IA, el 54% utiliza herramientas no aprobadas o utiliza herramientas aprobadas de forma no conforme, y el 36% oculta cuánto les ayuda la IA.

Como explica Hinds, dependiendo del contexto y del nivel de seguridad psicológica que ofrezca la organización, mostrar que se utiliza IA puede ser “beneficioso o perjudicial de forma diferencial”, y, por otro lado, ocultar que se usa demasiado también puede serlo, ya que podría hacer que una persona parezca menos valiosa, o percibida como tal. Se trata de un equilibrio complicado porque, señala, “existe una enorme presión en muchas organizaciones por demostrar fluidez en IA, por demostrar que eres un usuario avanzado”.

Qué hacen distinto las organizaciones de éxito

De hecho, el informe señala que “las empresas que están tomando la delantera están haciendo algo distinto: no dedican una mayor parte de su tiempo con IA a usar la IA, sino que dedican una mayor parte al trabajo que la rodea: establecer el contexto, definir qué es ‘bueno’, desarrollar criterio y decidir qué nunca debería haberse delegado a un modelo en primer lugar”.

Las organizaciones más transformadoras están abordando los retos de la IA de forma proactiva: proporcionando formación y soporte, tratando la IA como una oportunidad para rediseñar el trabajo y recompensando formalmente las habilidades relacionadas con la IA. Además, destaca que la habilidad más difícil de desarrollar es saber cuándo no utilizar la IA.

“No se trata solo de clics en la herramienta, no se trata solo de tokens utilizados, sino de habilidades reales, aprendizaje real”, afirma Hinds. Además de invertir en los trabajadores, estas organizaciones comunican claramente la estrategia de IA y aclaran el “porqué” que hay detrás. La gobernanza también debe ser “viva y dinámica”, con empresas que reevalúan continuamente sus políticas.

Y esto debe ocurrir en todos los niveles, incluidos los altos directivos, afirmó Hinds: “Se trata de poder ver a los ejecutivos usar la tecnología, compartiendo tanto los éxitos como los fracasos”.

Las empresas de éxito también utilizan activamente métricas ancladas en indicadores clave de rendimiento (KPI) existentes. Miden la calidad, la eficiencia y el compromiso de los empleados de diferentes maneras, y ponen los datos en manos de los trabajadores para que puedan evaluar su propia adopción y éxito. “No se trata tanto de vigilancia como de retroalimentación sobre cómo trabajamos colectivamente”, apunta Hinds.

Lo que resulta “fascinante, aunque quizá no sorprendente”, añade, es que los trabajadores están utilizando cada vez más la propia IA como profesor, y la prefieren frente a otros canales de aprendizaje. Esto pone de relieve la importancia de herramientas low-code y no-code, con curvas de aprendizaje reducidas y contexto organizativo, integradas directamente en los flujos de trabajo. “Es radicalmente diferente de lo que hemos visto con tecnologías anteriores”, concluye.

Prosegur ha cumplido este 2026 los 50 años de vida. En este medio siglo, la multinacional española de seguridad privada, que tiene más de 180.000 empleados y opera en 36 países de los cinco continentes, ha realizado un viaje transformador impulsado por una apuesta muy clara, sobre todo en los últimos años, por las tecnologías de la información y la digitalización, integrando soluciones avanzadas de inteligencia artificial y ciberseguridad para transformar el negocio de vigilancia y añadir otros nuevos. En la actualidad, de hecho, la compañía se autodefine como una “multinacional digital”, en la que más del 30% de la facturación proviene de servicios de innovación tecnológica. Gran parte de este logro se ha conseguido gracias a Miguel Torres, al frente de la estrategia tecnológica de la compañía desde 2022 y miembro del comité de dirección de la misma desde 2023.

Torres es un gran conocedor de una casa en la que trabaja desde hace más de 13 años, al principio muy ligado a la gestión financiera y después a la estrategia de tecnología y ciberseguridad. Fue él quien diseñó e implementó el actual plan estratégico global de tecnología y ciberseguridad de la compañía y quien, como parte del Comité de Riesgos de esta, ha impulsado que la multinacional gestione de forma activa la postura de seguridad global, la resiliencia y el cumplimiento normativo. También fue Torres quien lideró el plan estratégico financiero de la empresa con el fin de transformar la cartera actual de servicios de TI, con el consiguiente aumento del 30% en los nuevos servicios de negocio digital en apenas dos años. Las mejoras de TI aplicadas, dice, han permitido que la multinacional disminuya el gasto de capital hasta en un 20%, logrando, por otro lado, un incremento del 4% en el retorno de la inversión (ROI).

Pero cuando aterrizó en Prosegur hace 15 años, todo era muy diferente. “La compañía ha cambiado mucho en este periodo”, explica el directivo a CIO ESPAÑA. Por lo pronto, rememora, entonces la empresa tenía presencia en 11 países, frente a los 36 de hoy. El propio mercado era completamente distinto. “No había grandes centros de datos, ni IA, ni analítica de datos, tampoco RPA (automatización robótica de procesos) y, por supuesto, IA agentiva. Los PC se usaban, pero no eran necesarios para prestar los servicios. Nosotros éramos capaces de prestar los servicios sin tecnología”, añade.

En los últimos años, al calor de la intensa transformación digital de todo el mercado, la compañía ha dado un giro de 180 grados con una “apuesta radical por la seguridad híbrida integral. “Porque igual que nosotros hemos adquirido tecnología y la utilizamos para el bien, para proteger a las personas, otros la utilizan para el mal”.

El reto de liderar la innovación en un escenario complejo e hiperconectado

El escenario en el que opera en la actualidad Prosegur es extremadamente complicado: un mundo en el que convergen lo físico y lo digital, con fuertes riesgos de ciberseguridad agravados por un panorama geopolítico tensionado y la aparición de una serie de tecnologías tan disruptivas como los últimos sabores generativos y agentivos de la inteligencia artificial. “El contexto es complejo”, reconoce Torres. “La realidad hoy es que todo el mundo está conectado y todo lo hacemos con el móvil y de forma digital, desde consultar el banco hasta hacer la compra. El temor que existe en el mercado es que la tecnología falle, más en un contexto de guerra y geopolítico complejo. Otro temor es la subida de precios, porque la tecnología cada vez cuesta más, pero nosotros tenemos que garantizar que los clientes reciban los mismos servicios por lo que nos los contrataron. Por este motivo, debemos mirar con mucha perspectiva lo que va a pasar. Todas las decisiones de tecnología deben contemplar la realidad de lo que ocurre en planeta”.

“Innovación, escalabilidad en costes y ciberseguridad son los tres pilares sobre los que definimos la estrategia de tecnología y ciberseguridad de Prosegur”

“Innovación, escalabilidad en costes y ciberseguridad son los tres pilares sobre los que definimos la estrategia de tecnología y ciberseguridad de Prosegur y en los que pensamos siempre que vamos a desplegar proyectos, planes o programas de tecnología”, indica el CIO. El primero, la innovación, aplica tanto externa como internamente. “Innovamos usando tecnología para mejorar la experiencia del cliente, pero también para ser más eficientes en la prestación de los servicios. Y aquí es fundamental ser más rápidos”, cuenta el portavoz.

En segundo lugar, el opex y el capex de la tecnología “son relevantes en las cuentas resultados de la compañía y, por ende, en las que paga el cliente. Por ello, hay que cuidarlos y estar seguros de que al cliente nuestros servicios le añaden valor y están dispuestos a pagar por ellos”. Y, finalmente, respecto a la ciberseguridad como última gran palanca de la compañía, Torres reitera: “En un mundo tan conectado digitalmente y dotado de tanta tecnología como es el nuestro, debemos cuidarnos a nosotros, a nuestros clientes y a la sociedad; no hay que olvidar que somos parte de la cadena de valor en muchos países”.

La IA, en el foco

Preguntado por cuáles son los grandes proyectos de TI que Prosegur tiene en marcha actualmente, Torres no duda: “Sin duda, uno es la inteligencia artificial”. De hecho, la firma está ahora inmersa en el despliegue de soluciones tecnológicas de agentes autónomos e IA como GenIA y LexIA, orientados a optimizar las capacidades operativas y la gestión de procesos.

En realidad, explica Torres, la multinacional trabaja en IA desde hace muchos años, al menos una década. Primero con el más tradicional machine learning que, afirma el CIO, les ayudó especialmente durante la pandemia en la modernización de servicios y el análisis de datos. Pero hace dos años, la compañía decidió adoptar los últimos sabores de la inteligencia artificial “aunque empezamos con mucha cautela”, agrega. “Fue entonces cuando decidimos definir una estrategia a largo plazo para la adopción de la inteligencia artificial”.

El primer punto de esta, lo que en Prosegur llaman la ‘fórmula de la IA’, subraya la importancia de buscar casos de negocio. “Porque sin un caso de negocio el uso de la IA nos puede llevar a un destino al que no queremos llegar”. El segundo punto de la estrategia, añade Torres, se enfoca en las habilidades y competencias de las personas. “Porque la IA, como todas las tecnologías que han surgido antes y surgirán después, es una herramienta que, per se, no va a transformar una compañía: lo harán las personas que sepan usarla y la apliquen tanto al desarrollo de código de programación como a la identificación y automatización de procesos internos o externos o, simplemente, en sus labores del día a día, al poder hacer las cosas más rápido”.

La estrategia de IA de Prosegur contempla una tercera pata: la propia tecnología. Según el CIO, es importante contar con una estrategia al respecto, por lo “abrumador” que es el hecho de que cada semana aparezcan nuevos modelos y muchos más usuarios de estas soluciones. Y en este punto, subraya, urge ser “cautos” y “tener claro quiénes pueden ser tus socios de tecnología”.

“Es importante seleccionar a socios de tecnología que tengan una perspectiva a largo plazo de lo que puede proveer la IA, que entiendan tu historial como compañía, y atiendan a si ésta está cotizada o no, que sean responsables con el uso tecnológico… Ahora están surgiendo muchas nuevas compañías gestionadas por inversores, que, no digo que esto esté mal, sino que, simplemente hay que tener en cuenta que los valores por los que se rigen están en línea con los de tu empresa”. Se trata, en definitiva, de “evaluar a quién quieres tener como compañero de viaje en la tecnología que tienes que desplegar”.

Por otro lado, añade Torres, a la hora de adoptar la IA es importante atender al gobierno de esta tecnología y al cumplimiento de la regulación asociada para “utilizar la IA de forma responsable, con unas políticas que aseguren que no hay fuga ni de nuestra información ni de la de nuestros clientes, y que sea una IA que no tenga sesgos. Para ello, es importante, al inicio de la adopción, aplicar políticas de control y de seguridad en IA”.

“Sin un caso de negocio el uso de la IA nos puede llevar a un destino al que no queremos llegar”

Esta, asevera el CIO, es la estrategia en IA que ha aplicado la compañía en los últimos dos años, una tecnología que, “ahora está en un momento muy interesante porque ya es suficientemente madura para utilizarla”. Y, agrega, gracias a la citada estrategia, la empresa está preparada para contestar a cuestiones como: “¿Cómo va a ser esta tecnología dentro de tres años? ¿Qué vendor lock-in me puede generar? ¿Qué precio voy a pagar? ¿Voy a poder repercutir este al cliente si no tiene un caso de negocio? ¿Dónde se aplica, en un grupo de tres usuarios o en un grupo a escala? ¿Y cómo la voy a escalar? ¿Cómo va a entrar en el servicio del cliente? ¿Cómo va a entrar en el pricing de clientes? ¿Tiene que tener un business case?… Toda una serie de preguntas que siempre afrontamos antes del despliegue de la inteligencia artificial”.

Un punto de inflexión

Para Torres, la IA es una tecnología claramente disruptiva. “La clave está en su aplicación. A nivel personal, y hablando en general, nos ayudaría mucho que se aplicara a la investigación, la salud y medicina. El resto de las empresas de otros segmentos la usaremos para otras cosas. En nuestro caso, para hacer del mundo un lugar más seguro, que es nuestra misión como compañía”.

En todo caso, subraya el directivo, “el uso de la IA siempre requerirá la supervisión humana, pero está claro que agilizará los procesos, algo fundamental en el mundo moderno, y nos permitirá anticiparnos con mayor precisión. En Prosegur, donde tratamos incidentes y siniestros y protegemos a los clientes, hay situaciones que, evidentemente, nos gustaría evitar. Hoy lo hacemos con las capacidades que tenemos tanto a nivel de personas como de tecnología, pero creo que la IA va a aportar y ayudar en este sentido, sobre todo a identificar estas situaciones”.

La próxima gran disrupción, avanza el CIO, vendrá de la robótica. “La IA es diferente a todo lo que hemos visto antes; el siguiente paso será la robótica”. De hecho, recuerda Torres, Prosegur ya ha dado pasos al respecto con Yellow, un robot-perro dotado de inteligencia artificial que utiliza para garantizar la protección de las personas en eventos masivos como el torneo de tenis Mutua Madrid Open. “Este tipo de tecnologías serán muy potentes en nuestra industria, pues ayudan a llegar a lugares donde no podemos o donde, por razones de seguridad, preferimos no exponer a las personas”.

Obviamente la propia área de TI de las empresas es otro espacio donde la IA impactará (ya lo hace) de forma clara. Los profesionales de TI, según Torres, están experimentando dos grandes cambios: “Por un lado, debemos entender mejor la estrategia de negocio de la compañía para aplicar mejor la tecnología; por otro, tenemos que estar constantemente actualizados y entender lo que ocurre en la industria tecnológica y en el mundo, pues esto puede impactar en los planes que queramos acometer el próximo año”.

En el campo del desarrollo de software, dice el experto, ocurre igual. “Con la IA hay un antes y un después en este campo, que tendrá que adaptarse a la nueva realidad. El rol del desarrollador de software va a ser distinto”. De todas formas, recuerda, “los profesionales de tecnología llevamos viviendo este tipo de cambios, aunque con menos velocidad, eso es cierto, desde hace, al menos, 20 años, luego estamos acostumbrados a ellos”.

Apuesta por la nube híbrida con la vista en la soberanía

Antes de que llegara la fiebre en torno a la IA, en la industria de las TI empresariales hubo otra revolución ligada a una nueva forma de suministrar los recursos de computación: cloud computing que, con los años, se ha convertido en una propuesta clave para que las organizaciones desarrollen, de hecho, los actuales proyectos de IA a escala. Prosegur empezó este viaje a la nube, por el que fue premiado en 2023 en los CIO Awards, hace casi una década. “Hace ocho años empezamos a pensar si la infraestructura base que teníamos iba a soportar la capacidad de despliegue del negocio. Fue en ese momento cuando nos planteamos que teníamos que modernizar esa tecnología base: los centros de datos”, rememora el CIO.

El equipo de TI, cuenta Torres, empezó entonces a medir la obsolescencia tecnológica y a entender cómo sería ésta proyectada a cinco o diez años. “Y allí entró la propuesta de migrar a cloud, porque entendimos que la nube nos daría unas capacidades de tecnología que no podían dar los centros de datos convencionales. Por ejemplo, nos ha permitido no tener que preocuparnos de la obsolescencia [de la infraestructura] y poder habilitar el uso de la inteligencia artificial. Además, en un contexto de cibercrimen creciente, cloud nos ha dado unas capacidades de resiliencia muy potentes”.

“Cloud’ nos ha permitido no tener que preocuparnos de la obsolescencia [de la infraestructura] y poder habilitar el uso de la inteligencia artificial”

Preguntado por si le preocupa la soberanía del dato, el CIO de Prosegur reflexiona: “Nos preocupa porque les preocupa a nuestros clientes y también a Estados, Gobiernos, regiones… Es un tema, además, que se discute mucho en la Unión Europea porque ¿qué pasaría si en Estados Unidos deciden adoptar una estrategia, presionar el botón y apagar? ¿Qué capacidades de tecnología tenemos? Sí, es un asunto al que hay que prestar atención. Pero aquí vuelvo a la estrategia de negocio. Tienes que entender mucho a tus clientes y saber lo que necesitan y cómo vas a poder responder a un escenario de ese tipo. Es algo en lo que estamos trabajando. Somos una empresa española con desarrollos propios españoles capaces de ser, digamos, soberana. Estamos trabajando en tener infraestructuras que nos permitan esto”.

En este punto, Torres reconoce que “Prosegur no es una empresa al 100% cloud, sino al 50% y, además, la estrategia es multicloud, luego estamos preparados para ese tipo de escenarios y necesidades”.

Un CIO multipaís que habla el lenguaje del negocio

Liderar las TI de un gigante presente en 36 países de todo el mundo es un reto descomunal. “Afortunadamente tenemos un buen equipo de TI. Contamos con una capa corporativa que se preocupa de lo que es transversal y, después, tenemos direcciones de sistemas y productos por cada dirección de negocio; esto nos ha permitido poder atender todos los 36 países sin ningún problema”, explica Torres.

Tener una visión muy pegada al negocio, heredada de su responsabilidad anterior como director financiero global de la compañía, marca de forma definitiva el tipo de gestión de Torres. El directivo agradece tener ese background: “Permite entender al cliente y saber lo que quiere, saber también lo que necesita la operación para prestar servicio al cliente y lo que precisa el equipo comercial para poner en valor nuestros servicios”, explica.

Por otro lado, añade, venir de finanzas facilita pensar “de forma natural en cómo encaja la estrategia de TI en el plan económico-financiero de la compañía y te equipa con una serie de preguntas para entender mejor a tus stakeholders”. Porque, agrega Torres, el CIO y su equipo no hacen los proyectos de tecnología de forma aislada: “Se discuten en el comité de dirección”. Para ello, añade, hablar el mismo idioma del resto de directivos, el del negocio, es clave. “Siempre he dicho que en TI hablamos idioma galáctico mientras que el resto de la compañía habla en terrícola; y las decisiones se toman en terrícola. Yo, gracias a mi pasado, soy bilingüe”.

No obstante, reconoce, los directivos de negocio ya empiezan a conocer mucho mejor el lenguaje de la tecnología y a tomar decisiones de este tipo. En la propia Prosegur se ha preparado a los ejecutivos de negocio para ello realizando sesiones de concienciación en tecnología. En este escenario, concluye Torres, el del CIO “debe ser un rol de Pepito Grillo, de guía que ayude a los directivos de negocio a tomar decisiones, a entender los riesgos que implica la tecnología, a evitar el vendor lock-in o incurrir en una inversión que después no se pueda pagar. Nuestro rol es el de acompañarlos. Vamos a ser más necesarios que nunca”.

Los pioneros de la IA Anthropic y OpenAI parecen dirigirse hacia sus respectivas salidas a bolsa, lo que deja a los directivos de TI cuyas organizaciones dependen de sus modelos de IA preguntándose qué les deparará el futuro. Una de las principales preocupaciones es la posibilidad de un aumento de costes para el uso empresarial, especialmente en los modelos más avanzados. Al ofrecer acciones al público, es probable que ambas compañías recauden cientos de millones de dólares para invertir en sus productos y cubrir sus gastos. Sin embargo, muchos analistas temen que, al pasar de ser organizaciones privadas centradas en la investigación a empresas cotizadas, tanto Anthropic como OpenAI se enfrenten a nuevas presiones para generar beneficios.

Los clientes empresariales de OpenAI deberían esperar aumentos sustanciales de precios tras su salida a bolsa, especialmente aquellos que dependen intensamente del uso de API, copilotos, agentes y despliegues personalizados, según Mark Vena, CEO y analista principal de la firma de investigación IT SmartTech Research.

Vena considera que una salida a bolsa de Anthropic se desarrollará de forma distinta, dado el amplio enfoque de la compañía en la seguridad de la IA. “Lo que vende es confianza empresarial, seguridad, productividad para desarrolladores y una versión más controlada de la IA que los CFO y CIO pueden explicar a sus consejos de administración”, afirma. “Sinceramente, creo que OpenAI es el cohete cultural, pero Anthropic se perfila como la apuesta institucional en IA”.

Aun así, añade, existen dudas sobre la capacidad de Anthropic para generar beneficios. “Seamos claros: la gran cuestión para Anthropic es si los inversores públicos premiarán la disciplina o castigarán la dura economía de la IA de frontera”, señala. “Entrenar modelos, alquilar capacidad de cómputo y competir con OpenAI, Google, Meta y xAI es extremadamente caro, por lo que Anthropic tendrá que demostrar que es algo más que una sofisticada máquina de consumir efectivo”.

Anthropic anunció el 1 de junio que había iniciado los trámites para su salida a bolsa, después de informaciones que apuntaban a que OpenAI también avanzaba en esa dirección. Aunque OpenAI declinó hacer comentarios sobre una posible salida a bolsa, diversas informaciones sugieren que la compañía podría anunciarla en las próximas semanas, con una posible oferta inicial en septiembre.

Las salidas a bolsa traerían otros cambios, señala Vena, como mayor transparencia, más escrutinio y una mayor disciplina empresarial en gobernanza, disponibilidad del servicio, seguridad y cumplimiento de hoja de ruta. Pero también es probable que surjan nuevos modelos de precios. “Una salida a bolsa de OpenAI convertiría a la empresa de un laboratorio de IA ágil en un proveedor de plataforma supervisado por Wall Street”, afirma Vena. “Los usuarios deberían esperar menos de la actitud de ‘movernos rápido y sorprender a todos’ y más presión para empaquetar, medir y monetizar absolutamente todo”.

Hacia el fin del modelo de laboratorio de investigación

Otros observadores expresan preocupaciones similares sobre los modelos de precios de OpenAI tras una salida a bolsa. Leo Derikiants, CEO y cofundador de la firma de investigación en IA Mind Simulation Lab, afirma que los responsables de TI deberían esperar fuertes subidas en los precios de API, la introducción de niveles premium empresariales caros para cuestiones básicas como la privacidad de datos, y modelos de facturación cada vez más opacos.

“Una salida a bolsa de OpenAI señala el fin de la ilusión del ‘laboratorio de investigación’ y el nacimiento de un monopolio tecnológico tradicional”, añade. “Los mercados públicos exigen ingresos predecibles y crecientes, pero la tecnología central de OpenAI —los LLM autoregresivos— es fundamentalmente impredecible y probabilística”.

Por su parte, Anthropic parece dirigirse hacia una salida a bolsa en una posición más sólida y defendible que OpenAI, según explica. Aunque ambas empresas se basan en arquitecturas probabilísticas similares, Anthropic se ha centrado menos en productos de consumo como la generación de vídeo y más en el mercado corporativo, lo que le proporciona una base de ingresos más estable.

No obstante, el anuncio de la salida a bolsa de Anthropic también confirma una realidad decepcionante: que el mercado de la IA está impulsado por una mentalidad de rebaño, afirma Derikiants.“Los grandes laboratorios están dando vueltas en círculo, construyendo exactamente los mismos productos probabilísticos con diferentes marcas, sin cuestionar los límites de la arquitectura ni el valor real a largo plazo”, señala. “La industria ha perdido completamente su rumbo original. El objetivo fundacional era alcanzar la verdadera inteligencia artificial general (AGI). Hoy, el único objetivo es maximizar los ingresos mensuales por suscripción”.

Los CIO deberían prepararse para tácticas agresivas de bloqueo por proveedor, paquetes cerrados de ecosistema y un alejamiento de las iniciativas flexibles y favorables al código abierto, predice. El foco corporativo pasará de crear una IA segura a retener los datos empresariales dentro de APIs propietarias para maximizar el valor para el accionista.

Añade que los proveedores de IA están atrapados en un modelo de escalado que requiere cantidades exponencialmente mayores de computación y energía para lograr mejoras marginales en razonamiento. “Operar estos modelos es fundamentalmente ineficiente y está fuertemente subvencionado por capital riesgo”, explica. “Una vez que coticen en bolsa, Wall Street no tolerará indefinidamente esas enormes pérdidas de infraestructura”.

Tras una salida a bolsa, los clientes de ambas compañías deberían esperar la aparición de nuevos modelos de precios, según Richard Amos, CIO del integrador de sistemas y proveedor de servicios cloud Blue Mantis. Las prioridades de una organización cambian cuando pasa de startup a empresa cotizada, añade. “Antes de salir a bolsa, el foco está en la innovación, el crecimiento y el potencial”, afirma. “Una vez en bolsa, cambian las expectativas y los accionistas exigen resultados trimestrales consistentes, cumplimiento normativo y fiabilidad a nivel empresarial”.

Amos prevé varios desarrollos positivos, como un mayor énfasis en la estabilidad de plataformas, seguridad, cumplimiento y desarrollo de capacidades específicas por industria tras una salida a bolsa de OpenAI. Al mismo tiempo, espera que los proveedores de IA se alejen de las licencias globales empresariales hacia modelos de precio basados en consumo, en línea con las tendencias del cloud público.

Dado que muchas informaciones apuntan a que OpenAI opera actualmente con pérdidas, Amos cree que la empresa reformulará sus modelos de precios tras su salida a bolsa, probablemente introduciendo tarifas premium para capacidades avanzadas como modelos de gama alta, flujos de trabajo con agentes y orquestación avanzada.

Como respuesta, algunos usuarios adoptarán soluciones de FinOps para la IA con el objetivo de equilibrar consumo y valor de negocio. “Veremos algunos aumentos de precios y creo que surgirán nuevas herramientas o esquemas de licencia para gestionar el coste del ecosistema”, añade.

Nuevo modelo de precios

Días antes de anunciar su salida a bolsa, Anthropic presentó un nuevo modelo de precios medidos para algunos de sus productos. Por su parte, el nuevo modelo de suscripción de capacidad garantizada de OpenAI apunta a una nueva filosofía de precios que desplaza el foco desde la venta de tokens de API flexibles hacia un servicio empresarial predecible, ligado a contratos, que requiere compromisos de gasto multianuales por adelantado, según Eugina Jordan, CEO y cofundadora de YOUnifiedAI. OpenAI también anunció en mayo una nueva empresa de consultoría.

Convertirse en empresa cotizada probablemente incrementará la presión para revisar los precios, señala Jordan. “Una salida a bolsa de OpenAI transformaría radicalmente el panorama para los líderes de TI, pasando de ser un pionero ágil a una entidad pública sujeta a las exigencias de resultados trimestrales de Wall Street”, afirma. “Aunque la entrada masiva de capital podría financiar la infraestructura necesaria para estabilizar los productos empresariales, la realidad inmediata para los usuarios será un giro brusco hacia una monetización agresiva”.

Sin embargo, hay algunas buenas noticias para los usuarios empresariales de IA, ya que han surgido varios competidores relevantes desde que OpenAI abrió el mercado con ChatGPT a finales de 2022, añade Jordan. Anthropic se ha convertido rápidamente en la opción por defecto para desarrolladores empresariales y programación avanzada, Gemini de Google ha aprovechado su amplia distribución en entornos de trabajo y Mistral está consolidando el espacio europeo de código abierto.

“Este impulso hacia ingresos empresariales predecibles llega en un momento en que OpenAI se enfrenta a un paisaje competitivo fragmentado y muy agresivo donde ser el primero ya no garantiza ganar”, añade. “Al igual que Yahoo perdió frente a Google o MySpace frente a Facebook, OpenAI está comprobando que innovar no es lo mismo que escalar, y una salida a bolsa les obligará a madurar rápidamente, justo cuando sus competidores están erosionando su posición en el mercado empresarial”.

Vena también apunta a competidores importantes como Google, xAI y Meta. “Desde mi punto de vista, OpenAI sigue siendo líder, pero ya no controla el relato de la IA sin oposición”, concluye. “Aunque mantiene una fuerte marca y dinamismo de producto, la siguiente fase dependerá menos de quién tenga la demo más espectacular y más de quién pueda ofrecer una IA duradera, segura y rentable a escala”.

Cada vez más compañías incorporan agentes de IA con la expectativa de ganar eficiencia y reducir costes. Pero cuando se analizan los resultados, el impacto real suele ser limitado. Muchas iniciativas no superan la fase piloto o generan experiencias irregulares que obligan al cliente a repetir gestiones o regresar al canal humano.

El problema ya no es la tecnología. Los modelos son accesibles, potentes y evolucionan a gran velocidad. La diferencia está en cómo se entrenan, se integran y se gestionan dentro de la operativa diaria. La IA no falla por falta de capacidad técnica; falla cuando se despliega sin conocimiento del negocio.

La IA no es escalable sin conocimiento operativo

Un agente virtual puede responder preguntas desde el primer día. Lo que no puede hacer sin entrenamiento adecuado es entender cómo funciona realmente la compañía a la que representa.

Cada organización tiene procesos propios, excepciones frecuentes, reglas internas y una forma concreta de relacionarse con sus clientes. Ese conocimiento no está en el modelo de IA. Está en las personas que gestionan la operación cada día.

Cuando ese conocimiento no se traslada al agente conversacional, el resultado son respuestas correctas en teoría, pero desconectadas de la realidad. El agente informa, pero no resuelve. Conversa, pero no ejecuta. Y lo que parecía una mejora de eficiencia termina generando más derivaciones, más fricción y más repetición de contacto.

Por eso muchos proyectos no consiguen ganar dimensión. Para que un agente basado en IA escale de verdad, debe adaptarse a la complejidad real del negocio. Y eso exige método.

Cuatro niveles para entrenar un agente de IA de forma eficaz y segura

Para que un agente de IA sea realmente efectivo en un entorno corporativo, estructuramos su entrenamiento en cuatro niveles críticos que van desde la base del conocimiento hasta la ejecución técnica.

Nivel 1: Estructuración del conocimiento (la base)

Aquí se concentra aproximadamente el 70% del éxito del agente. No basta con proporcionarle información. Es necesario limpiar, curar y estructurar manuales, procedimientos y reglas operativas para convertirlos en una fuente de verdad sólida y sin ambigüedades. El objetivo aquí es garantizar que el agente aprende sobre procesos reales, no sobre documentos desactualizados o contradictorios. Si la base es débil, todo lo demás falla.

Nivel 2: Evaluación operativa (la supervisión)

Una vez que el agente comienza a interactuar con clientes, entra en una fase de supervisión constante. Se revisan conversaciones reales para asegurar que el tono es adecuado y, sobre todo, para detectar posibles respuestas dañinas. Aquí se evitan riesgos reputacionales y errores económicos, como promesas comerciales incorrectas por no entender bien el contexto. Esta supervisión continua convierte al agente en un sistema controlado y fiable.

Nivel 3: Ajuste y calibración (el refinamiento)

En esta fase se aplica criterio humano para pulir el comportamiento del modelo. Si se detectan confusiones o interpretaciones incorrectas, se ajustan las instrucciones internas y el prompting. El objetivo no es que la IA memorice respuestas rígidas, sino que comprenda la intención real del cliente de forma fluida y adaptable. Este nivel marca la diferencia entre un agente que responde y uno que entiende.

Nivel 4: Integración técnica (la acción)

El último nivel permite que el agente deje de ser un informador y se convierta en un verdadero resolutor. Para ello, se conecta con los sistemas internos de la compañía (CRM, ERP o bases de datos corporativas). Es esta integración la que hace posible que el agente consulte un saldo, modifique un contrato o ejecute una transacción de principio a fin de forma segura. Sin integración, la IA conversa. Con integración, la IA actúa.

‘Human in the loop’: operar la IA como operamos un equipo

En la gestión de personas nadie espera resultados sin formación, seguimiento y mejora continua. Con la IA ocurre exactamente lo mismo. El modelo Human in the Loop implica operar la inteligencia artificial con la misma lógica con la que se gestiona un equipo humano: formar, supervisar y mejorar cada día. Revisar conversaciones reales, ajustar comportamientos y corregir desviaciones antes de que impacten en el cliente.

Cuando se aplica esta disciplina, el agente deja de ser un experimento tecnológico y se convierte en una pieza integrada en la mecánica de la relación con el cliente. No trabaja aislado: está conectado a los sistemas, coordinado con los equipos y alineado con los objetivos del negocio.

De proveedor tecnológico a partner estratégico

La conversación sobre IA en experiencia de cliente ha evolucionado. Ya no gira en torno a qué herramienta elegir, sino a quién tiene la capacidad de gestionarla con criterio y conocimiento operativo. Las compañías no necesitan más tecnología. Necesitan capacidad para convertirla en resultados medibles y sostenibles.

Una vez que la IA se integra en la operativa real, el contact center se convierte en el entorno natural donde esa tecnología se entrena, se supervisa y se mejora. Es ahí donde confluyen conocimiento de procesos, visión transversal del cliente y capacidad de ejecución.

Es importante que las empresas del sector abordemos la IA desde esta lógica: no como un producto aislado, sino como una capacidad operativa que se entrena cada día. Por ello, acompañamos a las compañías a lo largo de todo el ciclo de vida del cliente, desde el diseño de la experiencia hasta la operación diaria. No se trata solo de desplegar agentes conversacionales, sino de entrenarlos, supervisarlos, calibrarlos e integrarlos con el mismo rigor con el que se gestiona un equipo humano.

La experiencia de cliente del futuro no se construye instalando tecnología y esperando resultados. Se construye combinando personas y sistemas, incorporando el conocimiento del negocio a cada decisión y gestionando la inteligencia artificial con disciplina operativa.

>

La democratización de los datos ha sido una expresión de moda durante años, pero Chris Gifford, director de datos (CDO) de American Express, sostiene que es mucho más útil pensar en la democratización de la analítica. Hacer que la analítica sea más accesible permite a los empleados, así como a los agentes de IA, en toda la empresa generar insights y actuar en consecuencia dentro de un marco gobernado. “No se trata solo de capturar los datos y luego apilarlos y almacenarlos”, afirma. “Se trata de cómo aceleramos la analítica y, después, el paso de los insights a la acción en el menor tiempo posible”.

Gifford, que ha desarrollado toda su carrera en el altamente regulado sector de los servicios financieros, señala que muchas personas en las empresas han interpretado mal la democratización de los datos, pensando que significaba poder extraer datos de entornos controlados y utilizarlos para tomar decisiones sin controles generales de TI. Este tipo de enfoque genera riesgos operativos, de datos y de privacidad.

“Dejad de sacar los datos de nuestros entornos y os daré todos los controles”, señala. “Configuraré una rápida ampliación de los elementos de datos y nuevas fuentes de datos, y os proporcionaré herramientas que os permitan realizar analítica de vanguardia. Incluso vuestro agente personal de analítica pronto podrá ejecutar análisis”.

Analizar las incertidumbres

Más allá de los riesgos, Gifford explica que permitir a los empleados acceder a datos en bruto, y potencialmente moverlos y almacenarlos fuera de los límites de los controles de gobernanza, además de enturbiar la trazabilidad de los datos, genera ineficiencias que dificultan mucho más aprovechar la IA generativa y la IA agentiva.

“La gente está empezando a darse cuenta de que la forma en que hemos gestionado, expuesto y distribuido los datos puede no ser la mejor de cara al futuro, especialmente si queremos habilitar agentes”, señala Gifford. “Si tienes múltiples copias de datos con distintos filtros según el caso de uso, o con filtros diferentes para distintas personas que han incorporado esos datos a tu arquitectura lakehouse, un agente no va a saberlo”.

Como resultado, la democratización de la analítica en American Express se centra en gran medida en preparar y desplegar los datos para su consumo, averiguando cómo ir más allá de la arquitectura lakehouse y hacerlos fácilmente consumibles por personas, API y agentes.

El equipo de Gifford utiliza IA para recorrer los datos de la compañía, los casos de uso, detectar redundancias, obsolescencia y elementos triviales, y después identificar las fuentes “golden” de esos datos para orientar a los futuros agentes. “También estamos apostando más por que la IA generativa haga recomendaciones sobre los metadatos de negocio”, apunta. “Puede rastrear todo tipo de entornos de datos estructurados y no estructurados para ayudar a entenderlo”.

Más allá de la preparación y el despliegue, la compañía ha comenzado a pilotar y probar capacidades de “hablar con mis datos”, que permiten a los usuarios formular preguntas analíticas utilizando IA generativa.

“Dentro de un entorno muy controlado, con fuentes de verdad (‘golden source’), guardarraíles y otros controles de gobernanza aplicados, hemos activado esta capacidad de ‘hablar con mis datos’ y hemos empezado a experimentar con ella”, explica Gifford. “Hemos aprendido que no basta con llevar los datos de los sistemas actuales o históricos a una plataforma moderna y luego aplicarles gobernanza y controles”.

En los primeros experimentos, diferentes evaluadores obtenían respuestas distintas a las mismas preguntas, y las alucinaciones eran un problema.

“Ese tipo de cuestiones pueden controlarse mejor añadiendo metadatos, ontologías, capas semánticas, grafos de conocimiento, gestión de datos maestros y gestión de datos de referencia”, relata Gifford. “Las grandes inversiones en estos ámbitos solo se traducirán en mayor velocidad, precisión y adopción de estas capacidades de IA en el ámbito de la analítica”.

Recalibración de la compañía

American Express adopta un enfoque basado en el riesgo para la gestión de los datos, aplicando controles escalonados de seguridad, gobernanza y cumplimiento en función de la sensibilidad de los datos y del riesgo organizativo. A medida que la compañía avanza hacia el uso de la IA para su analítica, Gifford afirma que es necesaria una nueva capa de gestión de datos que evalúe el grado de preparación de los datos para la IA generativa y la IA agentiva.

“Esa capa debe indicar que la calidad de los datos y los controles de gobernanza cumplen un mínimo antes de que estemos dispuestos a liberar la IA generativa sobre ellos”, concluye.

Para Carlos Casas, CIO global de BBVA y responsable de la tecnología, procesos, operaciones y seguridad del gigante bancario español, el momento de transformación actual propiciado por el auge de la inteligencia artificial es “estructural” y no solo impacta al ámbito tecnológico, sino a los modelos de negocio de todas las empresas de todos los sectores e incluso a la propia sociedad. Así lo expuso el pasado 27 de mayo en su intervención en el evento Madrid Think 2026, organizado por IBM en la capital, coincidiendo con el centenario de la compañía en España.

En una charla mantenida en el escenario con el presidente de IBM en España, Portugal, Grecia e Israel, Horacio Morell, Casas desveló su visión sobre el mundo de la banca dentro de menos de un lustro, una vez que la IA se haya integrado en toda la operativa de negocio, un elemento que, aseveró, “nos va a cambiar de manera radical”. “Los bancos en general, y BBVA en particular, vamos a tener que transformarnos profundamente. Vamos a tener que inventar una nueva manera de operar, de relacionarnos con nuestros clientes y de gestionar internamente nuestros procesos, operaciones y modelos”, señaló el CIO.

Entre las prioridades que se ha fijado el BBVA, integradas en el plan estratégico del banco, destacan dos, según el directivo. “Una está relacionada con cómo aprovechamos esta ola de cambio para hacer una propuesta de valor mucho más potente para nuestros clientes y con una perspectiva de hiperpersonalización y una aproximación más radical. Es paradójico, pero creemos que gracias a la IA podemos ir hacia a un modelo de banco mucho más humano”.

“Es paradójico, pero creemos que gracias a la IA podemos ir hacia a un modelo de banco mucho más humano”

La segunda prioridad, según Casas, es cambiar radicalmente la tecnología del banco. “Vamos a tener que evolucionar mucho nuestro stack tecnológico tradicional. Por ejemplo, nuestros canales; la manera de relacionarnos con nuestros clientes será distinta y se basará en modelos de lenguaje natural, donde la utilización y la exposición de los datos tendrá que ser en tiempo real y con una contextualización distinta”. Por otro lado, subrayó, “debemos evolucionar nuestra propia arquitectura tecnológica para poder utilizar elementos y componentes de TI que antes no existían, como el acceso a los modelos de lenguaje natural o la construcción a escala de agentes que permitan cambiar de manera muy significativa la manera de operar”.

Esta transformación tecnológica, recordó el portavoz, no está exenta de retos. “La dificultad que vemos es que la IA todavía es una tecnología muy emergente; cada semana aparece algo distinto que nos hace plantearnos soluciones diferentes continuamente”.

Carlos Casas reflexionó, por otro lado, sobre otra realidad: a diferencia de la otra gran transformación que vivió la banca con el auge de internet y la movilidad, que tuvo un gran impacto en el modelo de relación y aproximación al cliente, con el surgimiento de los canales digitales, el cambio actual propiciado por la IA “sí es una transformación profundamente tecnológica y, además, toca de manera muy transversal a todos los procesos”.

Impacto en la plantilla

Esta transformación, apuntó el CIO de BBVA, impacta directamente en la forma de trabajar de las plantillas tecnológicas. “Cuando adoptamos en su día [la metodología] Agile empezamos a trabajar de manera muy distinta, intentando producir en ciclos más cortos, de manera mucho más colaborativa e iterativa y esto transformó cómo operaban las fábricas de creación de soluciones tecnológicas y nosotros mismos. Ahora, las capacidades de codificación basadas en IA están cambiando el paradigma de cuántas personas tienen que trabajar en cada solución y cómo se crea esta. Mientras antes se creaba un diseño funcional que después se pasaba a uno técnico, ahora se aboga por el prototipado rápido, con equipos más pequeños, más multidisciplinares, con herramientas low-code… Esta transformación es relevante porque no solo es tecnológica sino de personas”.

Hacia el terreno inexplorado de la cuántica

Un campo donde BBVA ya está trabajando es en la incipiente tecnología cuántica, “otro ejemplo de la revolución que estamos viviendo en el área de la computación”, según contó Casas. El líder de TI relató cómo la entidad bancaria está trabajando para complementar la computación clásica y la IA más tradicional, “muy determinista”, con la IA generativa y basada en agentes, “en modelos de lenguaje y, por tanto, capaz de aprender patrones”, con los avances cuánticos.

“La computación cuántica es una computación muy distinta que nos permitirá poder computar a escala y resolver problemas que era imposible resolver solo con la clásica, por la gran cantidad de variables que había que computar. De lo que hablamos es de poder analizar sistemas muy complejos y multivariables”, explicó Casas, apuntando que el escenario que atisba BBVA en el futuro es uno marcado por la combinación de distintas naturalezas de computación que ayuden a resolver problemas.

Esta combinación de tecnologías de computación, agregó, será lo que lleve más allá no solo a las empresas sino “los límites de la ciencia y del conocimiento de la humanidad. Nos permitirá entrar en terrenos inexplorados o, mejor dicho, explorados, pero con limitaciones”. Sobre el impacto de este escenario en la banca, en particular, Casas cree que la computación cuántica será “muy útil, por ejemplo, para la resolución de problemas muy probabilísticos, en los que hay que tener en cuenta muchos escenarios, como la medición del riesgo o la valoración de las carteras financieras”. En estas líneas, afirmó, la entidad ya está dando pasos. “También los estamos dando en otros ámbitos, como en criptografía”, un asunto esencial, recalcó, cuando la computación cuántica puede romper la criptografía tradicional.

El CIO recordó que el banco está ya “haciendo algún pinito” en tecnologías que no son puramente cuánticas, pero sí se inspiran en estas para la detección de cuentas mula [cuentas bancarias que usan organizaciones criminales para recibir y transferir dinero de procedencia ilegal] y de incidentes relacionados con lavado de dinero, entre otros. “Con Escolástico [Sánchez, líder de la disciplina Quantum en BBVA] al frente tenemos un equipo que es la envidia del país”, culminó el CIO.

Los CIO que se apresuran a desplegar agentes de IA sin visibilidad real sobre sus procesos de toma de decisiones están coqueteando con el desastre. Según expertos en IA consultados, desplegar agentes sin procesos y herramientas de observabilidad crea una bomba de relojería con un potencial de consecuencias negativas muy graves.

Muchas empresas están desplegando agentes de IA y esperan que aumenten la productividad con poca intervención humana, observa T.J. Marlin, CEO de la firma de seguridad de IA Guardrail Technologies. Ese es un enfoque equivocado, afirma. En su lugar, los equipos de TI necesitan vigilar de cerca a los agentes y ajustar políticas y prácticas a lo largo de todo el proceso agentivo. “No se trata solo de configurarlo y olvidarse”, dice. “Las organizaciones que hacen eso van a salir en las noticias porque les habrá ocurrido algo terrible”.

Muchas organizaciones están desplegando agentes rápidamente por miedo a quedarse atrás, sin entender los matices de la tecnología, señala Marlin. Algunos responsables de TI parecen comparar los agentes con la automatización robótica de procesos (RPA), cuando los resultados de RPA son mucho más deterministas, añade.

“Hay escasez de talento y de conocimiento y las personas están construyendo a gran velocidad sin comprobar si es correcto y si funciona como se espera”, afirma. “Todos esos son rasgos característicos de los peores desastres que he visto a lo largo de mi carrera”.

Un informe reciente del proveedor de gobernanza de agentes TrueFoundry pone cifras a los temores sobre agentes sin regulación. Una encuesta a más de 200 responsables de IA empresarial concluyó que el 54% de las organizaciones representadas no puede rastrear completamente lo que hacen sus agentes y el 56% no tiene un control centralizado de agentes ni una capa de gobernanza.

Aunque TrueFoundry tiene interés en impulsar la gobernanza de agentes, muchos otros expertos en IA ven los mismos problemas.

Gobernar a ciegas

Las dificultades con la gobernanza y la observabilidad son grandes obstáculos para el despliegue de agentes productivos, y muchas organizaciones están desplegando agentes sin crear una lista centralizada de los mismos, afirma Mahesh Kumar Goyal, experto sénior en datos e IA en Google. “La mayoría de las empresas no tienen ningún inventario de los agentes que ya están en producción: intentan gobernar lo que no pueden ver”, recalca.

Además, las herramientas tradicionales de seguridad SIEM y EDR se diseñaron para detectar anomalías humanas, no agentes descontrolados, apunta. “Un agente ejecutando código perfectamente 10.000 veces seguidas parece normal incluso si ha sido comprometido”, dice. Ejecutar agentes totalmente autónomos no es una buena idea, añade, y las organizaciones deben pensar en permisos de herramientas con privilegios mínimos, capas de aplicación de políticas que intermedien cada prompt y llamada a herramientas, y trazabilidad de extremo a extremo que una prompts, llamadas a herramientas y acciones posteriores en un único rastro auditable.

“El sistema financiero no funciona sobre la base de la confianza; funciona sobre la auditabilidad, la conciliación y los mecanismos de corte”, afirma Goyal. “Los agentes madurarán de la misma forma. La autonomía por niveles es la respuesta realista: libertad total en tareas de bajo riesgo, intervención humana en las que tienen consecuencias”.

Parte del problema es que los agentes han trastocado los modelos utilizados para determinar si el software tradicional funcionaba correctamente, añade Adel El Hallak, vicepresidente de software de IA en Nvidia. Con el software tradicional, los profesionales de QA y seguridad podían revisar el código para depurar problemas, pero los agentes toman decisiones en el entorno de ejecución de un modelo de IA.

La fuente de verdad para los agentes reside en las trazas, los registros del flujo de ejecución, no en el código, añade. Recopilar trazas —en esencia, registros detallados— es un punto de partida hacia la gobernanza de agentes, pero las organizaciones necesitan poder actuar sobre esa información, dice. “Para confiar en algo, tiene que ser transparente, y la observabilidad es fundamental para la transparencia”, añade El Hallak. “Pero observar no es suficiente. Necesitamos ser capaces de tomar esas señales y convertirlas en algo accionable”.

La gobernanza de agentes va más allá de la observabilidad y permite a las organizaciones probar y ajustar de forma continua los agentes, señala. Las herramientas existen, con empresas como Nvidia desarrollando sus propios marcos internos de gobernanza y varios otros proveedores ofreciendo herramientas de observabilidad y gobernanza de agentes. “No basta con disponer de los datos de comportamiento, con capturar los datos de retroalimentación”, dice. “El sistema debería permitirme anotar, cambiar, ampliar o crear datos de retroalimentación adicionales, y luego puedo utilizar esos datos para mejorar mi agente en su conjunto”.

El cuello de botella de la gobernanza

Al mismo tiempo, muchas empresas que avanzan hacia la gobernanza de agentes han descubierto que puede convertirse en un gran cuello de botella si se hace mal, afirma Nirmal Ganesh, director sénior de gestión de producto para automatización de flujos de trabajo con agentes en el proveedor de almacenamiento en la nube Box. “No creo que hayamos superado todavía la parte difícil en el despliegue de agentes en la empresa”, dice. “La mayoría de las compañías aún no son buenas en esto, y muchas menos han conseguido hacerlo a escala con gobernanza y observabilidad de agentes”.

Ganesh identifica varios problemas, incluidos agentes que operan sin modelos claros de permisos. “Si un agente puede ver más que una persona o acceder a más de lo que permiten los permisos de un usuario sobre contenidos o datos, eso es un incidente esperando a ocurrir”, afirma.

Sin embargo, algunos modelos iniciales de gobernanza de agentes no escalan. Algunos equipos de TI han optado por que los humanos deban aprobar cada salida del agente porque es la opción más segura, indica. “En realidad, esto supone reconstruir procesos manuales con más puntos de control o de recomendación”, dice Ganesh. “A gran escala, la gobernanza se convierte en tu cuello de botella para escalar y deja de ser tu red de seguridad”.

Las organizaciones necesitan procesos de observabilidad y gobernanza que sean a la vez escalables y completos, añade. El retorno de la inversión de los agentes procederá de controles sólidos, modelos de permisos claros y una participación humana bien definida, afirma. “Toda automatización madura necesita observabilidad continua: los flujos de trabajo cambian, las políticas cambian, las decisiones cambian, aparecen nuevos casos de uso”, agrega. “La intervención humana siempre será necesaria para lo que cambia con el tiempo, pero necesitamos menos intervención en los caminos conocidos y más foco en la gestión de excepciones y el ajuste fino de la gobernanza”.

Observar el resultado no es suficiente

La gobernanza no puede centrarse únicamente en el resultado del agente, añade Marcelo Lorenzetti, fundador y CAIO del proveedor de IA para servicios legales SavvyLex. “El mayor reto no es simplemente si un agente produce una buena respuesta”, afirma. “Es si la organización puede demostrar a qué accedió el agente, qué instrucciones siguió, qué herramientas invocó, qué decisiones tomó, dónde intervino un humano y si se mantuvo dentro de los límites autorizados”.

Sin un nivel completo de visibilidad en tiempo de ejecución, las empresas se quedan con capturas de pantalla, registros y explicaciones a posteriori que pueden no cumplir los requisitos legales, de cumplimiento o de seguridad, afirma.

Los agentes deberían verificarse de forma continua en lugar de confiar plenamente en ellos, añade, con la gobernanza incorporada en la propia arquitectura del agente. Recomienda incluir acceso basado en roles, ejecución sujeta a políticas, umbrales de aprobación humana, procedencia de fuentes y herramientas, registros de actividad inmutables, puntuación de confianza, gestión de excepciones y rutas claras de escalado cuando un agente alcanza el límite de su autoridad.

“La observabilidad no debería limitarse a si el modelo respondió”, afirma Lorenzetti. “Debería mostrar todo el recorrido de la decisión desde la entrada hasta la acción”. Los agentes de IA han cambiado el modelo de gobernanza necesario, añade.

“El problema fundamental es que muchas empresas están pasando de una IA que responde preguntas a una IA que actúa, pero sus modelos de gobernanza siguen diseñados para herramientas pasivas, no para flujos de trabajo autónomos”, concluye.

El vibe coding se está expandiendo más allá del ámbito de los equipos de desarrollo de software hacia diversas unidades de negocio en distintas empresas, y los líderes tecnológicos no solo están apoyando estos esfuerzos, sino que en algunos casos están liderando el impulso.

Esta democratización del desarrollo de software, impulsada por herramientas de vibe coding —incluidos chatbots y agentes que generan código a partir de prompts—, ha convertido esta práctica en algo habitual en departamentos como recursos humanos y marketing.

Con la guía de TI, estos esfuerzos pueden reducir los atrasos en desarrollo, acercar la construcción de soluciones a los problemas de negocio y abrir oportunidades que antes no se abordaban. Pero el vibe coding puede ser arriesgado. Los líderes de TI interesados en liberar el potencial del vibe coding en manos de usuarios de negocio deben establecer la gobernanza y los controles necesarios para garantizar resultados seguros.

A continuación, contamos cómo varios CIO están desplegando el vibe coding más allá de TI y a los retos a los que se han enfrentado.

Sintiendo el vibe

En el proveedor de tecnología para servicios financieros EnFi, se anima activamente a toda la organización, incluida la capa directiva, a utilizar Claude Code para crear sus propios subagentes y después lograr que sus equipos usen esas creaciones. “Los resultados nos han sorprendido”, afirma Scott Weller, CTO. “Lo que empezó como una iniciativa de productividad de ingeniería se ha convertido en una capacidad para toda la empresa, donde cualquiera, desde el CEO hasta un responsable de éxito de cliente, puede convertir una idea en un prototipo funcional en horas, no semanas”.

El vibe coding con la herramienta se expandió rápidamente cuando los empleados no ingenieros se dieron cuenta de que podían participar directamente en la construcción de aplicaciones, señala Weller. “Producto, éxito de cliente y stakeholders ejecutivos ahora inician con frecuencia trabajo de desarrollo a través del mismo sistema”, afirma. “Cada iniciativa, independientemente de quién la impulse, pasa por los mismos controles automatizados de calidad, revisiones arquitectónicas y revisión humana del código antes de llegar a producción”.

Cuando un agente de IA escribe código, “sigue las mismas reglas que un ingeniero senior”, explica Weller. “La revisión de código basada en IA detecta violaciones arquitectónicas, problemas de seguridad e inconsistencias de patrones antes de que lo vea un revisor humano. Esto significa que el resultado de una solicitud de Slack de un responsable de producto cumple el mismo nivel de calidad que un pull request de un ingeniero.”

Permitir que cualquier persona de la empresa tenga una idea y la vea funcionar simplemente pidiendo a un bot que la construya “ha cambiado fundamentalmente quién participa en la creación del producto”, añade Weller.

Hacer accesible la codificación asistida por IA ha reducido el tiempo de algunos proyectos de semanas a horas. “Ha incrementado drásticamente el número de experimentos que podemos hacer en mejoras de experiencia de usuario, exploración de funcionalidades y alternativas de flujos de trabajo”, afirma.

El beneficio más significativo es que las nuevas ideas de desarrollo ya no se ven frenadas por la falta de capacidad de ingeniería. “Cuando cualquiera puede describir lo que quiere y verlo construido, la tasa de experimentación aumenta enormemente”, añade.

El impulso de crear soluciones a problemas de negocio

Skillsoft, proveedor de formación tecnológica, también está impulsando el vibe coding fuera de sus equipos de desarrollo. “Aunque inicialmente surgió dentro de TI, hemos sido intencionados al fomentar esta mentalidad más allá del desarrollo de software tradicional”, afirma Orla Daly, CIO. “Vemos un valor real en permitir que equipos de toda la organización exploren, experimenten y resuelvan problemas usando IA de formas directamente conectadas con su trabajo diario.”

En infraestructura y operaciones, personas sin perfil de desarrollo están creando nuevos productos y capacidades o aplicando los principios del vibe coding para resolver incidencias en producción. “Hemos visto experimentación transversal, como prototipos de soluciones de inteligencia de cliente para equipos de go-to-market y el desarrollo rápido de un portal de clientes”, explica Daly. “Cuando las personas aprenden y aplican IA a un problema real de negocio, se genera propósito e impulso”.

Con el vibe coding, los equipos no solo aprenden conceptos nuevos, “también desarrollan criterio, curiosidad y una mejor comprensión de cómo la IA puede elevar su rol y el negocio”, añade. “Los beneficios son tangibles: aprenden más rápido, aumenta el engagement y la organización gana visibilidad sobre las capacidades existentes y su evolución”.

De forma más amplia, el vibe coding apoya la adaptabilidad. “Ayuda a pasar de ver la IA como algo abstracto o intimidante a algo con lo que pueden trabajar con criterio y colaboración, no con procesos rígidos”, afirma. “Las soluciones creadas han cubierto carencias de capacidad y llegado a producción en menos tiempo, generando valor real”.

Foco en la experimentación

En Corevist, plataforma de ecommerce, el uso extendido del vibe coding no surgió como iniciativa formal. “Apareció en distintas áreas, sobre todo en ventas y equipos de cara al cliente, porque la gente quería moverse más rápido y comunicar mejor sus ideas”, señala Terry Stahler, CIO y chief customer officer. Tampoco se expandió solo: “Sin liderazgo impulsando la experimentación, habría avanzado mucho más despacio”, añade.

Hoy se usa sobre todo como herramienta de prototipado. “Ayuda a concretar ideas más rápido, lo que hace las conversaciones más claras. Ese es el mayor beneficio”, dice. “No lo usamos como atajo hacia software en producción: todo lo que va más allá de prototipo pasa por nuestros procesos de ingeniería y seguridad”.

Ventas fue el primer caso de uso, con prototipos en tiempo real durante el proceso comercial. Esto reduce la ambigüedad y facilita validar si se entiende bien la necesidad del cliente.

Marketing también lo ha usado para la actualización de la web. “El valor es la velocidad en fases creativas y de planificación”, señala Stahler.

Complemento de ingeniería

ZenBusiness promueve el vibe coding “de forma transversal”. “Si la IA te ayuda a pasar de una idea a algo funcional sin esperar a ingeniería, queremos que lo hagas”, afirma su CTO, Alex Victoria.

Se ha extendido a múltiples áreas: análisis de datos, prototipos de producto y tareas antes externalizadas. “La cultura es que la experimentación no es solo para ingenieros”. El “gran desbloqueo” llegó en 2025 con Claude Code, junto a herramientas como Cursor y Codex. “Si alguien puede crear un prototipo en una tarde en vez de esperar semanas, cambia qué merece la pena hacer”.

Retos

La adopción masiva del vibe coding plantea retos. Uno es mantener la calidad. En EnFi lo han abordado con reglas y más de 40 “skills” que alinean el código con patrones arquitectónicos.

En Agiloft, el principal reto es organizativo: entender cómo se realiza realmente el trabajo y gestionar confianza y adopción. También han tenido que abordar control de accesos, identidad y gestión de datos mediante procesos formales de aprobación.

En iCore, el reto fue generar confianza en usuarios no técnicos, mediante formación entre pares.

La gobernanza es clave, especialmente en sectores regulados como salud, definiendo límites y controles de cumplimiento para evitar riesgos regulatorios.

El futuro de la codificación

Las organizaciones planean ampliar el uso del vibe coding. iCore ya lo extiende a marketing y recursos humanos, en áreas como contenidos y automatización documental. Agiloft busca convertirlo en práctica estándar, con un modelo operativo de IA cohesivo. EnFi lo está ampliando a más funciones: “Describe lo que quieres, míralo construido, revísalo y decide.”

Las organizaciones que dominen el desarrollo asistido por IA internamente “serán capaces de desplegar flujos de trabajo basados en IA para sus clientes con la calidad, gobernanza y fiabilidad que exigen los sectores regulados”, concluye Weller. “La práctica interna es la prueba”.

Cuestión de fallos en la medición. Así quiere comenzar Alberto Bellé, analista principal de Foundry España, este reportaje dedicado a las estrategias de IA de las empresas y el peligro de desarrollarlas sin poner a las personas en el centro.

Gartner lo advierte en uno de sus últimos informes: para 2027, el 50% de las empresas sin una estrategia de inteligencia artificial (IA) centrada en las personas perderá su talento de inteligencia artificial.

Swagatam Basu, analista senior de la consultora, no puede ser más claro: “En el cambio a una fuerza laboral impulsada por IA, la mayoría de los líderes están confundiendo el acceso básico o las métricas de adopción para la transformación”. En consecuencia, Basu lo tiene claro: “Esta “ilusión de habilitación” está ocultando riesgos y agotando el ROI”.

El dedo en la llaga

Eso es lo que hace Alberto Bellé a petición de CIO España. Al ser reclamada su opinión por esta cuestión, responde a través de correo electrónico que “la IA llegó con la promesa de igualar capacidades a gran velocidad, y democratizar”.

“De hecho, lo puede hacer —recalca—. Sin embargo, está concentrando las mejoras de productividad en la parte alta de la jerarquía. Es decir, está haciendo lo contrario: aumentar las diferencias. El informe apunta a la formación y el soporte, pero el problema no es solo de capacidades. Es de libertad de uso”.

Bellé considera un error tratar de entender la IA con análisis parciales. “Debatimos si hay que usarla en muchas tareas o en pocas, si el ahorro de horas es la métrica correcta, si la adopción se mide en licencias o en profundidad de uso. Son conversaciones tácticas sobre una tecnología con un impacto que todavía no hemos entendido”, explica al respecto.

Lo que le lleva a concluir que “no lo entendemos porque la estamos interpretando con un esquema mental anterior: el de la herramienta que se compra, se despliega, se mide y se amortiza”.

Para que todos lo entendamos claro, “la IA no encaja en ese molde”, destaca este analista. No se puede concebir como una herramienta más en el catálogo de la empresa. “Es un cambio radical en cómo la organización decide y organiza y realiza el trabajo”, apostilla.

Su conclusión es diáfana: “Seguir midiéndola [la IA] con reglas de ofimática es el verdadero espejismo”.

No, no es transformación real del trabajo

Existe una tendencia cada vez mayor en las empresas de confundir adopción de la IA con trasformación real del trabajo.

“Muchas empresas confunden adopción de IA con transformación porque están comprando herramientas, no rediseñando el trabajo”, defiende Cristina Villanova, directora general de TalentHackers del Grupo Catenon.

Villanova expone a continuación que la IA no transforma por sí sola: hay que revisar procesos, roles, capacidades y cultura.

“Si sólo se incorpora tecnología sin formación, sin acompañamiento y sin explicar cómo va a cambiar el trabajo de las personas, aparecen la desconfianza, el miedo y el uso descontrolado de herramientas externas”, añade.

En opinión de la directora general de TalentHackers del Grupo Catenon, la verdadera transformación ocurre cuando la IA se integra en la estrategia de talento: qué tareas automatizar, qué capacidades desarrollar y cómo convertir a los equipos en profesionales aumentados, no sustituidos.

“La pregunta no es sólo “qué IA vamos a usar”, sino “qué organización queremos construir con IA”, dice de nuevo.

Pero ¿puede existir una transformación efectiva? Sí. Y así lo defiende David López, director de Operaciones y Preventa de Factum: “Aparece cuando la IA se acompaña de formación, gobierno, adaptación cultural y una estrategia clara sobre cómo potenciar el trabajo humano”.

David López explica que el valor no está únicamente en automatizar, sino en aumentar capacidades, acelerar decisiones y mejorar la eficiencia de forma sostenible.

“Una pregunta sencilla suele aclarar dónde está cada compañía: ¿qué procesos hace ahora que antes no podía hacer? Si la respuesta es “lo mismo, pero más rápido”, es adopción; si es “algo nuevo”, es transformación”, añade.

Escenarios

Antonio Cruz, director de AI Workforce de Microsoft España, interviene en este punto del reportaje para explicar en qué forma han de transformar las empresas la organización de su trabajo.

“En Microsoft observamos que ambos escenarios responden a niveles de madurez muy diferentes. La productividad individual es únicamente el punto de partida, no el objetivo final de la transformación”.

Cruz defiende que, en numerosas organizaciones, la implantación de la IA se limita todavía a proporcionar herramientas aisladas para acelerar tareas concretas, como resumir reuniones, redactar documentos o generar presentaciones.

“La adopción real —dice— no se mide por el número de licencias activas, sino por la capacidad de rediseñar procesos completos alrededor de la tecnología. El principal riesgo para muchas organizaciones es quedarse únicamente en esa primera capa de automatización”.

Entonces, ¿cuándo se puede hablar de transformación real del trabajo? “Se produce cuando las organizaciones evolucionan hacia lo que nosotros definimos como Frontier Transformation, un modelo operativo en el que la inteligencia artificial deja de ser una herramienta puntual y pasa a integrarse de forma estructural en la manera en la que las personas trabajan, colaboran y toman decisiones”.

Cambio que, según sostiene, implica rediseñar procesos, modelos de colaboración y formas de trabajo alrededor de la IA.

Detalle este muy a tener en cuenta, pues no hace más que reflejar la denominada “paradoja de la transformación”, tal y como defiende el director de AI Workforce de Microsoft España.

El informe Work Trend Index 2026 de Microsoft destaca que, mientras el 65% de los profesionales teme quedarse atrás si no adopta rápidamente la IA, un 45% reconoce sentirse más seguro manteniendo sus métodos actuales de trabajo en lugar de transformarlos.

“Asimismo, sólo un 13% percibe que realmente se recompensa el rediseño de procesos y nuevas formas de trabajo impulsadas por la inteligencia artificial”, apunta de nuevo.

Riesgo de perder perfiles valiosos

“La pérdida de capital humano especializado sitúa a las empresas en una posición de desventaja operativa y competitiva”, determina Antonio Cruz.

“De hecho —prosigue—, la escasez de talento ya se ha convertido en uno de los principales cuellos de botella de la transformación digital. Según datos de IndesIA, el 50% de las ofertas de empleo relacionadas con IA en España no pudieron cubrirse el pasado año por falta de perfiles adecuados”.

En opinión de este especialista de Microsoft, prescindir de profesionales cualificados ralentiza los proyectos de innovación y también puede dificultar seriamente la transición desde la experimentación hacia la producción real.

“Muchas compañías quedan atrapadas en el denominado piloto eterno, es decir, organizaciones capaces de lanzar pruebas de concepto, pero incapaces de industrializar la IA por falta de perfiles que gobiernen el dato, integren la tecnología en los procesos, garanticen el cumplimiento regulatorio o gestionen arquitecturas seguras y escalables”, dice Antonio Cruz.

Porque perder perfiles especializados en IA implica perder mucho más que capacidad técnica. “Supone perder criterio estratégico”, sentencia Cristina Villanova.

“Son quienes pueden traducir la tecnología en casos de uso reales, seguros y con impacto en negocio”.

Además, la directora general de TalentHackers del Grupo Catenon reconoce que el riesgo es quedarse con herramientas, pero sin el talento capaz de aplicarlas bien. “Eso puede ralentizar la innovación, aumentar la dependencia de proveedores externos, generar errores en la adopción y dificultar la atracción de nuevo talento”, prosigue.

Y lo que es peor: “Perder a estos perfiles puede convertirse en una pérdida directa de competitividad en un mercado donde la IA redefine productos, procesos y modelos operativos”, concluye este apartado.

Y no hay que olvidar, como apunta Ismael Benito, ingeniero de Ventas en Applivery, la fuga de talento que más duele no es la del científico de datos que se va a otra empresa, sino la del responsable IT con 10 años conociendo tu infraestructura, que se frustra porque le prohíben usar herramientas de IA “por política de seguridad”, mientras en su casa resuelve en minutos lo que en la oficina le lleva días.

“El talento crítico hoy no es quien sabe programar IA —asegura—, sino quien sabe combinar conocimiento de dominio (UEM/MDM, infraestructura, procesos) con herramientas de IA para resolver problemas reales.

El valor de los referentes…

Un escenario particular, con múltiples interpretaciones. Joseba Bilbao, director de desarrollo de Negocio del Grupo LKS Next, considera que a corto plazo los “referentes en IA” son un valor relevante para las organizaciones, pero no tanto desde el enfoque que se adivina en la pregunta referido a potencial pérdida de conocimiento diferencial.

“Son un valor relevante —dice— porque han de ser los anclajes sobre los que pivotar la diseminación del conocimiento y uso de la IA en todos los departamentos de la compañía”.

No hay que olvidar, como expone este experto, que la IA se va a convertir, progresivamente, en una comodity. De ahí que sostenga que la construcción de productos y soluciones ad hoc, como es el caso de copilotos, agentes, flujos adecuados a cada realidad empresarial y a cada función generados desde el conjunto de profesionales de la empresa, “va a decantar la ventaja competitiva frente a la competencia”.

… y de invertir en formación y recualificación personal

De todas formas, Antonio Cruz quiere apuntar que esta situación también está acelerando la necesidad de invertir en formación y recualificación dentro de las propias organizaciones.

A modo de ejemplo, explica que, según un estudio de LinkedIn, cerca del 70% de las habilidades requeridas para muchos puestos de trabajo en 2030 todavía no forman parte de las competencias actuales, lo que convierte la capacitación continua en un elemento estratégico para que las empresas puedan mantener su competitividad y aprovechar todo el potencial de la inteligencia artificial.

Miedo a la sustitución laboral

Miedo. Esa sensación a que lo desconocido traiga consigo desgracias. En este caso, eliminación de empleos, sustituciones laborales.

Así que es lógico que, cuando las personas sienten que la IA llega para reemplazarlas, no experimentan, no comparten aprendizajes y pueden percibir la tecnología como una amenaza”, según dice Cristina Villanueva. “En cambio, cuando la compañía explica cómo la IA va a aumentar sus capacidades, qué nuevas habilidades serán necesarias y cómo les va a acompañar, la adopción es mucho más natural”, admite también.

Por eso la clave para esta especialista está en pasar del mensaje “la IA sustituye tareas” al de “la IA aumenta profesionales”.

“El miedo a la sustitución laboral frena la adopción real de la IA porque genera resistencia, ocultación y baja participación de los equipos”, expone.

El resultado es un contexto que puede generar resistencia al cambio, menor colaboración y uso poco transparente de herramientas externas.

“Por el contrario, las organizaciones que comunican la IA como una capacidad orientada a reforzar productividad, creatividad y especialización suelen lograr una adopción más madura y alineada con negocio. Aquí pesa especialmente el papel del mando intermedio: una misma realidad cambia por completo si se transmite como “la IA va a hacer este trabajo” o como “la IA se va a hacer cargo de la parte repetitiva para que dediques tiempo a X”, defiende David López

Para el director de Operaciones y Preventa de Factum, la clave está en integrar la IA dentro de un modelo donde las personas mantengan un papel central en supervisión, criterio y toma de decisiones, y donde existan espacios seguros para experimentar sin que ello penalice los resultados del empleado.

“Shadow” AI

Y es aquí cuando nos encontramos con el Shadow AI o IA en la sombra, en su acepción en español. Con esta expresión anglosajone se explica el uso de herramientas de inteligencia artificial dentro de una organización sin el conocimiento, control o aprobación oficial de la empresa. Ejemplo, un trabajador usando ChatGPT o un generador de código con datos de la empresa sin autorización.

El informe Cyber Pulse de Microsoft concluye que el 29% de los empleados reconoce haber utilizado agentes de IA no autorizados para realizar tareas laborales, mientras que únicamente el 47% de las organizaciones afirma haber implantado controles de seguridad específicos para la IA generativa.

“Esta brecha entre la velocidad de adopción y la capacidad de gobernanza es precisamente lo que está disparando la preocupación dentro de las compañías”, reconoce Antonio Cruz.

“Este uso indiscriminado puede dar lugar a brechas de seguridad, responsabilidades ante terceros —clientes— para los que hay que cumplir determinados requisitos contractuales o de homologación; o responsabilidades legales por incumplimiento de la normativa vigente por ejemplo relativa a protección de datos; o finalmente por pérdida de secretos profesionales o de propiedad industrial o intelectual”, añade también el director de desarrollo de negocio del Grupo LKS Next.

“Como siempre, la sensibilización y la formación son el primer paso para evitarlos”, apostilla.

No obstante, Alberto Bellé regresa a este punto del reportaje para aclarar que el Shadow AI no es un fallo de gobernanza.

“Hay que verlo como una reseña no oficial del producto corporativo”, dice, para desarrollar su explicación: “Si interpretamos el uso de IA personal como una indisciplina que hay que controlar, estamos mirando el efecto y no la causa”.

Es más, el analista principal de Foundry España defiende que el empleado tiene razones para preferir su propia herramienta. “La solución está en conocerlas, mejor que en aplicarle restricciones”, recomienda.

O como también recomienda Cristina Villanueva, “el reto no es prohibirlo, sino canalizarlo con gobernanza, formación y una estrategia clara de adopción”.

De todas formas, Antonio Cruz reconoce también que las organizaciones más avanzadas ya están entendiendo que la respuesta pasa por ofrecer entornos autorizados, seguros y gobernados que permitan experimentar con esta tecnología sin comprometer la seguridad ni el cumplimiento normativo.

“El reto real —dice— no es impedir que los empleados utilicen IA, sino conseguir que lo hagan dentro de un marco corporativo seguro, transparente y alineado con los objetivos del negocio”.

Necesidad de un liderazgo y cultura empresarial

¿Y todo esto cómo encaja en la realidad cultural de cada empresa? ¿Quién debe dar el paso a la hora de dirigir su implantación?

“Las compañías que quieran integrar la inteligencia artificial sin deteriorar el talento humano necesitan entender que esta transformación es mucho más cultural y organizativa que tecnológica”, admite el director de AI Workforce de Microsoft España.

En su opinión, la cultura corporativa, el apoyo de los directores o las políticas de talento tienen más del doble de impacto en la adopción efectiva de la IA que las capacidades individuales de los empleados.

“Esto obliga a evolucionar hacia modelos de trabajo híbridos donde personas y agentes inteligentes colaboran de forma coordinada”, dice, por lo que, en su opinión, “el liderazgo deja así de centrarse únicamente en supervisar tareas para pasar a dirigir sistemas de colaboración entre personas y agentes, fijando objetivos, límites y criterios de decisión”.

O como expone Joseba Bilbao, “aquellas compañías que se caracterizan por la transparencia real en las estrategias y en la toma de decisiones; son conscientes de que su valor añadido, cuando toda su competencia utilice de manera ordinaria las distintas herramientas y soluciones de IA, estará en el saber hacer y la visión de sus profesionales; y tenga la flexibilidad suficiente para evolucionar e incluso transformarse radicalmente sabiendo que su sostenibilidad descansa en el valor aportado a su compañía, a sus trabajadores y a su entorno social, contará mayoritariamente con su talento humano”.

Cultura corporativa que, además, debe impulsar aprendizaje continuo, adaptación y participación activa de los equipos en la evolución tecnológica, tal y como cree David López.

“Los empleados necesitan comprender cómo impacta la IA en su trabajo y qué capacidades les permitirán evolucionar junto a ella”, explica, para decir a continuación que el mando intermedio es casi siempre la palanca decisiva. “Es la capa con mayor influencia sobre la conducta diaria del equipo y la que más necesita acompañamiento específico, formación práctica y métricas que reconozcan a quienes redistribuyen trabajo con apoyo de la IA”.

Y sin olvidar la transparencia, que en este escenario adquiere una relevancia fundamental según el director de Operaciones y Preventa de Factum.

“Las compañías que explican objetivos, límites y modelos de uso generan mayor confianza y aceleran la adopción. La IA ofrece mejores resultados cuando se integra como una capacidad que amplía el potencial humano y fortalece la toma de decisiones dentro de la organización”, dice para concluir este reportaje.

En un contexto de migración a la nube, transformación digital y, ahora, de impulso hacia la adopción de IA, los CIO se enfrentan a la necesidad real de ejecutar de forma adecuada la modernización; no obstante, el sector pone de manifiesto que los proyectos de modernización pueden no cumplir con los beneficios prometidos y sufrir sobrecostes, incluso cuando crece el interés por renovar las tecnologías heredadas.

CIO, otros líderes tecnológicos empresariales y expertos ofrecen recomendaciones sobre algunos de los errores más comunes en la modernización y cómo evitarlos.

Superponer nuevas tecnologías sobre sistemas heredados

La experiencia ha enseñado a Bill Pappas, quien como vicepresidente ejecutivo y responsable global de tecnología y operaciones ha gestionado la modernización de TI en la empresa de 158 años MetLife, que los CIO deben evitar “superponer nuevas tecnologías sobre sistemas heredados obsoletos y excesivamente complejos”.

“La modernización no es una carrera por desplegar las herramientas más nuevas; es un esfuerzo disciplinado para crear valor empresarial”, afirma Pappas. En la mayoría de los casos, dice, las nuevas tecnologías, especialmente la IA, no pueden añadirse sin más a la infraestructura existente. “En lugar de impulsar la transformación, las organizaciones acaban con soluciones caras que no pueden escalar ni integrarse adecuadamente. Estos sistemas también introducen riesgos adicionales de seguridad y cumplimiento, dejando a las organizaciones vulnerables a brechas y fallos regulatorios”, señala.

El punto de partida para los CIO debería ser, en cambio, la simplificación, lo que incluye fortalecer las bases de datos, optimizar los sistemas heredados y vincular las iniciativas de TI con los objetivos de negocio y los resultados para el cliente. “Al centrarse en la simplificación, la seguridad y la alineación estratégica, los CIO pueden desbloquear la transformación sin caer en las trampas creadas por la tecnología obsoleta”, añade.

Pasar por alto el encaje cultural y de liderazgo

Doug King, CIO de ePlus, advierte a los CIO de que un enfoque aislado de la modernización conlleva riesgo de fracaso, porque ignora los cambios más profundos en cultura y liderazgo necesarios para llevar a la organización hacia una visión compartida de transformación.

El riesgo es que los esfuerzos de modernización se conviertan en una serie de proyectos desconectados en lugar de una transformación coherente y continua que beneficie a toda la organización. “Ignorar la alineación implica riesgo de desperdiciar recursos y que las inversiones no aporten valor significativo al negocio”, añade. Su consejo a los CIO es involucrar a líderes transversales, clarificar los roles de toma de decisiones y centrarse en la narrativa de transformación empresarial. “Los CIO deben hacer de la construcción de confianza y la alineación organizativa elementos centrales de su estrategia, asegurando que cada equipo entiende la visión global y trabaja en conjunto hacia ella”, afirma.

Por encima de todo, las organizaciones deben identificar y articular claramente lo que esperan lograr y mantener el foco en por qué se modernizan. “La modernización no es un camino único que la organización recorre; es un viaje continuo”, señala.

Tratar la migración a la nube como meta final

Muchas organizaciones declaran el éxito una vez que las aplicaciones se trasladan a la nube, pero esa mentalidad puede frenar la modernización justo cuando debería acelerarse. Andy Tay, responsable global de Accenture Cloud First, advierte de que la migración a la nube a menudo se confunde con transformación. “La migración a la nube no es la meta; es el punto de partida”, afirma Tay.

Sin una modernización continua —que abarque arquitectura, datos, modelos operativos y formas de trabajo—, las plataformas cloud pueden tener dificultades para generar valor de negocio sostenido o respaldar la innovación impulsada por IA. “Las organizaciones líderes modernizan mientras migran y tratan la nube como un habilitador de negocio, no solo como un proyecto de TI”, señala.

Los CIO deben considerar la nube como una plataforma viva, mejorada de forma continua mediante automatización, seguridad por diseño, gobernanza de costes y operaciones habilitadas por IA, en lugar de un hito puntual de migración, añade Tay.

Repetir errores del ‘cloud’ al adoptar la IA

Las organizaciones —y los CIO— están sometidos a una intensa presión para avanzar rápidamente en la adopción de IA, pero la velocidad no debe eclipsar la seguridad, advierte Richard Amos, CIO de Blue Mantis. “La rápida aceleración de la adopción de IA en la empresa me recuerda a los primeros días de la transformación del cloud público”, afirma Amos.

Al igual que con la nube, la IA requiere un enfoque sólido para proteger datos, modelos y agentes. “El riesgo es aún mayor con la IA agentiva, que automatiza flujos de trabajo complejos basados en conocimiento, pero también amplía significativamente la superficie de ataque”, señala.

La IA agentiva, en particular, exige una gestión rigurosa de identidades y accesos a datos, tratando a los agentes como identidades digitales de primer nivel, con acceso de privilegio mínimo, limitado a tareas, acotado en el tiempo y supervisado de forma continua, según Amos. “Cualquier otra cosa genera riesgos innecesarios. La validación humana también debería ser obligatoria para acciones sensibles que afecten a ámbitos financieros, legales o impacten en el cliente”, indica.

Su recomendación es no descuidar controles sólidos de seguridad y privacidad de datos, especialmente en industrias reguladas, como ofuscación de datos, cifrado, gestión del ciclo de vida y supervisión clara de proveedores. Se recomiendan prompts en capas, filtros de entrada/salida y mecanismos explícitos de autorización antes de invocar herramientas o API, para evitar inyecciones de prompts y usos indebidos.

La mejor práctica es alinear la IA agentiva con estándares de gobernanza y regulación mediante una oficina de gobierno de IA transversal que garantice el cumplimiento de las normativas actuales y emergentes. “La IA agentiva ofrece un potencial transformador, pero sus beneficios solo se materializarán con una seguridad y gobernanza robustas”, añade.

Pasar por alto una base sólida de calidad de datos

Los CIO suelen enfocar la modernización como una renovación tecnológica y centran su atención en nuevas plataformas, migraciones a la nube y herramientas de última generación, pero a menudo descuidan el elemento fundamental: “la calidad de los datos y su integración”, afirma Conal Gallagher, CIO y CISO de Flexera.

“Esto se convierte en una trampa porque la modernización sin datos limpios y conectados está condenada a fracasar. Una gobernanza deficiente de datos y sistemas fragmentados crean puntos ciegos que socavan la analítica, la automatización y la toma de decisiones”, explica. El problema es que los CIO asumen que actualizar los sistemas mejora automáticamente la integridad de los datos, pero la modernización amplifica la complejidad cuando no se prioriza la integración. “En lugar de reducir los silos, las organizaciones pueden acabar apilándolos aún más”, señala.

La adopción de IA, que requiere datos integrados y de alta calidad, puede agravar el problema, generando insights erróneos y erosionando la confianza. “Con las empresas integrando IA a un ritmo tan rápido este año y en el futuro cercano, esto se convierte en un punto de fricción mucho mayor”, afirma.

Gallagher recomienda que los CIO inicien cualquier iniciativa de modernización con políticas de gobernanza de datos y busquen unificar los datos entre proveedores y plataformas. Las estrategias de datos deben vincularse a resultados de negocio para garantizar que la usabilidad sea una métrica clave del éxito de la transformación. “Si los equipos no pueden acceder a los datos ni confiar en ellos, el retorno de la inversión de la modernización seguirá siendo esquivo”, añade.

Por encima de todo, los datos deben tratarse como un producto que requiere un enfoque transversal entre unidades de negocio, seguridad y TI. “La modernización no se completa cuando se actualizan los sistemas; se completa cuando los insights son precisos, oportunos y accionables”, señala.

Ignorar la ‘deuda emocional’ de la tecnología heredada

“Todo el mundo habla de deuda técnica, pero convenientemente ignora o evita el daño emocional que conlleva”, afirma John Boesen, chief digital information officer de Plan A Technologies. Es un guion familiar para muchos: años de cambios inesperados, proyectos fallidos y promesas incumplidas generan un cinismo silencioso dentro de los equipos. “Todos lo hemos visto: la dirección anuncia un gran impulso de modernización, pero en el fondo nadie se lo cree, aunque nadie lo diga en voz alta. Esa duda es real”, afirma.

Para sentar las bases del éxito, Boesen es partidario de realizar “postmortems futuros”, que pueden parecer contraintuitivos como sesión de planificación. “Reúne al equipo y redacta un postmortem fechado dos años en el futuro, asumiendo que la modernización ha fracasado. Después pregunta: ‘¿Por qué ocurrió? ¿Quién sufrió las consecuencias? ¿Qué salió mal?’”, explica. “Un postmortem futuro expone riesgos que nadie menciona en reuniones tradicionales y conduce a una hoja de ruta mucho más honesta y realista”.

No vincular la modernización al valor de negocio

“Incluso cuando las empresas invierten grandes sumas en IA, cloud y automatización, la tasa de fracaso sigue siendo obstinadamente alta”, afirma Matthew Guarini, director ejecutivo del Technology Business Management Council y exCIO de National Grid en EE. UU. Guarini cita investigación de McKinsey según la cual el 70% de las iniciativas de transformación digital no cumplieron sus objetivos en 2025, a pesar de años de esfuerzos y billones de dólares invertidos. “Un gran desafío de la modernización de TI es la dificultad que tienen las empresas para obtener valor de sus inversiones tecnológicas”, señala.

Y con un panorama tecnológico empresarial cada vez más complejo y el riesgo real de fracaso, los CEO y CFO son cautelosos a la hora de invertir, según Guarini. En su lugar, los CIO deben conectar los recursos tecnológicos con resultados de negocio como aumento de ingresos, mayor productividad, más innovación o mejora de la sostenibilidad. “Sometidos a la presión de modernizarse, los CIO deben utilizar la tecnología para generar valor a partir de sus inversiones en TI, pero la mayoría de líderes tecnológicos se centran de forma desproporcionada en los aspectos técnicos de sus innovaciones en lugar del verdadero objetivo de la modernización: ofrecer valor a clientes y empleados”, afirma.

Tratar la modernización como un cambio ‘big bang’

Otra vía que puede llevar al fracaso es asumir que la modernización debe ocurrir de una sola vez. Cuando las organizaciones hablan de modernización, suelen pensar en extremos. “Cuando la gente piensa en modernización, a menudo imagina reemplazarlo todo de golpe o mantener dos mundos paralelos en conflicto”, señala Boesen.

En su lugar, propone crear zonas deliberadas donde sistemas heredados y modernos trabajen lado a lado, cada uno con un propósito claro. “Esto reduce la disrupción, controla los costes y permite que el cambio se produzca a un ritmo que la organización pueda absorber realmente. Es una forma más realista y más humana de abordar un proceso que suele ser más complejo de lo que parece”, afirma.

Boesen compara los entornos de TI con ciudades más que con máquinas. “Algunos barrios son completamente nuevos, otros son históricos, y siempre hay obras en algún lugar”, explica. El reto para los CIO no es reconstruirlo todo de una vez, sino decidir qué áreas renovar primero para generar el mayor impacto. “Para priorizar, el camino es sencillo: escuchar a las personas más cercanas a los problemas y dar peso al impacto. Así es como se pone el foco en lo que realmente mueve la aguja”, concluye.

Una gran mayoría de grandes empresas ha reducido plantillas tras desplegar iniciativas de inteligencia artificial, pero disminuir el número de empleados no conduce al retorno de la inversión que los directivos esperan. El 80% de las grandes compañías encuestadas por Gartner ha informado de reducciones de plantilla después de poner en marcha proyectos de automatización, con recortes medios de entre el 1% y el 15%. Sin embargo, la firma de análisis no ha encontrado ninguna correlación entre los despidos y el ROI de la IA.

Las empresas que declaran obtener un ROI significativo de sus iniciativas de automatización han despedido a empleados a un ritmo similar al de aquellas con ganancias modestas o incluso negativas, lo que indica que despidos y rentabilidad no están conectados, según Helen Poitevin, analista de digital workplace en Gartner.

Despedir empleados puede generar beneficios a corto plazo, pero la encuesta realizada a finales de 2025 a directivos de grandes empresas contradice la percepción generalizada de que las reducciones de plantilla impulsadas por la productividad de la IA conducen al ROI, subraya la analista. “Se podría esperar que quienes obtienen más ROI puedan recortar más, pero no es lo que vemos”, añade. “No parece haber relación entre despedir empleados y lograr retorno de la inversión en IA”.

---

Invertir en formación

Por el contrario, el ROI de los proyectos de IA está más ligado a la reinversión en la plantilla que a la sustitución de empleados por automatización, explica Poitevin. Las empresas que obtienen mejores resultados están formando a sus empleados en el uso de la IA. “Están invirtiendo en capacitar a las personas para que puedan crear sus propios agentes o automatizaciones”, señala. “Les están dando herramientas para innovar por sí mismos”.

A largo plazo, Gartner prevé que la IA creará más empleo del que destruye, aunque en el corto plazo generará un fuerte desajuste laboral, transformando significativamente 32 millones de empleos al año. Las empresas más inteligentes recurrirán a sus empleados actuales para cubrir nuevos roles relacionados con la IA. Las organizaciones líderes en ROI ya están creando nuevos puestos vinculados a la inteligencia artificial, como el de orquestar agentes de IA.

“Se trata de analizar las competencias y establecer nuevas trayectorias profesionales para quienes se vean afectados por la IA”, explica. “Existe incluso un rol específico para orquestar todo ese trabajo y garantizar que los flujos gestionados por agentes se ejecuten correctamente”.

Poitevin reconoce que muchas grandes tecnológicas han anunciado despidos vinculados a la IA en los últimos meses, lo que podría cuestionar estas conclusiones. Sin embargo, en la mayoría de los casos, estos recortes responden más a cambios estratégicos y de inversión que al reemplazo directo de empleados por inteligencia artificial.

Muchas compañías han confundido la reducción de plantilla con el valor real de la IA

Para las empresas de fuera del sector de TI, sustituir trabajadores por IA no ofrece los resultados esperados. Gartner recomienda, en cambio, potenciar a los empleados invirtiendo en habilidades y roles que permitan escalar sistemas autónomos. “Mi consejo directo sería no usar la IA como excusa si lo que se busca es generar valor”, añade. “Los empleados temen menos que la IA haga su trabajo que el hecho de que su CEO crea que puede hacerlo”.

Brian Behe, CTO del proveedor de ciberseguridad RIIG Technology, coincide en que invertir en los trabajadores es mejor estrategia que despedirlos. “Las organizaciones que están obteniendo resultados reales son aquellas que han dado herramientas de IA a quienes mejor conocen el negocio”, afirma. “Las que primero recortaron y luego automatizaron están descubriendo que el conocimiento que eliminaron era justo el que la IA necesitaba. No se puede automatizar una experiencia que ya no existe”.

---

Construir mejor

Muchas empresas han utilizado los despidos como una forma sencilla de justificar el gasto en IA, cuando deberían haberse centrado en construir mejores sistemas, señala Behe. “Las organizaciones tratan la reducción de plantilla como prueba del progreso de la IA, cuando en realidad es una señal de que han evitado la parte más difícil”, explica. “Recortar personal es fácil de medir; crear un modelo operativo que realmente genere valor con la IA, no”.

Además, muchas compañías han confundido la reducción de plantilla con el valor real de la IA. “Los despidos se están usando como indicador de progreso. Y no lo son”. Algunos anuncios recientes de despidos relacionados con la IA podrían responder a un intento de justificar la sobrecontratación de años anteriores, apunta Andy Williamson, CEO de ONLC Training. En algunos casos, las empresas están volviendo a contratar tras haber recortado, al haber sobreestimado la capacidad de la IA para sustituir empleados.

Los despidos pueden reducir costes a corto plazo, pero son una estrategia miope, añade Williamson. “El talento y la experiencia son algunos de los mayores activos de una organización. Liderazgos que entienden lo que la IA puede hacer hoy son capaces de encontrar oportunidades de crecimiento que antes eran difíciles”.

En lugar de despedir, la mayoría de compañías debería apostar por una estrategia de “automatizar para aumentar”, recomienda. “La mayoría de las organizaciones tiene plantillas muy ocupadas, y automatizar tareas rutinarias de bajo riesgo libera tiempo”, explica. “La cuestión estratégica es qué hacer después: cómo aprovechar mejor a las personas, ya sea ofreciendo más valor a los clientes actuales o entrando en nuevos mercados”.

Muchas compañías también ignoran el coste humano de los despidos. En febrero, la empresa Block anunció el despido del 40% de su plantilla para centrarse en la IA, pese a prever casi 12.000 millones de dólares de beneficio bruto en 2026.

“Mientras en redes sociales se aplaudía el gesto de permitir a los empleados despedidos una semana extra en Slack para despedirse, poco se dijo sobre lo innecesario de la medida o sobre cómo se ejecutó”, señala Williamson. “¿Quién en esa mesa de decisión hablaba del coste humano de despedir a 4.000 personas? No estamos hablando lo suficiente del impacto humano de estas decisiones en plena adopción de la IA”.

Con 2026 casi a mitad de camino, las empresas empiezan a ver retornos tangibles de sus inversiones en inteligencia artificial. Sin embargo, muchas están descubriendo que escalar la IA requiere algo mucho menos llamativo que los modelos de última generación o las métricas más avanzadas: datos limpios, interoperables y bien gobernados. Según la nueva encuesta AI Momentum Survey de Dun & Bradstreet, el 97% de las organizaciones afirma tener iniciativas activas de IA, pero solo el 5% asegura que sus datos están preparados para respaldarlas.

Este dato refleja la compleja realidad de la IA en el entorno corporativo, donde las empresas luchan por pasar de la experimentación a la operación real. “No es necesario contar con datos preparados para IA a nivel corporativo para lanzar pilotos o casos de uso aislados”, explica Cayetano Gea-Carrasco, chief strategy officer de Dun & Bradstreet. “Pero sí lo es para escalar la IA de forma fiable en flujos de trabajo y sistemas críticos para el negocio”.

Primeros avances

Según el informe de D&B, las organizaciones se están volcando en la IA en 2026 y la consideran una prioridad estratégica. Más de dos tercios (67%) ya perciben “señales tempranas o focos puntuales” de retorno de la inversión, y un 24% habla de resultados “amplios o sólidos”.

Además, más de la mitad (56%) de las 10.000 empresas encuestadas por la firma de datos y analítica planea aumentar su inversión en IA en los próximos 12 meses. En torno a un tercio (30%) está escalando la IA a entornos de producción, y el 26% la está operativizando en múltiples procesos clave.

A medida que la adopción se acelera, los retornos tempranos son hoy más habituales que hace apenas un año, señala D&B, aunque siguen siendo desiguales. En paralelo, las preocupaciones sobre la preparación de los datos son “incluso más profundas” que en 2025.

Las razones son diversas: problemas de acceso a los datos (50% de los encuestados), riesgos de privacidad y cumplimiento normativo (44%) y dudas sobre la calidad e integridad de los datos (40%). A ello se suma la falta de integración entre sistemas (38%) y la escasez de profesionales cualificados en IA (37%).

De forma preocupante, solo una pequeña proporción de las empresas (10%) afirma con un alto grado de confianza ser capaz de identificar y mitigar los riesgos asociados a la IA. “La cuestión clave ya no es si las organizaciones están experimentando con la IA”, subraya Gea-Carrasco. “La pregunta es si cuentan con los datos y la infraestructura necesarios para desplegarla de forma fiable a escala empresarial”.

El directivo señala que resulta relativamente sencillo lanzar copilotos, interfaces conversacionales o herramientas departamentales apoyadas en modelos de propósito general y obtener “resultados impresionantes en entornos controlados”. Pero muy pocas organizaciones consiguen llevar la IA a flujos de trabajo en producción, donde factores como la precisión, la responsabilidad, la explicabilidad, la interoperabilidad y la coherencia influyen directamente en las decisiones de negocio. Esto afecta a ámbitos como la incorporación de clientes, el cumplimiento normativo, la gestión de riesgos o las operaciones de atención al cliente. “Ahí es donde la preparación de los datos se vuelve crítica”, insiste.

El obstáculo de los datos

Los retos relacionados con los datos se agravan a medida que las empresas pasan de los copilotos a flujos de trabajo más autónomos basados en agentes. “La mayoría de los entornos de datos empresariales se diseñaron para flujos de trabajo humanos, no para sistemas de IA autónomos que operan de forma continua en toda la organización”, apunta Gea-Carrasco.

Aunque los sistemas de IA pueden generar resultados que suenan coherentes, desde el punto de vista operativo pueden ser difíciles de confiar, debido a alucinaciones, recomendaciones contradictorias entre sistemas o problemas de cumplimiento. Este aspecto es especialmente crítico en sectores regulados como banca, seguros, sanidad o servicios financieros, donde contar con resultados fiables y auditables es “imprescindible”.

Las organizaciones que están logrando mayores avances son aquellas que trabajan para garantizar que sus datos sean de alta calidad, fiables y estén bien gobernados. Invierten en una resolución de identidades coherente, así como en interoperabilidad y mantenimiento de los datos, para que la IA pueda “consumir información de forma fiable” y actuar en consecuencia.

Dónde empieza a verse el ROI

Según Gea-Carrasco, las empresas comienzan a ver retorno de la inversión en aquellos ámbitos donde los entornos de datos están más maduros, lo que facilita integrar directamente la IA en los flujos de trabajo reales. Es el caso de áreas como la inteligencia comercial, la incorporación de clientes, los flujos de cumplimiento, la investigación de clientes, el análisis de riesgos, la automatización de procesos, la prospección, el ‘screening’, la evaluación de proveedores y la verificación de negocios.

El ROI suele reflejarse en una reducción del trabajo manual de investigación, procesos de incorporación y revisión más rápidos, mayor coherencia operativa, aceleración de los flujos comerciales y un mejor apoyo a la toma de decisiones. “En muchos casos, las organizaciones utilizan la IA para ayudar a los equipos a procesar y sintetizar grandes volúmenes de información mucho más rápido que antes”, explica.

El directivo enfatiza que la IA es más eficaz cuando refuerza los procesos operativos existentes, en lugar de sustituir por completo la toma de decisiones humanas. “Las organizaciones están teniendo éxito cuando la IA ayuda a los empleados a trabajar más rápido, a tomar mejores decisiones y a reducir tareas manuales repetitivas, manteniendo siempre a las personas involucradas en la supervisión y las aprobaciones finales”, afirma.

El enfoque empresarial de la IA agentiva

La IA basada en agentes empieza a entrar en entornos de producción, aunque “todavía de forma relativamente temprana y muy focalizada”, según Gea-Carrasco.

En la actualidad, la mayoría de las empresas despliega agentes con un alcance limitado, en lugar de sistemas completamente autónomos. El modelo predominante a corto plazo es el de autonomía supervisada, en el que los agentes ejecutan partes de los flujos de trabajo mientras los humanos conservan el control sobre aprobaciones, supervisión y gestión de excepciones. Así, los agentes se integran en “flujos de trabajo claramente definidos”, como la investigación, el soporte a la incorporación de clientes o la orquestación de procesos.

En los próximos años, la IA evolucionará desde copilotos aislados hacia sistemas de agentes más conectados e integrados directamente en los flujos de trabajo empresariales. Estos coordinarán cada vez más tareas entre clientes, proveedores, socios, empleados y aplicaciones corporativas, y ganarán protagonismo en áreas como operaciones comerciales, incorporación de clientes, cumplimiento, compras, investigación de clientes, gestión de riesgos, evaluación de proveedores y monitorización.

“La IA empresarial está dejando de centrarse en herramientas de productividad aisladas”, concluye Gea-Carrasco, “para convertirse en la base de sistemas operativos inteligentes capaces de apoyar la toma de decisiones y la ejecución de procesos a gran escala”.

En su evento Sapphire 2025 del pasado año SAP realizó atrevidas promesas en materia de inteligencia artificial: Knowledge Graph, Joule Studio y AI Agent Hub, según avanzó entonces, saldrían al mercado a finales de año. Aunque esas herramientas ya están técnicamente disponibles, su adopción se ha retrasado. Es más, SAP ya está anunciando la versión 2.0. “La adopción de Joule Studio ha sido mínima en comparación con lo que nos gustaría”, afirmó Manoj Swaminathan, director de producto de SAP para Business Suite, en una sesión informativa previa al Sapphire de este año. La herramienta “se limitaba a experiencias basadas en el contenido”, señaló. “Siempre que intervenían agentes más complejos, sus capacidades eran limitadas”.

El problema, según el director de IA de SAP, Jonathan von Rüden, era que SAP había priorizado la facilidad de uso sobre la potencia en su arquitectura original. “La gente quería ver más flexibilidad en el código”, afirmó en una entrevista realizada en Sapphire 2026. “Habíamos optado por un enfoque de bajo código. Se le podían añadir puntos de extensión y herramientas, pero no se podía tocar su núcleo. Ahora puedes crear un agente personalizado y conectarlo a tu propio GitHub”.

Los clientes también llegaban con “grandes planes”, pero necesitaban reglas estrictas y puertas de aprobación que el Joule Studio original no admitía de forma nativa. “Lo que la gente quiere son flujos de agentes con puertas y flujos de trabajo claros y subagentes”, según Von Rüden. “El antiguo Joule no ofrecía eso. Ahora todo está integrado”.

Qué se ha lanzado exactamente

Joule y AI Agent Hub están disponibles de forma generalizada, aunque este último está experimentando ahora una “renovación masiva” con la versión 2.0. El Knowledge Graph está activo y se ha expandido más allá de su alcance original. Inicialmente utilizado para crear habilidades de Joule, ahora proporciona contexto directamente a los agentes de IA para que puedan “averiguar cómo llamar a algo de forma dinámica”, según Von Rüden.

Joule Studio, sin embargo, se encuentra todavía en una fase temprana de adopción por parte de los clientes; se espera que esté disponible de forma generalizada en el tercer trimestre, un año por detrás del objetivo original. Joule Work, la nueva capa de interacción anunciada esta semana, no se espera hasta la segunda mitad de este año.

Lo que cambia en la versión 2.0

El renovado Joule Studio aborda las carencias que frenaban su adopción. Más allá de la flexibilidad del código profesional, los desarrolladores ahora pueden crear con marcos de agentes populares como LangGraph y AutoGen, y los agentes tendrán una comprensión nativa del código y los modelos de datos propios de SAP que las herramientas genéricas no pueden replicar.

Se trata de una evolución, no de un reinicio, según Von Rüden. “Las primeras versiones estaban orientadas a la automatización. Ahora los agentes también deben aportar optimización e inteligencia”, indicó. Clientes como Ericsson, Mercado Libre y Siemens ya están utilizando agentes de Joule en producción.

Mientras tanto, SAP está replanteándose cómo poner las herramientas de IA en manos de los clientes. Joule Desktop, que se lanza esta semana, permite a los usuarios individuales crear automatizaciones sin pasar por el departamento de TI, una apuesta por que la adopción desde la base avanzará más rápido que los despliegues centralizados.

Por si los directores de sistemas de información no tienen ya bastante con lo que lidiar ante el aumento de la demanda de IA en todo el ámbito empresarial, el actual clima geopolítico, volátil, les obliga ahora a adoptar una mentalidad más centrada en lo global en todo, desde sus cadenas de suministro de TI y la regulación hasta la infraestructura distribuida y la plantilla.

Últimamente, las noticias han hablado mucho sobre el impacto de la guerra de Irán en la tecnología: ataques con drones que dañan los centros de datos de AWS en Baréin y los Emiratos Árabes Unidos, así como el aumento de los ciberataques y la amenaza de la escasez de semiconductores. “Esta no es simplemente una guerra de misiles y milicias, sino una guerra que abarca las redes, las cadenas de suministro y los sistemas que impulsan el mundo moderno”, escribe S. Yah Kalash, investigador principal del Centro para la Innovación en Gobernanza Internacional. “Su consecuencia más duradera no será el cambio territorial, sino la aceleración de un orden tecnológico global fracturado, disputado y profundamente politizado”.

Aunque las áreas de TI han recibido discretos aumentos para financiar iniciativas de IA durante el último año, la preocupación económica de los altos directivos por el incremento de los costes energéticos, la inflación persistente y el declive de la economía global afectará directamente a las organizaciones tecnológicas, según un reciente informe de Forrester. “Los CIO tendrán que redoblar una vez más sus esfuerzos en la gestión del gasto en TI mediante la priorización, la reducción selectiva de costes, una gestión estricta de los proveedores y otras técnicas”, reza  el informe. “Aumentará el escepticismo sobre el retorno de la inversión en IA, lo que obligará tanto a los CIO como a los CISO a defender las inversiones”.

Como en cualquier situación, un periodo de inestabilidad global hace que sea de vital importancia que los responsables de TI sigan fomentando una comunicación abierta con el resto del equipo directivo para establecer objetivos alcanzables y gestionar las expectativas de forma eficaz. “Manténganse en estrecha conexión con el resto de la alta dirección y comprendan qué repercusiones está teniendo la volatilidad en el negocio”, afirma Mark Moccia, vicepresidente y director de investigación de Forrester. “Esto puede dar lugar a recortes en el presupuesto tecnológico a corto plazo debido a las presiones [de pérdidas y ganancias]”.

“Una tormenta perfecta de retos” para los líderes de TI

Los responsables de TI afirman que no se sienten intimidados por el desafío que plantean las tensiones geopolíticas. Tadas Tamošaitis, director técnico de FL Technics, con sede en Vilna (Lituania), un proveedor global independiente de servicios de mantenimiento, reparación y revisión (MRO) de aeronaves, está muy familiarizado con ellas. El sector de la aviación opera en la encrucijada de algunas de las presiones normativas, geopolíticas y de la cadena de suministro más exigentes del mundo. Depende del equipo de TI mantenerlo todo a flote en tiempo real, afirma. “Las aerolíneas esperan que las aeronaves vuelvan al servicio en plazos ajustados, por lo que cualquier interrupción en nuestros sistemas digitales tiene consecuencias inmediatas y cuantificables en tierra”, explica Tamošaitis.

En estos momentos, el sector global de MRO está atravesando lo que él denomina “una tormenta perfecta de retos”, dado que los picos de demanda pospandémicos han puesto a prueba unas cadenas de suministro aeroespaciales ya de por sí frágiles. Los plazos de entrega de las piezas críticas están alcanzando duraciones récord, afirma Tamošaitis.

“Las tensiones geopolíticas —desde controles de exportación más estrictos sobre tecnologías de doble uso hasta restricciones del espacio aéreo que afectan a dónde y cómo movemos aviones y piezas— están redefiniendo constantemente el mapa logístico”, cuenta.

Al mismo tiempo, los reguladores globales y un número creciente de autoridades aeronáuticas nacionales están modificando sus requisitos digitales y de datos de formas que no siempre coinciden, añade Tamošaitis. “Para una empresa de MRO que opera en múltiples jurisdicciones, esto genera una complejidad real: es posible que los mismos datos sobre la configuración de una aeronave deban almacenarse, consultarse y compartirse de manera diferente dependiendo de qué autoridad tenga la supervisión”, dice.

A todo ello se suma la amenaza constante de los ciberataques. “Las empresas de MRO poseen datos de ingeniería altamente sensibles —configuraciones de aeronaves, historiales de mantenimiento, sistemas logísticos— lo que las convierte en objetivos atractivos”, reflexiona Tamošaitis. “Un ciberataque exitoso no solo interrumpe los sistemas informáticos; puede dejar las aeronaves en tierra. Debemos construir sistemas que estén aislados físicamente y sean lo suficientemente resilientes como para resistir los ataques, al tiempo que permanezcan lo suficientemente conectados para una coordinación global las 24 horas del día, los 7 días de la semana”.

Recientemente, FL Technics completó la adquisición de Job Air Technic, lo que, según Tamošaitis, añadió una importante dimensión de integración de sistemas. Fue una tarea compleja que requirió la consolidación de la infraestructura informática heredada, los almacenes de datos y los procedimientos operativos de todas las entidades adquiridas, sin interrumpir las operaciones de mantenimiento que funcionan las 24 horas del día. “Una cosa es planificar una integración de TI sobre el papel; otra muy distinta es ejecutarla cuando un avión que entra en el hangar a las 2 de la madrugada no puede esperar a que termine una migración de datos”, afirma.

Los retos globales reconfiguran los stacks de TI y las estrategias

Para Moe Rosenfeld, director de sistemas de información de eCopier Solutions, con sede en Nueva York, los problemas de la cadena de suministro son lo que le quita el sueño. “La parte de hardware de la gestión documental recorre una cadena de fabricación global, y la tensión geopolítica se refleja en los plazos de entrega, la disponibilidad de componentes y la estabilidad de los proveedores de formas que no tenía en mi radar hace cinco años”, explica. “Hay que pensar en la pila tecnológica del mismo modo que un responsable de logística piensa ahora en las rutas de transporte”.

Los responsables de TI solían evaluar la tecnología principalmente en función de las características y el coste, señala. “Ahora me planteo preguntas que nunca solía hacer, como dónde tiene su sede este proveedor, dónde se encuentran físicamente sus servidores, qué ocurre con los datos de mis clientes si se produce una interrupción del comercio o una situación de sanciones que afecte al país de origen de ese proveedor”.

Las cadenas de suministro globales están imponiendo un cambio fundamental en el diseño de las arquitecturas de TI, coincide Victoria Ma, directora de servicios e innovación digital para EE. UU. y Canadá en la consultora de cadenas de suministro Miebach, que opera en cuatro continentes. “En lugar de optimizar un modelo único y centralizado, las organizaciones ahora tienen que dar soporte a una red que abarca múltiples regiones, entornos normativos y modelos operativos”, afirma. “Esto introduce una complejidad significativa en los sistemas y los datos. Los sistemas de planificación y ejecución deben integrarse no solo entre funciones internas, sino también con socios externos —proveedores, fabricantes y proveedores de logística— que a menudo operan con diferentes plataformas y estándares en distintas partes del mundo”.

Identificar casos de uso de la IA que funcionen en todas las regiones

Navegar por la adopción de la IA en un entorno operativo distribuido a nivel mundial es también un punto crítico fundamental. Remi Alli, director de sistemas de información (CIO) de Black Wallet, la empresa matriz de Kiros, un ecosistema de tokens, cuenta que la proliferación de agentes —el caos que supone la aparición de cientos de herramientas de IA autónomas en diferentes unidades de negocio sin un plan coherente— es un quebradero de cabeza a nivel mundial. “El mayor obstáculo es mantener una infraestructura unificada y segura al [enfrentarnos a] regulaciones regionales, como las nuevas leyes de transparencia de la IA. Esto hace imposible un enfoque único para todos y nos obliga a pasar de un abastecimiento global y centralizado a estrategias regionales más complejas”, relata.

Black Wallet está abordando esto mediante la creación de ‘Consejos de IA’ que actúan como guardianes para evaluar los casos de uso, garantizar el cumplimiento normativo de los datos y evitar arquitecturas fragmentadas. “También estamos sustituyendo la planificación anual por talleres trimestrales de ‘cocreación tecnológica-empresarial’ para asegurarnos de que nuestros proyectos de IA realmente mejoren el retorno de la inversión, en lugar de limitarse a experimentar”, afirma Alli.

La IA y el panorama regulatorio global están “convirtiendo una situación ya de por sí complicada en algo verdaderamente caótico”, afirma Rosenfeld. “El Reglamento de IA (IA Act) de la UE está en marcha, EE. UU. sigue definiendo su enfoque federal, los estados individuales actúan por su cuenta y otros países están haciendo todo lo anterior a ritmos diferentes y con filosofías distintas”.

Para cualquiera que gestione flujos de datos transfronterizos, las herramientas con IA integrada tienen ahora un peso normativo que no existía hace dos años, afirma. “Y lo difícil es que las normas aún no se han redactado por completo. Hoy estás tomando decisiones de infraestructura frente a un objetivo de cumplimiento que aún está en constante cambio. No es una situación cómoda, pero es en la que nos encontramos”.

Para complicar aún más las cosas, mientras existe una fuerte presión por parte de los consejos de administración y los ejecutivos para acelerar las estrategias de IA, las organizaciones están teniendo dificultades para identificar casos de uso que se mantengan en todas las regiones con diferentes calidades de datos, requisitos normativos y niveles de madurez operativa, según Ma.

Al mismo tiempo, el panorama de proveedores está repleto de plataformas “con IA” que a menudo no se adaptan bien a las cadenas de suministro globales, observa Ma. “Una solución que funciona en una región puede no ser escalable debido a diferencias en la disponibilidad de datos, la infraestructura o las restricciones de cumplimiento”, afirma. “Esto coloca a los responsables de TI en una posición difícil: deben filtrar las afirmaciones de los proveedores al tiempo que se aseguran de que las tecnologías seleccionadas puedan funcionar de manera consistente en un panorama global fragmentado”.

El reto no radica tanto en adoptar la IA rápidamente como en construir una base escalable y adaptable a cada región que aporte un valor cuantificable en toda la red, indica Ma.

Hacer frente al cumplimiento normativo

Mantener el cumplimiento normativo más allá de las fronteras es otro gran reto. En lo que a Rosenfeld respecta, nadie está hablando lo suficiente de lo rápido que se ha ampliado el ámbito de aplicación del cumplimiento normativo. “Hace unos años, uno pensaba en la HIPAA, quizá en algunas normas de privacidad a nivel estatal”, afirma. “Ahora, me fijo en clientes con plantillas distribuidas y les pregunto si sus flujos de trabajo documentales afectan a interesados de la UE, porque si es así, el RGPD entra en juego, lo hayan invitado o no”.

Esto es antes de tener que estar al día de las normativas relacionadas con la IA que aún se están redactando en tiempo real en diferentes jurisdicciones, añade Rosenfeld.

Elijah Fernández, cofundador y director técnico de la plataforma virtual de salud conductual Cerevity Health, está de acuerdo y afirma que su ámbito de competencia ha pasado de gestionar redes físicas a proteger a una plantilla clínica muy dispersa y a lidiar con una normativa de datos fragmentada. “En la tecnología sanitaria, la soberanía de los datos y las normativas transfronterizas son objetivos en constante cambio. Cuando tu plantilla está muy dispersa, la defensa perimetral tradicional falla por completo. Ya no estás protegiendo un edificio de oficinas corporativas”, afirma Fernández. “Lo que se protege son cientos de terminales individuales que operan en diferentes redes locales, a menudo sujetas a leyes regionales de privacidad que se solapan o entran en conflicto”.

Para Tamošaitis, de FL Technics, el mantra es mantener la flexibilidad dentro de la estructura. “Estamos implementando plataformas unificadas de ERP y logística que operan en todas las regiones, respetando al mismo tiempo los silos normativos locales: normas de residencia de datos, controles de exportación y requisitos de cumplimiento específicos de cada jurisdicción”.

Allí donde se permite la nube, la empresa aprovecha las arquitecturas híbridas y multicloud para obtener resiliencia y escalabilidad. Los responsables mantienen infraestructura local en los países cuya normativa lo exige, como los centros de datos de la UE para el RGPD y los sistemas con sede en EE. UU. para los requisitos de la FAA, afirma Tamošaitis. “Añade complejidad, pero no es negociable”, admite.

Para mantener el cumplimiento normativo más allá de las fronteras, Fernández afirma que tuvieron que imponer una “estandarización absoluta” a nivel de infraestructura. “Por ejemplo, para garantizar que nuestros registros de auditoría y expedientes clínicos sigan siendo válidos desde el punto de vista forense en diferentes zonas geográficas, configuramos todo nuestro sistema de historias clínicas electrónicas para que funcionara estrictamente en la hora del Pacífico”, señala. “Independientemente del lugar desde el que se conecte un proveedor, la infraestructura estandariza los datos cronológicos en una única fuente de verdad. También hemos adoptado por completo una arquitectura de confianza cero, partiendo de la base de que todas las redes locales que utiliza nuestro personal están intrínsecamente comprometidas”.

El cumplimiento normativo también es un impulso para que FL Technics invierta fuertemente en la formación de sus equipos de TI, así como en reforzar la ciberseguridad de los entornos de infraestructura crítica y la integración digital en contextos de gran intensidad operativa y con un alto componente de ingeniería. “Las herramientas técnicas son importantes, pero se necesita gente que entienda el ámbito lo suficientemente bien como para tomar las decisiones correctas bajo presión”, afirma Tamošaitis.

Y para empresas como FL Technics que se enfrentan a adquisiciones transfronterizas, Tamošaitis afirma que el departamento de TI debe realizar su debida diligencia con antelación —y planificar a largo plazo—. “Es esencial contar con una hoja de ruta de integración planificada con antelación. […] Hay que contar con entre 12 y 18 meses de sistemas paralelos. El coste de mantener esa redundancia es mucho menor que el coste de la interrupción operativa si se precipita la transición”, señala.

Diseñe pensando en la flexibilidad y tenga en cuenta a su personal

Al preguntarles cómo pueden los responsables de TI afrontar las realidades globales actuales, los líderes y expertos en TI ofrecieron los siguientes consejos.

La modularidad es clave. Tamošaitis aconseja a los responsables de TI que se aseguren de diseñar con modularidad desde el principio, dado que las normativas varían, las realidades geopolíticas cambian y los nuevos mercados traen consigo nuevos requisitos. “Las arquitecturas de TI que se pueden reconfigurar rápidamente son una auténtica ventaja competitiva. Los sistemas rígidos y monolíticos se convierten en un lastre en el momento en que cambia el entorno externo”, recomienda.

Tranquilizar al consejo de administración sobre la resiliencia. Mantener la resiliencia en tiempos de incertidumbre geopolítica es una de las principales preocupaciones de los consejos de administración. Especialmente en el caso de las infraestructuras críticas, los consejos necesitan saber que las TI pueden mantener las operaciones durante un ciberataque grave, afirma. “Esa conversación debe tener lugar al más alto nivel, y los presupuestos deben reflejar lo que está en juego, no solo las comparativas con la competencia”, dice Tamošaitis.

Optimizar la toma de decisiones y reducir el riesgo de concentración. Moccia, de Forrester, afirma que es una buena idea contar con un proceso de priorización listo para usar y siempre activo que permita restar rápidamente prioridad a cualquier elemento «por debajo de la línea» que pueda esperar. También recomienda reducir el riesgo de concentración en proveedores y plataformas, y seguir buscando áreas de posible consolidación y contratos que no sea necesario renovar.

Anticiparse al reto del cumplimiento normativo global. Rosenfeld aconseja a las organizaciones globales que dejen de tratar el cumplimiento normativo global como un problema del departamento jurídico que ocasionalmente afecta a TI. “Pertenece a TI: los flujos de datos, los controles de acceso, los requisitos de residencia, etc.”, subraya. “Son decisiones técnicas con consecuencias legales, y si esperas a que el departamento jurídico te diga qué desarrollar, ya vas con retraso. Anticípate, traza un mapa de dónde van realmente tus datos y toma las riendas de esa conversación”.

Invertir en talento. En lo que respecta al personal, invierte en talento especializado y no subestimes la importancia de la retención, dice Tamošaitis. “Las fricciones geopolíticas y la complejidad normativa requieren profesionales de TI con un profundo conocimiento del sector; personas que entiendan la normativa de aviación, los controles de exportación o la soberanía de datos, no solo la tecnología. Ese talento ya es escaso y lo será aún más. Crea programas de formación, trayectorias profesionales y el tipo de entorno en el que esas personas quieran quedarse”.

El liderazgo importa. Al tiempo que tranquilizas a tus consejos de administración, mantén también informados a tus empleados. Moccia afirma que los líderes deben seguir siendo transparentes y visibles ante toda la organización de TI y compartir las perspectivas de la alta dirección sobre el impacto de la volatilidad en la empresa y lo que el liderazgo está haciendo para minimizarlo.

No descuidar el bienestar personal. Moccia también aconseja a los líderes de TI que no se olviden del cuidado personal. “El trabajo de cualquier directivo de alto nivel es intenso y constante. La volatilidad no es más que otra variante del cambio y el caos en su día a día, por lo que mantener a raya los niveles de estrés personal es más importante que nunca, sea cual sea la forma que esto adopte para el director de sistemas de información (CIO) a nivel personal”.

El agua está tan integrada en nuestra vida cotidiana que ya ni siquiera nos parece algo especial. Abrimos el grifo, tiramos de la cisterna o activamos el chorro de la ducha y allí está, esperando. Sin embargo, para que eso ocurra tienen que pasar muchas cosas, un complejo ciclo del agua que garantiza no solo que circule sino también que sea óptima para el consumo humano. Es un proceso en el que la tecnología también está muy presente.

“Se puede decir que toda el agua es tecnológica. Otra cosa es que sea analógica o digital”, explica Luis Babiano, gerente de la Asociación Española de Operadores Públicos de Abastecimiento y Saneamiento (AEOPAS). “Es un sector altamente tecnificado. Otra cosa es que estemos en el inicio de la digitalización. Nos falta todavía mucho para ser unos auténticos campeones digitales”, reconoce a CIO ESPAÑA.

“Aunque el agua sigue siendo un recurso físico, su gestión hoy es cada vez más digital”, explica al otro lado del correo electrónico María Gil, responsable de Idrica en España. Las utilities han incorporado a nivel global “sensores IoT, sistemas SCADA avanzados, telelectura, plataformas de analítica y, más recientemente, arquitecturas de datos tipo data lake que permiten integrar información de toda la operación”, apunta, lo que permite hacer una gestión más basada en datos.

Aun así, la digitalización del ciclo del agua es uno de los retos a los que se enfrenta el sector, uno que se vuelve mucho más acuciante cuando se tiene en cuenta el contexto en el que opera el agua. “La importancia es enorme porque el agua es un recurso cada vez más escaso y sometido a una gran presión”, explica Gil.

Las organizaciones ecologistas llevan años alertando sobre el impacto que tiene la presión creciente sobre los acuíferos, así como el coste que la crisis climática pasa en término de sequías. Según un informe de la ONU publicado en enero, el mundo ha entrado ya en una fase de “bancarrota hídrica”. “Muchas regiones han vivido muy por encima de sus posibilidades hidrológicas. Es como tener una cuenta bancaria a la que se le extrae dinero cada día sin que entre un solo depósito. El saldo ya es negativo”, explicaba entonces Kaveh Madani, el autor principal del informe.

España es, de hecho, uno de los terrenos más complejos en lo que presión hídrica se refiere. WWF advierte de que el país “se queda sin agua”, por ejemplo, y cada vez se habla más de estrés hídrico.  La situación es compleja, porque, como advierte la propia industria del agua, también se pierden cantidades importantes por culpa de los problemas de las propias infraestructuras que dan soporte al ciclo del agua. Algunas estimaciones hablan de que entre el 19 y 20% del agua se desperdicia por fugas o averías.

La digitalización podría ayudar a ser más eficaces y, sobre todo, a mejorar la eficiencia y resiliencia del ciclo del agua. Como apuntan las fuentes expertas, se podría prever situaciones complejas, identificar problemas, optimizar redes y mejorar las cosas.

El estado de las cosas en España

En este proceso de salto a la digitalización, hay luces y elementos positivos, pero también hay matices que invitan a poner en cierta perspectiva el optimismo. Esto es, hablar con el sector deja claro que se están haciendo cosas y que existe mucho interés, pero que se necesita mucha más inversión y mucha más sensibilidad ante la importancia del problema y la necesidad de actuar para mejorar esas infraestructuras del agua.

“España es uno de los países más avanzados en gestión del agua y eso se está trasladando también al ámbito digital”, defiende Gil. “Estamos viendo utilities que ya operan con plataformas integradas, modelos de gemelo digital, analítica avanzada y despliegues amplios de telelectura”, ejemplifica.

El PERTE del agua (que destinó parte de los fondos europeos del Plan de Recuperación, Transformación y Resiliencia a la digitalización del ciclo del agua) ha servido para dar impulso a la transformación. “El PERTE del agua ha sido una auténtica semilla para sembrar la digitalización en el sector y esto es muy positivo”, señala Babiano. También Gil confirma que “está acelerando” el cambio. Así, ya existen proyectos que incorporan herramientas clave y que “pueden servir de locomotoras”, como apunta el gerente de AEOPAS. Pero esto es solo una parte de la foto. “El reto no es tanto tecnológico —la tecnología ya existe— como de adopción, integración y cambio cultural dentro de las organizaciones”, indica Gil.

Babiano es claro a la hora de pintar el panorama del sector: la digitalización del agua necesita financiación, una que llegue de forma sostenida. Puede que esto lleve a que cambien las tarifas del agua, pero Babiano apunta que se necesitan “también fuentes públicas para su desarrollo”. “Entre otras cosas, porque la digitalización debe ir de la mano con un proyecto país”, defiende. Un aspecto clave por el que es importante que se integre en una visión a nivel Estado y no se quede solo en algo de casos concretos es que se necesita que la digitalización llegue a todas partes. O, como asegura el experto, “no solo nos debemos centrar en las ciudades, sino también en los municipios pequeños”. Se trata de evitar que existan “dos velocidades”, una para municipios capaces de ser digitales y otra para aquellos que se quedarán con “unas carencias importantes en todo tipo de infraestructura, incluida la digitalización”.

Las ‘utilities’ han incorporado a nivel global “sensores IoT, sistemas SCADA avanzados, telelectura, plataformas de analítica y, más recientemente, arquitecturas de datos tipo ‘data lake’ que permiten integrar información de toda la operación”, apunta María Gil (Idrica)

Aquí entra, además, otro factor importante en el que incide Babiano. La digitalización del ciclo del agua necesita una base sólida: antes, hay que optimizar la propia infraestructura física que lleva el agua a la ciudadanía. Puede que hablar de cañerías y plantas de depuración no sea tan cool como hablar de IA, pero esa es la base del ciclo del agua y ahí es donde aparecen los primeros problemas. Ahora mismo, todavía existen zonas de España sin depuradoras (a pesar de que la normativa comunitaria lo penaliza). Además, en líneas generales, la infraestructura del agua tiene ya sus décadas, lo que crea focos de tensión. “Más del 30% de nuestras redes tiene más de 40 años”, recuerda Babiano. Para entenderlo solo hay que pensar en la reforma del baño de casa: llega un momento en el que cambiar las cañerías es inevitable. Aquí pasa a una mayor escala.

“La digitalización nos permite pasar de un nivel razonable de solvencia y mantenerlo en el tiempo”, afirma Babiano. Pero la transformación digital no debe ir sola: el experto advierte que “primero, se trata de optimizar nuestras pérdidas, invertir en nuestras redes, etc y luego entrar (o entrar en paralelo) en la digitalización”.

Los retos del agua

Todo esto ocurre, igualmente, en ese momento lleno de retos para el sector que no se debe perder de vista. “Estamos ante una necesidad imperiosa de una transición”, asegura Babiano. Las cuencas hidrográficas se enfrentan a sequías, a danas (que, como recuerda el experto, llevan al límite en tiempos récord a las infraestructuras, como a las plantas depuradoras que deben asumir una avalancha de agua) y a una mayor presión. “Y, sin embargo, no tenemos un proyecto muy claro en torno a cómo invertir en esta transición hídrica”, asegura. Babiano compara la situación de esta transición con la que viven la transición energética o la de movilidad, en las que existen planes, medidas fiscales e incentivos para la inversión con los que ellos no cuentan. La transición hídrica no cuenta con una situación parecida, aunque desde el sector insisten en que debería serlo.

En ese contexto de transición, la digitalización podría convertirse en una aliada para afrontar los retos del agua. “La tecnología no es la única solución, pero sí es un habilitador clave”, indica Gil. “Los grandes retos del agua (sequía, estrés hídrico, sobreexplotación) tienen una dimensión estructural, climática y también de gobernanza”, explica, pero recuerda que “sin tecnología es prácticamente imposible gestionarlos de forma eficiente”. Permite ver qué está ocurriendo, qué puede fallar y tomar mejores decisiones, al tiempo que “aporta transparencia y trazabilidad”. Como resume Babiano, “la digitalización aumenta exponencialmente nuestra excelencia”. “Por ejemplo, si monitorizas toda tu red, sabes la localización inmediata de los puntos donde está perdiendo más agua de lo normal”, muestra. Se puede avisar al usuario final de lo que está pasando y localizar la fuga (y solventarla).

En España, asegura Babiano, ya existen este tipo de soluciones. “Gran parte de la reducción de muchos de nuestros consumos está viniendo de la mano de los contadores inteligentes y de la monitorización y digitalización de nuestras redes”, apunta. “Lo que no estamos logrando todavía es mayores automatismos”, señala, recordando que alcanzar los niveles más elevados de mejoras llevará un tiempo. “Todavía estamos en una fase de, podemos decir, paso del ‘novato digital’ a la ‘integración vertical’”, resume.

Tecnologías emergentes para el cambio

Pero ¿qué herramientas TI son las que esperan a la vuelta de la esquina cuando se alcanza un nivel avanzado en la digitalización?

Unas cuentas tecnologías se han convertido en emergentes en la gestión global del agua, según concluye un informe de la plataforma de software Xylem Vue. Según enumera su análisis son la colaboración entre la administración pública y la empresa privada, las arquitecturas basadas en agentes, la ciberseguridad, los sistemas de alerta temprana y, por supuesto, la ya ubicua IA generativa.

El salto a la digitalización tiene otra cara, la de las potenciales amenazas de ciberseguridad

“La inteligencia artificial está empezando a jugar un papel muy relevante, especialmente cuando ya existe una base sólida de datos”, explica Gil (Idrica es, junto con Xylem, quienes están detrás de Xylem Vue). “Su principal aportación es la capacidad de encontrar patrones complejos y optimizar decisiones en entornos con múltiples variables”, apunta. “Es importante entender que la IA no sustituye al conocimiento experto de la operación”, recuerda, pero señala que cuando se combinan ambos se logran grandes resultados. Otro de los puntos destacados son los sistemas de alerta temprana, que, como explica la experta, “son uno de los mayores cambios de paradigma en la gestión del agua”. En lugar de esperar a que el fallo se produzca e impacte en el propio servicio, se adelantan a lo que va a ocurrir. “El valor está en ganar tiempo: pasar de reaccionar a prevenir. Y en un sistema tan complejo y sensible como el del agua, esa anticipación tiene un impacto directo en la continuidad del servicio, en los costes operativos y en la confianza del ciudadano”, indica.

Aunque, eso sí, el salto a la digitalización tiene otra cara, la de las potenciales amenazas de ciberseguridad. El agua no deja de ser una infraestructura crítica y muy sensible. “Sin duda, la digitalización amplía la superficie de exposición, y el sector del agua no es ajeno a ello”, reconoce Gil, que suma que esto se ha convertido ya “en una prioridad creciente”. “Lo que estamos viendo es una evolución hacia modelos de seguridad más maduros”, afirma. “También hay una mayor concienciación en el sector”, suma. “La clave está en que la digitalización y la ciberseguridad avancen de la mano. No son elementos independientes”.

El escenario no es hipotético: algunas de las empresas que más lejos llegaron en sustituir personas por IA han tenido que revertir parte del camino. Para el CIO, ese desajuste es especialmente relevante, porque los agentes están rediseñando cómo TI detecta problemas, decide y responde. Y porque esa perspectiva completa es justo la que la dirección y otras áreas necesitan que alguien ponga sobre la mesa.

1. El caso Klarna: cuando la oportunidad de la IA no dejó ver la realidad

Klarna se convirtió en 2024 en una referencia europea de lo que la IA podía hacer por una empresa. Su asistente de IA llegó a gestionar dos tercios de los chats de atención al cliente en su primer mes, con un trabajo equivalente al de 700 agentes a tiempo completo. Como resultado, decidieron congelar las contrataciones, y la plantilla bajó de unos 5.000 a 3.800 empleados. Apenas un año después, el propio CEO admitió que la compañía había ido demasiado lejos al sustituir personas por agentes, lo que fue en detrimento del servicio y del producto. De hecho, la empresa revirtió el camino: volvió a contratar agentes humanos para asegurarse de que el cliente siempre pudiera hablar con una persona.

Lo interesante aquí no es entenderlo como que la IA había fallado. El problema fue otro: entender la función de atención al cliente en clave de productividad y costes, sin ver el conjunto. Si se medía por tiempos de respuesta y FTE equivalentes, la automatización era óptima. Medida por satisfacción, calidad percibida y capacidad de resolver casos complejos, el resultado era otro, y acabó obligando a dar marcha atrás.

2. La lección que importa: la IA rediseña cómo se entrega una función

Es tentador leer Klarna en clave de una historia de atención al cliente. Pero el patrón afecta a cualquier función de negocio. Introducir agentes de IA no es añadir una herramienta más: reordena la toma de decisiones, el aprendizaje del día a día y, en última instancia, cómo se entrega el servicio.

Si solo se piensa en términos de productividad (es decir, qué se automatiza, cuánto se ahorra, cuántas FTE equivalentes libera), es fácil perder de vista las implicaciones más profundas. Es fácil terminar descubriendo tarde que lo que se entrega ya no es lo mismo, aunque sobre el papel se produzca más.

Esto es algo difícil de ver al principio. Una función puede realizarse peor y, aun así, mostrar mejores métricas operativas durante meses. Las consecuencias aparecen en otras áreas, lejos de la función que se automatizó: en reputación, en clientes perdidos o en decisiones mal tomadas.

3. En TI, con los agentes, el efecto es más intenso

En el terreno del CIO este patrón aparece antes y con más fuerza. Cuando un agente deja de ser un asistente que ayuda y pasa a intervenir, entonces llegan los cambios. Por ejemplo, condiciona qué alertas llegan al equipo, qué modificaciones de código se proponen o qué incidencias se priorizan. Esto va más allá de acelerar el trabajo: se decide lo que el equipo ve o deja de ver, y se desplaza el espacio donde se toman las decisiones.

En otras palabras, los agentes no solo ejecutan. Cambian la forma de detectar los problemas, la forma de responder e incluso la de aprender. Si este fenómeno se evalúa únicamente con métricas de rendimiento, se corre exactamente el riesgo de Klarna dentro de casa: ganar velocidad y perder perspectiva.

4. La paradoja: más capacidad de acción, menos visión directa

De ahí la paradoja que muchos responsables de TI empiezan a notar. La organización puede actuar más rápido, entregar más volumen y automatizar más decisiones, y a la vez perder el contacto con la complejidad de la realidad.

Antes, un equipo de soporte aprendía no solo resolviendo incidencias, sino viendo dónde fallaban las integraciones, o qué comportamientos del usuario revelaban un problema más profundo. Si ese trabajo pasa por sistemas automatizados, la organización puede seguir resolviendo, pero los empleados pierden recorrido de aprendizaje.

El riesgo que corre el equipo es que la IA funcione lo suficientemente bien como para desplazar fuera del primer plano el conocimiento y capacidades sobre cómo debe operar una unidad de negocio.

5. El CIO, portador de la perspectiva completa dentro y fuera de TI

Es aquí donde cambia de verdad el papel del CIO. No se trata de que sea el responsable de adoptar agentes y automatizar procesos de forma inteligente. Pasa a ser quien aporta, dentro y fuera de su área, la lectura completa de lo que la IA hace con una función de negocio. Es decir, ir más allá de las ganancias de productividad, aportando otros aspectos que no se ven, como la experiencia, la perspectiva de negocio y los cambios en la entrega de un servicio, sea hacia el empleado o hacia el cliente.

Esa perspectiva tiene un gran valor tanto en la dirección general y en otras áreas como operaciones, atención al cliente y, por supuesto, Recursos Humanos. En el contexto actual, donde se ven continuos anuncios de reducción de plantilla, la conversación tiende a quedarse en ahorro de costes y tiempos. El CIO, está bien situado para aportar la otra parte: dónde conviene mantener una supervisión sólida, qué puede delegarse en la IA y dónde hace falta prever la posibilidad de revertir una automatización que, sobre el papel, funcionaría.

Esa capacidad de revertir es, de hecho, una de las que la organización no puede perder. No todas las organizaciones pueden recuperar capacidades con la rapidez con la que se pierden.

6. La misión: entender y comunicar la delegación en agentes de IA

La misión, por tanto, no es frenar la IA ni desconfiar por principio de los agentes. Es aportar claridad qué puede delegarse y qué no conviene ceder sin perder capacidad de intervención. En unos casos la respuesta es clara: tareas repetitivas, clasificación inicial, generación de borradores o búsqueda técnica. En otros la frontera es más delicada: priorizar riesgos, decidir excepciones, cambiar sistemas heredados o actuar sobre procesos sin suficiente supervisión.

Ese será uno de los servicios más relevantes en el papel del CIO durante los próximos años. Más allá de avanzar en la adopción de los agentes, tendrá que aportar, dentro y fuera de la TI esa lectura necesaria del impacto de los agentes en una función de negocio. Y, finalmente, conservar la capacidad de revertir cuando no se entregue lo que debería, por muy bien que luzca en las métricas.

Todo esto apunta una dirección: el papel del CIO se está ensanchando más allá de lo puramente tecnológico. Gobernar bien la IA exige capacidades nuevas, que hoy apenas empezamos a nombrar y que van a marcar buena parte de la diferencia en los próximos años. A ellas dedicaremos las próximas tribunas.

IDC estima que a finales del año pasado había más de 28 millones de agentes de IA desplegados, y predice que en 2029 habrá más de 1.000 millones activos, ejecutando 217.000 millones de acciones al día.

Es fácil crear una prueba de concepto (POC) de un agente de IA, afirma Venkat Achanta, director de tecnología, datos y análisis de TransUnion, una empresa global de informes crediticios con unos ingresos de 4.600 millones de dólares. Pero gestionarlo, protegerlo y escalarlo supone todo un reto, especialmente para empresas de sectores altamente regulados, como los servicios financieros y la sanidad. Para abordar el problema, TransUnion ha dedicado los últimos tres años a desarrollar su plataforma de IA agentiva, OneTru. El objetivo era crear algo tan fiable y determinista como los antiguos sistemas basados en scripts y diseñados por expertos, pero tan flexible como la IA general, y tan fácil de interactuar como un chatbot.

El truco, sin embargo, consistía en combinar lo mejor de ambos mundos utilizando sistemas tradicionales para los procesos centrales, donde la explicabilidad y la fiabilidad son clave, e incorporando la funcionalidad de la IA general de forma limitada para las tareas para las que resultaba especialmente adecuada. Y dado que no se disponía de la infraestructura necesaria para ello, TransUnion construyó la suya propia, destinando 145 millones de dólares al proyecto. Fue una gran inversión en una tecnología sin probar, pero ya ha supuesto un ahorro de 200 millones de dólares. Más aún, una vez construida la plataforma, TransUnion la utilizó para crear soluciones orientadas al cliente.

En marzo de este año, por ejemplo, TransUnion lanzó su AI Analytics Orchestrator Agent, creado con la plataforma OneTru y basado en los modelos Gemini de Google. TransUnion ya utiliza este agente internamente para mejorar los análisis, y los clientes también pueden utilizarlo para realizar sofisticados análisis de datos sin necesidad de recurrir a científicos de datos.

Muchos clientes utilizan los datos de TransUnion, pero no utilizan otras soluciones ni plataformas, afirma Achanta. El nuevo agente de orquestación tiene el potencial de ayudar a los clientes a sacar más partido a los datos y de abrir nuevas fuentes de ingresos para la empresa. Y hay más agentes en desarrollo, afirma Achanta. La clave para que funcionen son las capas de orquestación, gobernanza y seguridad. Hacer que un agente haga algo es muy fácil para cualquiera, dice, y puede llevar solo unos días. La empresa también puede crear agentes rápidamente. “Pero yo tengo la base y las barreras de seguridad, y el agente que se encuentra en mi plataforma las utiliza todas. Eso es lo que nos da poder”, afirma.

El secreto para lograr que los agentes de IA se comporten es separar las capas de la tarea y asignar cada capa a un sistema diferente, cada uno de los cuales opera bajo un conjunto de restricciones. Este enfoque limita el daño que puede causar cualquier agente en particular, crea un sistema de controles y contrapesos, y restringe las actividades más arriesgadas a una tecnología de IA de generación previa.

Por ejemplo, en TransUnion, la toma de decisiones principal la lleva a cabo una versión actualizada de un sistema experto. Funciona bajo un conjunto de reglas bien definidas y auditables, y opera de forma predecible, rentable y con baja latencia. Cuando se encuentra con una situación que no ha visto antes, se utiliza un LLM para analizar el problema; a continuación, un agente diferente podría convertirlo en una nueva regla, y luego se podría recurrir a un humano para revisar los resultados antes de que la nueva regla se añada al sistema experto. Hay diferentes agentes que comprenden la capa semántica, interactúan con los humanos y realizan otras tareas. “Con la capa de razonamiento neuronal —el LLM— incorporamos a los humanos al proceso. Cuando se trata de una capa de razonamiento simbólico, que se basa en la lógica y el aprendizaje automático, dejamos que se automatice”, explica.

Así, cuando cada agente opera dentro de restricciones muy estrictas, solo con los datos limitados que necesita para esa tarea concreta, y está limitado a lo que puede hacer, todo el sistema se vuelve mucho más manejable y fiable. Es como la diferencia entre una cadena de montaje, donde varios trabajadores realizan cada uno una tarea única y distinta, en lugar de un taller donde un solo artesano lo hace todo. La cadena de montaje puede trabajar más rápido y de forma más fiable, pero hoy en día muchas empresas implementan sus agentes de IA como si fueran artesanos. Este último enfoque puede dar lugar a productos creativos y únicos, pero no siempre es lo que una empresa necesita.

Nicholas Mattei, presidente del grupo de interés especial de la ACM sobre IA y profesor de la Universidad de Tulane, sugiere que las empresas se centren en incorporar seguridad adicional en los puntos donde se conectan las diferentes partes del sistema de agentes. “Hay que asegurarse de que hay seguridad en las uniones”, afirma. Por ejemplo, si un agente envía solicitudes a un servicio de correo electrónico, hay que configurar un punto de control entre ambos. “En los huecos entre los agentes poco fiables y donde reside el software tradicional es donde se tienen que ubicar los procesos de seguridad”, relata.

Crear una base de seguridad para la IA agentiva

En una encuesta de Jitterbit realizada a 1.500 líderes de TI publicada en marzo, la responsabilidad de la IA —seguridad, auditabilidad, trazabilidad y medidas de protección— es el factor más importante a la hora de tomar la decisión final de compra de IA, por delante de la velocidad de implementación, la reputación del proveedor e incluso el coste total de propiedad. Los riesgos de seguridad, gobernanza y privacidad de los datos también fueron las principales cuestiones que impedían que las iniciativas de IA pasaran a producción, por delante de los costes y los retos de integración. Y tienen razón en estar preocupados.

A principios de este año, investigadores de la empresa de ciberseguridad CodeWall lograron vulnerar la nueva plataforma de IA de McKinsey, Lilli. Utilizando una herramienta de IA propia, los investigadores afirmaron que pudieron acceder a 47 millones de mensajes de chat, 728.000 archivos, 384.000 asistentes de IA, 94.000 espacios de trabajo, 217.000 mensajes de agentes, casi 4 millones de fragmentos de documentos RAG y 95 indicaciones del sistema y configuraciones de modelos de IA. “Se trata de décadas de investigación, marcos y metodologías propios de McKinsey: las joyas de la corona intelectual de la empresa almacenadas en una base de datos a la que cualquiera podía acceder”, escribieron los investigadores.

¿El motivo? De los más de 200 puntos finales de API expuestos públicamente, 22 no requerían autenticación. Los investigadores tardaron solo dos horas en obtener acceso completo de lectura y escritura a toda la base de datos de producción de Lilli. McKinsey respondió rápidamente a la alerta, corrigió los puntos finales sin autenticación y tomó otras medidas de seguridad. “Nuestra investigación, respaldada por una empresa forense externa líder, no identificó ninguna prueba de que este investigador o cualquier otro tercero no autorizado hubiera accedido a datos o información confidencial de los clientes”, afirmó la empresa en un comunicado.

IDC indica que el incidente pone de relieve lo peligrosa que puede ser la violación de un sistema de IA para una empresa. “La mayoría de las empresas siguen pensando en los riesgos de la IA en términos del pasado: fuga de datos, resultados erróneos y daño a la reputación de la marca”, explica Alessandro Perilli, vicepresidente de investigación en IA de IDC. “Esos son problemas graves, pero el mayor riesgo reside en delegar autoridad a los sistemas de IA”.

Al obtener acceso a una plataforma de IA agentiva, un atacante no solo puede ver algo que no debería, sino también cambiar de forma encubierta la forma de actuar de la empresa. Y proteger sistemas de IA agentiva a escala empresarial como Lilli es solo la mitad del reto. Según Gartner, el 69% de las organizaciones sospecha que sus empleados utilizan herramientas de IA prohibidas, y el 40% sufrirá incidentes de seguridad o de cumplimiento normativo para 2030 como consecuencia de ello.

Pero las herramientas de detección disponibles no están del todo preparadas para encontrar agentes de IA, indican desde Gartner. “Si te preguntara cuántos agentes se ejecutan en tu empresa en este momento, ¿dónde irías a buscarlo?”, pregunta Swaminathan Chandrasekaran, director global de IA y laboratorios de datos en KPMG, que ahora cuenta con varios miles de agentes de IA en producción. “¿Se han incorporado todos y tienen identidades? ¿Han pasado por un proceso de autenticación adecuado y quién está a cargo de ellos? Esa infraestructura no existe”.

Sin embargo, las herramientas están empezando a surgir, o las empresas están creando soluciones “hazlo tú mismo”, cuenta. “Eso es lo que va a dar tranquilidad a los directores de sistemas de información”. Ya estamos viendo ejemplos públicos de empleados individuales que implementan una potente IA agentiva con consecuencias negativas. Summer Yue, directora de alineación de Meta, decidió recientemente utilizar OpenClaw, una herramienta viral de IA agentiva de código abierto, para ayudarla a gestionar su bandeja de entrada. Después de que funcionara en una bandeja de entrada de prueba, la implementó de verdad.

“Nada te hace sentir más humilde que decirle a tu OpenClaw que confirme antes de actuar y ver cómo borra tu bandeja de entrada a toda velocidad”, escribió en X. “No pude detenerlo desde mi teléfono. Tuve que correr hacia mi Mac mini como si estuviera desactivando una bomba”. En el pasado, un empleado podía subir información confidencial a un chatbot o pedirle que redactara un informe que luego copiaría y pegaría, haciéndolo pasar por suyo. A medida que estos chatbots evolucionan hacia sistemas agenticos completos, los agentes tienen ahora la capacidad de hacer cualquier cosa para la que el usuario tenga privilegios, incluido el acceso a los sistemas corporativos.

Para gestionar este nuevo riesgo de seguridad, las empresas tendrán que pasar de controles basados en roles e identidades a otros basados en la intención, afirma Rakesh Malhotra, director de tecnologías digitales y emergentes en EY. No basta con preguntar si un agente tiene permiso para acceder a un sistema y realizar un cambio en un registro, afirma. Las empresas deben poder preguntar por qué se está realizando ese cambio. Ese es un gran reto en este momento. “La tecnología de observabilidad no capta la intención de por qué el agente ha hecho algo”, afirma. “Y eso es realmente importante de entender. La confianza se basa en la intención, y no hay forma de que ninguno de estos sistemas capte la intención”.

Si un empleado humano intentara refactorizar toda la base de código, se le pediría que diera una buena razón para hacerlo. “Y si estás refactorizando sin ninguna razón específica, quizá no deberías hacerlo”, dice Malhotra. “Con las personas, hay formas de juzgar esto. No sé cómo hacerlo con los agentes”.

Creación de una base de datos semántica para la IA agentiva

Achanta, de TransUnion, menciona repetidamente la base semántica de la plataforma OneTru de la empresa. Esa comprensión de la información ayuda a los sistemas a entender no solo qué son los datos, sino qué significan y cómo se relacionan con otros datos. Gartner afirma que desarrollar una capa semántica es ahora imprescindible para las empresas que implementan IA. “Es la única forma de mejorar la precisión, gestionar los costes, reducir sustancialmente la deuda de IA, alinear los sistemas multiagente y detener las costosas inconsistencias antes de que se extiendan”, dice.

Para 2030, las capas semánticas universales se considerarán infraestructura crítica, junto con las plataformas de datos y la ciberseguridad, predice Gartner. Y los agentes necesitan contexto para poder hacer algo significativo con los datos, afirma Chandrasekaran, de KPMG. Ahí es donde reside el conocimiento de una empresa. “Esa es tu nueva propiedad intelectual para la empresa. El contexto es la nueva muralla defensiva”.

Para John Arsneault, director de sistemas de información de Goulston & Storrs, crear una base de datos sólida es también una forma de evitar la dependencia de un proveedor. “Si compras productos y trasladas tus datos a ellos para automatizar flujos de trabajo o crear asistentes de trabajo para los agentes, te costará mucho salir de ahí. Pero si adoptas un enfoque centrado en los datos, al menos podrás pasar de uno a otro si se produce un cambio en el mercado”.

El bufete de abogados ha migrado sus productos de trabajo orientados al cliente a NetDocuments, un sistema de gestión de documentos enfocado específicamente al sector jurídico. Y el resto de los datos que recopila la empresa se almacenan en el ‘data lakehouse’ jurídico de Entegrata.

“Nuestro objetivo es que, con el tiempo, todas nuestras demás aplicaciones apunten a ese lago de datos. Entonces tendremos estos dos entornos donde residen todos los datos del bufete, lo que nos permitirá integrar cualquier herramienta de IA que utilicemos”, afirma.

También facilitará la gestión de los flujos de datos, añade, y permitirá al bufete adaptarse rápidamente a cualquier tecnología de IA que surja en el futuro. “Ya sea IA generativa, agéntica o de Anthropic, con el complemento legal de Cowork, es muy difícil mantenerse al día. Y cambia cada seis meses”.

Orquestación de agentes

La última pieza del rompecabezas de la infraestructura de agentes, tras establecer las medidas de seguridad y crear una capa de datos utilizable, es la orquestación. Los sistemas de IA de agentes requieren que los agentes se comuniquen entre sí y con los usuarios humanos, e interactúen con fuentes de datos y herramientas. Es un reto complicado, y esta tecnología se encuentra todavía en una fase muy incipiente, aunque avanza rápidamente. MCP es un ejemplo de ello, y es una pieza clave para resolver el rompecabezas de la orquestación. Los proveedores de IA se han mostrado muy dispuestos a cooperar en este ámbito.

“Cuando surgieron las redes sociales, y Facebook y Twitter debatían sobre un protocolo estándar para interactuar, nadie quería adoptar el protocolo de sus competidores”, afirma Agustín Huerta, vicepresidente sénior de innovación digital y vicepresidente de tecnología en Globant, una empresa de transformación digital. “Ahora todo el mundo está adoptando MCP y madurándolo como protocolo estándar”.

Pero eso no quiere decir que la integración de agentes se haya resuelto. Según una encuesta de Docker realizada a más de 800 responsables de la toma de decisiones de TI y desarrolladores, la complejidad operativa de orquestar múltiples componentes es el mayor desafío a la hora de crear agentes.

En concreto, el 37% de los encuestados afirma que los marcos de orquestación son demasiado frágiles o inmaduros para su uso en producción, y el 30% señala deficiencias en las pruebas y la visibilidad en orquestaciones complejas.

Además, aunque el 85% de los equipos están familiarizados con MCP, la mayoría afirma que existen importantes problemas de seguridad, configuración y gestionabilidad que impiden su implementación en producción. Y hay otros problemas de integración a los que las empresas deben hacer frente.

“Un problema aún por resolver es cómo conseguir un panel de control adecuado para gestionar todos estos agentes, para saber exactamente qué está pasando con cada uno de ellos”, afirma Huerta. “Hay un panel que permite supervisar los agentes creados con OpenAI y otro para los que residen en Salesforce, pero ninguno puede mostrar la telemetría en un panel centralizado para el control, la auditoría y el registro”.

Para las empresas que acaban de empezar a implementar agentes, o que se ciñen a una única plataforma, esto aún no supone un problema, añade, pero a medida que aprovechen una red más amplia de agentes, empezarán a experimentar estos retos. La propia Globant está creando su propio panel de control interno para la IA basada en agentes, por ejemplo.

Y en Brownstein Hyatt Farber Schreck, un bufete de abogados con 50 años de antigüedad, unos 700 empleados y clientes en todo Estados Unidos, hay varias áreas en las que se está implementando la IA, incluido un sistema generador de propuestas.

Normalmente, varias personas pueden tardar días en revisar la solicitud de propuesta de un cliente, examinar notas manuscritas o transcripciones de reuniones y recopilar otros materiales relevantes, afirma Andrew Johnson, director de sistemas de información del bufete. “Podemos introducir toda esa información en un ordenador y extraer los criterios clave para producir un primer borrador de calidad en cuestión de minutos”, afirma.

Se requieren múltiples agentes para las diferentes partes del proceso: uno para extraer los criterios de éxito o los requisitos de personal, otro para buscar precedentes y lecciones aprendidas, y otros para la fijación de precios y los estándares de marca. “Cada uno de esos agentes es autónomo y debe coordinarse para que los resultados de cada uno se incorporen al siguiente paso”, explica Johnson. En su mayor parte, eso significa un sistema RAG, ya que la mayoría de las plataformas heredadas que utiliza la empresa aún no han incorporado una capa MCP.

Dependiendo de la tarea, los agentes individuales pueden funcionar con diferentes modelos, lo que supone otra capa de coordinación que hay que gestionar. Luego está el control de costes. Si un agente de IA o un grupo de agentes entra en un bucle de retroalimentación infinito, los costes de inferencia pueden aumentar rápidamente. “Somos conscientes de la preocupación, aunque aún no la hemos visto materializarse”, afirma Johnson. “Por eso contamos con un sistema de supervisión. Si superamos los umbrales, reaccionamos”.

Independientemente de las estrategias o medidas para absorber los contratiempos, todo lo relacionado con la IA está cambiando más rápido que cualquier otra cosa que las empresas hayan visto. “Llevo 25 años en el sector tecnológico y nunca había visto nada igual”, señala Malhotra, de EY. “Las empresas de más rápido crecimiento de la historia se han creado todas en los últimos tres o cuatro años. El crecimiento en la adopción no tiene precedentes. Y hablo constantemente con clientes que están implementando tecnologías que eran muy relevantes hace nueve o diez meses, y todo el mundo ha pasado página”.

La mayoría de las empresas aún no han aprovechado el poder transformador de la IA, centrándose en cambio en mejoras incrementales de productividad y eficiencia que no conducen a ventajas competitivas, según un informe de la firma de análisis Forrester. Las mejoras internas de productividad derivadas de la IA siguen siendo marginales, no sustanciales, ya que las organizaciones no han descubierto cómo generar beneficios más significativos a través de la tecnología, afirma Forrester en su reciente informe Accelerate Your AI Voyage.

La evidencia: el 43% de los responsables de la toma de decisiones sobre IA encuestados por la empresa miden las mejoras de productividad obtenidas gracias a la IA, y el 41% miden las ganancias de eficiencia, pero solo el 32% vincula los resultados de la IA con los beneficios o los ingresos.

“Ahorrar 10.000 horas de trabajo de los empleados puede parecer bueno sobre el papel, pero no cubrirá la factura de las GPU, y mucho menos impulsará la reinvención”, escriben los analistas de Forrester en el informe. “Este pensamiento incremental constituye la base de una desconexión fundamental con respecto a la promesa del potencial transformador de la IA”.

Solo entre el 5% y el 15% de las organizaciones cuentan actualmente con una estrategia de IA eficaz, y es probable que el porcentaje se sitúe más cerca del extremo inferior, estima Brian Hopkins, vicepresidente de tecnologías emergentes de Forrester. Al centrarse en las ganancias de productividad o eficiencia, la mayoría de las organizaciones se pierden el verdadero poder de la IA, añade. “La eficiencia no es estrategia; es gestión de proyectos. Estás intentando mejorar tus procesos actuales de forma incremental”, dice.

Dar a los empleados un copiloto para ver qué hacen con él no es un enfoque ganador, añade Hopkins: “Toda esta idea de que vamos a invertir de forma incremental en productividad y que, de alguna manera, eso va a capturar el potencial que ofrece la IA, es una quimera”.

Por otra parte, las mejoras de productividad de la IA suelen depender de recortes de plantilla tras la implementación, añade. “El problema de las mejoras incrementales de productividad es que, para obtener los beneficios que exige tu director financiero, tienes que implementar una solución, demostrar que funciona y, a continuación, despedir a gente”, relata. “¿Crees que las personas a las que vas a despedir te van a ayudar a hacerlo? No lo harán. Es un trabajo complicado y desagradable”.

Los datos de Forrester coinciden con otra encuesta reciente del proveedor de plataformas de agentes de IA Decidr, que desveló que el 40% de las empresas estadounidenses obtienen la mayor parte del valor de su IA de herramientas al estilo de ChatGPT, en lugar de agentes o modelos de IA personalizados.

Maneras de pensar ya obsoletas

Otros líderes de TI también ven los problemas destacados en el estudio de Forrester. Muchas empresas se centran en estrategias de IA a la altura de los carros tirados por caballos en un mundo que avanza hacia los coches autónomos, afirma Christine Park, directora de transformación de IA en Branch, proveedor de una plataforma de seguimiento de enlaces móviles.

“Esto es exactamente lo que ocurre cuando el mercado avanza más rápido que el modelo operativo. Los líderes están optimizando la eficiencia de forma limitada dentro de las funciones en lugar de replantearse cómo debería cambiar fundamentalmente el trabajo en sí”, afirma.

Las mejoras en productividad y eficiencia no supondrán un cambio significativo para la mayoría de las organizaciones, añade. La verdadera transformación de la IA no se limita a habilitar funciones individuales, sino que requiere coordinación entre todos los flujos de trabajo. “La IA para la eficiencia de costes eleva el nivel mínimo, ¿y qué?”, dice Park. “Si solo se trata de una estrategia de eficiencia, no vas a obtener más que ganancias a corto plazo. Si se compara la reducción de costes con la eficiencia, podemos crecer sin un aumento proporcional de la plantilla, pero se necesita una verdadera transformación para elevar el techo”.

En cambio, las organizaciones inteligentes se centrarán en la IA como una amplificación tanto de los ingresos como de la experiencia de las personas, añade. La naturaleza del trabajo está cambiando, ya que ahora se desarrolla en flujos de trabajo multidimensionales en lugar de tareas paso a paso, afirma.

“La IA se está tratando como una característica cuando debería tratarse como una transformación”, afirma. “Eso significa adoptar una perspectiva centrada en las personas y que los líderes cambien la forma en que formamos a las personas, definimos los roles y medimos el éxito. La IA es un cambio humano, no solo una nueva herramienta”.

Auténtica transformación del flujo de trabajo

Las organizaciones deberían buscar una transformación del flujo de trabajo en toda la empresa, añade Mike Flynn, líder de consultoría del sector tecnológico en la firma de servicios profesionales EY. Muchas organizaciones se centran en la automatización a nivel de tareas en lugar de rediseñar los flujos de trabajo de principio a fin, indica.

Al centrarse en las mejoras a nivel de tareas, las empresas añaden costes de herramientas de IA y de computación sin eliminar una cantidad significativa de trabajo del sistema, lo que conduce a lo que Flynn denomina “trabajo atrapado”.

Las organizaciones deben adoptar un enfoque centrado en la IA para todos sus flujos de trabajo e intentar rediseñar los procesos para eliminar el trabajo humano repetitivo en la medida de lo posible, recomienda Flynn. Las organizaciones deberían entonces añadir la intervención humana cuando sea necesaria, señala. “Si piensas en aplicar la IA a tu problema empresarial, a medida que sigues añadiendo IA, el esfuerzo que se requiere sigue aumentando, en comparación con rediseñar tus procesos de tal manera que la IA se integre en ellos”, añade.

Crear una estrategia de IA duradera va más allá de implementar unas pocas herramientas de IA para los empleados, afirma Flynn, y añade que EY guía a los clientes a través de un plan de valor de la IA que les muestra los posibles resultados de diversas estrategias de IA. “Las empresas se están dando cuenta de que esto no es tan fácil como simplemente habilitar y dar a las personas herramientas con las que puedan hacer algo y que se puedan acoplar a sus trabajos actuales”, agrega. “Para mí, lo importante es pensar en rediseñar los procesos operativos. Se trata de una transformación de los procesos y de las personas tanto como de la IA en sí misma”.

¿Están las organizaciones listas para dar el salto?

La mayoría de las organizaciones aún no están preparadas para dar el siguiente paso, sugiere Thomas Prommer, expresidente de la empresa de diseño, TI e IA Huge. Los casos de uso sustanciales, como la revisión de precios y la toma de decisiones en la cadena de suministro, requieren prácticas de gestión del riesgo de los modelos y registros de auditoría que la mayoría de las empresas aún no tienen, afirma.

“La productividad interna es el único caso de uso que la organización puede probar realmente de forma segura con la gobernanza actual”, apunta Prommer. “Están utilizando copilotos porque los copilotos no necesitan un comité de riesgo de modelos”.

Además, la transición de ganancias incrementales a ganancias sustanciales impulsadas por la IA requiere que alguien o algo fuerce el cambio, como un director ejecutivo, un inversor activista o una sacudida competitiva, añade. Los directores de sistemas de información (CIO) rara vez pueden impulsar el cambio por sí solos, afirma.

Sin embargo, algunas organizaciones han dejado atrás los ahorros de productividad porque no aparecen en las cuentas de resultados (P&L), dice Prommer. “Si le ahorras a un ingeniero 90 minutos al día, eso no aparece en la cuenta de resultados; aparece como: ‘Hemos lanzado un 15% más de funciones”, afirma. “Los consejos de administración quieren una partida concreta. Las empresas que pasaron a casos de uso sustanciales lo hicieron porque contaban con un único responsable de la cuenta de resultados dispuesto a arriesgar sus cifras por ello”.

Hopkins, de Forrester, insta a las organizaciones a replantearse las estrategias de IA y a centrarse en cambios sustanciales, a pesar de las dificultades. Si las organizaciones apuntan lo suficientemente alto, pueden utilizar la IA para permitir una transformación empresarial completa y encontrar usos de la IA que impulsen ventajas competitivas, afirma.

Forrester aconseja a los responsables de TI y a los líderes empresariales que se centren en cuatro áreas clave:

• Definir los resultados empresariales y las métricas de éxito para sus iniciativas de IA.
• Identificar casos de uso específicos para la implementación de la IA alineados con esos resultados empresariales.
• Establecer una estructura para planificar, probar e implementar aplicaciones de IA.
• Ampliar las aplicaciones de IA utilizando el poder de la nube, los modelos de vanguardia y los agentes integrados.

Si las organizaciones adoptan el enfoque adecuado, pueden implementar la IA de formas que generen ventajas competitivas reales, según Hopkins. “La estrategia consiste en aplicar una fuerza masiva, basada en una visión que uno tiene, que le da fuerza y debilita a la competencia. Se tiene una visión que los competidores no ven y se establece una capacidad que los competidores no pueden replicar”.

La transformación digital se ha convertido en uno de los grandes motores de cambio en el sector energético. La volatilidad de los mercados, la transición hacia modelos más sostenibles y la creciente complejidad en la gestión del consumo están obligando a las compañías a apoyarse cada vez más en la tecnología para optimizar sus procesos y mejorar su capacidad de adaptación.

En este nuevo escenario, el dato se ha convertido en un activo estratégico. Plataformas de analítica avanzada, inteligencia artificial o sistemas de monitorización del consumo en tiempo real permiten anticipar la demanda, mejorar la gestión del riesgo y ofrecer a los clientes una visión más precisa y transparente de su consumo energético. Al mismo tiempo, la automatización de procesos internos está ayudando a reducir cargas administrativas, mejorar la eficiencia operativa y acelerar la toma de decisiones.

La digitalización ha dejado de ser una cuestión tecnológica para convertirse en una palanca clave para la competitividad. En este contexto, MET Energía, compañía internacional del sector energético con más de 1.100 empleados y presencia en 17 países, lleva varios años impulsando una estrategia tecnológica orientada a digitalizar procesos, mejorar la gestión del dato y reforzar su capacidad de adaptación a un entorno energético en constante evolución.

La transformación digital en MET Energía se ha abordado desde el principio como un proceso transversal que afecta a distintas áreas de la organización. Según explica Ramón Vicioso, director de TI de MET Energía, este proceso se intensificó especialmente en 2024, cuando la compañía decidió acelerar su hoja de ruta tecnológica con el objetivo de abordar la digitalización de procesos que todavía se realizaban de forma manual y tener así “una visual del roadmap de nuestra infraestructura de IT”.  

Uno de los principales desafíos en esta fase inicial ha sido identificar correctamente los procesos susceptibles de digitalización y establecer una gobernanza adecuada del dato dentro de la organización.

El dato y la automatización como pilares del nuevo modelo

En la actualidad, la estrategia tecnológica de MET Energía se basa en la incorporación progresiva de plataformas digitales integradas, automatización de procesos y herramientas avanzadas de analítica de datos. Según explica el responsable de TI, esta evolución ha permitido mejorar tanto la eficiencia interna de la compañía como la relación con los clientes. “En los últimos años, MET Energía ha experimentado una evolución muy sólida a nivel tecnológico, alineada con la digitalización del sector energético y con un enfoque claro en la eficiencia y el dato”, señala.

Para ello, la compañía ha reforzado especialmente sus capacidades relacionadas con la gestión inteligente de la energía, la previsión de la demanda y la gestión del riesgo en un mercado energético cada vez más volátil.

Esta evolución tecnológica ha tenido también un impacto directo en los clientes, que ahora disponen “mayor transparencia, información más accesible y en tiempo real, procesos más ágiles y soluciones más personalizadas según su perfil de consumo”, explica Vicioso.

Inteligencia artificial y analítica para anticipar el consumo

El uso de tecnologías emergentes es otro de los elementos clave dentro del proceso de transformación digital de la compañía. En este sentido, MET Energía está desarrollando aplicaciones basadas en inteligencia artificial y analítica avanzada orientadas a mejorar la previsión de consumo energético y la conciliación de facturas con los datos recibidos de las distribuidoras. “Las aplicaciones que más estamos desarrollando son para la generación de previsiones de consumo y la conciliación de facturas de energía contra los consumos recibidos desde las distintas distribuidoras”, explica Vicioso.

En este proceso, el departamento de TI desempeña un papel estratégico y transversal dentro de la organización. “No se limita únicamente a dar soporte tecnológico, sino que actúa como un facilitador clave del negocio, alineando la tecnología con los objetivos corporativos y acompañando a las distintas áreas en su transformación digital”, señala el responsable tecnológico.

Proyecto Yooz: automatización contable

Uno de los proyectos recientes dentro del proceso de digitalización de MET Energía ha sido la implantación de Yooz, una solución de automatización del proceso de cuentas a pagar integrada con el ERP Microsoft Dynamics NAV.

Antes de su implantación, el departamento contable debía introducir manualmente las facturas de proveedores, un proceso que implicaba una elevada carga administrativa y retrasos en la contabilización. “El objetivo principal es el ahorro del tiempo en nuestro departamento contable ya que reciben muchas facturas en formato PDF y tenían que entrar en cada fichero y teclear manualmente dicha factura en nuestro sistema contable”, explica Vicioso.

La nueva solución ha permitido automatizar la lectura y el procesamiento de facturas, eliminando tareas repetitivas y agilizando el flujo de aprobación.

Uno de los factores decisivos para su implantación fue su compatibilidad nativa con Microsoft Dynamics NAV, el sistema contable de la empresa, lo que permitió una integración directa y sin desarrollos adicionales. Además, su interfaz sencilla e intuitiva facilitó una rápida adopción por parte de los usuarios, mientras que su tecnología de Smart Data Extraction basada en inteligencia artificial eliminó la necesidad de crear plantillas para la lectura de facturas, aportando flexibilidad y precisión.

Los resultados han sido significativos: MET Energía ha logrado acelerar notablemente el procesamiento y validación de facturas, eliminando tareas manuales repetitivas y reduciendo de forma significativa los plazos desde la recepción hasta el pago. Esta automatización ha permitido a los equipos administrativos centrarse en tareas de mayor valor añadido, mejorando tanto la productividad como la satisfacción interna. “Ahora podemos procesar más de 200 facturas en una hora cuando antes nos podía llevar varios días subirlas a nuestro sistema de aprobación de factura y creación en nuestro sistema contable”, señala el responsable tecnológico.

Además de acelerar los procesos, la automatización ha mejorado la trazabilidad y el control del proceso contable, liberando recursos internos para tareas de mayor valor añadido.

Próximos retos: modernizar infraestructuras y reforzar la gobernanza del dato

De cara a los próximos años, la compañía continuará avanzando en la modernización de su infraestructura tecnológica y en el desarrollo de nuevas capacidades digitales.

Entre los retos más inmediatos se encuentra la actualización de algunos sistemas tecnológicos y el refuerzo de la gobernanza del dato, un elemento clave para poder incorporar soluciones basadas en inteligencia artificial. “Modernizar toda nuestra infraestructura que se ha quedado obsoleta y seguir trabajando con la gobernanza del dato para incluir agentes digitales con tecnología IA”, resume Vicioso.

En un sector marcado por la volatilidad de los mercados energéticos, la presión regulatoria y la aceleración tecnológica, la transformación digital se ha convertido en una condición imprescindible para mantener la competitividad. En el caso de MET Energía, este proceso no se plantea como una iniciativa puntual, sino como una evolución permanente que seguirá desarrollándose en los próximos años.

“La confianza es una ventaja competitiva”. Con estas palabras comenzó ayer Víctor Yubero, director de Gobernanza de Inteligencia Artificial del Banco Sabadell, su intervención en el CIO ForwardTech & ThreatScape Spain celebrado ayer en Madrid. Porque, al igual que ocurre con otros sectores, las últimas tendencias en inteligencia artificial (IA) generativa, junto con el auge de los agentes, están transformando profundamente los procesos de negocio y la forma de trabajar del sector bancario.

Palabras que tienen su explicación: en banca, la confianza no es un tema de marketing, tal y como reconoció Yubero, pues “llevamos mucho tiempo en este negocio y estamos acostumbrados. Lo es todo”.

En consecuencia, el sector bancario en particular está virando de la confianza monetaria a la algorítmica. Una transición suave, en su opinión, pues “la IA introduce una nueva capa de riesgo debido a decisiones invisibles por culpa de esos algoritmos”, por lo que “esto se debe de gestionar de manera igual de rigurosa que cuando se gestiona un producto bancario, como es el caso de una hipoteca. Si no somos capaces de transmitir confianza, el negocio no funciona”.

España como modelo europeo de confianza

En este escenario, España es un modelo europeo de confianza en lo que la IA respecta, tal y como admitió.

En opinión de Víctor Yubero, el sector bancario parte, además, de una posición diferencial debido a su amplia experiencia en entornos regulados. “Está habituado a operar bajo estrictos marcos normativos, con altos niveles de control, trazabilidad y supervisión”, por lo que “esta experiencia facilita la adaptación a las nuevas exigencias regulatorias en inteligencia artificial, como las derivadas del futuro marco europeo, y permite anticiparse a muchos de estos requisitos”.

En consecuencia, el director de Gobernanza de Inteligencia Artificial del Banco Sabadell reconoció que España se está posicionando como un referente en IA responsable, en parte gracias a iniciativas como el sandbox regulatorio. Este entorno permite probar casos de uso de alto riesgo en condiciones controladas, fomentando la innovación sin comprometer el cumplimiento normativo. Además, está contribuyendo a generar guías y buenas prácticas que pueden convertirse en referencia a nivel europeo.

La necesidad de la explicabilidad y la trazabilidad

En un momento de su intervención, Víctor Yubero destacó el gran valor de la explicabilidad y la trazabilidad, pues sin ellas la IA no puede escalar de forma sostenible. “La explicabilidad —explicó— permite justificar decisiones ante clientes y reguladores, facilita la supervisión interna y refuerza la confianza. Por ejemplo, en un modelo de concesión de crédito, es necesario poder detallar qué factores han influido en la decisión y en qué medida”.

A lo que unió la necesidad de mantener una supervisión efectiva. Yubero destacó que los sistemas deben proporcionar información suficiente para que los analistas puedan entender y validar las decisiones, especialmente en ámbitos como la detección de fraude. “Sin esta capacidad, no es posible garantizar un control adecuado ni ofrecer respuestas claras ante posibles incidencias”, añadió.

Aplicación práctica

En cuanto a la aplicación práctica, Víctor Yubero expuso distintos casos de uso dentro del sector bancario. Entre ellos destacó modelos de scoring crediticio más explicables, el uso de IA generativa en la interacción con clientes y empleados, y sistemas avanzados de detección de fraude multicanal.

“En todos estos casos, es necesario garantizar la transparencia, establecer límites claros de actuación de los sistemas y mantener siempre la posibilidad de intervención humana”.

No obstante, y fue la reflexión con la que terminó su intervención en el CIO ForwardTech & ThreatScape Spain, “la clave del éxito no reside únicamente en la tecnología, sino en la confianza que esta genera. Las organizaciones que logren desarrollar sistemas en los que confíen sus clientes, reguladores y la sociedad serán las que obtengan una verdadera ventaja competitiva”.

Cada proceso empresarial refleja las limitaciones existentes en el momento en que fue diseñado, destaca la ejecutiva de TI Maria Cardow. Según ella, estas limitaciones solían estar condicionadas por las restricciones tecnológicas de la época. Como consecuencia, muchos procesos siguen dependiendo de flujos de trabajo que requieren intervención manual o implican complejos saltos entre múltiples aplicaciones para completar tareas críticas.

Sin embargo, la inteligencia artificial (IA) y otras tecnologías actuales permiten superar estas barreras. Por ello, “es fundamental reevaluar los procesos” antes de automatizar lo que probablemente sea un sistema ineficiente y obsoleto, sostiene Cardow, CIO del proveedor de servicios de seguridad gestionados LevelBlue. Y añade: “Es necesario revisar los supuestos sobre los que se diseñaron los procesos antes de abordar una transformación si queremos dar cabida a la innovación”.

La presión sobre los ejecutivos para transformar y optimizar los flujos de trabajo mediante IA es creciente. Según el informe 2026 Business Leader Outlook de J.P. Morgan, el 62% de los directivos de empresas medianas ya utilizan o planean utilizar la IA para la automatización de procesos. Por su parte, el EY CEO Outlook 2026 sitúa la optimización operativa y la mejora de la productividad como la principal prioridad de transformación (43 %), seguida de la innovación en productos y procesos.

En la actualidad, Cardow lidera este tipo de iniciativas y constata que el área de TI está especialmente bien posicionada para ello.

Al analizar los flujos de trabajo, su equipo detecta con frecuencia procesos que abarcan “al menos una docena de sistemas diferentes” y que se basan en supuestos vinculados a tecnologías de hace varias generaciones. Este tipo de situaciones refuerza la necesidad de optimizar antes de automatizar, evitando caer en el error clásico de digitalizar ineficiencias.

Un aliado natural para la optimización

Cardow afirma que cada vez que se plantea la renovación de una licencia tecnológica, LevelBlue revisa los procesos empresariales asociados. El objetivo es determinar si están preparados para ser optimizados o transformados antes de renovar o sustituir la tecnología —y antes de introducir más automatización o IA—.

Este enfoque sitúa al CIO en una posición de liderazgo en la optimización de procesos. Su conocimiento de las capacidades tecnológicas, unido a su mandato de mejorar la eficiencia, la productividad y los costes, refuerza este rol.

Además, según Cardow, el área de TI aporta un elemento clave: objetividad. Mientras que los usuarios tienden a aferrarse a las herramientas y métodos existentes, los CIO pueden cuestionar de forma crítica cómo se ejecutan los procesos.

“La organización tiende a decir: “Siempre lo hemos hecho así”, explica, para apostillar: “Pero el CIO está en una posición privilegiada para cuestionar esos supuestos y colaborar con el negocio para simplificar procesos y diseñar mejores soluciones”.

La IA eleva el papel del CIO

Aunque los CIO llevan décadas impulsando la automatización, el contexto actual marca un punto de inflexión. Para Doug Gilbert, CIO y director digital de Sutherland, “ahora es diferente. Estamos ante un cambio evolutivo”.

En anteriores olas tecnológicas, el foco estaba en automatizar tareas concretas —como ocurrió con la automatización robótica de procesos (RPA)—. Hoy, en cambio, el reto es optimizar procesos completos de extremo a extremo.

A juicio de este especialista, “si abordas la IA como una RPA más sofisticada para tareas aisladas, fracasarás. La automatización debe abarcar todo el flujo de trabajo”.

Gilbert pone como ejemplo el Insurance AI Hub de su compañía, lanzado en 2025, que integra un ecosistema de agentes de IA para suscripción, gestión de siniestros y atención al cliente. El sistema incorpora desde el inicio datos maestros limpios, gobernanza, observabilidad y control humano, logrando reducir los tiempos de ciclo hasta un 30%, mejorar la satisfacción del cliente y reforzar el cumplimiento normativo.

Otro caso es su plataforma de acreditación sanitaria basada en IA agentiva, capaz de transformar un proceso tradicionalmente lento y manual en una operación ágil, precisa y regulada mediante la coordinación de múltiples agentes que comparten contexto en tiempo real.

Un punto de inflexión para la función del CIO

Este nuevo escenario exige más a los CIO. Ya no basta con entender la tecnología: deben comprender en profundidad cómo se realiza el trabajo, cómo se toman decisiones y qué define un buen resultado.

“La IA agente está elevando significativamente el listón”, afirma Gilbert. Estos sistemas ejecutan reglas y planifican, deciden, actúan y aprenden. Por ello, los CIO deben liderar la reinvención completa de los procesos, diseñándolos de forma nativa para entornos con agentes autónomos.

“Antes recibíamos un proceso, lo automatizábamos parcialmente y lo devolvíamos. Hoy debemos replantear de raíz cómo se realiza el trabajo”, explica. Esto implica garantizar datos de calidad, gobernanza integrada y resultados fiables, además de asumir un papel activo en la estrategia empresarial.

En esta línea, Catherine Malkova, vicepresidenta sénior de Kyndryl, destaca que las organizaciones están apostando por rediseñar los flujos de trabajo desde cero para construir empresas nativas de IA. Según el informe de preparación de la compañía, el 87% de los directivos cree que la IA transformará completamente las funciones laborales.

Retos en el camino

Los desafíos son considerables pese al entusiasmo. Entre ellos destacan la necesidad de bases tecnológicas sólidas, la gestión de datos, la evolución de la plantilla, la escalabilidad de los proyectos de IA y la alineación del liderazgo.

A esto se suman problemas como sistemas fragmentados, resistencia al cambio, falta de habilidades o escasa confianza en la IA. También persisten preocupaciones sobre seguridad, privacidad y errores en los modelos.

Dom Profico, CTO de Bridgenext, advierte además del riesgo de precipitación: “La facilidad de automatizar con IA aumenta el peligro de automatizar procesos deficientes”. La presión competitiva puede llevar a avanzar demasiado rápido sin transformar previamente los procesos.

El CIO como motor del cambio

En este contexto, el CIO debe aportar rigor y visión sistémica para garantizar que se automatiza lo correcto y de la forma adecuada. Esto implica comprender el negocio en profundidad y conectar tecnología con valor.

Según Gilbert, las competencias clave incluyen el dominio de plataformas de inteligencia de procesos, estrategia de datos, gobernanza de IA, gestión del cambio y capacidad de traducir decisiones técnicas en impacto empresarial.

Merim Becirovic, CIO y socio de Boston Consulting Group, coincide en que el enfoque ha evolucionado desde la optimización en silos hacia la transformación integral de experiencias y recorridos.

Como ejemplo, una herramienta interna de IA que automatiza la creación de presentaciones, dice Deckster. Frente a mejoras incrementales, BCG rediseñó todo el proceso: hoy genera diapositivas listas para cliente en tres segundos, frente a los 15 minutos anteriores.

“Ahí es donde el CIO debe intervenir y preguntarse: “¿Existe una forma mejor de trabajar? El CIO debe ser impulsor, facilitador, colaborador e innovador para hacer realidad ese cambio”, concluye.

Los directores de sistemas de información (CIO) no necesitan que se les convenza de que el retorno de la inversión (ROI) de la IA generativa y la IA agente es difícil de cuantificar, pero la consultora KPMG señala que algunas empresas siguen adelante con esta tecnología de todos modos.
De hecho, más allá de la falta de un ROI cuantificable, los ejecutivos ni siquiera están dejando que la debilidad del contexto económico frene sus planes de inversión en IA. “Tres de cada cuatro líderes mundiales darán prioridad a la inversión en IA a pesar de la incertidumbre económica»” ha constatado KPMG.

“Existe una clara brecha entre las organizaciones que aún se encuentran en la fase de experimentación y aquellas que han pasado de las pruebas piloto a escalar plenamente los agentes de IA y a obtener resultados de valor empresarial real”, ha señalado la compañía en su informe Global AI Pulse Survey, para añadir: “Aunque la adopción de la IA se está acelerando en todo el mundo, sólo un pequeño grupo de líderes en IA está obteniendo beneficios claros. Estos líderes superan sistemáticamente a los demás: el 82% afirma que la IA ya está aportando un valor empresarial significativo, en comparación con el 62% de sus homólogos. No se trata simplemente de una brecha de madurez en la IA, sino de una brecha de rendimiento cada vez mayor entre las organizaciones que tratan la IA como una transformación a nivel empresarial y aquellas que intentan integrar la IA en los modelos existentes y obtienen ganancias incrementales”.

En el apartado de su informe centrado en el Reino Unido, KPMG señala: “La IA ya no necesita el retorno de la inversión tradicional para justificarse. El 65% de los encuestados del Reino Unido afirma que su organización seguiría invirtiendo en IA independientemente de contar con un ROI tangible. A pesar de que las empresas gastan grandes sumas en inteligencia artificial, el retorno de la inversión tradicional no es necesariamente imprescindible para que perciban el valor de la tecnología”.

Cambio de mentalidad

Leanne Allen, directora de IA de KPMG, afirma que el enfoque intensivo en la IA empresarial ha obligado a adoptar un nuevo planteamiento respecto a los aspectos financieros de la tecnología.

“Este cambio de mentalidad por parte de los líderes empresariales, que han pasado de ver la IA como algo que debe ofrecer un retorno inmediato a considerarla una inversión a largo plazo, reconociéndola como un facilitador estratégico para la transformación de toda la empresa, es un hito importante”, señala Allen, para añadir: “Pero eso no debería traducirse en invertir en IA a ciegas, sin una estrategia clara. La IA está redefiniendo cómo operan las organizaciones, cómo se toman las decisiones y cómo los agentes humanos y de IA trabajan juntos en el día a día”.

Este cambio de mentalidad es en parte pragmático, ya que muchos consejos de administración han comunicado a sus CIO que las inversiones en IA no son opcionales. Pero el reto del retorno de la inversión (ROI) en IA adopta muchas formas.

Los numerosos problemas con el retorno de la inversión en IA

Dado el ritmo acelerado de la experimentación y la implementación de la IA, muchas pruebas de concepto (PoC) son impulsadas por ejecutivos que establecen objetivos de ROI poco realistas. Si el proyecto se evalúa según un estándar que tecnológicamente no puede alcanzar, no es una crítica al LLM cuando no se cumplen métricas mal planteadas.

Algunas empresas también están descubriendo costes inesperados derivados de la implantación de la IA, como cuando utilizan chatbots con IA para clientes y luego comprueban que los usuarios los emplean indebidamente como herramientas de IA generativa “gratuitas”, obligando a la empresa a asumir el coste de tokens adicionales.

Qué medir

Lo que argumentan algunos analistas e inversores es que el tipo de esfuerzo intelectual que la IA está sustituyendo nunca se ha medido bien, si es que se ha medido. Esto implica que los departamentos financieros tendrán que idear nuevas formas de medir el ROI de la IA.

Ben Grant, socio director de Lambton Capital Partners, señala al respecto: “Creo que el problema es cómo lo medimos. El ROI tradicional exige una relación clara entre insumos y resultados. La IA aún no hace eso en la mayoría de las empresas. El valor se manifiesta en el tiempo recuperado, en la mayor rapidez en la toma de decisiones y en la resolución de deficiencias antes de que se conviertan en problemas. Intenta plasmar eso en una hoja de cálculo”.

No obstante, añade: “No creo en absoluto que las empresas que invierten en IA sin un ROI tradicional estén actuando de forma imprudente. Están siendo prácticas. Han visto lo suficiente como para saber que funciona. Simplemente no pueden cuantificarlo en el lenguaje que quieren los equipos financieros”.

Manish Jain, director principal de investigación de Info-Tech Research Group, afirma que esta desconexión existe “porque las empresas operan simultáneamente en dos modos: el exploratorio, donde la velocidad de aprendizaje importa más que el ROI, y el industrializado, donde se espera la materialización del valor, pero la madurez aún está evolucionando”.

Y añade que las empresas han ajustado sus expectativas, añade. Por eso señala que “no es que a las empresas no les importe el rendimiento, sino que han aprendido que, antes de centrarse en el ROI, deben centrarse en madurar las capacidades de la IA. Cuando aparece un nuevo motor, los operadores sensatos no preguntan primero cuánto genera. Se preguntan qué pasaría si fueran los únicos que no lo tuvieran”.

¿Se está convirtiendo la IA en algo cotidiano?

El analista y vicepresidente de Gartner, Nader Henein, no llega a calificar los resultados de la IA de triviales, pero señala que la tecnología ha comenzado a integrarse en funciones cotidianas y rutinarias, lo que puede suponer un reto para la tradicional hoja de cálculo del ROI.

A su juicio, “algunas inversiones en IA, como los asistentes de IA, se están convirtiendo en herramientas de oficina estándar, como la suite ofimática. Nadie calcula el ROI contando el número de documentos de Word o presentaciones producidos”, afirma Henein, para añadir: “Pero los cálculos del ROI en proyectos de IA no van a desaparecer. Si se quema dinero y no se genera un ROI tangible, se retirará. Los informes de pérdidas y ganancias y las expectativas de los inversores en empresas cotizadas no están cambiando”.

Gastar y esperar

Michael Leone, vicepresidente y analista principal de Moor Insights & Strategy, afirma que la naturaleza diferenciada de las implementaciones de IA también puede dificultar los mecanismos tradicionales de ROI.

“El viejo manual del ROI de las migraciones a ERP o a la nube no encaja con la IA, y todos los CIO con los que hablo lo saben. Probablemente puedan decirte de manera exacta qué beneficios de productividad están obteniendo en un flujo de trabajo específico, pero si les preguntas cómo será la rentabilidad para la empresa a tres años vista, se encogen de hombros. Ahí es donde realmente surge la idea de “independientemente del ROI” y, francamente, creo que los líderes hacen bien en seguir financiando a pesar de ello”, señala Leone. Y apostilla: “El presupuesto dejó de ser uno de los factores que frenaban los programas de IA hace tiempo. El dinero está ahí y el mandato también. Los verdaderos obstáculos ahora son la seguridad, la privacidad y el hecho de que casi nadie cuenta con el personal necesario para gestionar esto a gran escala. Lo veo como si todas las organizaciones estuvieran haciendo una apuesta informada. Han calculado lo que cuesta quedarse atrás y no les gusta la respuesta”.

Señala que quizá sólo una de cada diez empresas con las que ha hablado cuenta con el talento, la gobernanza y la disciplina operativa necesarios para obtener rendimientos compuestos de su inversión en IA. “Todas las demás están gastando y esperando. Esa es la realidad”, dice al respecto.

Carmi Levy, analista tecnológico independiente, considera que “es un auténtico suicidio fiscal invertir en cualquier tecnología de vanguardia sin al menos un mínimo de retorno de la inversión que lo justifique. Sin embargo, la velocidad y el alcance de los avances en IA hacen que los métodos tradicionales de cálculo del ROI se hayan quedado claramente obsoletos. La IA obliga ahora a las organizaciones a lanzarse a ella más por miedo a quedarse atrás”.

Esto implica, argumenta Levy, que el departamento financiero quizá tenga que dejar temporalmente de lado los cálculos rígidos del ROI.

“La necesidad de seguir siendo competitivos en IA, o al menos de no perder de vista a la competencia mientras todos intentan comprender su alcance, implica que las decisiones quizá no se basen en el mismo rigor financiero que se habría aplicado en años anteriores”, señala Levy, quien añade que “las condiciones económicas cada vez más turbulentas suelen obligar a las organizaciones a frenar las inversiones en tecnología, pero esa lógica se está poniendo a prueba a medida que la IA se consolida en la hoja de ruta tecnológica. Las organizaciones buscarán ahorros en otros ámbitos para evitar el riesgo de quedarse atrás frente a competidores que se niegan a reducir su gasto en IA en medio de la incertidumbre económica. De hecho, muchos líderes utilizan la IA como un motor genérico de ahorros futuros no especificados, lo que, en la frenética carrera por seguir siendo relevantes en IA, suele ser suficiente para obtener el visto bueno de la alta dirección”.

Un tsunami digital atraviesa la tradicional industria de construcción y gestión de infraestructuras. Después de décadas trabajando prácticamente sin cambios, la fiebre tecnológica emergida en los últimos años ha impactado de lleno, como no podía ser de otra manera, en un sector hasta hace relativamente poco anclado en el pasado y que ahora vive un momento dorado de renovación gracias a las posibilidades que trae consigo la democratización de la inteligencia artificial, la sensórica, el internet de las cosas o los gemelos digitales, por citar solo algunas de las innovaciones más disruptivas.

Este nuevo escenario lo conoce muy bien el español de nacimiento pero griego de corazón Dimitris Bountolos, un ingeniero de Caminos, Canales y Puertos de formación, bregado durante años en el mundo del negocio en gigantes como Latam Airlines e Iberia, pero un fuerte conocedor del terreno de la innovación tecnológica, con experiencia incluso en la NASA (donde fue consejero del director de Innovación de la agencia aeroespacial de Estados Unidos) y que, desde junio de 2020, es el director general de Sistemas de Información e Innovación (CIIO) y miembro del Comité de Dirección de Ferrovial, uno de los gigantes globales de infraestructuras, centrado en el desarrollo y la operación de autopistas, aeropuertos, proyectos de energía y construcción de obras de ingeniería a gran escala, con presencia en 15 países y una plantilla de más de 25.000 empleados.

Sobre el viaje tecnológico experimentado por esta multinacional europea de origen español (establecida oficialmente en los Países Bajos desde junio de 2023) pero también sobre el futuro del sector de las infraestructuras habla, largo y tendido, Dimitris Bountolos, premiado como ‘CIO del año 2025’ en los CIO Awards organizados por CIO ESPAÑA, en esta entrevista realizada con nuestra cabecera en una de las visitas del directivo, que normalmente trabaja en Ámsterdam, a Madrid.

Seis años de un “viaje vertiginoso”

El directivo rememora su trayectoria como CIIO de Ferrovial, posición que estrenó en plena pandemia, “cuando todavía estábamos viendo cómo operar en aquel contexto convulso”, relata. A partir de entonces, cuenta, “han venido proyectos corporativos y modelos de negocio nuevos, nuevas divisiones y ventas de activos y divisiones que han también obligado a poner en stand by algunos proyectos”.

También han llegado, dice, revoluciones tecnológicas, “algunas con anticipación y otras prácticamente sin avisar”, lo que ha propiciado “una transformación profunda en el modelo de operación de las infraestructuras”.

El marco regulatorio, “que nos ha condicionado muchísimo” y el modelo de internacionalización de la compañía, es decir, “estar bajo la batuta de los reguladores, en este caso neerlandeses, americanos y españoles”, así como “la forma de operar todo esto a través de la tecnología” han sido factores determinantes para la empresa durante estos años.

“Ha sido y está siendo un viaje vertiginoso”, reconoce Bountolos, quien cree que este escenario de tormenta perfecta para los CIO viene para quedarse. “Uno de los aprendizajes de estos últimos años ha sido asumir que tienes que estar preparado, con adaptabilidad y resiliencia, para entender que las condiciones de entorno son volátiles y dinámicas, y que una de las responsabilidades que tenemos los líderes tecnológicos es convertir la tecnología en un factor que se adapta a ese dinamismo y que no crea fronteras, sino que es capaz de mutar con pequeños ajustes; y después, a través de la gestión del cambio, debemos  convertir al empleado en un profesional cada vez más resiliente a estas transformaciones a través de la tecnología”, dice.

“Ha sido y está siendo un viaje vertiginoso”, reconoce Bountolos, quien cree que este escenario de tormenta perfecta para los CIO viene para quedarse.

Impulso de una capacidad digital más transformadora

Cuando Bountolos se incorporó a Ferrovial, la compañía ya tenía en marcha, desde hacía unos meses, un plan estratégico a cuatro años (llamado Horizon 24, de 2020 a 2024), para centrarse en la promoción, construcción y gestión de activos como autopistas y aeropuertos y alejarse de otros negocios, como el de servicios, además de integrar los Objetivos de Desarrollo Sostenible (ODS) en su modelo de negocio y ampliar su presencia en geografías estratégicas como Estados Unidos, Canadá, Reino Unido, España y Polonia. Pero a su llegada, según explica a CIO ESPAÑA, vio que el plan era inabordable “sin una capacidad digital mucho más transformadora”, así que desarrolló una “visión espejo digital” de éste.

Una visión que incluyera aspectos como la apuesta por la explotación y el gobierno de los datos, para lo que Ferrovial creó una plataforma propia llamada Pangea, pero también la realización de cambios profundos en las plataformas core de la compañía, lo que implicó que la multinacional integrara las plataformas que tenía de recursos humanos en una sola (Workday) y también las de gestión de activos, desarrollando una propia. “Integramos todas las plataformas que teníamos, en algún caso para la gestión de la inteligencia artificial, y desarrollamos una que se ha convertido en nuestro backbone”, explica el CIO.

En el plan también se incluyó la mejora de la ciberseguridad, un tema esencial al operar en el sector de infraestructuras críticas, y la aceleración del viaje de la empresa a la nube, un entorno que Bountolos considera clave al permitir “muchísima capacidad y dinamismo a la hora de activar y rotar activos”. Con esto se buscaba “mejorar la toma decisiones y crear capacidades para tener el control del riesgo a la hora de hacer todo tipo de proyecciones”. Porque, como recuerda el directivo, Ferrovial opera infraestructuras en un ámbito que va desde el diseño a la operación y por periodos de 30, 40 o 50 años en algunos casos. Por ello, reflexiona, “ser capaces de hacer una evaluación del riesgo nos obligaba a incorporar esa gestión en capas digitales y, después, unas componentes no menores de gestión del cambio”.

Estas apuestas tecnológicas, prosigue el directivo, están vinculadas al impacto que tienen en aspectos como la eficiencia, la reducción de riesgos, la capacidad de poder mejorar la competitividad, de diversificación o activación del crecimiento en algunas áreas de negocio… “Nos obligamos a tener un modelo acelerado en el que cada año hemos ido lanzando 200 o 300 iniciativas y hemos ido tomando decisiones, en algunos casos de calado y transformadoras y en otras incrementales”. Por ejemplo, señala, en el caso de cloud arrancaron con una posición en la nube de cerca del 30 o 40%, pero actualmente han llegado prácticamente al 100%. “Solo queda una única plataforma por migrar”.

En definitiva, durante estos años, Ferrovial ha ido integrando el desarrollo de actividades de acuerdo a este plan e identificando oportunidades más estratégicas, siempre en un contexto de innovación abierta y colaboración con otros actores académicos, del mundo emprendedor y de la industria tecnológica. “Para nosotros, la dualidad de IT e innovación es un signo de distinción”, recalca el CIO.

Cimientos tecnológicos

Ferrovial es una compañía que, describe el CIO, “prácticamente ha digitalizado todos sus procesos”, una empresa cloud native, pues lleva “años” desarrollando todo en la nube; que, en los últimos tres años, “ha adoptado la inteligencia artificial en el desarrollo del software como su estándar por defecto”; que “expone el conocimiento de manera sistemática a través de servidores propios de conocimiento”; que ha posicionado el dato “no con una visión ‘data driven’, sino ‘data informed’, para que los datos están disponibles, cada vez más, en un modelo autoservicio y donde sean necesarios, cada vez más cerca del negocio y sin duplicidad de los mismos”; un jugador que “ha racionalizado las plataformas y las ha incorporado de manera global en cada uno de los procesos de negocio”; que ha abogado por un modelo global y centralizado de implantaciones de SD WAN, “en el que nuestro SOC, nuestro NOC y todos los centros de control cada vez velan más por una dinámica lo más personalizada, pero con una gestión global, con centros de control enriquecidos por inteligencia para hacer enrutamientos, para hacer detecciones anticipadas”.

Una transformación de 180 grados que no se entiende sin atender al propio cambio que también ha experimentado en los últimos tiempos el vertical donde opera la multinacional: “Nuestro sector también ha vivido una transformación sin límites en los últimos cinco años”, reconoce el CIO, que afirma que la tecnología ya se aplica al diseño, financiación, construcción, operación y rotación de activos. Ya es habitual la digitalización de los planos, las simulaciones virtuales, los vehículos semiautónomos asistidos, teleoperados y, en los últimos meses, completamente robotizados o la implantación progresiva de la robótica. “Hoy el de la construcción se está convirtiendo, después de muchas décadas, en un sector en el que la tecnología está por primera vez creando capacidades imposibles de imaginar hace unos años”, sentencia Bountolos.

“Para nosotros, la dualidad de IT e innovación es un signo de distinción”

El directivo recalca en particular el papel esencial que han ido adoptando en esta industria y para su compañía aquellas tecnologías que posibilitan la capacidad de simulación mediante entornos inmersivos o de realidad aumentada. Unas capacidades que Ferrovial aglutina bajo el término ‘infraverse’. De hecho, la empresa cuenta con un centro de infraverso capaz de simular, probar y validar diseños. “Los gemelos digitales son un pilar clave que reduce el riesgo en la fase de diseño, anticipa la simulación de escenarios y de casos de uso y permite la validación de estos antes de empezar una construcción y monitorizar el progreso durante esta”, argumenta el CIO.

También subraya la relevancia de los sensores IoT para el área de infraestructuras de la compañía. Los miles de sensores desplegados en las autopistas, cuenta Bountolos, permiten controlar la operación de estas, anticipar y mejorar procesos de gestión y, finalmente, mejorar la seguridad de los conductores que pasan por ellas.

La multinacional también ha adoptado otras tecnologías relacionadas con la robótica y los algoritmos de reconocimiento de imágenes (Large o Small Vision Models) para las labores relacionadas con el despliegue de movimiento de tierra en, por ejemplo, pistas de aterrizaje. Ya usa robots específicos para tareas muy concretas, como la colocación de paneles solares, el hincado de cimentaciones, el reposicionamiento o la identificación de espacios concretos. E incluso hace unos años comenzaron a emplear drones, “que hoy son una parte indisoluble de nuestra operación”, dice el CIO, y que usan de forma “sistemática” en las obras para analizar su progreso y monitorizar los proyectos, entre otros empleos.

Desinversiones en TI

Por otro lado, reconoce Bountolos, la multinacional se ha visto obligada a desinvertir en tecnologías que impulsó en su día, pero que “lamentablemente, hemos tenido que poner en stand by”. Una de ellas es blockchain, una tecnología con “grandes promesas de cara a la generación de contratos inteligentes” pero para la que el mercado, según el CIO, “aún no está preparado”. No obstante, subraya, la compañía se queda con “muchísimo aprendizaje”. “Seguro que somos capaces de reconducirlo”.

Otra tecnología descartada por la multinacional es la creación de aeronaves eléctricas de despegue y aterrizaje vertical (eVTOL, por sus siglas en inglés), es decir, los taxis voladores. “Fuimos los primeros a nivel mundial en apostar por estos vehículos eléctricos de despegue vertical. Creamos una división, hicimos inversiones y apostamos con convicción en crear un ecosistema de partners y de actores; pero a lo largo del tiempo vimos que, en primer lugar, el proceso de certificación en Europa y Estados Unidos no avanzaba según lo prometido, y, en segundo lugar, que la necesidad de una infraestructura dedicada pasaba a ser secundario”. Así que Ferrovial acabó vendiendo esta división a uno de sus socios (Atlantic Aviation). “Pero hemos reutilizado los activos digitales que desarrollamos, sobre todo plataformas de simulación de oferta y demanda, en otras áreas”, agrega el portavoz. “En general,y esto no es una regla escrita en sangre, si no somos capaces de extraer el valor inicial de una tecnología, buscamos otros itinerarios y lo vamos revisando de vez en cuando”, aclara.

En este sentido, afirma el CIO, es interesante “ganar perspectiva e identificar qué está pasando en otros sectores. Estamos viendo tal disrupción en nuestro sector que para nosotros es una obsesión inspirarnos en capacidades que han aportado competitividad a otros sectores. Rastreamos oportunidades con una visión de 360 grados”.

Adopción de la IA

En el caso de la tecnología en boga por antonomasia en el mercado actualmente, la inteligencia artificial, Ferrovial se acercó a esta mucho antes de que irrumpiera la fiebre por su versión generativa. “No descubrimos la IA a finales de 2022 cuando llegó ChatGPT, sino años antes con machine learning, deep learning, los modelos de OCR o de segmentación… Ahora estamos inmersos en la implantación de agentes autónomos en los entornos de IoT, en la orquestación de agentes, el despliegue de modelos multimodales. Observamos las diferentes variaciones de la IA, del diseño generativo y paramétrico y mientras en algunos casos hacemos apuestas muy tácticas, en otros vamos a proyectos que pueden tardar un año”.

Según el CIO, la multinacional ya tiene unos 80 proyectos de IA ya escalados en producción y que cubren toda la compañía y “centenares en proceso de análisis” para “sacar partido a una tecnología que reinventa cómo nos relacionamos con los procesos. Porque esto ya no es una automatización, es algo más”.

Uno de los proyectos en los que trabajan, explica, consiste en fusionar datos utilizando algoritmos avanzados gracias al uso de diferentes tipos de sensores. “Al incorporar todas esas capas de información obtenemos datos antes imposibles de tener. Por ejemplo, podemos saber cuál es el estado del terreno a un número concreto de metros de profundidad para poder detectar tuberías, canalizaciones u optimizar el trazado. Este tipo de tecnología no se usaba en nuestro sector, sino en otros mucho más avanzados, pero nos hemos movido con partners para utilizarla en nuestro vertical”.

Es una realidad que la IA generativa y agentiva está impactando de lleno en el desarrollo de software y los equipos de programación y creación de soluciones de las empresas. También en los empleados de cualquier área corporativa. Preguntado por los efectos colaterales de su uso, Bountolos tiene claro que “hay amenazas y oportunidades desde todos los ámbitos”.

“Cuando se democratiza el conocimiento y la capacidad de hacer un triaje cognitivo ya no está bajo la supremacía de los humanos, se abre un universo casi filosófico respecto a dónde podemos estar. Nosotros hemos visto a la IA desde una óptica positiva desde que identificamos su escalada y la dimensión global de su adopción. Estamos convencidos de que somos (o estamos llamados a ser) una empresa ‘frontier’ aumentada, cuyos empleados, departamentos y divisiones deben tener acceso a capacidades que les empoderen, pues esto les da superpoderes, pero garantizando siempre el uso adecuado con un gobierno estricto, controles y seguridad”.

En este viaje hacia la democratización de la IA, reconoce el CIO, “hay funciones que obligatoriamente se transformarán; roles que habrá que transformar mediante el upskill [mejora de sus habilidades laborales] o el reskill [cambio de dichas habilidades]; y también se producen otras encrucijadas a la hora de mantener el conocimiento en la compañía en los próximos años”. De momento, dice, no ve reticencias por parte de los empleados de la multinacional en el uso de la IA, más bien al contrario. “Tenemos profesionales comprometidos y muy expertos, muchos de ellos ingenieros, capaces de racionalizar y objetivar qué esperan de la IA y dónde consideran que pueden preservar su valor”.

La multinacional ya tiene unos 80 proyectos de IA ya escalados en producción y que cubren toda la compañía y “centenares en proceso de análisis” para “sacar partido a una tecnología que reinventa cómo nos relacionamos con los procesos. Porque esto ya no es una automatización, es algo más”.

Apuesta por construir un ecosistema de innovación

Bountolos sabe que “el conocimiento, la inteligencia y la capacidad de transformación excede y sobrepasa los límites de la corporación”. Por este motivo, ya desde hace tiempo, la compañía trabaja mano a mano con expertos de todo un ecosistema que han logrado construir. “Instituciones académicas, centros de investigación, hubs, ecosistemas de startups, venture capital… Todos forman, desde su ángulo, un grupo en el que estamos conectados”. Muchos de estos actores, dicen están en Estados Unidos. “Tenemos acuerdos relevantes con el MIT, con Georgia Tech, con el UT Austin en Texas y con otras muchas instituciones con las que tenemos colaboraciones activas, en algunos casos puntuales y transaccionales y en otras de años”.

Esta apuesta por hacer ecosistema llevó a la compañía a crear en 2024 Ferrovial Lab, un espacio de innovación abierta ubicado en Seseña (Toledo) que actúa como un laboratorio tecnológico donde experimentar, validar y escalar nuevas tecnologías en un entorno controlado antes de aplicarlas en proyectos reales de infraestructura. “Muchos proyectos para negocio ya salen de allí”, dice el CIO.

Aunque no desglosa la inversión que Ferrovial realiza en TIC –“somos una empresa cotizada”, argumenta–, sí desvela que ésta se ha incrementado en los últimos años y ahora supera las decenas de millones de euros.

La empresa, que se apoya en partners externos para el desarrollo y mantenimiento de las capacidades de TI (los principales son Microsoft, Sngular, Telefónica Tech, NTT Data, Salesforce, DXC Technology o Capgemini), tiene como “obsesión el control y el rigor en la gestión de los costes por la propia naturaleza del sector”, según el CIO.

La centralización, dice, es un vector esencial de la estrategia de gestión. “Nos sentimos muy orgullosos de tener equipos compactos, con una visión estratégica y alta capacidad de impacto en el negocio; apenas un par de centenares de profesionales cubren una capacidad de casi 360 grados que cubre todas las áreas de la tecnología”. Una labor que extienden a través de los partners. “Tenemos un nivel de subcontratación y de transferencia en algunos aspectos, como mantenimiento y operación, relevante, con partners con los que llevamos muchísimos años trabajando, aunque también contamos con equipos independientes bien por la relevancia o porque el marco regulador nos obliga”, como ocurre en proyectos de Estados Unidos. “Puedo decir con orgullo que todos los equipos sin distinción, de tecnología, datos, arquitectura y ciberseguridad, se identifican con esta visión de ser lo más competitivos posible”.

La ciberseguridad y la resiliencia operativa como “obsesión”

Como empresa gestora y constructora de infraestructuras críticas, como autopistas, aeropuertos y redes de transporte, a Ferrovial le impacta significativamente la regulación en materia de ciberseguridad. “La sensación de responsabilidad y de rigor es muy grande. El marco regulatorio nos exige cada vez más a todos, en concreto, a aquellos que tenemos la responsabilidad sobre infraestructuras críticas; y no me refiero solo a la [europea] NIS2 sino también a la normativa desplegada por la SEC en Estados Unidos a finales de 2024”.

Por todo ello, prosigue, en la actualidad la multinacional dispone de “unos órganos de gobierno cada vez más profesionales y un modelo de governance muy serio, de elevación a nuestra comisión de autoridad de control a nuestro consejo y nuestro comité de dirección. Tenemos obsesión por reforzar la resiliencia. Nuestra superficie de ataque es cada vez mayor, así que hemos implantado y consolidado una aproximación ‘zero trust’ basada en que no podemos confiar en ningún endpoint. Todas las estrategias se dirigen a defender esas puertas de entrada”.

Pero, a pesar de todo este trabajo y la concienciación y formación del empleado, “el eslabón más débil”, Bountolos sabe que los riesgos en seguridad de la información son crecientes, por un lado, por el auge de la IA, “un vector doble en ciberseguridad” que dará más armas a los atacantes, pero también a los defensores”, pero también porque el auge del internet de las cosas y la  conectividad del tradicional mundo OT (de tecnología de operaciones, que tanto peso tiene también para Ferrovial) abre nuevas vías de ataque. Sin olvidad, añade, la cadena de suministro, que es una de las puertas de entrada a las empresas en los últimos años. “Tenemos más de 50.000 proveedores en todo el mundo de los que dependemos y que también son elementos críticos y, en algunos casos, sufren ataques. Debemos estar muy cerca de ellos y, de algún modo, incluso habilitarles capacidades extendidas para que puedan monitorizar sus entornos o alertar determinadas circunstancias”. Además, aunque de manera incipiente, dice el CIO, Ferrovial ya está preparándose para la criptografía poscuántica.

Preguntado por los intentos de ciberataque recibidos, Bountolos recuerda el recibido en diciembre de 2020 por Amey, la exfilial británica de servicios de Ferrovial. “Fue un susto importante que supimos gestionar, creo, de una manera bastante eficiente, virtualizando los accesos sin tener que repatriar los equipos, siendo muy transparentes y manteniendo cierta resiliencia”. Desde entonces, cuenta, no ha habido más. “Tocaremos madera. Hemos sabido mantenernos, pero anticipamos que hay dos tipos de empresas: las que han sufrido ataques y las que los sufrirán. Por eso nuestra obsesión es reforzar la resiliencia, ganar en capacidades de disaster recovery, tener la capacidad de poder simular esos escenarios, unificar nuestra mejor capacidad de reacción y trasladarla donde sea necesario y aumentar la sensibilidad a nivel de compañía… Todo ello, siendo conscientes de que, al ser global, nunca se sabe cuál va a ser la puerta de entrada”.

“El CIO debe sentirse negocio, no parte del negocio”

Dimitris Bountolos, un CIO poco convencional

El granadino Dimitris Bountolos, con una amplia trayectoria en el ámbito internacional dentro del sector aeronáutico y de consultoría (gran parte de su carrera estuvo unida a Iberia, donde ocupó las posiciones de director del aeropuerto de Madrid-Barajas, director de Transformación y de Desarrollo del hub y vicepresidente de Customer Experience, pero también fue consejero del director de Innovación de la NASA y de transformación digital para el sector de Viajes, Transporte y Logística en McKinsey) y con un perfil claramente emprendedor (fue fundador y socio en startups como Zero 2 Infinity, primera compañía privada europea del sector transporte espacial, Guudjob, centrada en experiencia del empleado, BlueSouth, especializada en drones, e IllusionBox, especializada en realidad virtual y entornos inmersivos), se define a sí mismo como un CIO poco convencional: “Llevo apenas cinco años en el rol y en mis vidas [profesionales] previas he pasado por funciones muy diferentes en los que, en algunos casos, he sido parte del negocio. Un negocio que ya entendía la tecnología como una parte indisoluble de su ámbito de responsabilidad”.

Ahora, relata, ya desde la óptica de CIO (en realidad, CIIO, pues el foco en la innovación se refleja también en su cargo), ve su actual rol con “vocación de servicio” y una visión que engloba su propia labor y la de sus equipos. Uno de sus grandes desafíos de gestión, al tratarse de una multinacional altamente centralizada, es operar de forma transversal y homogénea –“si no, sería disfuncional”– pero sin perder la capacidad de adaptación a distintas sensibilidades, velocidades, legislaciones… Una realidad que obliga al CIO a “no poder imponer, a pesar de tener un modelo central, una única forma de operar. Esto es un reto, pero también una clave del éxito”.

Para la función de TI, dice Bountolos, es clave “estar muy cerca de los negocios, ser muy didácticos, explicar con un lenguaje muy directo, actuar como business partners y, en algunos casos, como equipos mixtos en los que cada vez más el conocimiento funcional y la capa técnica empieza a diluirse”. Habitar, en definitiva, en un escenario cambiante en el que los usuarios de negocio cada vez entienden más la tecnología; un mundo en el que, con la IA, los ciclos de desarrollo se acortan y mejoran las puestas en producción de los proyectos.

Pero, sobre todo, el CIO, añade, “debe sentirse negocio, no parte del negocio”. “Cada vez vemos menos costuras entre lo que antes se veía como una división de servicio que respondía y decodificaba las necesidades de negocio con una óptica puramente tecnológica. Pero también vemos a un negocio cada vez más ilustrado y con más capacidad y más criterio decidir. Esto nos obliga a trabajar de la mano y a entender que el modelo al que hemos llegado está en evolución”.

En los próximos años, “incluso meses” estos paradigmas no harán sino acelerarse. “Y los CIO tenemos que estar a la altura para reaccionar”, concluye.

En tecnología financiera, el principal propósito es transformar cada interacción en valor añadido para permitir a los comercios llegar a nuevos consumidores, ofrecerles una mejor experiencia de pago, aumentar la conversión y optimizar sus operaciones. El pago, tradicionalmente percibido como un “mal menor”, se revela hoy como una palanca para impulsar el crecimiento de conversión de ventas en todos los canales, de la mano de tendencias disruptivas que ya están definiendo el futuro de las transacciones.

Mayor agilidad operativa mediante dispositivos multifunción

Lejos de desaparecer, la tienda física —el canal preferido para un 44% de consumidores— está inmersa en una profunda transformación para flexibilizar aún más la experiencia de compra. 

La tecnología “Tap to Pay” o de “pago con un toque” es una innovación que no sólo aporta rapidez, sino que logra introducir smartphones y tabletas como terminales de pago, elimina la necesidad de hardware dedicado, costoso y voluminoso. Un empleado, con el mismo dispositivo que utiliza para otras funciones como gestión de inventario o atención al cliente, puede procesar una compra en cualquier punto de la tienda, lo que se traduce en una reducción drástica de las colas, una mejora significativa en la experiencia del cliente y una mayor agilidad operativa para el comercio. 

Además, para muchos minoristas, aprovechar estos mismos dispositivos para los pagos optimiza los recursos existentes y demuestra que la tecnología de pagos se integra de manera totalmente fluida, haciendo que el acto de pagar sea casi invisible y mucho más conveniente.

Hacia la próxima frontera del comercio agente

Una de las tendencias futuras con mayor potencial disruptivo es el comercio agente, que se refiere a la capacidad de la IA para realizar compras de manera independiente en nombre de los consumidores. Gartner predice que en apenas dos años los agentes de IA reemplazarán el 20% de las interacciones en escaparates digitales como clientes máquina, y aunque esta nueva era está en sus etapas iniciales de experimentación, ya se están sentando las bases de un escenario que presentará desafíos significativos para el ecosistema de pagos. 

La estandarización de protocolos será crucial frente a las distintas aproximaciones que realizan actualmente múltiples actores, desde grandes tecnológicas hasta los propios esquemas de tarjetas. Las plataformas de pagos deberán actuar como un unificador tecnológico que permita a los comercios transaccionar con cualquier agente futuro, sin tener que realizar grandes esfuerzos tecnológicos o de integración.

Aparte de la interoperabilidad técnica, la seguridad constituye otro pilar indispensable. El agente de IA necesitará una orden explícita y verificable del consumidor para realizar la compra, así como disponer de los datos de pago del consumidor de forma legal. La tecnología de pagos, en este sentido, debe evolucionar para garantizar esta trazabilidad y consentimiento.

Los comercios también tendrán que adaptar la manera en que presentan sus productos y servicios. Al igual que hoy optimizan sus sitios web para motores de búsqueda, mañana deberán asegurar que su información sea fácilmente indexable y comprensible para los agentes, garantizando que el precio y las características sean siempre precisos en tiempo real.

Identificación dinámica basada en el comportamiento 

Gracias a la ingente cantidad de datos que procesan algunas plataformas de pagos, en particular aquellas que tienen una plataforma global y por tanto consistente en la información de diferentes mercados geográficos, es posible construir perfiles de comportamiento extremadamente precisos. La IA observa sobre estos datos múltiples factores de una transacción, como la frecuencia de uso de una tarjeta, el importe, el número de artículos, o si el país de la tarjeta coincide con la ubicación del comprador, para distinguir entre el comportamiento de un cliente legítimo y el de un defraudador. 

La capacidad de las plataformas para reconocer a los clientes habituales, incluso si no han guardado su tarjeta, permite observar la consistencia en su comportamiento y establecer un nivel de confianza, identificando rápidamente cualquier desviación que pudiera indicar un riesgo. Al aprender de millones de transacciones, la IA ayuda a incrementar la tasa de aprobación de transacciones legítimas y a minimizar los llamados falsos positivos, a la vez que reduce el tiempo dedicado a revisiones manuales.

IA predictiva para optimizar la detección de fraude

Responder al fraude es lo mínimo; la verdadera exigencia está en anticiparlo. En las plataformas de pagos ya se emplean algoritmos de aprendizaje automático para predecir la probabilidad de estos incidentes antes incluso de que la transacción se complete o sea autorizada. Son sistemas que analizan la transacción junto con el historial del comprador, el comercio, el método de pago y las tendencias globales de fraude. La IA logra identificar así rápidamente si existen patrones de riesgo emergentes, lo que posibilita tomar decisiones en milisegundos, ya sea aprobando la transacción con alta confianza, aplicando verificaciones adicionales o rechazándola si la amenaza es alta.

La ventaja de la IA predictiva es doble: por un lado, protege a los comercios de pérdidas financieras y, por otro, mejora la experiencia del cliente al reducir las fricciones innecesarias para los compradores legítimos. Al optimizar procesos de riesgo, las plataformas reducen costes operativos y contribuyen directamente a aumentar las tasas de conversión, evitando que transacciones válidas sean declinadas erróneamente. 

Tokenización en pagos recurrentes

La tokenización ha sido durante mucho tiempo una piedra angular de la seguridad en los pagos digitales, al reemplazar la información sensible de una tarjeta de crédito por un token único y encriptado que no puede ser utilizado para realizar compras fraudulentas. 

La innovación más reciente en este ámbito es la extensión de la tokenización entre los canales físico y online, abriendo nuevas posibilidades para los comercios. Imagínese a un cliente comprando un producto en una tienda y que, al mismo tiempo, decide suscribirse a un servicio recurrente asociado. Con las soluciones avanzadas de tokenización, el cliente puede pasar su tarjeta por un terminal de punto de venta, autorizar la suscripción —incluso leer, enviarse o firmar términos y condiciones del servicio— y, en ese mismo instante, su información de pago se tokeniza en la plataforma. A partir de ese momento, los cargos se realizarán automáticamente con ese token seguro, sin que el comercio almacene datos sensibles de pago.

Conectar la experiencia de compra física con los pagos recurrentes online supone una ventaja competitiva para comercios que quieran ofrecer modelos de suscripción, servicios o membresías de una manera fluida y segura, eliminando las barreras para el cliente que ya no necesita introducir de nuevo sus datos. Este es un claro ejemplo de cómo la tecnología protege la información a la vez que crea nuevos modelos de negocio y mejora la retención de clientes.

El rol unificador de las plataformas de pago

La gestión de distintos proveedores de pagos implica una carga tecnológica y operativa insostenible. Muchos comercios se ven casi obligados a convertirse en especialistas en integraciones de pagos, desviando recursos de su negocio principal. No obstante, ahí es donde las plataformas de pagos con un enfoque holístico brindan una ayuda inestimable. Al ofrecer una única conexión para procesar pagos en cualquier entorno y con una amplia gama de métodos y monedas relevantes globalmente, actúan como un orquestador tecnológico, absorbiendo la dificultad de las múltiples integraciones y liberando al comercio para que se enfoque en su crecimiento.

Más de un tercio de los comercios que optan por una solución unificada reportan mayores ventas, conocimiento y satisfacción de sus clientes, puesto que una parte del éxito de estas plataformas reside en su capacidad de escucha para responder a las necesidades de sus clientes y a las tendencias del mercado. A través de la interacción constante con sus equipos de ventas, gestión de cuentas y soporte, además de estudios de mercado exhaustivos, identifican qué nuevos métodos de pago o funcionalidades son esenciales, incorporándolos para todo el ecosistema de comercios, asegurando un impacto generalizado.

El futuro de los pagos se construirá a base de inteligencia, convergencia y fluidez. Con cada innovación se abre una posibilidad de hacer que el proceso de pago sea más seguro, eficiente y, en última instancia, un catalizador para el crecimiento empresarial. Para los comercios, aliarse con una plataforma tecnológica que no solo entienda el cambio sino que lo integre de forma proactiva, marcará la diferencia entre sobrevivir y prosperar en la economía digital.

>

El sector jurídico se encuentra inmerso en un proceso de transformación digital que va más allá de la simple evolución de herramientas o de la digitalización de procesos internos. Se trata de un cambio profundo en la forma de ejercer el Derecho, impulsado por tecnologías como la inteligencia artificial (IA) o el análisis de datos, que está redefiniendo tanto la manera en que los ciudadanos acceden al asesoramiento jurídico como el trabajo de los profesionales. 

En este contexto, compañías como Legálitas han decidido colocar la tecnología, y especialmente la IA, en el núcleo de su estrategia empresarial. “La aparición de la IA generativa nos ha permitido abrir un nuevo ciclo en nuestra transformación digital”, explica Martín Moisés Grande, CIO de Legálitas. “Hasta hace unos años la tecnología solo nos permitía digitalizar procesos que estaban en el perímetro del negocio, como facturación, comunicación o captación”. Ahora, añade, “nos permite diseñar e implementar sistemas que mejoran realmente el núcleo de nuestro negocio, que es puramente conversacional, interpretativo y basado en el conocimiento”. 

Por ello, la organización ha situado la IA en el centro de su estrategia con dos objetivos principales: mejorar la experiencia del cliente y aumentar la eficiencia operativa. 

Innovar sin referentes 

Llevar la inteligencia artificial al corazón del servicio jurídico implica, sin embargo, afrontar retos tecnológicos y organizativos que no siempre tienen precedentes en el sector. Legálitas opera con un modelo de negocio particular, basado en asesoría jurídica por suscripción para particulares, autónomos y pymes, lo que obliga a desarrollar muchas soluciones tecnológicas prácticamente desde cero. “Nuestro negocio es único, no tenemos referentes”, reconoce el CIO. “Cuando iniciamos un proyecto de innovación sabemos que podemos equivocarnos y a veces ocurre que iteramos más de lo que nos gustaría, pero por el camino encontramos muchos aprendizajes”. 

Ese proceso de experimentación forma parte de la evolución natural de un sector que sigue redefiniendo los modelos de servicio. “Nuestros abogados llevan mucho tiempo trabajando con herramientas orientadas a mejorar su eficiencia y la mejora continua forma parte de nuestra cultura corporativa”, señala Grande. Aunque la irrupción de la inteligencia artificial generó inicialmente algunas dudas por la posible desintermediación que la IA hace del conocimiento jurídico, “hoy existe un consenso claro en Legálitas: la inteligencia artificial no sustituye al profesional jurídico, sino que actúa como un potenciador de su productividad y mejora la calidad del servicio ofrecido”, explica el CIO. 

Gestionar millones de consultas legales 

En esa redefinición de los servicios hay un elemento que resulta determinante: la gestión del conocimiento. Uno de los activos más valiosos de la compañía es su base de conocimiento jurídico, construida a partir de años de asesoramiento legal real. “Es, junto con nuestro personal, nuestro activo más crítico y por eso lo gestionamos con mucho mimo”, señala el CIO. 

Ese conocimiento se genera a partir de las interacciones reales con los clientes y se procesa mediante una arquitectura tecnológica diseñada para estructurarlo y hacerlo reutilizable. “El punto de partida son las interacciones reales con clientes, que pasan por un pipeline completamente industrializado: anonimización conforme a normativa europea, estructuración en modelos de pregunta-respuesta, enriquecimiento semántico mediante técnicas de vectorización y clasificación y securización bajo estándares estrictos de acceso y trazabilidad”. 

El resultado es una plataforma de conocimiento jurídico que alimenta tanto el trabajo de los abogados como los servicios digitales de la compañía. “Todo este conocimiento se integra en una arquitectura orientada a consumo, que permite su explotación tanto por nuestros abogados como por nuestras soluciones digitales, garantizando consistencia, escalabilidad y reutilización”. 

Para Grande, el verdadero reto tecnológico “no es solo almacenar conocimiento, sino hacerlo gobernable, accesible en tiempo real y capaz de alimentar modelos avanzados de inteligencia artificial con garantías de calidad y control. En definitiva, hemos pasado de gestionar información a operar una plataforma de conocimiento jurídico”. 

“La inteligencia artificial no sustituye al profesional jurídico, sino que actúa como un potenciador de su productividad y mejora la calidad del servicio ofrecido”, explica Martín Moisés Grande

Álex, el asistente legal que ya utilizan más de 600.000 personas 

Uno de los desarrollos tecnológicos más visibles de esta estrategia es Álex, el asistente legal basado en inteligencia artificial que Legálitas ha creado para el público general. La herramienta responde a una necesidad muy concreta detectada en los usuarios. “La mayoría de la gente tiene dudas legales cotidianas, pero no acude a un abogado”, explica Grande. “Más del 70% de los usuarios recurría a Internet o a fuentes gratuitas que son confusas o poco fiables para resolver sus dudas legales”. 

La idea fue crear un sistema capaz de ofrecer respuestas claras e inmediatas. “Ahí vimos la oportunidad: crear un asistente con IA que dé respuestas legales claras, inmediatas y fiables, sin coste y sin fricción”. 

A diferencia de otros asistentes basados en inteligencia artificial, Álex se apoya en el conocimiento jurídico acumulado por la compañía. “La diferencia fundamental es que Álex no solo se apoya en modelos de lenguaje, sino en la experiencia práctica de Legálitas”. El sistema consulta fuentes verificadas y casos reales para minimizar errores. “Mientras que los modelos generalistas suelen inventar cuando no tienen información, Álex utiliza un sistema agéntico que consulta fuentes verificadas y el histórico de casos reales para reducir al mínimo las alucinaciones”. 

Además, está diseñado para hacer comprensible el derecho. “Álex está diseñado justo para eso: traducir lo legal a lenguaje normal”. Cuando la consulta requiere intervención profesional, el sistema deriva al usuario a un abogado. “Álex actúa como un sistema de asistencia o aumento de capacidades, no de sustitución”, concluye el CIO de Legálitas. 

Más allá de proyectos concretos, la IA se ha convertido en una tecnología transversal en la compañía. “Forma parte del ADN de todos los proyectos tecnológicos de Legálitas”, explica Grande. “No la abordamos como un proyecto aislado, sino como un habilitador clave de nuestra estrategia de hiperautomatización”. 

Actualmente, la compañía utiliza IA en múltiples procesos internos y de atención al cliente. “La utilizamos en agentes autónomos de triaje que dirigen cada consulta al abogado especialista adecuado, en sistemas de transcripción y resumen automático de conversaciones, en el procesamiento de multas mediante imágenes y en herramientas de IA generativa que ayudan a los abogados a elaborar escritos apoyándose en nuestro know-how jurídico”. 

Infraestructura híbrida y seguridad 

Para poder operar bajo estándares de calidad y seguridad, es imprescindible contar con una arquitectura tecnológica robusta. Así, la infraestructura de la compañía “se articula en un modelo híbrido diseñado para equilibrar control, seguridad y escalabilidad”, explica el CIO. 

Legálitas combina un entorno tecnológico centralizado que soporta la operación diaria con una arquitectura cloud orientada a productos digitales. “Contamos con una capa core que soporta la operación diaria en un entorno controlado desplegado en nuestro CPD y basado en tecnologías consolidadas”. A ello se suma “una capa cloud-native orientada a casos de uso digitales y de alta escalabilidad, desplegada sobre Google Cloud”. 

Ambas capas operan bajo un marco común de gobierno y seguridad. “Cumplimos con la normativa europea en materia de protección de datos y contamos con certificaciones como ISO 9001 e ISO 27001, además de alineamiento con requerimientos como DORA”. 

En este contexto, la ciberseguridad se convierte en un elemento estratégico. “La ciberseguridad no es un elemento accesorio, sino una prioridad estratégica”. 

El futuro del asesoramiento jurídico 

Si la tecnología ya está cambiando el presente del sector legal, su impacto será aún mayor en los próximos años. “A cinco años vista, veo a Legálitas como una referencia legaltech”, afirma Grande. “Evolucionaremos hacia plataformas inteligentes y una automatización de extremo a extremo, con la inteligencia artificial integrada de forma nativa en procesos y productos”. 

En ese escenario, la IA actuará como un asistente permanente tanto para los usuarios como para los profesionales, en definitiva, “como copiloto tanto del cliente como del abogado”. 

Todo ello apoyado en una arquitectura tecnológica orientada al dato, a la nube y gobernada por la seguridad y la ética digital. El objetivo final es ampliar el alcance del servicio jurídico sin perder su dimensión humana. 

El cambio es constante. Eso no es ninguna novedad. Pero el ritmo, cada vez más acelerado, sigue siendo motivo de preocupación, también entre los ejecutivos.

Alrededor del 82% de los líderes de alta dirección espera un mayor nivel de cambio este año que el pasado, según el informe Pulse of Change de la firma de servicios profesionales Accenture. Sin embargo, sólo el 55% de esos directivos se siente preparado para la disrupción tecnológica que se avecina en 2026.

Para tener éxito hoy, las organizaciones no pueden limitarse a transformarse: deben hacerlo rápido y, además, de forma continua, afirma Ram Palaniappan, director de tecnología de TEKsystems Global Services.

Las compañías que logran ambas cosas toman ventaja. La investigación de TEKsystems muestra que el 82% de las organizaciones líderes considera la transformación digital como un pilar fundamental de la estrategia empresarial, frente al 34% de las rezagadas.

A continuación, ejecutivos y asesores veteranos de TI comparten 10 estrategias que los CIO pueden emplear para acelerar las iniciativas de transformación dentro de sus organizaciones.

1. Establecer un “motor de innovación”

“La mejora incremental y la transformación son cosas distintas”, afirma Manish Jain, director principal de investigación de Info-Tech Research Group, y añade: “La transformación no puede producirse sin innovación, porque la transformación implica crear algo nuevo”.

Dado que la innovación es clave, las organizaciones necesitan una forma de captar, probar y priorizar nuevas ideas a medida que surgen, independientemente de dónde procedan.

Según Jain, “hace falta una forma de captarlas y convertirlas en productos y servicios comercialmente viables, y para ello se necesita un motor que las transforme en algo tangible”. “Sin embargo —añade—, muchas organizaciones no cuentan con ese motor de innovación; no saben cómo aprovechar esas chispas. Otras, en cambio, se vuelven demasiado burocráticas. Debe ser un modelo ágil, con financiación alineada con resultados e integrado con el equipo de ejecución”.

2. Abordar menos iniciativas a la vez

Muchos proyectos reciben la etiqueta de transformación, pero tanto TI como negocio pueden considerar a veces sus iniciativas más innovadoras de lo que realmente son. El resultado es una larga lista de trabajo pendiente.

Eso no ayuda a la velocidad. Cuando las organizaciones intentan abordar demasiadas iniciativas simultáneamente, dispersan recursos. Los equipos se ven empujados en distintas direcciones, lo que suele traducirse en plazos de entrega más largos y retrasos, reconoce Jeff Sturman, socio director de la práctica de Tecnología de la Información y Liderazgo Digital en WittKieffer.

Según el Informe sobre el estado de la gestión estratégica de carteras 2026 del fabricante de software Tempo, la planificación de capacidad y la asignación de recursos son los retos número uno y número tres en la ejecución de proyectos.

Los CIO pueden avanzar más deprisa limitando el número de iniciativas activas en cada momento, concentrando así recursos en proyectos de alta prioridad y garantizando que personas y servicios estén disponibles cuando se necesiten.

“La velocidad aumenta cuando aumenta la concentración”, afirma Sturman, quien apostilla: “Así que no intentemos llevar a cabo mil proyectos. Limitemos las iniciativas de la empresa a un número concreto, quizá entre tres y cinco, para incrementar las probabilidades de completarlas rápidamente”.

Este enfoque puede requerir pasar de una planificación anual a una trimestral, añade Sturman, pero el cambio merece la pena por el impacto en el tiempo de generación de valor.

3. Priorizar mejor

Concentrar recursos en menos iniciativas acelera la ejecución. Pero si el objetivo es impulsar la transformación, y no solo la entrega general de TI, la priorización debe ser excelente.

Sturman apuesta por hacer “los proyectos que impacten en ventas y crecimiento, productividad, reducción de costes y mejora de la calidad. Todo lo demás puede ser ruido”.

No siempre es fácil. El informe State of SPM de Tempo confirma que los responsables de planificación y PMO sitúan la priorización como la segunda mayor dificultad en la ejecución de proyectos.

Dom Profico, CTO de la consultora Bridgenext, explica que “la IA ha generado una actividad frenética, en la que no hacer nada se percibe como realmente malo, por lo que hacer algo parece mejor que no hacer nada”.

Y añade: “Pero es preferible tomarse un respiro y comprender cómo se obtendrán beneficios de cada transformación para poder priorizarlas y, en última instancia, acelerar la consecución de resultados”.

4. Tener claros los resultados deseados

Las iniciativas de transformación se ralentizan cuando aparecen nuevas solicitudes y el alcance empieza a desviarse.

Esas peticiones adicionales se convierten en una carga extra que lastra el avance de los equipos, sostiene Jain.

Para evitarlo, recomienda que CIO y patrocinadores de negocio identifiquen desde el principio los resultados que persigue la transformación: captar nuevos clientes, elevar la productividad, mejorar la experiencia de usuario o reforzar la resiliencia.

“Los trabajadores necesitan una visión clara de lo que van a priorizar”, admite.

Sturman coincide: cuando ejercía como CIO, se aseguraba de que todas las iniciativas contaran con objetivos claramente definidos, lo que le permitía rechazar solicitudes que amenazaban con ampliar el alcance.

“Los CIO avanzan más rápido cuando pueden decir: “Centrémonos en los resultados”, Definan resultados tangibles y tácticos, y asegúrense de que no sean sólo resultados de TI, sino objetivos empresariales compartidos”.

5. Convertir a los ejecutivos en participantes activos

Para ganar velocidad y garantizar el éxito, la alta dirección debe implicarse activamente en la transformación, según sostiene Mohamad Ali, vicepresidente sénior y director de IBM Consulting.

El gigante azul ha utilizado IA generativa para transformar numerosos flujos de trabajo, incluidos 70 procesos que anteriormente representaban un gasto de 25.000 millones de dólares y que hoy ascienden a 20.400 millones.

Ali atribuye parte del éxito al desarrollo de un liderazgo empoderado y comprometido. La compañía creó cuatro equipos encargados de impulsar la transformación desde arriba, incluido un comité directivo presidido por el CEO que se reúne semanalmente.

Por eso afirma que “estos equipos están trabajando para impulsar el cambio con bastante rapidez”.

No obstante, también advierte de que los CIO no deben dar por sentado que siempre contarán con ese nivel de implicación ejecutiva.

Lo que le lleva a decir: “Es necesario contar con el respaldo y el enfoque de la dirección cuando lo que se está haciendo es rediseñar fundamentalmente el negocio”.

6. Involucrar a más personal en la transformación

Ali es de los que cree que “si tienes a 10 personas trabajando en algo, sólo puedes avanzar hasta cierto punto; pero si tuvieras a 100.000, podrías avanzar mucho más rápido”.

IBM lo llevó a la práctica con hackatones de varios días en los que participaron más de 100.000 empleados, quienes aprendieron a crear agentes de IA para transformar sus propios flujos de trabajo.

Además de acelerar el desarrollo, esta estrategia impulsó la adopción.

“Si lo construyes tú mismo, habrá más aceptación y la adopción general será mucho más rápida”, dice también.

Profico propone una idea similar: descentralizar la toma de decisiones y dar a los equipos capacidad para decidir dentro de directrices claras.

7. Crear canales para compartir innovaciones

Otra de las claves en IBM ha sido la creación de un catálogo para compartir agentes desarrollados por los empleados.

A principios de 2026, ese catálogo contaba con 3.000 trabajadores digitales, aunque el número total de agentes creados internamente asciende a decenas de miles.

La compañía utiliza IA para seleccionar los más útiles y ponerlos a disposición del resto de la plantilla.

La idea es sencilla: evitar duplicidades, reducir tiempos y acelerar el progreso.

8. Reducir la complejidad y los silos

Según el informe State of Digital Transformation 2026 de TEKsystems, el 38% de los responsables de negocio y tecnología encuestados señaló que la complejidad de su entorno actual, junto con la mentalidad y los comportamientos en silos que lo acompañan, constituye una de las principales barreras para la transformación, situándose en el primer puesto de la lista de desafíos identificados en el estudio.

Esos dos factores —la complejidad y los silos— ralentizan la transformación, afirma Palaniappan, de TEKsystems.

“La estructura funcional actual de algunas organizaciones está diseñada para las grandes transformaciones del pasado, pero la nueva transformación impulsada por la IA exige una organización más ligera y mucho más cohesionada”, explica al respecto.

Pensemos, por ejemplo, en una organización en la que el departamento comercial quiere utilizar IA agéntica para transformar su proceso de conversión de oportunidades en ventas. El área comercial dispone de sus propios datos, sistemas y equipos preparados para trabajar con agentes. Sin embargo, la iniciativa requiere acceder a sistemas y datos aislados en otras partes de la organización. Ir derribando esas barreras, especialmente cuando ese trabajo se realiza de forma puntual para cubrir las necesidades de cada proyecto por separado, termina lastrando el ritmo de la transformación.

Palaniappan sostiene que los CIO harían bien en reducir la complejidad de TI y los silos, no solo para respaldar la transformación en términos generales, sino también para acelerar la velocidad a la que se produce.

“Hay que derribar los muros entre las distintas funciones y adoptar un enfoque verdaderamente end to end, porque hoy la transformación es end to end”, concluye.

9. Anticipar las necesidades de usuarios y nuevas capacidades

Dan Inbar, vicepresidente sénior y CIO de Symbotic, compañía especializada en tecnología de automatización de almacenes, tiene claro que “mantener el ritmo ya no es suficiente”.

A su juicio, “como organización de TI, proveedor de servicios y líder en transformación, tenemos la responsabilidad no solo de mantenernos al día, sino de adelantarnos tanto a nuestra comunidad de usuarios como al ritmo, cada vez más acelerado, del cambio tecnológico”.

Eso implica ser proactivos a la hora de anticipar las necesidades de los usuarios y habilitar nuevas capacidades. Dicho de otro modo, Inbar sostiene que “la transformación debe estar liderada por TI de forma intencionada, proactiva y reflexiva; no reaccionando a la presión, sino anticipándose a ella”.

Para conseguirlo, considera que los CIO deben convertirse en socios estratégicos plenamente integrados en el negocio.

“Esto exige alinear las hojas de ruta tecnológicas directamente con los objetivos de cada unidad de negocio, de modo que las iniciativas de mayor impacto reciban la priorización necesaria por parte de la dirección. Cuando TI y el negocio definen conjuntamente los objetivos, las inversiones tecnológicas pasan a estar guiadas por un propósito claro y vinculadas a resultados medibles, en lugar de responder a una simple curiosidad técnica. Este cambio refuerza la posición de TI como uno de los principales motores del crecimiento empresarial”, explica este experto.

Para ello, recomienda a los CIO empezar por traducir la estrategia empresarial en las capacidades tecnológicas necesarias para alcanzar sus objetivos.

“He trabajado muy estrechamente con nuestras unidades de negocio para comprender sus estados objetivo y codiseñar el camino para llegar a ellos”, reconoce, para añadir: “TI no consiste sólo en tecnología; se trata de comprender a fondo los procesos de la organización, documentarlos y optimizarlos, y sólo entonces automatizarlos, cuando realmente estén preparados”.

10. Desarrollar una entidad de gobernanza multifuncional con autonomía

Atilla Tinic, CIO de Qualcomm, subraya que la transformación impulsada por IA difiere significativamente de la transformación digital tradicional.

“Mientras que la transformación digital se centró en la automatización de procesos, la transformación impulsada por IA pone el foco en la inteligencia y el razonamiento. Como consecuencia, la IA debe orientarse mucho más a la toma de decisiones, lo que obliga a reexaminar nuestros flujos de trabajo, interfaces, cargas de trabajo en la nube, datos y estrategias de aplicaciones”, afirma.

Para aportar la velocidad necesaria a esa tarea, las organizaciones necesitan un modelo de supervisión ya preparado, capaz de tomar decisiones con rapidez y hacer avanzar las iniciativas.

Tinic explica que Qualcomm creó precisamente una entidad de gobernanza multifuncional con ese objetivo.

“Reunir a responsables de TI, seguridad, legal, RR. HH. y negocio ayuda a las organizaciones a abordar desde el principio las cuestiones relacionadas con los datos, la privacidad y el riesgo, en lugar de frenar los proyectos en fases posteriores. Este tipo de estructura permite centrar a los equipos en los casos de uso de mayor valor, reducir duplicidades y acortar el recorrido desde el concepto hasta un despliegue seguro”.

Según añade, este tipo de gobernanza multifuncional aporta agilidad y velocidad al eliminar incertidumbre, retrabajos y riesgos en fases posteriores.

“Los equipos dedican menos tiempo a gestionar aprobaciones, rediseñar arquitecturas o afrontar riesgos inesperados tras el despliegue, lo que facilita escalar la IA con confianza”, dice para concluir.

El sector asegurador —en general, y en España en particular— se encuentra a las puertas de una fase de transformación que va más allá de la mera digitalización para adentrarse en una potencial reconfiguración estructural impulsada por la inteligencia artificial (IA). Este fenómeno, lejos de ser una tendencia coyuntural, apunta a consolidarse progresivamente como uno de los ejes centrales de las estrategias corporativas para los próximos años en el sector, proyectándose como un horizonte de cambio inminente.

Sin embargo, la implantación actual de estas tecnologías se manifiesta todavía con cautela en un sector prudente en el riesgo y fuertemente regulado, con diferencias también según el ramo de actividad. La Autoridad Europea de Seguros y Pensiones de Jubilación (EIOPA) publicó el pasado 2 de febrero un informe sobre el uso de la inteligencia artificial generativa (GenAI) en el sector asegurador europeo. El informe, basado en las respuestas de 347 empresas de 25 países, destaca una adopción en rápido aumento de la GenAI entre las aseguradoras europeas, con casi dos tercios que ya han comenzado a usar la tecnología (si bien la mayoría se encuentran todavía en fase de prueba de concepto), lo que indica una implantación prudente y controlada, así como un importante potencial de crecimiento futuro. La mayoría de los casos de uso comunicados (64%) se centran en herramientas de productividad tipo back-end (extracción de datos de facturas, grabaciones de audio o informes médicos, generación de contenido para correos electrónicos, contratos o materiales de marketing, etc.). El uso mayoritario restante corresponde a desarrollo de aplicaciones de IA de última generación orientadas al cliente, como los chatbots. Por ramos, Vida presenta una penetración algo más moderada que en seguros de No Vida, reflejando la cautela inherente a productos con horizontes temporales de larga duración y una carga regulatoria más pesada. Aunque EIOPA no muestra datos específicos del mercado español, parece que aquí el grado de adopción sería algo superior a nuestros vecinos, tal y como muestran otros estudios previos de Minsait. No obstante, estos datos reflejan el uso de IA general (GenAI + clásica), no específicamente generativa.

En este escenario, para un director de Estrategia y Gobierno de la IA (Chief AI Officer o CAIO) en el entorno asegurador español, se plantea una dualidad compleja: la necesidad de capitalizar las eficiencias disruptivas mientras se navega en un ecosistema de riesgo prudencial donde la transparencia y la explicabilidad no son opciones, sino mandatos regulatorios estrictos. A esta complejidad se suma un factor clave: la inversión necesaria dista mucho de ser trivial. No sólo implica integrar modelos avanzados en infraestructuras heredadas, sino también incorporar talento especializado capaz de gestionar nuevas arquitecturas tecnológicas y perfiles adicionales en ámbitos como la planificación, la regulación o el ‘delivery’ de soluciones.

La arquitectura de la disrupción: IA generativa y el auge de los sistemas agente

La distinción entre la IA tradicional y las nuevas fronteras de la IA generativa y agentiva resulta clave para comprender el cambio de paradigma que podría materializarse en los próximos años. Mientras que la IA convencional se ha venido centrando históricamente en el análisis predictivo y la clasificación de datos estructurados, la IA generativa permite introducir la capacidad de interactuar con grandes volúmenes de datos no estructurados, como contratos, informes periciales o comunicaciones con clientes. No obstante, la verdadera revolución —que ya se vislumbra— es la transición hacia los agentes autónomos. Estos sistemas no sólo generan contenido, sino que poseen la capacidad de descomponer problemas complejos, razonar sobre objetivos y ejecutar flujos de trabajo de manera proactiva con una mínima intervención humana.

El impacto real de la IA en la cadena de valor

La IA generativa y los agentes autónomos van a redefinir cada eslabón de la cadena de valor aseguradora, permitiendo una transición desde modelos reactivos hacia una gestión proactiva del riesgo. En el ámbito de la suscripción y la evaluación de riesgos, la IA va a permitir procesar rápidamente grandes volúmenes de datos externos e internos para tomar decisiones más precisas y personalizadas. Esta capacidad de análisis predictivo es esencial para ofrecer cotizaciones instantáneas y coberturas dinámicas que se ajusten al perfil del cliente en tiempo real.

La revolución en la gestión de siniestros y detección de fraude

Pero, con toda seguridad, es en la gestión de siniestros donde el beneficio económico directo va a ser más evidente. La integración de IA permitirá una automatización que reduce drásticamente los tiempos de respuesta. Según un estudio de Shift Technology (empresa puntera del sector ‘InsurTech’), casos de uso avanzados demuestran que la IA puede alcanzar una precisión del 95% en la automatización de siniestros de baja complejidad. Mediante el uso de agentes autónomos, el tiempo de tramitación de un siniestro puede reducirse de semanas a horas, mejorando la satisfacción del cliente de manera exponencial.

La detección del fraude es otro pilar crítico. Según el mismo estudio, los sistemas de IA ya analizan patrones y anomalías en los datos para identificar situaciones sospechosas con una precisión documentada del 93%. En el contexto español, donde el fraude supone una carga significativa para la mutualidad de asegurados, el uso de GenAI (combinada con otros modelos de aprendizaje no supervisado) para analizar inconsistencias entre documentos y detalles de la pérdida puede convertirse en una herramienta fundamental para proteger la rentabilidad de las carteras.

Atención al cliente e “hiperpersonalización” de pólizas

Por otro lado, y en línea con el estudio de EIOPA, uno de los ámbitos donde ya se observa una mayor madurez y grado de adopción es en la utilización de chatbots inteligentes y asistentes virtuales potenciados por IA (incluyendo modelos de lenguaje naturales, principalmente generativos), para atender consultas de clientes de forma inmediata. Además, mediante análisis de datos de clientes, la IA ayuda a identificar preferencias y ofrecer productos o coberturas personalizadas a cada perfil. Esto se traduce en respuestas más rápidas y pólizas más ajustadas a las necesidades de cada cliente, incrementando la satisfacción y fidelización de los asegurados.

El marco regulatorio: AI Act, DORA y Solvencia II

La innovación con IA en el seguro español navega en un mar de normativas cada vez más denso. El Reglamento de IA de la Unión Europea (AI Act), de implantación secuencial desde agosto de 2024, establece una clasificación de riesgos que impacta directamente en las operaciones aseguradoras. El primer hito, ya cumplido, fue descartar los Sistemas de “Riesgo Prohibido” (febrero de 2025). Sin embargo, el uso de la IA para la evaluación de riesgos y la fijación de precios en seguros de vida y salud ha sido recogido en el Anexo III del AI ACT dentro de la categoría de “Servicios Esenciales” y por tanto etiquetado como de “Alto Riesgo”, entendiendo que dicha finalidad puede tener impacto en los derechos fundamentales de las personas físicas. Estos Sistemas conllevan obligaciones estrictas en materia de gobernanza de datos, documentación técnica y supervisión humana, entre otras. Y para añadir más complejidad —si cabe—, la definición de “Sistema IA” que hace el Reglamento puede alcanzar a modelos tradicionales, tales como el cálculo actuarial o los modelos lineales generalizados (GLM), que llevan siendo utilizados durante más de 70 años en el sector. Es imperativo resolver esta ambigüedad regulatoria, ya que puede suponer un notable freno a la innovación y generar una duplicidad de cargas sobre procesos ‘core’ del sector, más que consolidados y auditados.

A este marco se suma el Reglamento de Resiliencia Operativa Digital (DORA), que obliga a las entidades financieras, incluidas las aseguradoras, a garantizar que sus infraestructuras digitales —incluidas aquellas que soportan IA— sean resistentes ante incidentes y ciberamenazas. La interdependencia entre la IA y la ciberseguridad es bidireccional: mientras la IA mejora la capacidad de detección de amenazas, también se convierte en un vector de ataque que requiere protecciones específicas y una monitorización constante de las vulnerabilidades.

Enfoque de riesgo prudencial y el desafío de la “caja negra”

A pesar de los beneficios evidentes, la adopción de la IA en el sector asegurador español se rige por un principio de prudencia extrema. El paraguas de Solvencia II, bajo la supervisión de la Dirección General de Seguros y Fondos de Pensiones (DGSFP), exige que cualquier innovación sea compatible con la estabilidad financiera y la protección del consumidor. El concepto de “riesgo prudencial” adquiere aquí una relevancia máxima: las aseguradoras deben mantener un perfil de riesgo conservador y asegurar que el uso de tecnologías emergentes no comprometa su adecuación de capital ni su liquidez.

En este sentido, otro de los grandes desafíos que conlleva la aplicación de la IA en el ámbito asegurador es el carácter de “caja negra” de muchos modelos avanzados, especialmente los basados en aprendizaje profundo (deep learning) e IA generativa. En un sector donde las decisiones sobre primas, coberturas y denegaciones de siniestros deben ser justificables ante cliente y regulador, la opacidad algorítmica es inasumible. EIOPA ha enfatizado que la transparencia y la explicabilidad son principios innegociables para una IA fiable. Estos aspectos son, además, un requerimiento regulatorio por parte del AI Act en los Sistemas de Alto Riesgo.

Gobernanza de datos: el cimiento de una IA responsable

Para que la IA despliegue su potencial bajo un prisma prudencial, la gobernanza de datos se convierte en la prioridad número uno. EIOPA ha establecido principios claros: los datos utilizados para entrenar modelos de IA deben ser completos, representativos y estar libres de sesgos discriminatorios. En el contexto de la Directiva de Distribución de Seguros (IDD), las aseguradoras españolas tienen la obligación de actuar con honestidad y profesionalidad, lo que implica que el uso de la IA debe priorizar el interés del cliente y evitar cualquier forma de exclusión financiera injustificada.

El CAIO debe liderar la implementación de políticas de gobernanza de datos que aseguren que la información sea “apropiada” para su propósito. Esto incluye no solo la calidad técnica del dato, sino también su dimensión ética. La trazabilidad de los datos, desde su origen hasta su procesamiento por el algoritmo, es un requisito esencial para cumplir con las expectativas de supervisión de la DGSFP y para garantizar la soberanía del conocimiento dentro de la organización.

Tendencias emergentes: computación cuántica e IoT

Mirando hacia un futuro un paso más allá, hay que considerar el potencial que va a aportar a la IA otras tecnologías disruptivas. La computación cuántica se perfila como un acelerador masivo de los algoritmos de aprendizaje automático, permitiendo el procesamiento de conjuntos de datos masivos de manera mucho más eficiente para la tarificación de riesgos complejos. Aunque todavía en fase de investigación, se espera que en un horizonte de unos cinco años la computación cuántica empiece a utilizarse en servicios habituales de gestión de riesgos catastróficos y optimización de carteras.

Por otro lado, la integración de la IA con el Internet de las Cosas (IoT) —en hogares conectados, vehículos telemáticos, dispositivos de salud… y siempre respetando los derechos fundamentales de las personas físicas, según establece el AI Act—, permitirá a las aseguradoras pasar de ser pagadores de siniestros a ser gestores de prevención. Los agentes autónomos podrán interactuar con estos datos en tiempo real para sugerir cambios de comportamiento que reduzcan la probabilidad de un siniestro, alineando los intereses de la aseguradora con la seguridad y bienestar del cliente.

Conclusiones: la ruta hacia un seguro más inteligente y prudente

La transformación del sector asegurador español —y global— mediante la IA es un proceso de cambio estructural, una evolución significativa que ha de recorrerse para aprovechar el pleno potencial de las nuevas tecnologías, marcado por la necesidad de eficiencia y la exigencia de responsabilidad. El impacto real, aún incipiente, ya comienza a vislumbrarse en la reducción de tiempos de tramitación, la precisión en la detección del fraude y una personalización del servicio sin precedentes. Sin embargo, el éxito sostenible de esta transición dependerá de la capacidad de las entidades para integrar la innovación dentro de un marco de riesgo prudencial sólido.

Para el CAIO, los imperativos son claros:

• Priorizar la gobernanza: la IA es tan buena como los datos que la alimentan y la estructura que la supervisa. Establecer roles y responsabilidades claros entre las funciones de tecnología, riesgos, cumplimiento y protección de datos es esencial.
• Fomentar la transparencia: ante el riesgo de “caja negra”, las aseguradoras deben invertir en tecnologías de explicabilidad y mantener siempre una supervisión humana efectiva en las decisiones de alto impacto.
• Gestionar la escala: pasar de la experimentación a la orquestación masiva de agentes autónomos requiere una infraestructura resiliente y alineada con normativas como DORA.
• Preservar el conocimiento: la soberanía tecnológica será el factor diferencial de las aseguradoras líderes, preservando que el corazón de la inteligencia de negocio permanezca como un activo estratégico propio.

En última instancia, la IA no sustituye la prudencia del asegurador, sino que la potencia. Al dotar a las entidades de herramientas para comprender mejor el riesgo y servir con mayor agilidad al cliente, la tecnología refuerza la misión fundamental del sector: actuar como la red de seguridad de la sociedad en un entorno cada vez más complejo y digital. Sólo si la innovación audaz y la prudencia regulatoria coexisten y se retroalimentan se podrá crear valor real y duradero.

>

En la actualidad, son muchas las cosas que preocupan al director de sistemas de información (CIO): desde las cuestiones de siempre sobre el tiempo de actividad y la disponibilidad hasta la revolución cuántica que se vislumbra en el horizonte.

Dan Inbar, vicepresidente sénior y CIO de Symbotic, empresa que ofrece tecnología de automatización de almacenes, suele hacerte esta pregunta: “¿Por dónde empiezo siquiera?”, y añade: “Hay innumerables cuestiones que preocupan a un CIO cada día, y a menudo cada noche”.

Desde luego, la lista de preocupaciones es larga, aunque hay una serie de inquietudes que destacan por encima de las demás. He aquí las que quitan el sueño a varios ejecutivos de TI.

1. Ciberseguridad

Es, con diferencia, la pesadilla de los CIO; lo cual no debería sorprender dadas las aterradoras estadísticas sobre el creciente número de ciberataques, las tasas de ataques exitosos y las consecuencias cada vez más graves de sufrir una brecha de seguridad.

Shane McDaniel, director de sistemas de información (CIO) de la ciudad de Seguin, Texas, considera que “la ciberseguridad exige un nivel de atención que va mucho más allá de una preocupación típica de TI”. En su opinión, “un ataque de ransomware contra nuestra ciudad es mucho más que una interrupción organizativa, pues conlleva consecuencias cívicas reales: impactos potenciales en el servicio de emergencias 911, los servicios públicos, el funcionamiento de los tribunales y los servicios a los residentes de los que depende nuestra comunidad cada día. Quien sufriría las consecuencias es la ciudadanía, lo que marca la diferencia”.

Además, McDaniel también quiere incidir en que los CIO no siempre tienen responsabilidad directa sobre incidentes que puedan hacer daño a sus organizaciones.

A su juicio, “lo que hace que hace que esto sea preocupante es que una parte significativa de nuestra exposición al riesgo está fuera de nuestro control directo. Los proveedores externos introducen vulnerabilidades que no dan lugar a la auditoría, sin olvidar que la evolución del panorama de amenazas es mucho mayor que la de cualquier marco de gobernanza. Lo que está en juego para un director de sistemas de información municipal va más allá de una cuestión de ingresos o de cuota de mercado: tiene que ver con la seguridad pública y la confianza de la comunidad. Es una presión diferente, y me la tomo muy en serio incluso en las noches en las que duermo bien”.

2. Garantizar la seguridad y la privacidad de los datos en las implementaciones de IA

Las empresas quieren herramientas de IA y las reclaman con avidez, si bien su uso y velocidad de implementación generan riesgos en torno a la seguridad y la privacidad de los datos. Riesgos que suelen encabezar la lista de preocupaciones de muchos CIO.

Matt Lyteson, director de sistemas de información para plataformas tecnológicas en IBM, explica que “la seguridad de la información siempre ha sido una prioridad para los directores de sistemas de información, los directores de seguridad y otras personas que colaboran para proteger una empresa. Ahora, la tecnología y los protocolos incipientes que se utilizan para que la IA interactúe con las herramientas y los datos empresariales han añadido una nueva capa de complejidad a los esfuerzos de seguridad de la información”.

Lyteson tiene claros los retos que supone garantizar la seguridad y la privacidad en la era de la IA. “Gestionar la nueva realidad exige muchas de las mismas prácticas recomendadas que siempre hemos tenido. Y lo que es peor: hay menos margen de error que nunca”. De ahí que vea que “los CIO y los líderes tecnológicos dentro de las empresas comprendan que deben reforzar su astucia tecnológica y tener un conocimiento profundo y cristalino del negocio. Esa es la base para mantener conversaciones significativas tanto con los equipos tecnológicos como con los socios comerciales, de modo que, en última instancia, podamos satisfacer las necesidades de la empresa de una manera segura y eficaz”.

3. Asumir la responsabilidad de los malos resultados de la IA

Otra preocupación que turba a los CIO es “Cuando la IA toma una mala decisión, ¿quién es responsable de ella? ¿Y de la decisión?». Así lo pregunta Doug Gilbert, director de sistemas de información y director digital de Sutherland, empresa que ofrece servicios de transformación digital y de procesos de negocio. “Si la IA toma decisiones autónomas, como hace la IA agentiva, ¿quién es el responsable último?”, añade.

Gilbert reconoce que los malos resultados de la IA en la sombra complican aún más la cuestión de la responsabilidad.

Por eso considera que una sólida gobernanza de la IA ayuda a mitigar los riesgos relacionados con la IA en la sombra, los malos resultados y, en última instancia, las malas decisiones, lo que supone un alivio para los CIO. Eso sí, también tiene claro que una buena gobernanza no elimina los riesgos por completo, de ahí el estrés que puedan sufrir los ejecutivos de TI.

4. Integrar la IA en los flujos de trabajo empresariales básicos de forma responsable y a gran escala

Para Saket Srivastava, director de sistemas de información (CIO) de la plataforma de gestión del trabajo Asana, “la mayor preocupación que tengo es cómo integrar la IA en los flujos de trabajo empresariales básicos de forma responsable y a gran escala”.

Es lo que más le preocupa ahora mismo. Los directores generales y los consejos de administración ya quieren empezar a ver el retorno de la inversión (ROI) de sus inversiones en IA tras unos años de proyectos piloto y experimentación, lo que aumenta la presión sobre los directores de sistemas de información.

“Hemos superado la fase de experimentación”, afirma Srivastava, quien añade que “la IA no sólo ayuda a redactar un correo electrónico o a resumir notas; está empezando a integrarse en los flujos de trabajo que impulsan las finanzas, los ingresos y las operaciones de atención al cliente. Eso cambia el papel del director de sistemas de información de una manera muy real”.

Pero también tiene claro que la prueba no es si la IA funciona. “La cuestión es si se implementa de una manera que mejore el flujo de trabajo en toda la empresa”, sostiene.

También cita el impulso para aprovechar la IA de forma responsable como una de las principales preocupaciones: “La gobernanza responsable de la IA es tanto un tema nuevo como otro que evoluciona con rapidez, y yo diría que ha adquirido una urgencia considerable en los últimos dos años, a medida que las herramientas de IA han pasado de ser experimentales a generalizarse, incluso dentro de la administración municipal”.

Y apostilla: “Mi filosofía es que las barreras de seguridad y la flexibilidad no se excluyen mutuamente, sino que los usuarios finales necesitan la capacidad de aprovechar la IA de formas que mejoren sus flujos de trabajo y la prestación de servicios. Ese es el acceso que debe cuidarse de manera cuidadosa. Estamos trabajando sin parar en aspectos tales como el cumplimiento normativo, de protección de datos y legales que conlleva la adopción de la IA en un entorno del sector público, donde lo que está en juego en materia de transparencia, equidad y datos de los residentes es especialmente importante”.

5. Una gobernanza de la IA que siga el ritmo de la innovación en IA

Dado el rápido ritmo de la innovación en IA, Rishi Kaushal, director de sistemas de información (CIO) de la empresa de seguridad digital Entrust, hace hincapié en que la gobernanza debe seguir el ritmo de la evolución de la IA.

A su juicio, “la innovación en IA avanza más rápido de lo que los marcos de gobernanza empresarial pueden adaptarse. Mientras las primeras aplicaciones de IA se limitaban en gran medida a chatbots pasivos, los agentes activos modernos son ahora capaces de ejecutar tareas, tomar decisiones e iniciar acciones. Estos avances plantean retos significativos en áreas como la precisión, la coherencia, la responsabilidad, la integración y la gestión de identidades”.

Y añade: “La dependencia de los agentes de las API para realizar funciones complica aún más las cosas, ya que muchos sistemas heredados carecen de API completas y bien documentadas, lo que da lugar a una brecha sustancial entre las capacidades actuales y los requisitos futuros. Además, las organizaciones suelen intentar implementar agentes sobre procesos humanos ineficientes en lugar de rediseñar los flujos de trabajo para aprovechar la IA de manera efectiva”.

El resultado es un aumento del riesgo a la que las tasas de adopción, afirma Kaushal, “superando el desarrollo de prácticas de gobernanza adecuadas”.

Para Kaushal, lo fundamental es una buena gobernanza, y cuenta con una estrategia de mitigación de riesgos que comienza con el rediseño de los flujos de trabajo para la IA. Lo que le lleva a decir que “los procesos deben reconstruirse para optimizar la habilitación de la IA, con límites de decisión claramente definidos, vías de escalado y supervisión con intervención humana para las acciones de alto riesgo. No podemos limitarnos a superponer agentes sobre procesos humanos ineficientes y esperar que la confianza surja por sí sola. En su lugar, tenemos que diseñar de forma intencionada dónde los agentes aportan valor, dónde los humanos conservan la autoridad y cómo se mantiene la rendición de cuentas”.

También se centra en la seguridad de estos sistemas, aplicando principios de confianza cero a las identidades de los agentes de IA y utilizando controles de acceso de privilegios mínimos para regular estrictamente a qué pueden acceder y qué pueden ejecutar los agentes, así como dónde pueden enviar datos.

6. Alinear la TI y el negocio

La pérdida de alineación entre las inversiones en tecnología y los resultados empresariales es la mayor preocupación de la directora de sistemas de información (CIO) de MongoDB, Deepa Gopinath.

En su opinión, “nos encontramos en un punto de inflexión, en el que el papel de las TI está evolucionando de integrador a constructor, y con ello surge el reto de traducir lo que construimos en resultados medibles para el negocio”. De ahí que recomiende a los CIO “asegurarse de que la IA o la tecnología no se implementen por el simple hecho de hacerlo. Cada iniciativa debe tener un impacto medible. Si no influye en un indicador clave de rendimiento (KPI) del negocio principal, no debe seguir adelante”.

Para Gopinath la IA sólo sube el listón.

Lo que le lleva a decir que “cada vez más se nos ve como el brazo tecnológico de la empresa que puede ayudar a impulsar las operaciones internas de una empresa hacia la era de la IA. Si no lideramos intencionadamente esa evolución, corremos el riesgo de que se nos perciba como un centro de costes en lugar de como un creador de valor. Eso tiene consecuencias, porque la tecnología es inseparable del crecimiento, la eficiencia y la experiencia del cliente en el entorno actual.

Para garantizar el éxito, Gopinath afirma que los CIO “deben gestionar las TI como una organización de productos” con “hojas de ruta claras en torno a los puntos débiles [de los clientes] y los resultados deseados, priorizar en función del valor empresarial y realizar iteraciones continuas basadas en los comentarios recibidos”. Y, en su opinión, el éxito, “debe medirse por el impacto empresarial tangible: acortar los ciclos de ventas, aumentar la productividad, facilitar una mejor toma de decisiones y, en última instancia, mejorar los resultados para los clientes”.

7. Lograr una transformación impactante

“La tecnología es una apuesta segura y la transformación es el nuevo estándar de impacto”, dice Gary Flowers, director de sistemas de información (CIO) de Servicios de Transformación y Tecnología en la organización sin ánimo de lucro Year Up United. Es más. “si no estás haciendo avanzar a la organización desde el punto de vista tecnológico, tu trabajo y tu departamento deberían ser un servicio externalizado”.

Y tiene claro que ya quedaron atrás los días en que el éxito de un director de sistemas de información se medía por si las aplicaciones funcionaban según lo esperado. Más bien, según cree, el éxito se basa ahora en si esas aplicaciones y los datos asociados a ellas “impulsan métricas reales y medibles que repercuten en la confianza de los clientes y en los ingresos brutos o en la eficiencia interna”, añade.

8. Y llevar a cabo esa transformación impactante de forma continua

Es más, también tiene claro que “una transformación exitosa no es suficiente, sino que se trata de una tras otra tras otra”.

“Se ha pasado de la mejora continua a la autodisrupción continua”, añade Flowers.

Si bien es algo estresante, también admite haber encontrado una estrategia para afrontarlo: “Hago frente a la transformación y la convierto en parte del espíritu de mi departamento. Incluso mi equipo puramente tecnológico busca siempre una forma de romper y hacer avanzar a la organización».

Por lo que su mantra es “siempre Netflix, nunca Blockbuster”.

9. Mejorar las competencias al mismo ritmo que evoluciona la tecnología

Otra preocupación que manifiestan los CIO son los problemas de talento. Hoy en día, sin embargo, lo que les preocupa más en concreto es contar con talento capaz de aprender nuevas habilidades tan rápido como evoluciona la tecnología.

Como dice Flowers: “¿Qué es un puesto de nivel inicial en el mundo de la IA y qué habilidades de IA necesitan todos los tecnólogos? Es una pregunta que hay que abordar de frente”.

Nina Tatsiy, directora de sistemas de información de la empresa tecnológica Quadient, se hace eco de ello y pregunta: “Las cosas están cambiando tan rápido y de forma tan drástica, ¿cómo pueden los directores de sistemas de información y nuestros equipos mantenerse al día?”.

Tatsiy ya está abordando ese reto.

Lo que está haciendo es conectarse con compañeros para intercambiar ideas, se reúne con asesores y revisa material en línea los fines de semana.

También ha establecido las tardes de los viernes como tiempo de desarrollo personal para que su personal de TI se dedique a experimentar y aprender. “Está en sus metas y objetivos; forma parte de sus criterios de rendimiento, porque quedarán obsoletos si no invierten esas dos horas a la semana en aprender”.

10. Ser impecable en lo fundamental

Para ganarse la confianza de sus colegas ejecutivos a la hora de liderar la innovación y la transformación, los CIO reconocen que están siendo “impecables en lo fundamental”. Esa tarea, en sí misma, es enorme y pesa mucho en la mente del CIO.

Inbar sostiene que “mantener las luces encendidas es sólo una parte de nuestra función, pero cualquier impacto en las operaciones de la empresa, la productividad de los empleados o la reputación de la marca es siempre lo más importante”.

“Además de eso —añade—, entregar los programas empresariales a tiempo, dentro del presupuesto y con el nivel de calidad esperado es absolutamente crítico para el éxito de la empresa, pero también para la marca y la reputación de mi equipo. Se tarda años en construir credibilidad y sólo unos instantes en perderla. Por extensión, también es mi propia reputación, y trabajo muy duro para protegerla”.

El rápido avance de los asistentes de programación basados en IA conduce a algunas organizaciones a llevar más allá el concepto de desarrollo de aplicaciones asistido por IA mediante la creación de herramientas de nivel empresarial, con el propósito de sustituir o ampliar el software tradicional.

Si bien la tendencia hacia la programación por intuición del propio software empresarial aún está en pañales, algunas empresas han comenzado a sustituir sus CRM tradicionales por aplicaciones de desarrollo propio.

Las cotizaciones bursátiles de los proveedores tradicionales de SaaS se han visto afectadas en las últimas semanas por la preocupación ante la competencia de la IA. Gran parte de la preocupación se ha centrado en que los clientes gasten menos en SaaS conforme aumentan la implementación de la IA y los agentes de IA asumen algunas funcionalidades de las plataformas SaaS.

No obstante, algunos expertos sostienen que los clientes también podrían optar por cancelar por completo algunas suscripciones de SaaS según implementan sus propios sustitutos. No es que las principales plataformas de SaaS estén en peligro, pero las empresas que utilizan asistentes de programación de IA o que implementan agentes de desarrollo propio podrían implementar aplicaciones empresariales más pequeñas que se conectan a ellas cada vez de manera interna.

De todas formas, los responsables de TI deben tener en cuenta retos importantes, como el riesgo que supone sustituir paquetes de software empresarial probados en la práctica por aplicaciones codificadas con Vibe, ya que la responsabilidad del mantenimiento y el soporte recae en la organización que las implementa.

Codificación con Vibe frente a la compra

De todas formas, el proveedor de agentes de codificación con IA Factory “se ha estado comiendo su propio producto” conforme algunas de sus propias aplicaciones empresariales, afirma Eno Reyes, director técnico y cofundador de la empresa. Es más, no duda en añadir que varios clientes de Factory están haciendo lo mismo.

Para empezar, cree que la empresa ha empezado a plantearse en los últimos seis u ocho meses si es capaz de crear un paquete de software por sí misma en lugar de comprarlo o suscribirse a él. Así, el flujo de trabajo de atención al cliente de Factory y sus herramientas legales se crearon de manera interna con agentes de IA, y la empresa sustituyó una aplicación de análisis de terceros por una versión interna.

“Hemos empezado a crear muchas cosas de manera interna que, históricamente, habríamos comprado”, dice Reyes, para añadir: “Muchos de nuestros sistemas de flujo de trabajo internos son simplemente código que han generado los agentes”

Incluso observa la misma tendencia entre los clientes. “Muchas de las herramientas que solían comprar son pequeñas utilidades o productos micro-SaaS. Con un agente, alguien puede simplemente decir: “Constrúyeme un panel que muestre la velocidad de ingeniería” o “conecta este conjunto de datos con este otro y visualízalo”. En lugar de pasar por el proceso de adquisición, la herramienta simplemente se crea”.

Reyes tiene claro que las ventajas de crear tu propio software incluyen la flexibilidad y la rapidez. “Si quieres algo muy específico, un agente puede generarlo directamente a partir de tus propios datos, sistemas y flujos de trabajo. Por eso, cosas como los paneles de control internos, las herramientas de análisis o las pequeñas aplicaciones de flujo de trabajo suelen ser más fáciles de crear que de comprar hoy en día”.

El coste de hacerlo por tu cuenta

También existen desventajas reales, advierte Reyes, y los costes de desarrollar uno sus propias aplicaciones internas y también mantener su software son factores importantes a tener en cuenta.

Y añade: “Aunque los agentes pueden generar software, un producto SaaS completo suele existir porque un gran equipo ha dedicado años a mantenerlo. Cuando realizamos nuestra prueba comparativa interna en la que los agentes replican productos SaaS función por función, el agente puede hacerlo, pero lleva mucho tiempo y es caro. Y cuando se termina, sigues sin tener un equipo de cientos de personas que mantengan el sistema”.

Este analista advierte otro problema potencial, como es el alcance del software que se está creando. A su juicio, herramientas como las aplicaciones de vibe coding pueden producir aplicaciones más pequeñas de una manera más fácil. “Pero cuando se trata de sistemas empresariales complejos, el software crece muy rápidamente y se necesita una infraestructura capaz de gestionar y mantener ese código a lo largo del tiempo”.

Teniendo en cuenta estas posibles desventajas, Reyes no cree que las aplicaciones de IA de vibe coding vayan a sustituir a todas las plataformas SaaS consolidadas en un futuro próximo. Más bien considera que sobrevivirán las aplicaciones empresariales como Slack, con fuertes efectos de red, al igual que los sistemas —como el CRM de Salesforce— que funcionan como una fuente central de información.

En cambio, Reyes predice que los asistentes y agentes de programación de IA competirán con las aplicaciones que forman la capa que rodea a los principales sistemas empresariales; y cree que las herramientas que simplemente conectan otros productos, visualizan datos internos o proporcionan pequeñas utilidades de flujo de trabajo son más fáciles de generar bajo demanda.

Adam Arellano, director técnico de campo en Harness, proveedor de herramientas de desarrollo impulsadas por IA, también observa cierta tendencia hacia el desarrollo de software empresarial propio por parte de las organizaciones, pero advierte de los riesgos.

En su opinión, “esto está ocurriendo con frecuencia, con algunos casos extremos en los que un alto directivo ha ordenado: “No se comprará software nuevo ni se contratará personal, háganlo con IA. Hay otros enfoques más razonables en los que una empresa ha creado soluciones puntuales para problemas muy específicos y ha obtenido ciertos niveles de éxito que resultan útiles a corto plazo, pero que a veces fracasan al cabo de un tiempo”.

Las ventajas de programar software empresarial propio con Vibe —según Arellano— incluyen la satisfacción de crear de inmediato una herramienta para una necesidad específica. Pero también cree que puede existir otro reto, como es mantener el software programado con Vibe y conseguir que funcione con otras aplicaciones.

Para Arellano, “no es algo exclusivo de las herramientas creadas con vibe coding; siempre ha sido la parte difícil de las soluciones puntuales en la empresa, pero conseguir que estas funcionen de forma fiable y se integren bien con plataformas más grandes o programas de referencia requiere mucho trabajo”. Es más, considera que “el vibe coding hace que el problema sea urgente porque la velocidad a la que se pueden producir estas herramientas es mucho mayor que la capacidad de las empresas para integrar sus resultados, comprender cómo funcionan y mantener sus conexiones”.

Arellano ve poco probable que la codificación por intuición de aplicaciones internas críticas ahorre mucho dinero o tiempo en un futuro inmediato, a menos que el proceso esté bien gestionado. Y señala las recientes interrupciones en AWS relacionadas con el código generado por IA.

Sin embargo, también explica que las mejoras en los asistentes de programación basados en IA facilitarán a largo plazo que las empresas desarrollen su propio software empresarial. “Llevará un tiempo y, como ocurre con cualquier nueva tecnología o herramienta —afirma—, el camino hacia la perfección estará plagado de los restos rotos de herramientas “casi lo suficientemente buenas, pero no del todo”, afirma, para apostillar: “Muchas cosas se van a romper mientras tanto”.

Seducidos por los asistentes de codificación con IA

Otros líderes de TI ven riesgos importantes en el desarrollo de software empresarial con IA. Geoff Burke, asesor tecnológico sénior del proveedor de defensa contra el ransomware Object First, llama a esta práctica una “fase de seducción”.

“Al principio, parece un socio brillante —dice—, pero si se le da demasiada autonomía, introduce imprecisiones y complejidad, y elude las normas de seguridad, lo que llevará el doble de tiempo solucionar más adelante”.

Burke considera que el desarrollo asistido por IA debe operar bajo estrictos controles de acceso, revisiones por pares rigurosas, pruebas sólidas y aislamiento de la información confidencial y los entornos de producción.

Lo que le lleva a decir que “las empresas están incorporando la IA a toda prisa para parecer modernas, lo que puede estar bien en algunas partes de la pila, pero en los flujos de trabajo y repositorios de desarrollo centrales, los directores de sistemas de información no deberían seguir tendencias que se basan en una IA experimental para tomar decisiones críticas sobre el código y la integridad de los datos”.

Blake Crawford, cofundador y director técnico de la consultora de TI Fusion Collective, considera que la programación colaborativa con controles estrictos puede dar buenos resultados, pero el caos podrías desatarse si los empleados ajenos al equipo de TI crean discretamente sus propias soluciones alternativas utilizando asistentes de programación con IA.

Por eso cree que existe un enorme potencial de deuda técnica devastadora cuando todos los empleados se sienten libres de crear sus propias aplicaciones empresariales sin supervisión; y añade que la mayoría de los profesionales de TI con experiencia conocerán los puntos fuertes y débiles del software generado por IA, pero es posible que un empleado de contabilidad que cree aplicaciones complementarias para su flujo de trabajo de SAP no los conozca.

En su caso, reconoce utilizar asistentes de programación con IA en su práctica diaria, si bien lleva más de 25 años dedicado a la carrera tecnológica. “Entiendo en qué destacan los asistentes de programación con IA —admite— y, lo que es más importante, cómo se define lo que es “bueno” en el desarrollo de software. Eso me permite detectar problemas rápidamente y evitar cualquier deuda técnica adicional”.

Crawford defiende que los asistentes de IA brotan en muchas empresas que no están centradas en productos de TI. Por lo que, en muchos casos, los empleados y los directivos tienen grandes dudas sobre la mejor manera de utilizarlos.

“Con la programación automatizada —afirma—, la empresa es dueña de lo que se crea, incluidos los problemas que ello genera. Una empresa no funciona bien si está formada por un sinfín de aplicaciones, muchas de las cuales se utilizarán de manera incorrecta y crecerán más allá de su alcance. El resultado será un problema completo, desde el soporte hasta la integración”.

Crawford ve cómo crece la tentación de desarrollar aplicaciones empresariales propias a medida que mejoran los asistentes de programación basados en IA, pero insta a la precaución.

Y dice para concluir: “Habrá un serio retroceso cuando llegue la hora de pagar la factura por arquitecturas deficientes y la deuda técnica acumulada. Si las empresas no tienen cuidado, los directivos se enfrentarán a problemas que tardarán años, sino décadas, en resolver”.

Al menos el 80% de los Gobiernos implementará agentes de IA para automatizar la toma de decisiones rutinarias, mejorando la eficiencia y la prestación de servicios para 2028.

Es la conclusión a la que llega Gartner en su último estudio. No obstante, la obtención de decisiones más rápidas, coherentes y explicables a gran escala pasa porque los directores de sistemas de información (CIO) den un giro hacia modelos operativos centrados en la toma de decisiones, al tiempo que protegen la confianza pública.

Daniel Nieto, analista director sénior de Gartner, considera que estos profesionales de las administraciones públicas se ven sometidos a una presión cada vez mayor para integrar la IA en las capacidades de toma de decisiones de forma rápida y responsable.

De hecho, considera que “el auge de la IA multimodal, junto con los sistemas conversacionales y de agentes, ha ampliado lo que las organizaciones públicas pueden automatizar, comprender y anticipar”.

De todas formas, para lograr ese resultado es necesario salvar una importante barrera para el valor de la IA en el sector público, como es la fragmentación. En este sentido, según una encuesta de Gartner realizada el verano pasado, el 41% de los encuestados citó las estrategias aisladas y el 31% los sistemas heredados como retos clave para la adopción e implementación de soluciones digitales”.

Por eso Nieto considera que “la modernización tecnológica por sí sola no ha resuelto estos problemas”.

La gobernanza debe pasar de los modelos a las decisiones

Los enfoques de gobernanza también deben evolucionar a medida que la IA pasa de la fase experimental a integrarse profundamente en la toma de decisiones. De manera tradicional, la gobernanza de la IA se ha centrado en la gestión de modelos, datos y algoritmos.

Pero ahora resulta que la inteligencia de decisión (DI) ha desplazado este enfoque hacia la gobernanza de las propias decisiones, por ejemplo, en cómo se diseñan, ejecutan, supervisan y auditan. Un cambio especialmente crítico en el sector público, donde la legitimidad pública se basa en la transparencia y la equidad.

Volviendo a la encuesta de Gartner, el 39% de los encuestados citó la mejora del servicio y la satisfacción de los ciudadanos como razones principales para invertir en fomentar la confianza de los ciudadanos. En este sentido, lo que la DI ofrece es una base estructural para hacer operativa esta confianza al hacer que las vías de decisión sean explícitas y auditables.

Para Nieto, “al gobernar las decisiones, en lugar de limitarse a componentes aislados de IA, los Gobiernos pueden equilibrar mejor la automatización con el juicio humano, especialmente en contextos de alto riesgo o que afectan a los derechos. Los sectores regulados y los Gobiernos no pueden basarse en sistemas opacos de “caja negra” para tomar decisiones trascendentales. Gracias a la DI, se eleva la explicación de un requisito técnico a un imperativo de gobernanza”.

Dada la necesidad de transparencia en la toma de decisiones, de cara a 2029 el 70% de los organismos gubernamentales exigirán mecanismos de IA explicable (XAI) y de intervención humana en el bucle (HITL) para todas las decisiones automatizadas que afecten a la prestación de servicios a los ciudadanos, según establece Gartner. Hay que en cuenta que los diseños de XAI y HITL son fundamentales para la DI en el sector público, al garantizar que la lógica de las decisiones pueda inspeccionarse, explicarse y cuestionarse. Y lo más importante: permite a los seres humanos conservar la autoridad sobre las excepciones, las apelaciones y los casos de alto riesgo, a la vez que mantiene la rendición de cuentas incluso a medida que aumenta la automatización.

La confianza de los ciudadanos, un motor clave de la transformación digital

El estudio de Gartner también determina que, más allá de la eficiencia, la clave de la transformación digital reside en la confianza de los ciudadanos en la capacidad del gobierno para prestar servicios eficaces. En este sentido, el 50% de los encuestados del sector público citó la mejora de la experiencia del ciudadano como una de sus tres principales prioridades.

Nieto no puede ser más claro: “A medida que la IA y la inteligencia de decisión automatizan y agilizan cada vez más la prestación de servicios, la noción tradicional de “experiencia del ciudadano” evoluciona”.

“Cuando los ciudadanos reciben automáticamente del Gobierno lo que necesitan —prosigue—, las interacciones directas pueden disminuir, lo que hace que la confianza en la fiabilidad, la equidad y la transparencia del sistema sea aún más crítica. Dado que la confianza es tan imprescindible en estas situaciones, la capacidad predictiva para anticipar necesidades potenciales podría redefinir la forma en que se prestan los servicios digitales del gobierno”.

En resumidas cuentas, los gobiernos pueden rediseñar los flujos de decisión en los servicios de atención al ciudadano, pasando de interacciones reactivas y basadas en procesos a una participación proactiva y personalizada gracias a la DI. El resultado es una mejor coherencia y una reducción de los retrasos, así como un refuerzo de la percepción de equidad y un fomento la confianza pública, incluso cuando es menos frecuente el contacto directo con el personal gubernamental.

La noticia de The Register de la negativa de Kingfisher a migrar a SAP S/4HANA se expandió por Internet a finales de 2025. El gigante minorista —que trasladó su sistema ECC principal a Google Cloud con el apoyo de Rimini Street y añadió IA, personalización y motores de recomendación— ya está viendo los frutos. “Es un ejemplo perfecto de una evaluación del coste y el riesgo de seguir con SAP”, afirma John Burns, director de sistemas y controles financieros en Summit BHC. “En algún momento tendrán que dar un paso, pero se han dado un respiro a una fracción del coste”, añade el directivo, que lleva décadas especializándose en transformaciones de ERP.

La fecha límite de SAP en 2027 para el fin del soporte técnico estándar para ECC está generando dudas y confusión mientras los directores de sistemas de información (CIO) sopesan el cambio a S/4 HANA a través de Rise, el paquete de ERP por suscripción basado en la nube de SAP. Existe la promesa de la automatización mediante IA, una mayor escalabilidad e innovación futura, pero las incertidumbres en cuanto a los costes, la pérdida de personalizaciones y otros cambios están haciendo que el caso de negocio resulte difícil de justificar para algunos CIO.

“Los directores de sistemas de información deberían evaluar la hoja de ruta de SAP de la misma manera que evalúan cualquier otra decisión empresarial: preguntándose si tiene sentido. La transición de ECC a S/4 requiere una reimplementación completa, lo que puede resultar caro y disruptivo”, afirma Burns.

Esto también plantea la cuestión de si se está produciendo un cambio más amplio. A medida que la IA autónoma despega y las organizaciones buscan más flexibilidad, la actualización total del ERP no es la única opción. “La era de un único ERP monolítico que intenta gestionar todas las funciones está siendo sustituida por plataformas ágiles y modulares que reflejan mejor cómo funcionan las empresas en un mundo cada vez más dinámico”, afirma Amit Basu, CIO y CISO de International Seaways.

Quizá sea el momento de reevaluar si una migración obligatoria se ajusta a la arquitectura a largo plazo y si las alternativas nativas de la nube o componibles ofrecen una mayor agilidad. “Los CIO deben evaluar la flexibilidad, la transparencia de los costes a largo plazo y la alineación con su estrategia digital”, sugiere Basu.

La dinámica cambiante de la modernización del ERP

La modernización de SAP suele ser compleja debido a las numerosas personalizaciones, los importantes costes de migración y el esfuerzo organizativo necesario para rediseñar los procesos. “Estos retos suelen empujar a las empresas a considerar una modernización por fases, modelos híbridos o ampliaciones específicas en lugar de un único cambio a gran escala”, afirma Basu.

Basu y su equipo implementaron el ERP en la nube de Oracle en 2018, y ahora el objetivo es maximizar el valor del núcleo moderno mejorando los procesos, reforzando los datos y añadiendo nuevas funcionalidades a través de API. “La tendencia se inclina hacia mantener un núcleo financiero sólido y ampliar las capacidades mediante módulos especializados, en lugar de depender de un único sistema monolítico”, afirma. A medida que se acelera la adopción de la IA, especialmente en torno a los flujos de trabajo agenticos, la automatización y la toma de decisiones basada en datos, las organizaciones buscan más agilidad y flexibilidad en su plataforma ERP. Es posible que las plataformas ERP monolíticas y las transformaciones de ‘gran impacto’ ya no sean adecuadas para todas las organizaciones.

“Si ECC es estable y la ‘actualización’ no ofrece ventajas significativas, no hay necesidad de seguir adelante con la transición. No te estás quedando atrás; estás siendo práctico”, afirma Burns, de Summit. Su consejo para los CIO es que identifiquen cómo el plan de SAP aborda sus problemas o si se trata más bien de una estrategia de ventas. “En última instancia, el enfoque debe centrarse en resistir las presiones externas, ignorar los plazos arbitrarios y elegir el camino que realmente beneficie a tu negocio, no solo al proveedor”, afirma.

Burns cree que optar por no realizar la migración total a SAP en este momento es una decisión práctica que reconoce que hay opciones. “Buscar alternativas a SAP no debe considerarse una medida drástica”, explica a esta publicación.

Lo que está claro es que la modernización del ERP es más que una actualización tecnológica: es una decisión organizativa estratégica. “Muchos CIO lo ven como una oportunidad para reevaluar si una migración obligatoria se ajusta a su arquitectura a largo plazo y si las alternativas nativas de la nube o componibles ofrecen mayor agilidad”, afirma Basu. Han surgido tres grandes vías: modernizar en torno a ECC, adoptar una arquitectura componible o evaluar plataformas ERP alternativas.

Mantener el núcleo e innovar en los márgenes

Una de las opciones, según los expertos, es “innovar en los márgenes”, lo que implica conservar SAP ECC como núcleo estable y modernizar otros elementos. Este enfoque puede resultar atractivo para las organizaciones que desean reinvertir el tiempo y los fondos ahorrados en innovación, al tiempo que se dan un margen para una eventual transición a S/4HANA.

Burns recomienda a las organizaciones mantener los sistemas ERP centrales “lo más básicos posible” para reducir las personalizaciones, facilitar las actualizaciones y utilizar sistemas externos para la IA y otras funciones avanzadas. “Se pueden extraer los datos del ERP, por ejemplo, mediante SQL a BigQuery, y luego desarrollar agentes de IA que accedan a esos datos transaccionales y se conviertan, en la práctica, en la cara visible del sistema ERP”. Pero subraya que hay que tener la casa en orden para que esto funcione, y que este enfoque no es un atajo hacia la innovación.

“Si tus datos están desordenados o tus procesos son inconsistentes, separar las capas no lo solucionará. El núcleo sigue teniendo que estar limpio, y la interfaz sigue teniendo que estar regulada. Cuando esas piezas están en su sitio, el enfoque funciona muy bien”, afirma Burns. Esta ‘fase cero’ es la fase preparatoria crítica en la que las personas, los procesos, los datos y las políticas deben estar estandarizados y totalmente alineados; de lo contrario, surgirán problemas. “Esos datos son su punto de partida y necesita datos buenos, limpios y fiables en los que todo el mundo confíe para incorporarlos a su nuevo sistema”, afirma.

Joe Locandro, director de sistemas de información global de Rimini Street, cree que el término ‘heredado’ ayuda a los proveedores de software a fomentar las actualizaciones, pero lo más nuevo no siempre es lo mejor. En resumen, la longevidad debe considerarse una característica positiva, no un defecto. “Sistemas como SAP son robustos y valiosos, y la modernización no siempre significa abandonarlos”. Cree que se trata de un cambio de paradigma en la forma de pensar, e insta a los CIO a ver el valor de adaptarse de forma incremental y mantener la flexibilidad, así como a maximizar el valor de su sistema existente. “Tienes un activo en tus libros que puedes mantener en funcionamiento hasta 2040 o más allá, pero si renuncias a las licencias perpetuas, no hay vuelta atrás”, explica Locandro a la cabecera CIO. “Saca el máximo partido al activo y construye a partir de él”.

Locandro sugiere que las funciones de back office, como finanzas y RR. HH., son estables y adecuadas para mantenerlas en las instalaciones, mientras que otras pueden trasladarse a la nube. “El comercio electrónico y otras funciones que experimentan picos de carga probablemente se adapten bien a un entorno en la nube, porque puedes ampliar la capacidad muy rápidamente y utilizar solo lo que necesitas”, explica.

“Puedes tener un Oracle, un SAP o lo que sea en la base y añadir nuevas pantallas desarrolladas a través de ServiceNow o Microsoft y nuevos flujos de trabajo en la parte superior. Es un sistema sin interfaz. Toda la innovación, los flujos de trabajo y las pantallas no se parecen en nada a las antiguas pantallas verdes y los botones de SAP. Innova en la parte superior a la velocidad y al coste que puedas permitirte y sigue por este camino hasta que empieces a eliminar elementos de la base porque has construido tanta funcionalidad en la parte superior”, recomienda.

El camino hacia el ERP modular

La lógica de los últimos 20 años ha sido que la consolidación y la estandarización en TI reducen los costes, pero eso ha cambiado a medida que las organizaciones buscan una mayor flexibilidad para adaptarse a las condiciones cambiantes y a las nuevas tecnologías.

El ERP modular, un término popularizado por primera vez por Gartner, desacopla procesos o servicios específicos del núcleo del ERP, lo que permite a las organizaciones añadir funcionalidades según sea necesario, dentro o fuera del ecosistema del proveedor. Está despertando interés a medida que los directores de sistemas de información (CIO) replantean su enfoque de la modernización de SAP.

SAP ha adoptado la componibilidad con servicios modulares como SuccessFactors, analítica y su Business Technology Platform. Sin embargo, la fecha límite de SAP y la explosión de la IA han aumentado el interés por un enfoque verdaderamente componible que evite el bloqueo de proveedores y los costes y limitaciones que ello conlleva.

Una reciente encuesta de Rimini Street reveló que el 83% de los encuestados ve valor en los enfoques componibles para un acceso más rápido a tecnologías emergentes como la IA, mientras que el 94 % destaca la libertad de elegir las soluciones que mejor se adapten a cada necesidad empresarial. “Los CIO y la dirección se han dado cuenta de que, aunque se tenga el menor coste operativo, se ha renunciado a la flexibilidad, la rapidez de comercialización y la innovación, y en un mundo digitalizado, eso es lo que más importa. Creo que ese punto de inflexión cambió en los últimos años, especialmente con la IA”, afirma Locandro.

Basu coincide en que un enfoque componible reduce la dependencia de un único proveedor y permite que los sistemas ERP evolucionen de forma continua en lugar de mediante revisiones disruptivas. “El futuro no lo definirá SAP ni ningún proveedor único. El ERP componible representa el nuevo modelo en el que el ERP es un ecosistema de aplicaciones modulares basadas en la nube que se integran a través de API”, reflexiona Basu. “Las empresas conservan un sólido núcleo financiero y de datos, mientras que las compras, la planificación, el análisis y la automatización son los mejores candidatos para las extensiones modulares. Las API permiten que estos componentes coexistan sin alterar el núcleo”, añade.

También abre la puerta a la innovación a través de la IA. En particular, la IA agentiva está acelerando el cambio hacia el ERP componible porque puede coordinar el trabajo entre múltiples herramientas sin necesidad de un único proveedor para todo. “Los flujos de trabajo agentivos prosperan en arquitecturas con acceso abierto a los datos y API sólidas”, continúa Basu.

Burns sugiere que procesos como el ‘procure-to-pay’ pueden modularizarse y ejecutarse fuera del sistema ERP, con los datos necesarios reintroducidos en él. “Casi puede modularse a sí mismo, lo que significa que te ocupas de la parte de compras, de la parte de cuentas por pagar y, luego, de la parte de pagos por separado”. Está explorando este enfoque en aplicaciones del mundo real. “Estoy estudiando la posibilidad de crear un procesamiento de cuentas por pagar basado en IA en el que se obtuvieran las facturas, se leyeran y luego se introdujeran en el sistema ERP, y esto se haría completamente fuera del ERP, pero sin dejar de introducir los datos”, afirma Burns.

La capacidad de sustituir o actualizar componentes facilita el aprovechamiento de micro-soluciones nuevas y emergentes. “Hay algunas startups que están creando productos excepcionales que son como minisistemas que sustituirán a partes del sistema ERP, como módulos, submódulos o sublibros, y lo harán extremadamente bien porque están muy centradas en esa parte concreta”, afirma.

Valorar las opciones de ERP nativo de la nube

Si los directores de sistemas de información (CIO) quieren trazar un rumbo que se aleje de SAP, primero deben evaluar las necesidades de su organización. Las listas de verificación deben tener en cuenta la escalabilidad, la capacidad para dar soporte a operaciones globales, la seguridad, la arquitectura de datos, la madurez de la integración, la solidez de los análisis y el ecosistema. A continuación, deben evaluar la viabilidad de vías alternativas, como otras plataformas de ERP, innovar en los márgenes o adoptar una estrategia componible.

Las plataformas nativas de la nube y las soluciones específicas para cada sector han madurado significativamente, según Basu, pero es necesario consultar referencias de empresas de tamaño similar para validar esa madurez. Burns, de Summit, se hace eco de esta opinión y señala que Oracle es una de las pocas alternativas a escala empresarial. “Pero las grandes empresas globales pueden tener dificultades para abandonar SAP debido a la profundidad de sus capacidades, especialmente en fabricación y logística”, afirma.

Los CIO pueden temer que las alternativas no sean capaces de gestionar todo el alcance del trabajo, y expertos como Burns creen que esa vacilación puede estar bien fundada. “Los sistemas para el mercado medio parecen estupendos hasta que se les somete a un volumen real de transacciones, casos extremos complicados o necesidades de múltiples entidades. Si fallan ahí, no sirven para nada”, relata.

Los proveedores deben tener la madurez suficiente para ofrecer una gama completa de servicios. Por ejemplo, si todas las preguntas se responden con un «próximamente», eso es una señal de alarma. “Algunas de estas plataformas son excelentes, pero las empresas que las respaldan aún están definiendo los modelos de soporte, las hojas de ruta y la escalabilidad”, añade Burns.

Los CIO también deben prestar atención a los socios de implementación, no solo a los propios proveedores. “Los ERP para el mercado medio suelen depender de pequeñas empresas de implementación que quizá no estén preparadas para entornos complejos. Un buen producto con una red de socios débil te va a perjudicar”, advierte Burns.

Por último, los directores de sistemas de información deben prestar atención a cómo responden los proveedores cuando se les presiona. “Pregunta por los límites, los fallos y los puntos débiles. Si se ponen a la defensiva o empiezan a dar evasivas, aléjate. Los buenos proveedores son honestos sobre lo que aún no pueden hacer”, afirma. “Los directores de sistemas de información deben ignorar el bombo publicitario y centrarse en dos cosas. ¿Puede esta plataforma gestionar mi negocio hoy? ¿Y seguirá existiendo este proveedor dentro de cinco años, cuando lo necesite? Si la respuesta a ambas preguntas es sí, tienes un candidato. Si no, no importa lo ‘nativos de la nube’ que sean”.

El mensaje clave es que la longevidad no es el problema, ni tampoco lo es retrasar la migración y barajar opciones. Y ahora más que nunca, la IA no es una razón para una transformación radical, sino una razón para explorar caminos alternativos. Tanto si los directores de sistemas de información optan por migrar a S/4HANA, modernizar en torno a ECC o tomar otro camino, las decisiones deben centrarse en las necesidades de la propia organización. Y en qué arquitectura ofrece a la empresa mayor flexibilidad, resiliencia y margen para innovar.

Algunos defensores de la IA promueven una visión en la que docenas de agentes trabajan juntos para resolver problemas complejos con poca o ninguna intervención humana. Hasta ahora, ese escenario es un mito. Los agentes de IA pueden ser eficaces cuando trabajan de forma individual en tareas separadas, pero cuando se agrupan para completar tareas complejas, fracasan la mayoría de las veces, según un nuevo estudio de investigación, llamado ‘The Organizational Physics of Multi-Agent AI: Substrate-Independent Dysfunction in Autonomous Software Engineering Swarms’.

Los defensores imaginan un futuro multiagente que conducirá a enormes mejoras de eficiencia y a importantes ahorros de costes, gracias a que la IA autónoma basada en agentes se encargará de muchas de las tareas complejas que actualmente realizan los empleados humanos. Pero la mayoría de las organizaciones que implementan múltiples agentes para un único flujo de trabajo, en realidad los separan en silos de agentes individuales asignados a tareas específicas, pasando su trabajo a una capa de orquestación antes de que otro agente se haga cargo.

La verdadera colaboración entre múltiples agentes no funciona porque los agentes adolecen de los mismos problemas organizativos que los humanos, afirma el investigador de sistemas organizativos y autor del citado estudio, Jeremy McEntire. Los agentes ignoran las instrucciones de otros agentes, rehacen el trabajo que otros ya han hecho, no delegan y se quedan atascados en la parálisis de la planificación, afirma.

“Los sistemas de IA fracasan por las mismas razones estructurales que las organizaciones humanas, a pesar de la eliminación de todos los factores causales específicos de los humanos”, escribe McEntire. “Sin incentivos profesionales. Sin ego. Sin política. Sin fatiga. Sin normas culturales. Sin competencia por el estatus. Los agentes eran modelos de lenguaje que ejecutaban indicaciones. La disfunción surgió de todos modos”.

La complejidad falla

Quizás no sea sorprendente que, cuantos más agentes se añadan a la mezcla y cuanto más compleja sea la estructura organizativa de los agentes, más a menudo fracasan en el cumplimiento de las tareas asignadas, afirma McEntire, que también es jefe de ingeniería del servicio de alquiler de vacaciones de lujo Wander.

McEntire probó los resultados de los agentes basándose en cuatro estructuras organizativas. Al utilizar un único agente para producir el resultado, los agentes tuvieron éxito en 28 de 28 intentos. Varios agentes en una organización jerárquica, en la que un agente asignaba tareas a los demás, no lograron el resultado correcto en el 36% de los casos.

Un enfoque de emergencia de estigmergia, con agentes trabajando en un enjambre autoorganizado, falló el 68% de las veces, y un proceso por etapas de 11 fases, o enjambre organizativo, nunca produjo un buen resultado. De hecho, el proceso por etapas consumió todo el presupuesto del proyecto en cinco fases de planificación sin producir una sola línea de código de implementación.

“Todos y cada uno de los experimentos que realicé fracasaron de forma contraintuitiva, exactamente de la manera en que, en teoría, se supone que están diseñados para no hacerlo”, afirma McEntire. “El proceso se movía en círculos. La jerarquía no logró delegar. El sistema estigmérgico no logró coordinarse, que es precisamente el objetivo de la estigmergia. El único que tuvo éxito de forma fiable y consistente fue el agente único”.

Los problemas organizativos de grandes datos no desaparecen cuando los humanos pasan a ser agentes de IA, afirma McEntire. “Los mismos patrones de fracaso que caracterizan a las organizaciones humanas —revisiones interminables, control de acceso basado en preferencias, conflictos de gobernanza, agotamiento del presupuesto por fallos de coordinación— surgen en los sistemas de IA multiagente con firmas matemáticas idénticas”, escribe en su artículo. “El sustrato cambia; la física de la coordinación a gran escala permanece constante”.

Resultados replicados

Aunque podría ser tentador descartar a McEntire como una voz solitaria que clama en el desierto, varios expertos en IA afirman que observan resultados similares. Mientras desarrollaba una plataforma de agentes de IA en un trabajo anterior, Diptamay Sanyal observó problemas similares con los agentes que trabajaban juntos. Los agentes individuales que trabajan en tareas discretas y bien delimitadas son fiables, pero la colaboración entre múltiples agentes a menudo fracasa, afirma Sanyal, ahora ingeniero principal en el proveedor de ciberseguridad CrowdStrike. “Los ratios de error aumentan rápidamente a medida que crece la complejidad, tal y como reveló el estudio”, añade. “La sobrecarga de coordinación, el intercambio de contexto y la propagación de errores entre agentes reflejan la disfunción organizativa humana a gran escala”.

Sin embargo, el encadenamiento de agentes, que no es una verdadera colaboración, puede funcionar, señala, lo que coincide con las observaciones de otros expertos en IA. “La detección de amenazas, el enriquecimiento de alertas y la contención automatizada funcionan mejor como módulos discretos y bien delimitados encadenados a través de capas de orquestación”, afirma. “Desde fuera parece una cooperación entre múltiples agentes, pero desde el punto de vista arquitectónico se trata de una especialización secuencial con traspasos determinísticos y puntos de control humanos integrados”.

La visión de docenas de agentes colaborando de forma autónoma sin intervención humana aún no es una realidad, añade. “El verdadero valor de los agentes de IA hoy en día es automatizar tareas repetitivas y bien definidas a gran escala, complementando a los analistas humanos con un procesamiento rápido de datos y resultados consistentes. No es inteligencia colectiva emergente”, añade.

Los mismos problemas de siempre

El artículo de McEntire muestra cómo los problemas comunes de la comunicación humana se trasladan a entornos multiagente, afirma Nik Kale, ingeniero principal y arquitecto de plataformas que trabaja en la coordinación multiagente y el diseño de sistemas de agentes en Cisco. “Cada traspaso entre sistemas es un punto en el que se pierde el significado, se comprime el contexto y se hacen suposiciones”, afirma. “Los humanos lidian con esto en las organizaciones acercándose al escritorio de alguien y diciendo: ‘Espera, ¿qué querías decir realmente con eso?’. Los agentes no tienen conversaciones en los pasillos”.

Los responsables de TI que implementan agentes deberían centrarse en agentes individuales dedicados a tareas bien delimitadas, lo que genera resultados “sorprendentemente fiables”, añade Kale. “El argumento de venta de ‘docenas de agentes trabajando juntos de forma autónoma’ vende una fantasía que viola la teoría de la información”, dice. “No se deja que los agentes colaboren. Se deja que los agentes cumplan con unas especificaciones y se deja que una capa de orquestación ligera ensamble los resultados”.

Los sistemas multiagente deberían partir de un único agente altamente estructurado que trabaje en una tarea especializada, o de múltiples agentes que operen dentro de límites estrictos, modelos de contexto compartidos y controles de evaluación, añade Shanea Leven, directora ejecutiva de Empromptu.ai, proveedor de creación de aplicaciones basadas en IA. “La idea de que docenas de agentes puedan colaborar espontáneamente sin supervisión ni límites es tan descabellada como si lo hicieran los humanos”, señala. “El valor de los agentes de IA es real, pero no reside en el comportamiento autónomo de enjambre. Reside en la especialización controlada”.

Orquestación de resultados

Algunos usuarios de IA informan de que han tenido éxito al encadenar agentes entre sí utilizando una herramienta de orquestación. El proveedor de orquestación de personal Asymbl ha desplegado más de 150 agentes, pero sus interacciones entre sí están muy controladas, afirma Shivanath Devinarayanan, director de mano de obra digital y tecnología de la empresa. “Nuestros más de 150 trabajadores digitales interactúan, se pasan el trabajo y entregan colectivamente los resultados que hemos diseñado para ellos, y se coordinan entre sí y con sus compañeros humanos porque hemos construido una capa de orquestación a su alrededor. Antes de que dos agentes de IA interactúen, hemos planificado el traspaso: qué datos se transmiten entre ellos, en qué formato, en qué condiciones, qué desencadena una revisión humana y por qué”, relata.

Un modelo de orquestación que controle a los agentes y defina el papel de cada uno antes de su implementación son piezas clave del rompecabezas, añade. “Contamos con agentes de IA específicos para tareas discretas y agentes con memoria compartida y listas de tareas compartidas para realizar un seguimiento de lo que hacen los demás agentes”, explica Devinarayanan. “La clave en ambos casos: la claridad de las funciones antes de la implementación. ¿De qué es responsable este trabajador digital?, ¿de dónde proviene el trabajo?, ¿adónde va?, y ¿cuándo debe intervenir un humano?”.

El estudio de McEntire confirma lo que Asymbl ha observado: que el fracaso de los sistemas multiagente es un problema de organización y coordinación, no tecnológico, añade. “El estudio desvela que los agentes adolecen de los mismos fallos de coordinación que los humanos cuando trabajan juntos”, reflexiona Devinarayanan. “Los agentes se basan en el razonamiento humano. Heredan los modos de fallo organizativo humanos cuando el diseño organizativo es débil”.

Los proveedores o defensores de la IA que abogan por docenas de agentes trabajando juntos sin intervención humana están promoviendo una visión errónea, añade. “El modelo mental adecuado es una plantilla híbrida: trabajadores digitales con funciones claras, trabajadores humanos encargados de la supervisión y la toma de decisiones, y una capa de coordinación que conecte a ambos”, concluye.

Esta convergencia debe redefinir la forma en que se tomarán las decisiones estratégicas. Los datos sobre la experiencia, el comportamiento y el sentimiento del cliente orientan cada vez más las inversiones, las prioridades y los modelos operativos. Entendemos que ya no será posible pensar en experiencias fragmentadas, ya que estas pasan a estar conectadas en un único ecosistema, garantizando más consistencia, fluidez y valor en cada interacción, con plataformas integradas, automatización inteligente, análisis e IA como facilitadores. Las empresas que adopten este enfoque lograrán ofrecer experiencias más relevantes, consolidando el concepto de ‘total experience’.

Vivimos en lo que se puede definir como la “economía de la impaciencia”. Los clientes esperan respuestas inmediatas, recorridos fluidos y soluciones en el primer contacto. El avance de la IA acelera aún más esta expectativa, ya que, a medida que las personas se acostumbran a interactuar con sistemas cada vez más rápidos e inteligentes, el estándar mínimo de experiencia se eleva.

Todo este escenario nos lleva a considerar algunas tendencias que darán forma a lo que está por venir en CX. La primera de ellas, la personalización, acompaña toda esta evolución, pasando a operar como un motor predictivo continuo, capaz de anticipar la intención, el contexto y la necesidad. En este sentido, las soluciones basadas en IA, con capacidad de memoria y aprendizaje continuo, permiten reconocer historiales, preferencias e interacciones anteriores, reduciendo fricciones y aumentando la consistencia a lo largo del recorrido del cliente. Según Salesforce, el 72 % de los consumidores espera que las empresas sepan quiénes son y entiendan su contexto sin que necesiten repetir información.

Siguiendo a la personalización, podemos destacar la hiperagilidad inteligente, con la capacidad de responder rápidamente, con precisión, contexto y coordinación entre canales, procesos y tecnologías. Las organizaciones que dominan este modelo consiguen acelerar decisiones, reducir el tiempo de respuesta y transformar la experiencia en una ventaja estratégica.

Vemos que la omnicanalidad también entra en una nueva fase. Ya no se trata de ofrecer canales, sino de orquestar experiencias continuas, en las que el cliente transita de forma natural entre el autoservicio, los canales digitales y la atención humana. Gartner señala que los modelos híbridos bien implementados pueden reducir los costes operativos entre un 25 % y un 35 %, al mismo tiempo que aumentan la satisfacción y la retención.

Cerrando la lista, no podemos dejar de destacar el uso de asistentes de IA, que ganarán aún más relevancia, actuando como copilotos de los equipos humanos, automatizando interacciones de bajo valor y ampliando el espacio para la capacidad analítica, consultiva y estratégica de los profesionales. Gartner proyecta que el futuro del servicio estará definido por fuerzas de trabajo híbridas, compuestas por agentes humanos y digitales, lo que exigirá un cambio claro en el modelo de liderazgo: de la gestión de personas al liderazgo de ecosistemas inteligentes.

Con esto en mente, la experiencia deja de ser fragmentada y reactiva para volverse predictiva, emocional e integrada. Y este nuevo nivel de CX no se sostiene sin una transformación organizacional consistente y la existencia de datos de alta calidad. Si los datos de entrada son malos, el resultado también lo será, sin importar cuán sofisticado sea el sistema, el algoritmo o la herramienta. Como dice Franck Greverie, CTO y Head of Global Business Lines de Capgemini: “Si tus datos no están listos para la IA, tu negocio tampoco lo está”.

Es en este punto donde contar con un socio de BTO (Business Transformation Outsourcing) se perfila como la estrategia más acertada para garantizar la alineación entre CX, tecnología y estrategia, además de asegurar la gobernanza, la priorización y la medición del impacto real en el negocio. Cuando el CX y el BTO van de la mano, la experiencia deja de ser solo un diferenciador competitivo; se consolida como un motor estructural de crecimiento sostenible y creación de valor a largo plazo.

El autor de este artículo es Alexandre Martins, director Global de Inteligencia Artificial, Analítica e Innovación en Atento. Martins lleva más de 25 años orquestando transformaciones tecnológicas y culturales a nivel mundial. Es experto en fomentar la disrupción tecnológica, particularmente a través de la aplicación de la IA, para crear soluciones empresariales innovadoras y de vanguardia. Su experiencia abarca todo el espectro de las tecnologías emergentes, incluyendo la IA clásica y generativa, la analítica avanzada, la automatización, la computación en la nube y el diseño de CX. Su experiencia multifuncional abarca aspectos de TI, CX, transformación digital, estrategia, desarrollo de productos, marketing y operaciones en diversos sectores, como las telecomunicaciones, los servicios financieros, la sanidad, el comercio minorista y la tecnología. Su trayectoria profesional incluye puestos de director de informática en grandes empresas de soluciones de experiencia del cliente (CX) y puestos de liderazgo ejecutivo en importantes BPO globales.

Después de años de ensayo y error, a inicios de 2026 el ROI de la IA sigue siendo uno de las principales interrogantes en el mundo corporativo. En un contexto en el que las organizaciones continúan invirtiendo en esta tecnología con la expectativa de alcanzar promesas de eficiencia, todavía es evidente la brecha entre su adopción y la obtención de resultados verificables.

Sin embargo, este año marca un punto de inflexión. Los consejeros generales y los directores financieros exigen un ROI medible de las iniciativas de datos e IA. La realidad es que, aunque en muchos casos la IA permite a los empleados optimizar su tiempo y su forma de trabajar, una parte importante de esos beneficios no llega a consolidarse. El principal desafío: la calidad de los datos.

Gartner señala que el 85% de los proyectos de IA fracasan como consecuencia directa de una deficiente base de datos. En fases iniciales, muchos casos de uso parecen viables porque se apoyan en conjuntos de datos controlados y preparados específicamente para pruebas. El problema aparece cuando esos modelos se despliegan en entornos reales, donde deben operar con información dinámica, incompleta o inconsistente, lo que limita de forma significativa su rendimiento y fiabilidad.

Esta situación será todavía más visible a medida que la IA evolucione desde el papel de asistente hacia operadores autónomos capaces de ejecutar tareas de varios pasos, activar flujos de trabajo, aprobar transacciones y colaborar activamente con las personas. Estos agentes solo podrán escalar de forma efectiva si se sustentan en datos actualizados y correctamente gobernados.

En esta línea IDC estima que, para 2027, las empresas que no prioricen datos de alta calidad y preparados para la IA encontrarán serias dificultades para ampliar soluciones de GenAI y agentes, lo que se traducirá en una pérdida de productividad del 15%.

A esta previsión se suma una advertencia adicional por parte de Gartner, que apunta a un escenario aún más exigente. Más del 40% de los proyectos de IA agéntica serán cancelados antes de finales de 2027 debido al aumento de los costes, a la ausencia de un valor empresarial claro o a la falta de controles de riesgo adecuados.

A ello se añade la complejidad de la integración con sistemas legacy, ya que muchas organizaciones intentan superponer capacidades agénticas sobre arquitecturas obsoletas, lo que termina amplificando los problemas existentes.

El camino hacia un ROI medible

Con este panorama resulta evidente que los productos de datos se hayan convertido en el nuevo combustible de la era de la IA generativa y agentiva. No obstante, su impacto real sigue dependiendo de la capacidad de las organizaciones para acceder a información fiable y gestionada de forma adecuada, algo que en la práctica no siempre está garantizado.

Como consecuencia, la centralización de los datos en un único data lake irá perdiendo protagonismo, ya que continúa siendo insuficiente para dar soporte a casos de uso operativos y a una gestión avanzada de la información. Por este motivo, se consolida como una arquitectura de transición que sienta las bases para modelos más evolucionados, como las estructuras de datos y los ecosistemas integrados.

A lo largo del año veremos cómo las estrategias de nube empresarial evolucionan desde el enfoque de migrarlo todo hacia modelos más distribuidos, basados en entornos soberanos, híbridos y multicloud, coordinados y optimizados según las necesidades de cada carga de trabajo. Este planteamiento solo es viable cuando se apoya en una gestión lógica de los datos y en capas de control federadas que permitan articular la información de forma coherente a lo largo de toda la infraestructura.

De este modo, se reduce la complejidad propia de los entornos distribuidos y se facilita el acceso a los datos adecuados, en el momento necesario y bajo criterios claros de gobierno, garantizando interoperabilidad, cumplimiento normativo y una portabilidad fluida entre sistemas. En la práctica, es esta capa lógica la que convierte la arquitectura distribuida en una base operativa para la IA y permite que los casos de uso generen valor de forma sostenida y medible.

Este enfoque se acentúa con la capacidad multimodal que ofrecen las capas lógicas de gestión de datos, que permiten acceder a la información empresarial de forma holística, sin importar su naturaleza. Puede estar alojada en sistemas corporativos con datos estructurados, en repositorios de documentos como contratos o datasheets técnicos, e incluso en imágenes o vídeos. La información no estructurada puede vectorizarse y participar en consultas complejas generadas por motores de IA generativa que combinan todas estas fuentes para ofrecer la mejor respuesta a la consulta del usuario.

A partir de ahí, las empresas podrán construir una capa de inteligencia en red mediante la convergencia de capas semánticas, productos de datos gobernados, fundamentos preparados para la IA y automatización basada en agentes. Este núcleo marcará la transformación digital de la próxima década y redefinirá la forma en que se mide el éxito de la IA dentro de las organizaciones.

En 2026, la apuesta se reforzará definitivamente hacia marcos prácticos, una IA responsable y resultados verificables, con casos de uso cuyo ROI sea demostrable y sostenible en el tiempo. En este escenario, las plataformas capaces de reducir el movimiento innecesario de datos, eliminar redundancias y acelerar el acceso a la información se consolidarán como la base para cerrar, por fin, la brecha entre la adopción de la IA y su impacto real en el negocio.

Mientras que C-3PO era ciencia ficción en la primera película de Star Wars en 1977, los robots humanoides ya son una realidad en las naves de producción de BMW. Tras introducir Figure 2 en la planta de Spartanburg, en Estados Unidos, BMW también está desplegando robots humanoides en su planta alemana de Leipzig.

Figure 2 ya ha demostrado de lo que son capaces los robots humanoides en la planta de BMW en Estados Unidos. Durante una fase piloto de diez meses en la construcción de carrocerías, trabajó en turnos de diez horas y contribuyó a la producción de más de 30.000 BMW X3. Funcionaba en tándem: mientras un robot trabajaba, el otro cargaba los vehículos.

En Europa, sin embargo, la empresa no confía en el fabricante estadounidense para sus robots humanoides, sino en Hexagon Robotics, con sede en Zurich, una filial de la sueca Hexagon AB.

El robot Aeon de Hexagon, que se está introduciendo actualmente en la planta de BMW en Leipzig, es un robot polivalente que se distingue por una característica particular: a diferencia de Figure 2 en EE. UU., se desplaza sobre ruedas. Según sus desarrolladores, este es el método más eficiente para cubrir largas distancias dentro de una fábrica, con una velocidad de 2,5 metros por segundo.

Inteligencia basada en IA física

Con 22 sensores y 34 grados de libertad, Aeon puede manipular componentes y también realizar controles de calidad de alta precisión en las puertas de los vehículos mediante escáneres integrados. Además, puede sustituir su batería de forma autónoma en menos de 30 segundos para seguir funcionando sin largas interrupciones para recargarla.

Aeon se utilizará en la planta de Leipzig, concretamente en el montaje de baterías y en la fabricación de componentes. A diferencia de los robots colaborativos anteriores, que a menudo fallaban en la práctica debido a su limitada inteligencia, Aeon cuenta con IA física. Esto permite a esta generación de robots aprender a través de simulaciones, aprendizaje por imitación y modelos del mundo. Por ejemplo, Aeon utiliza cámaras de 360 grados para reaccionar en tiempo real ante obstáculos o empleados que pasan por delante.

iFactory en acción

La IA de Aeon funciona integrada con iFactory, el sistema del fabricante de automóviles. Esto permite a Aeon operar dentro del entorno de la fábrica sin necesidad de una programación rígida. iFactory es el plan maestro global de BMW para un sistema de producción radicalmente flexible, sostenible y, sobre todo, totalmente digitalizado.

Con iFactory llega el fin de la era de los sistemas heredados, caracterizados por bases de datos aisladas para calidad, logística y mantenimiento que apenas se comunicaban entre sí. BMW ha puesto fin a esta situación. La base técnica es una base de datos estandarizada y la interconexión global de todas las ubicaciones.

Cuatro niveles de madurez de la IA

El núcleo de iFactory es un servicio de streaming en el que todas las máquinas introducen sus datos en tiempo real. Esta nube de datos es el combustible de la IA. Aunque BMW comenzó sus primeras incursiones en la IA hace 15 años, el sistema actual se encuentra en un nuevo nivel. En la actualidad hay más de 1.100 casos de uso de IA activos en toda la red de producción, lo que ya supone un ahorro de más de 30.000 euros por caso al año.

La propia BMW divide la evolución del uso de la IA en la fábrica en cuatro niveles de madurez técnica:

Rutinas operativas: sencillos sistemas de cámara y ordenador (visión artificial) comprueban si los componentes están correctamente montados.

Control de procesos: la IA ya no se limita a decidir si algo es «correcto o incorrecto», sino que controla activamente los procesos de producción basándose en datos de la nube.

Planificación con IA generativa: los modelos de lenguaje de gran tamaño (LLM) permiten a los ingenieros realizar análisis complejos y planificar la fábrica de forma más eficiente.

IA autónoma: la disciplina más avanzada, en la que la IA toma sus propias decisiones y navega de forma independiente por los requisitos de fabricación.

Agentes de IA autónomos

Para BMW, estos agentes de IA autónomos representan el nivel más alto de evolución de la IA dentro de la producción. A diferencia de los sistemas de IA más simples, estos agentes están diseñados para generar sus propias decisiones y desenvolverse de forma independiente en los complejos requisitos de fabricación.

Además, BMW tiene previsto integrar estos agentes en el gemelo digital de sus fábricas para apoyar la toma de decisiones en la planificación diaria de la producción. Estos agentes virtuales se basan en LLM y utilizan la amplia base de conocimientos de los expertos de BMW para optimizar las tareas de planificación.

El gemelo digital de las fábricas se creó en colaboración con Nvidia. Para ello, se escanearon todas las plantas del mundo con escáneres láser, algunas de forma manual y otras de forma automática. El resultado es un mundo virtual que reproduce la realidad con precisión milimétrica. En este omniverso, ingenieros de distintos continentes pueden colaborar simultáneamente: pueden mover robots, simular flujos logísticos o analizar la ergonomía de los puestos de trabajo antes de que se haya apretado un solo tornillo. Los agentes de IA mencionados anteriormente también pueden utilizarse en este mundo virtual para apoyar los procesos de toma de decisiones.

Sostenibilidad y flexibilidad

En BMW, la digitalización no es un fin en sí mismo, sino una herramienta para lograr una mayor sostenibilidad. Dado que las fuentes de energía renovables, como la eólica y la solar, fluctúan, BMW utiliza la IA para adaptar la demanda energética de la producción al suministro disponible.

Los sensores y los sistemas de control equilibran los picos de carga y optimizan el consumo en tiempo real, un proceso que sería demasiado complejo para los sistemas convencionales debido al enorme número de parámetros implicados.

Además, la estrategia iFactory abre la puerta a una mayor flexibilidad para BMW. Por ejemplo, permite cambiar el tipo de sistema de propulsión que se instala en una línea de producción. Asimismo, la secuencia de pedidos puede modificarse hasta seis días antes del inicio de la producción.

Desde fuera, cuando se piensa en marketing y en publicidad, se tiende a visualizar el sector casi como si fuese una versión moderna de un capítulo de Mad Men. Lo importante es, solamente, lo creativo. Lo cierto es, sin embargo, que en la propia Mad Men estaban ya abrazando la tecnología y que la creatividad es perfectamente compatible con todo lo tecnológico.

“En publicidad digital, desde el minuto uno hemos necesitado la tecnología”, apunta a CIO ESPAÑA Fernando del Rey, director para el sur de Europa de la empresa de marketing digital Incubeta. “La tecnología ha incrementado de manera exponencial lo que se estaba haciendo de forma tradicional y atiende a un público que vive y consume cada vez más en el mundo digital”. “La tecnología siempre ha estado de nuestra mano”.  Las herramientas TI también han alcanzado a otros segmentos más allá de la publicidad digital y ha cambiado el sector y hasta las dinámicas de trabajo.

Un CIO cercano al CMO

“El verdadero cambio es que la frontera entre el marketing y la tecnología está desapareciendo”, indica Ben Evans, jefe de producto de la multinacional francesa de publicidad Havas Media Network España, cuando se le pregunta si los perfiles TI han ido ganando peso en el sector en los últimos años. “Claramente hoy tienen mucho más peso que hace un par de décadas”, confirma. Tienen protagonismo y no son simplemente perfiles de soporte. “El cambio más interesante no es solo de peso, sino de convergencia. Los equipos de marketing necesitan cada vez más comprensión tecnológica y los equipos de TI deben estar mucho más cerca del negocio”, apunta. 

Así, aparecen perfiles híbridos y nuevos modelos organizativos, pero también cambia la relación entre el CMO y el CIO, que se ha vuelto más estrecha. Los estudios llevan advirtiéndolo ya desde hace años y, en algunos momentos, se llegó incluso a barajar la idea de fusionar algunas de sus atribuciones en un nuevo cargo en la ejecutiva. El boom de la inteligencia artificial solo ha hecho que el cambio en la relación entre CMO y CIO se vuelva más visible y decisivo.

Casi se podría decir que TI y marketing no pueden circular en esferas paralelas. “Antes, operaban de forma más aislada, pero hoy la IA y el dato han obligado a trabajar de manera mucho más coordinada”, dice Evans. En Havas, cuenta, trabajan ya así para ganar velocidad y foco. “Esta organización nos está funcionando especialmente bien porque nos permite cubrir toda la cadena de valor de la IA de forma ordenada”, explica. “TI asegura los cimientos tecnológicos y la eficiencia interna, mientras que el equipo de producto impulsa la innovación de cara al mercado”, señala, añadiendo que la comunicación entre ambas ramas es “semanal y fluida”.

Aino Delgado, responsable de marca y producto en Vidext, startup valenciana que utiliza la IA para automatizar la creación y el análisis de contenido audiovisual en el entorno corporativo, cree que esta tecnología propiciará saltar “de equipos masivos a equipos de alto rendimiento”. Lo ha vivido: el suyo de 6 personas rinde ahora como uno de 12. “Nuestra manera de trabajar también ha cambiado: ya no somos dueños de un outcome, sino del impacto, con una estructura híbrida y mucho más estratégica”, indica. “Menos manos ejecutando tareas repetitivas y más personas optimizando el motor de crecimiento”, resume.

La transformación que trae la IA

En marketing y publicidad, la inteligencia artificial está teniendo un efecto transformador que podría marcar un antes y un después. De hecho, quien no sea capaz de comprenderlo se podría quedar atrás.

Eso es lo que cree el último informe de Gartner, que afirma que el 65% de los CMO de Norteamérica y Europa considera que la IA cambiará “dramáticamente” su papel en los próximos dos años. Carecer de alfabetización IA será una de las tres principales razones por las que se despedirá a los directores de marketing en 2027, estiman. Si quieren seguir el ritmo de los tiempos y posicionar a sus empresas en ese nuevo escenario, tendrán que saber de qué se habla y qué se puede hacer en la era de la inteligencia artificial.

Pero ¿qué está haciendo la industria con respecto a la IA y cómo está cambiando las cosas? “Estamos en un momento apasionante. Cada día es distinto”, afirma del Río. “Nosotros venimos del mundo de internet, estamos superhabituados al cambio, pero la IA es algo completamente disruptivo”, asegura, un entorno en el que se producen revoluciones cada semana. Lo vivido hasta ahora palidece ante las velocidades de transformación actuales.

Al tiempo, su auge ha impulsado ya un cambio en cómo se organizan los equipos de marketing y ha abierto nuevas ocupaciones. No se trata tanto de que la inteligencia artificial haya anulado al talento humano o que haya hecho desaparecer la creatividad, sino que se ha modificado cómo se trabaja. “Hace que procesos de creatividad que antes podían llevar semanas o meses, logremos en horas los mismos resultados o incluso mejores”, indica del Río. “La IA se ocupa del trabajo pesado, mientras que nosotros aportamos el toque emocional y ético, evitando que la tecnología caiga en una mediocridad industrializada”, explica Evans. “Así, somos más ágiles, más estratégicos y entregamos más valor a los clientes”.

Desde la industria explican que se automatizado la gestión de campañas o se ha logrado simplificar los reportes. El cliente tiene un acceso más sencillo, completo y rápido a los resultados de su campaña. “En términos de marketing y marca la IA nos permite analizar datos y reportes de forma mucho más rápida”, explica Delgado. “Podemos medir con mayor precisión, ajustar campañas en tiempo real, adaptarlas a necesidades concretas o usuarios específicos y así poder anticiparnos a lo que la audiencia necesita”, indica.

“La inteligencia artificial está cambiando las reglas de cómo medimos los resultados, aumentamos el retorno y segmentamos las audiencias”, añade Evans. Para eso se necesita un “dato bien estructurado y gobernado”. Las empresas del sector ofrecen sus propuestas (Havas tiene la suya, Marvel, “nuestro modelo de datos unificado, que normaliza la información de múltiples clientes y fuentes”), con las que prometen que se podrán tomar decisiones más informadas y ajustadas. “Los equipos ya no pierden tiempo ordenando información”, señala este experto. “Pueden reaccionar casi en tiempo real a lo que ocurre con las campañas, apoyándose en datos fiables y actualizados”, asegura. Y la inteligencia artificial no solo bebe de lo que ocurre en el mundo digital, sino que cruza esa información con la que llega desde los canales físicos.

La IA ayuda a comprender mejor el mercado y permite una segmentación de las audiencias más afinada. “Nos ha abierto posibilidades para entender a los decisores de compra”, apunta del Río, y suma que ha aparecido un nuevo canal. “Ahora hacemos estrategias de impactar a la IA o a agentes”, indica, puesto que son ya los canales que conducen a las decisiones de compra. De hecho, desde la industria ya se empieza a hablar de una suerte de SEO para IA.

Los retos de la IA

Por supuesto, para que el potencial cuaje (y para que sus clientes finales lo empleen), las compañías del sector deben lanzar soluciones que resulten atractivas y fáciles de usar y que logren sobrepasar las resistencias ante la IA. Esos son los grandes retos.

Las propuestas se están sucediendo. Amazon Ads acaba de lanzar en España su Creative Agent, una herramienta IA para crear campañas publicitarias y con la que, claramente, quieren posicionarse ante las pymes. “Creative Agent aporta a todos los anunciantes y agencias acceso al tipo de soporte creativo estratégico y de calidad profesional que hasta ahora solo estaba al alcance de grandes marcas”, afirma en el comunicado del lanzamiento José Escudero, Head of Advertising Sales en Amazon Ads. Havas introdujo en el último CES a AVA, su solución que centraliza el acceso a tecnología IA para sus clientes. “En los últimos meses hemos visto cómo se disparaba el uso de herramientas de IA en las agencias, a veces de forma desordenada, lo que aumenta el riesgo de shadow AI”, indica Evans. Su herramienta añade así, promete, seguridad en “un entorno controlado y fiable”.

Ante las resistencias, desde la industria dejan claro que no hay que ver las cosas como un todo o nada, sino más bien como un nuevo contexto de trabajo. Esto es, la inteligencia artificial no se lo comerá todo, sino que operará acompañada de la creatividad y la intervención humana. “Ese toque humano es fundamental para asegurar que los resultados no solo sean precisos desde el dato, sino que incorporen el contexto cultural, emocional y los deseos específicos del cliente”, defiende Evans. “El reto está en tener una idea y que la IA la ejecute”, suma del Río, “no que la IA tenga una idea y que las personas la ejecutemos. El reto está en pensar fuera de la caja, en pensar que todo es posible”. Y hacerlo además en un entorno mucho más dinámico, más flexible, en el que los tiempos se han vuelto mucho más cortos.

Y no menos importante, la carrera por la IA y sus usos obliga a pensar qué se hace y qué aporta. “La tecnología nos permite automatizar procesos menos creativos o atractivos por así decirlo, para centrarnos en crear contenidos de valor para la marca”, recuerda Delgado. No se puede perder de vista los objetivos. Y advierte: “Uno de los problemas a los que las marcas se enfrentarán en el futuro será, desde mi punto de vista, priorizar la cantidad por encima de todo gracias a las automatizaciones”.

Están emergiendo nuevos perfiles de TI para ayudar a las organizaciones a evaluar con mayor rigor los resultados de la inteligencia artificial (IA) a medida que pasan de proyectos piloto a despliegues a gran escala.

Muchas compañías valoran ya crear o contratar equipos dedicados a la evaluación de la IA. Para algunos expertos, estos nuevos roles constituyen una red de seguridad esencial en empresas que avanzan en la implantación de herramientas basadas en esta tecnología.

El rápido auge de los agentes de IA está impulsando esta tendencia. En los últimos meses han comenzado a configurarse equipos específicos de evaluación, según explica Yasmeen Ahmad, directora general de gestión de productos, datos y nube de IA en Google Cloud.

En opinión de esta experta, “hasta ahora no estábamos realmente en la fase de contar con agentes autónomos, complejos y con razonamiento en múltiples pasos. A medida que los clientes observan cómo se comportan los agentes en la práctica, se dan cuenta de que la evaluación no es una puerta de entrada puntual, sino una práctica continua”.

En Google, los equipos de evaluación están integrados en los grupos de desarrollo de agentes, de modo que ambas funciones avanzan en paralelo, detalla Ahmad. Y añade: “Mientras los equipos construyen agentes, se realiza una evaluación simultánea para facilitar un ciclo de iteración rápido”.

Otras organizaciones han empezado a crear grupos de trabajo de evaluación de IA dentro de sus departamentos de IA y TI, apunta Maksim Hodar, CIO de la firma de desarrollo de software Innowise. En algunos casos, las empresas combinan perfiles como arquitectos de datos, responsables de seguridad y expertos en cumplimiento normativo en un nuevo equipo, en lugar de contratar talento externo desde cero.

De función deseable a necesidad operativa

Los integrantes de estos equipos desempeñan un papel híbrido, a medio camino entre la programación pura y las prácticas empresariales éticas, añade Hodar.

A su juicio, “podemos afirmar con seguridad que estamos asistiendo a la evolución del equipo de evaluación de IA, que ha pasado de ser algo “deseable” a convertirse en una necesidad. Observamos que las empresas están abandonando la adopción ciega de la IA y optan por un enfoque más mesurado, articulado en torno a esa red de seguridad”.

Aunque está surgiendo un conjunto de herramientas —incluidos productos de observabilidad y gobernanza— orientadas a prevenir errores de la IA, la tecnología por sí sola no es suficiente, subraya. Se requiere intervención humana para determinar si una herramienta se ajusta a los valores corporativos y a la normativa vigente, como el Reglamento General de Protección de Datos (RGPD).

Para Hodar, “la tecnología puede identificar fallos técnicos, pero no puede evaluar el contexto. Aporta información, pero el equipo de evaluación es quien da el visto bueno. La responsabilidad no se puede automatizar”.

En la misma línea, Ahmad explica que los equipos humanos necesitan los datos que proporcionan las herramientas de observabilidad, pero estas no pueden aportar por sí solas el contexto que los modelos y agentes requieren para corregir resultados erróneos.

Los agentes de IA han demostrado ser eficaces superando comprobaciones en entornos de prueba. Sin embargo, el seguimiento de su comportamiento en escenarios reales exige una supervisión continua. Para Ahmad, las aplicaciones agenticas pueden superar una prueba unitaria inicial en un escenario concreto. Pero son sistemas de toma de decisiones no deterministas: no es posible probar todas las formas potenciales en que podrían comportarse en el mundo real”.

Aunque una herramienta de observabilidad puede ofrecer métricas sobre uso de tokens, herramientas empleadas, fallos o errores de razonamiento, muchos problemas requieren análisis humano. Los equipos de evaluación aportan además contexto sobre los errores de razonamiento más frecuentes.

Por eso explica que “cuando nuestros equipos internos dedican tiempo a analizar los agentes, una parte importante se centra en preguntarse: “¿Por qué ha fallado aquí la lógica de razonamiento?” En muchos casos, el agente no dispone de suficiente contexto. La solución pasa por proporcionarle el contexto adecuado, en el nivel adecuado, para que pueda tomar mejores decisiones”.

Gobernanza, cultura y alineación con el negocio

Noe Ramos, vicepresidenta de Operaciones de IA en Agiloft, es de la opinión de que un equipo de evaluación sólido también debe abordar cuestiones como la gobernanza, la preparación cultural, la alineación con los flujos de trabajo y el impacto de negocio medible de las herramientas de IA.

Ramos afirma que “el mayor obstáculo no es técnico, sino humano. Se pueden adquirir herramientas muy potentes y seguir teniendo dificultades si las personas no confían en ellas, no las entienden o no ven cómo encajan en su trabajo”.

También detecta una demanda creciente de capacidades de evaluación, aunque más como competencia transversal que como título formalizado. “A medida que las organizaciones superan la fase experimental, comprenden que la IA no puede implantarse únicamente sobre la base del entusiasmo”, apunta.

A su juicio, una disciplina formal de evaluación resulta esencial cuando la IA se escala. “En última instancia, la evaluación no trata sólo de seguridad, sino de garantizar que la IA impulse claridad y acción, en lugar de añadir ruido”, afirma, para apostillar: “Internamente lo resumimos así: utilizamos la IA para generar claridad y acción, no para abrumar a los equipos con más paneles de control”.

Ramos fue ascendida recientemente de vicepresidenta de TI a vicepresidenta de Operaciones de IA. Su equipo incluye un responsable de operaciones de IA, un ingeniero de agentes de IA y un responsable de sistemas GPT e IA. El objetivo es integrar la evaluación en el modelo operativo de IA de la compañía.

A medida que las organizaciones maduran en el uso de la inteligencia artificial, el paso del entusiasmo inicial a una evaluación disciplinada está impulsando la necesidad de una función estructurada. «Uno de los mayores riesgos es que las iniciativas de IA estén impulsadas por las voces más insistentes, en lugar de por las prioridades operativas reales», advierte. «El desarrollo de la IA no debería basarse en quién habla más alto, sino en quién aporta mayor criterio, amplificando esas voces para lograr un impacto real en la organización».

En la mayoría de las empresas, la función de evaluación debe situarse en la intersección entre TI, seguridad, liderazgo de datos y áreas operativas, y sus responsables han de conocer en profundidad el funcionamiento interno de la organización. Por eso Ramos concluye que “una de las razones por las que fracasa la evaluación de la IA es que las empresas no siempre comprenden sus propios flujos de trabajo”.

La transformación digital del sector sanitario ha abierto una nueva frontera para la atención médica, pero también para los ciberdelincuentes. Hospitales, centros de salud y laboratorios se han convertido en uno de los objetivos prioritarios de los ataques informáticos por una razón evidente: manejan información extremadamente sensible y, además, no pueden permitirse parar.

Un incidente de ciberseguridad en una organización sanitaria ya no implica únicamente pérdidas económicas o interrupciones tecnológicas. Puede traducirse en quirófanos aplazados, diagnósticos retrasados o servicios críticos sin acceso a información clínica. Por ello, informes internacionales coinciden en señalar que el sector sanitario figura entre los más atacados del mundo, especialmente por campañas de ransomware diseñadas para explotar esa necesidad de continuidad asistencial.

En este contexto, la ciberseguridad ha dejado de ser un asunto exclusivamente tecnológico para convertirse en un elemento estructural de la seguridad del paciente, una premisa que ha guiado el proceso de transformación digital del Consorcio Hospitalario Provincial de Castellón.

De una seguridad reactiva a una estrategia tecnológica estructural

Cuando el equipo tecnológico del hospital asumió la modernización del entorno digital, el diagnóstico fue claro. Según explica Carlos García Altarejos, responsable de Tecnología del Consorcio, la situación inicial presentaba importantes carencias. “La situación de ciberseguridad era muy deficiente: había protección de endpoint solo en parte del parque tecnológico, sin un ecosistema integral, sin personal especializado dedicado y con la seguridad fuera de las prioridades”, señala.

Ante ese escenario, el reto era doble: elevar rápidamente el nivel de protección y hacerlo sin interrumpir un servicio sanitario que funciona las 24 horas del día. A ello se sumaba un entorno especialmente complejo, con dispositivos médicos, sistemas heredados difíciles de actualizar y múltiples tecnologías conviviendo al mismo tiempo. “El equilibrio entre seguridad y operativa asistencial es especialmente delicado en un hospital”, explica. “Tenemos una alta heterogeneidad tecnológica y muchos sistemas legacy donde no siempre es posible instalar soluciones tradicionales”.

En un proyecto como este, el impacto potencial de un incidente iba mucho más allá del ámbito tecnológico. “Un ataque no afecta solo a sistemas informáticos; afecta a la disponibilidad, a la integridad de la información clínica y a la confidencialidad de datos extremadamente sensibles”, subraya García Altarejos. “En un hospital, donde no puedes parar para recuperar, la ciberseguridad forma parte directa de la continuidad asistencial”.

Esta visión marcó el inicio de una hoja de ruta que no se limitaba a incorporar herramientas, sino a redefinir la gobernanza tecnológica del centro. El objetivo era construir una base sólida que permitiera avanzar en digitalización sin incrementar el riesgo.

Una transformación digital con la seguridad como punto de partida

El proyecto tecnológico se diseñó por fases, priorizando los activos críticos. Primero se protegieron servidores con acceso a datos clínicos, sistemas de copia de seguridad y perímetro de red; posteriormente se extendió la cobertura a puestos y áreas asistenciales como Urgencias, UCI, laboratorio o radiología. “El mayor aprendizaje fue entender que en un hospital la clave no es tener herramientas, sino disponer de visibilidad correlacionada y capacidad real de respuesta”, explica el responsable tecnológico del centro. “Cuando puedes ver lo que ocurre en endpoint, red y perímetro al mismo tiempo, cambia completamente la gestión del riesgo”.

La implantación exigió además una estrecha coordinación con los servicios clínicos. “Trabajamos con planificación por fases y ventanas fuera de horas punta. La gobernanza clínica fue esencial para minimizar cualquier impacto asistencial”, añade.

El componente humano también resultó determinante. El hospital impulsó formación específica para el equipo de TI y acciones de concienciación dirigidas al personal sanitario. “La tecnología solo funciona si se acompaña de procesos y hábitos. Cada profesional debe entender que la ciberseguridad también protege al paciente”, afirma.

Vigilancia continua en un entorno 24/7

Para abordar esta evolución, el Consorcio Hospitalario Provincial de Castellón desplegó un ecosistema integral basado en soluciones de la compañía Sophos, con monitorización continua y respuesta gestionada frente a amenazas.

El núcleo del proyecto ha sido el servicio MDR (Managed Detection and Response) 24/7, acompañado de firewall de nueva generación, detección en red (NDR), gestión de vulnerabilidades e integración con sistemas críticos como copias de seguridad y correo corporativo. “Hoy contamos con telemetría completa, priorización de vulnerabilidades y capacidad de detección continua. Hemos pasado de reaccionar a incidentes a anticiparnos a ellos”, resume García Altarejos.

De hecho, los resultados comenzaron a observarse en los primeros meses: el sistema procesó cerca de un millón de detecciones potenciales, con unas 50.000 escaladas y correlacionadas mediante inteligencia artificial, y permitió detener un intento real de ejecución de código malicioso sin requerir intervención del hospital.

Desde el punto de vista técnico, uno de los mayores desafíos fue proteger dispositivos y sistemas donde no era posible instalar agentes de seguridad. Según explica César Benítez, director de Ciberseguridad de la consultora TWT-TS, “había que mejorar la seguridad sin afectar en ningún momento a la continuidad asistencial”. Para ello se combinó monitorización del tráfico en red, agentes ligeros y despliegues progresivos cuidadosamente planificados.

La seguridad sincronizada del ecosistema permitió, además, correlacionar eventos entre endpoints, red y firewall, aportando una visión unificada del riesgo. “El valor real no fue solo tecnológico, sino estratégico: dotar al hospital de capacidad de anticipación y respuesta”, señala Benítez.

Para Emilio Gil, account executive de Sophos, este tipo de proyectos refleja un cambio profundo en la concepción de la seguridad sanitaria. “En un hospital la ciberseguridad no va de instalar un antivirus y olvidarse. Va de proteger personas, de garantizar que un quirófano no se detiene o que una UCI mantiene visibilidad incluso un domingo de madrugada”. Gil advierte, además, que el sector afronta amenazas cada vez más sofisticadas, con ataques dirigidos y ransomware orientado a maximizar el impacto asistencial. “Los hospitales no pueden permitirse ni una hora de caída, y eso los convierte en objetivos prioritarios”.

Más allá del proyecto: una base para el hospital del futuro

La ciberseguridad se ha convertido ahora en el cimiento sobre el que el hospital está construyendo su evolución digital. Entre los proyectos en marcha destacan la renovación de comunicaciones para cerca de 2.000 dispositivos, plataformas de inteligencia artificial, analítica avanzada, videovigilancia inteligente o sistemas de localización interna de pacientes. “Estamos en una fase de aceleración y profesionalización”, afirma García Altarejos. “No se trata solo de incorporar herramientas, sino de hacerlo de forma ordenada, segura y medible para que la innovación se traduzca en mejor asistencia y mayor eficiencia”.

La hoja de ruta incluye también reforzar la resiliencia tecnológica, mejorar la segmentación de red y avanzar hacia arquitecturas híbridas que permitan escalar capacidades sin perder el control del dato clínico.

En este contexto, la visión que García Altarejos tiene del hospital para los próximos años es clara: “Que la tecnología deje de ser un freno y se convierta en una ventaja clínica y operativa, siempre con la seguridad y la continuidad asistencial como línea roja”. En definitiva, se trata de disponer de un hospital “seguro por diseño, con segmentación madura, telemetría completa y respuesta gestionada 24/7 como estándar”. Además, contará con “un modelo de CPD más simple y con menos riesgo”, equilibrando cargas entre sus centros de datos para lograr alta disponibilidad real y reducir puntos únicos de fallo. También aspira a una mayor capacidad de cómputo para alojar plataformas propias de inteligencia artificial, manteniendo el control del dato clínico, así como aplicaciones y sistemas más interoperables, preparados para integrar servicios cloud-ready cuando aporten valor y con analítica e IA integradas en procesos clínicos y administrativos, midiendo su impacto en calidad, tiempos y eficiencia.

Más allá del caso concreto, la experiencia del Consorcio Hospitalario Provincial de Castellón refleja un cambio silencioso que ya se está produciendo en el sistema sanitario: la ciberseguridad ha dejado de ser un proyecto puntual para convertirse en una condición previa de cualquier innovación. Inteligencia artificial, analítica avanzada, interoperabilidad o medicina digital solo pueden desarrollarse sobre infraestructuras capaces de garantizar disponibilidad, integridad y confianza en el dato clínico.

Que la disrupción es constante y el cambio forma parte del día a día es una realidad cotidiana de muchos CIO, según expuso al arrancar el debate Fernando Muñoz, director de la comunidad de directivos de TI CIO Executive de Foundry España. Para los responsables de TI, esto significa que deben ir más allá de la excelencia operativa y participar activamente en el diseño del negocio. Actúan en la intersección entre los negocios, la tecnología y las personas. El objetivo es impulsar la innovación mientras se mantiene la seguridad y la resiliencia. ¿Cómo se puede generar un impacto sostenible en un mundo en constante cambio? Para responder a esta pregunta, primero hay que entender la disrupción.

Disrupción palpable

En los últimos doce meses, lo que más ha cambiado es la experiencia del cliente, afirmó Rubén Martínez Sierra, director de Transformación Tecnológica de Renfe, el mayor operador ferroviario de España. La IA generativa, dijo, está cambiando el comportamiento de búsqueda y reserva. Por lo tanto, Renfe debe estar presente en ese ámbito, simplificar los procesos para el cliente y recopilar y proporcionar información en tiempo real. “Las TI deben comprender los problemas del negocio y garantizar la continuidad del mismo”, expuso.

Para Jordi Roda, director de estrategia digital de la empresa de equipamiento deportivo Decathlon España, el gran cambio producido en su organización ha sido la mentalidad de TI, que ha pasado de ser un proveedor de tecnología a un proveedor de servicios. Con el “cambio del modelo de distribución multicanal al omnicanal”, explicó, el área de TI ha tenido que hacerse más rápida y estar más conectada, de modo que la oferta pueda adaptarse de forma dinámica a las necesidades tan cambiantes de los clientes y del negocio.

La próxima gran ola

Con la expansión de la IA generativa, el negocio también debe seguir evolucionando, según el directivo Renfe. Sierra explicó que para medir la eficacia de las innovaciones en IA y seguir adelante con los casos de uso prometedores, la empresa de transporte establece indicadores clave de rendimiento (KPI) centrados en la eficiencia, los costes y la experiencia del cliente, con el fin de aumentar el grado de automatización. En este proceso, el “ser humano sigue estando en el bucle”: la IA propone y el ser humano decide.

En Decathlon España, contó Roda, se apuesta por la experimentación. Su equipo ha proporcionado a la plantilla una plataforma de IA que ésta ha acogido de buen grado para explorar posibilidades e identificar y descubrir potenciales de mejora. Las áreas de interés a las que debe adaptarse el área de TI son, sobre todo, la aplicación de los agentes al ámbito del comercio y a la búsqueda de información.

Ejemplos de innovación

Roda desveló un proyecto concreto que ha tenido éxito en Decathlon y está relacionado con los clientes. El proyecto consiste en ofrecer el producto adecuado, en el momento y con el precio adecuados. Gracias a éste la compañía puede efectuar cambios dinámicos de los precios todos los días. Aunque esto ha supuesto una cierta disrupción a nivel interno, Roda contó que el impacto en la experiencia del cliente ha sido muy significativo.

En Renfe, por su parte, idearon seis casos de uso durante una formación de varios días realizada a 200 empleados. Uno de ellos, que se implementó en unos tres meses, permite prevenir el vandalismo en los trenes. En función de datos meteorológicos y de los horarios, así como de información sobre eventos en las ciudades, se elaboran medidas para ahorrar tiempo en la limpieza de los trenes. Otro ejemplo que contó Sierra fue el desarrollo de un mapa en tiempo real de los trenes de cercanías.

Mantener la resiliencia

Para mantener la resiliencia ante todos estos cambios, Decathlon apuesta por una visión de TI modular. En este sentido, transformó el sitio web del comercio minorista de una arquitectura monolítica a una mezcla de un sistema central con módulos personalizables. Esto permite adaptar rápidamente los elementos, introducir nuevas soluciones y escalarlas rápidamente a nivel internacional.

Para Sierra, la clave está en el papel del CIO. Es importante, dijo, garantizar la estabilidad operativa, al tiempo que se mantiene la voluntad de experimentar y la cultura de ‘prueba-error’ del equipo. Si algo sale mal, subrayó, no se trata de buscar culpables, sino de comprender qué ha fallado y aprender de la experiencia para futuros proyectos.

Roda también resaltó la importancia de que el equipo de TI tenga curiosidad. Para él, liderar significa animar a experimentar mientras se integran la tecnología y los negocios. La disrupción conlleva creatividad, ofrece espacio para el espíritu explorador, las mejoras y las experiencias. Lo más importante, apuntó, es que todos los miembros del equipo disfruten del trabajo.

Finalmente, Sierra, de Renfe, aseguró ver al CIO como un traductor entre los negocios y la tecnología. “Liderar significa comprender el negocio y a los clientes, cómo el área de TI puede apoyar al negocio y dónde se abren nuevas oportunidades comerciales”, indicó.

La sugerencia de Anthropic de que su herramienta Claude Code podría utilizarse para automatizar la modernización de un lenguaje de programación veterano como COBOL —que seis décadas después de su primera implementación sigue siendo una actividad relevante para IBM— provocó el lunes una fuerte reacción en los mercados.

La compañía registró una caída del 13,2% en el precio de sus acciones, la mayor desde el estallido de la burbuja puntocom hace un cuarto de siglo.

Pero IBM no es la única empresa afectada por el actual ciclo de expectativas en torno a la IA. En el ecosistema SaaS se extiende una sensación cercana al nerviosismo a medida que toma forma el potencial de la IA para automatizar la creación y gestión de software. Salesforce, Atlassian, ServiceNow y Snowflake han sufrido fuertes ventas en un episodio que una firma de trading calificó, de forma melodramática, como “SaaSpocalypse”.

Un escenario hipotético a 2028

El informe The 2028 Global Intelligence Crisis (La crisis de inteligencia global de 2028), elaborado por Citrini Research junto con Alap Shah, de Lotus Technology Management, va más allá. En este ejercicio prospectivo, se describe cómo podría verse el auge de la IA desde la perspectiva de 2028, apenas dos años después de un pico imaginario del S&P 500 en los 8.000 puntos, en octubre de este año.

“La productividad estaba en auge. La producción real por hora aumentó a un ritmo no visto desde la década de 1950, impulsada por agentes de IA que no duermen, no se ponen de baja por enfermedad ni necesitan seguro médico”, señala la firma en lo que define como un ejercicio de reflexión. Pero, en paralelo, “los propietarios de los ordenadores vieron cómo su riqueza se disparaba al desaparecer los costes laborales, mientras que el crecimiento de los salarios reales se desplomó”.

En este escenario, las empresas, en su búsqueda de mayor productividad gracias a la IA, reducen plantilla. Sin embargo, al caer el empleo también se contrae la demanda de productos y servicios, lo que lleva a una nueva ronda de automatización. “En todos los sentidos, la IA superaba las expectativas, y el mercado era la IA. El único problema… era que la economía no lo era”, imagina Citrini.

El modelo de suscripción, en riesgo

Las primeras en notar este impacto serían las plataformas SaaS. Según esta hipótesis, los agentes de IA podrían asumir tareas actualmente cubiertas por aplicaciones empresariales, tanto en el ámbito corporativo como en el de consumo. El resultado sería una erosión del valor percibido y la necesidad de aplicar descuentos significativos para retener clientes.

La atención sobre este escenario coincide con el anuncio, a principios de febrero, de la nueva plataforma empresarial Frontier por parte de OpenAI, presentada —según diversas informaciones— ante inversores como un posible competidor directo del SaaS tradicional.

La consultora Xpert Digital lo resumía así: “Si los agentes de IA asumen el trabajo de departamentos completos o si las empresas generan su propio código, la base del lucrativo modelo de suscripción podría tambalearse”.

En este contexto, surgen preguntas relevantes para los CIO: ¿podrán negociar mejores condiciones en las renovaciones de licencias a partir de 2026? ¿Existe un riesgo real de que algunas organizaciones abandonen soluciones SaaS tradicionales en favor de plataformas nativas de IA?

Escribir software es más fácil que operarlo

Los expertos consultados por CIO.com se muestran, no obstante, escépticos ante la posibilidad de que la transición sea tan sencilla como plantea Citrini Research.

En primer lugar, la capacidad de la IA para replicar con garantías las funciones críticas que hoy desempeñan las plataformas SaaS aún no está demostrada. En segundo lugar, incluso si se aproximan funcionalmente, persisten interrogantes clave en materia de auditoría, seguridad, cumplimiento normativo y rentabilidad.

Maya Mikhailov, directora ejecutiva de SAVVI AI, señala que “la IA facilita enormemente la escritura de software. No facilita la operación de software empresarial. Son dos problemas muy distintos, y la mayor parte del coste reside en el segundo”.

Y añade: “En el momento en que internalizas la creación de software, también asumes la seguridad, el cumplimiento normativo, la disponibilidad, las integraciones y el soporte 24/7. Sobre el papel puede resultar atractivo, pero los costes y la complejidad impactarán directamente en la cuenta de resultados”.

Collin Hogue-Spears, experto técnico de Black Duck Software, subraya además los riesgos asociados a la gobernanza. “OpenClaw pasó de cero a 135.000 instancias expuestas en cuestión de semanas porque ejecuta flujos de trabajo con gran rapidez. Pero no genera pruebas de auditoría, no garantiza el cumplimiento de obligaciones de licencia ni produce la documentación regulatoria necesaria antes de desplegar código”.

“Los agentes de IA ejecutan tareas” —explica—. no generan el rastro de evidencias que separa a una empresa de una posible sanción regulatoria. Este patrón se repite en distintos sectores: la IA tiende a convertir funcionalidades en commodities, mientras amplía las obligaciones de gobernanza”.

Ventana de negociación para los CIO

Con todo, el contexto actual podría jugar a favor de los clientes. La debilidad bursátil del sector SaaS abre una oportunidad poco habitual en la negociación de contratos.

“Los proveedores SaaS afrontan la presión de precios más creíble desde que la nube desplazó a las licencias on-premise. Se ha abierto una ventana de negociación”, concluye Hogue-Spears.

Para los CIO, el mensaje es claro: más allá del ruido, la irrupción de los agentes de IA puede convertirse en una palanca estratégica tanto para revisar el modelo operativo como para optimizar costes en el corto y medio plazo.

El 28 de agosto de 2023, festivo en parte del Reino Unido y uno de los días más intensos del tráfico aéreo del verano, alrededor de 1.500 vuelos fueron cancelados. Aeropuertos colapsados, tripulaciones y aviones fuera de posición, pasajeros atrapados en conexiones imposibles por Europa, y un sector entero exigiendo respuestas. Aerolíneas como Ryanair elevaron la presión públicamente. La autoridad regulatoria británica estimó después que el incidente impactó a más de 700.000 pasajeros, con grandes costes para aerolíneas y aeropuertos. El detonante no fue una tormenta perfecta de eventos. El operador de control de tráfico NATS reveló que el incidente se originó por un plan de vuelo válido que incluía en su ruta dos waypoints o referencias de navegación fuera del Reino Unido que tenían el mismo nombre.

Eso disparó una excepción crítica, y tanto el sistema principal como el de respaldo entraron en un modo de seguridad (fail-safe en inglés) para evitar presentar información potencialmente incorrecta a los controladores. El resultado fue inmediato: restricción de tráfico y pérdida de automatización, pasando a gestión manual.

En ese momento apareció la empresa real: la que no se ve en el comité, la que vive por debajo del PowerPoint y no capturan los KPI. En este incidente, lo que más tiempo consumió estaba fuera del guion: identificar el dato exacto, retirarlo de forma controlada y volver a operar con garantías.

La organización quiere ver la empresa ideal

En muchas organizaciones operan dos empresas a la vez. Por un lado, la empresa ideal: la que se define por roadmaps, KPI y narrativas impecables. Por otro, la empresa real: la de las dependencias, integraciones frágiles y excepciones. Es menos visible, pero es la que decide cuando algo falla.

El reto es que la organización quiere ver la empresa ideal, porque da sensación de control y facilita las decisiones. La empresa real, sin embargo, no es intuitiva: está distribuida, cambia con cada integración y no avisa cuando se degrada. Es fácil inclinarse hacia sesgos humanos, como la tendencia a infravalorar escenarios negativos hasta que se materializan. Por ejemplo, hace ya décadas, se acuñó el término “falacia de planificación”, que explica el patrón por el que los grandes proyectos se disparan de forma crónica tanto en coste como en plazo.

El CIO no escapa a esto. También está sometido a presión por entregar una narrativa de avance y por no ser percibido como freno.

Cómo saber si las decisiones se toman desde la empresa ideal

A pesar de estos sesgos, hay algunas señales que indican que hay un sesgo hacia la empresa ideal, perdiendo la conexión con la real.

La primera es cuando la hoja de ruta se reescribe continuamente. Si cada trimestre hay que cambiar la planificación, significa que el sistema vive en modo reacción, actuando desde la urgencia. Este modo de decidir no es lo mismo que incorporar metodologías ágiles, y puede llegar a confundirse.

Otra señal es el exceso de excepciones. Estas son inevitables, pero cuando se terminan convirtiendo en la norma son un síntoma de un problema de fondo. Si no se aborda, se empieza a generar deuda. Es decir, riesgos y costes que se van acumulando y terminan hipotecando las decisiones futuras.

Una señal contraintuitiva se manifiesta cuando los KPI son correctos, indican estabilidad y avance, pero al mismo tiempo, cada cambio supone un riesgo elevado. Esto apunta a que la dirección se siente cómoda con un determinado cuadro de mando, pero en realidad no está alineado con la realidad, y puede ocultar fragilidad y falta de confianza.

Por último, una señal culturalmente arraigada (y difícil de percibir) es cuando la continuidad se asume, pero no se pone a prueba. Es decir, cuando no existe un esquema periódico de prueba de los sistemas. Es fácil confundir resiliencia con la falta de eventos adversos. Sin este entrenamiento, la organización cree que está preparada, hasta que llega un incidente.

El mapa y el territorio

Hay una distinción que ayuda a calibrar las señales y facilita un cambio de conversación: el mapa y el territorio.

El mapa es la representación: arquitectura objetivo, planes, KPI, comités y gobierno formal. El mapa es necesario, porque sin él no hay dirección.

El territorio es la operación: dependencias, integraciones, excepciones, capacidades reales de los equipos y coordinación. Es real y está vivo.

Cuando no se cuestiona ni actualiza el mapa, aparece una ilusión de gobierno: se gobierna la representación del sistema, no el sistema. La energía se concentra en demostrar orden mientras el territorio se vuelve más frágil sin que nadie lo vea a tiempo.

El caso del colapso aéreo en el Reino Unido muestra el choque entre ambos. El 28 de agosto era un día crítico para el sistema británico, y contaba con una dotación completa de personal. Y, aun así, una combinación atípica de condiciones obligó a operar en modo manual. En otras palabras: el mapa indicaba resiliencia; el territorio contó otra historia.

En ese escenario, la pregunta que el CIO necesita instalar es tan importante como incómoda: ¿estamos gobernando el mapa o estamos gobernando el territorio?

Tres movimientos del CIO para que la empresa real no sea una sorpresa

Para que la empresa se haga estas preguntas (y no sólo después de un susto), la clave no está en más reporting. Está en instalar hábitos de gobierno que hagan visible la distancia entre mapa y territorio: entre lo que se planifica y lo que realmente se puede sostener. A continuación, se presentan tres hábitos sencillos que hacen más visible el territorio:

1) Definir la empresa mínima viable. Ese concepto, nacido en el ámbito de la resiliencia, consiste en elegir una columna dorsal de servicios críticos y describir sus dependencias clave, incluyendo terceros. A partir de ahí, se indica qué ocurre si se degradan y cómo activar un modo de contingencia que permita que la operación no se pare.

2) Gobernar las excepciones. El objetivo es que dejen de ser un favor urgente y se conviertan en decisiones y aprendizaje de la organización. Para ello, cada excepción debe tener dueño, motivo, fecha de caducidad y una revisión programada. En la revisión se pueden plantear las opciones de salida: corregir la causa, renovar la excepción asumiendo su coste, o retirarla.

3) Institucionalizar un reality check ejecutivo. Se trata de establecer una revisión periódica de capacidades. Es decir, qué riesgos o fragilidades aumentan, qué dependencias nuevas aparecen y qué incidentes revelan territorio no visible. Y, al menos un par de veces al año, hace falta ensayar momentos de la verdad. Es decir, simular una disrupción, practicar el modo manual y comprobar si los procedimientos funcionan bajo presión.

En los próximos meses, el territorio va a cambiar con la entrada de agentes de IA. Habrá más integraciones, más presión por la velocidad y menos tolerancia al fallo. En ese contexto, el CIO tendrá que revisar el mapa.  

La próxima tribuna se centrará en una amenaza claramente externa y cada vez más determinante: la dependencia tecnológica. Es decir, cómo se crea de forma inadvertida y qué puede hacer el CIO para recuperar margen de maniobra sin frenar la ambición digital.

---

En los últimos años, la industria farmacéutica ha abrazado el uso de inteligencia artificial: su potencial en el desarrollo de nuevos fármacos ha posibilitado que las grandes farmas la integren en la parte de investigación, además de habilitar nuevas empresas con esta herramienta —en sus distintas versiones— en el foco. Sin embargo, la aplicación de nuevas tecnologías en este sector va mucho más allá de la clave inteligente. Así lo explica Ferran Urgelés, director de TI de Boehringer España y del centro global de TI que la farmacéutica tiene en Barcelona, que ya emplea a más de 390 profesionales. El directivo, en la casa desde hace más de 18 años, desgrana la evolución tecnológica de una de las multinacionales del sector más relevantes del mundo, cuya actividad se enfoca en la investigación, el desarrollo y la comercialización de fármacos dirigidos tanto a la salud humana como a la animal, así como en la fabricación biofarmacéutica; un gigante que sigue haciendo gala de su carácter familiar, pero ya emplea a más de 50.000 profesionales y opera en más de 130 mercados a nivel mundial, entre los que se encuentra España.

“Muchas de las cosas que llamamos inteligencia artificial ya existían, ya las hacíamos”, señala. “Al final trabajas con información, con datos, con los que haces procesos, y hay muchas cosas que ya puedes automatizar”. Es aquí donde pone el foco. “La revolución en los últimos años han sido los datos, la gran cantidad de datos que tenemos y cómo los podemos procesar para obtener patrones, predicciones, etc. y leer esos datos y obtener todo el valor que podamos. Sí que es verdad que a lo que llamamos hoy en día inteligencia artificial nos está ayudando a que todo el mundo tenga acceso a temas de complejidad, que antes necesitabas un conocimiento y una experiencia”. “Es un progreso, porque nos permite ser más eficientes, más productivos”, apunta Urgelés, quien también advierte sobre la necesidad de revisar el trabajo de la IA para evitar sesgos o limitaciones.

Proyectos de TI en Boehringer Ingelheim

Urgelés reconoce que ahora mismo los esfuerzos de su departamento se están centrando en una rama. “Lo primordial es la investigación”, explica, “para poder continuar aportando soluciones a los pacientes, que tengan una mejor calidad de vida y mayor expectativa de vida”. Con este fin emplean en la farma tecnología que aprovecha ese recurso esencial, los datos, sobre el que se articulan varias claves. Por un lado, aplicando tecnología puntera de procesamiento se pueden encontrar patrones, afinando hacia una medicina “mucho más personalizada, más eficiente y efectiva”. “Estamos trabajando in silico, haciendo las simulaciones de manera digital, lo cual nos permite tomar muchísima más velocidad”. Si los tiempos desde que se encuentra un posible tratamiento hasta que este llega al mercado suelen ser de unos 10 años, el uso de herramientas inteligentes ayuda a acelerar el proceso de forma significativa, para que “se beneficien los pacientes de una manera mucho más temprana”.

Otro de los ejes de aplicación tecnológica es en ensayos clínicos, con procesos de gestión complejos que se pueden ver agilizados gracias a la buena gestión de datos. Urgelés profundiza en uno de los proyectos concretos de la compañía: su sistema One Medicine Platform, que permite gestionar todo el proceso a través de una única plataforma. “Antes teníamos múltiples plataformas que se tenían que conectar entre sí, lo cual es una ineficiencia. Podía haber incluso solapamientos, repeticiones, etc”. Con su nuevo sistema se avanza en la agilización de procesos y la eficiencia en el manejo de datos, facilitando la colaboración con otros agentes de salud, como las administraciones públicas o las aseguradoras. “Es importante que trabajemos conjuntamente para entender cómo podemos ayudar mejor a los pacientes”, enfatiza. Este proceso ayuda a tener una visión y un conocimiento global. “Creo que los datos y la colaboración nos puedan permitir ser mucho más eficaces y que todos estos tratamientos que existen se pongan en marcha de una manera mucho más eficiente”.

“La revolución en los últimos años han sido los datos, la gran cantidad que tenemos y cómo los podemos procesar para obtener todo el valor”

Otra de sus iniciativas, en marcha desde hace cinco años, es su Dataland. “Apostamos por tener una plataforma única de toda la compañía, globalmente, de todos los departamentos, donde tener […] todos los datos de una manera catalogada, accesibles”. Esto no implica que se pueda usar toda la información: se han establecido unos términos de intercambio que marcan cuáles son críticos y precisan que se valide su uso de forma estricta. “Pero hay datos, como de ventas mensuales o anuales, que no son tan críticos y que están en el catálogo, y se puede pedir el acceso”. Un sistema de gobernanza de datos compartidos que supone un impulso para su trabajo: “Al conectar los datos entre sí se multiplica el valor de lo que estos pueden hacer”. Hace años, explica, estos procesos de conexión eran más dificultosos: cada departamento (finanzas, producción, investigación, ensayos clínicos…) tenían sus propios datos. Tenerlos organizados y disponibles a través de esta plataforma les ha dado, insiste, un nuevo valor.

Lo explica con otro proyecto vinculado: Opex Prime, en el que, gracias a la revisión de los datos de las plantas de producción, se ha conseguido optimizar el desempeño, con incrementos en la efectividad de entre el 10 y el 12%.

El uso de datos en farma también se extiende a otros campos, comunes a otras industrias, como la seguridad en la cadena de producción u otras labores de administración o facturación. “La seguridad de la producción es, en el mundo farmacéutico, clave. Todos los datos de la inteligencia artificial nos permiten también ser más ágiles en hacer estos chequeos y comprobaciones de calidad, que algunas requieren mucho de esfuerzo”, resume.

Urgelés cita también el uso de sistemas de proveedores externos, como Servicenow, SAP o Viva, que van incorporando tecnología de IA para automatizar tareas entre el personal. Reconoce que es necesaria también el trabajo en gestión del cambio y de mentalidad de transformación entre la plantilla, de “cómo podemos trabajar de una manera más eficiente”, de integrar herramientas de IA para no verlas como “una amenaza, sino todo lo contrario”. “Todas estas tecnologías nos pueden ayudar a gestionar mejor nuestra carga de trabajo, a tener más tiempo para cosas más estratégicas, en las que tenemos que ser más creativos, que pensar, que colaborar”, resume.

Desde el departamento de TI de Boehringer Ingelheim se gestionan también otras iniciativas, como su Hackathon, que en 2025 cumplió siete años, a través del cual dan la oportunidad a estudiantes o a profesionales de enfrentarse a retos concretos de su sector. Por ejemplo, en esta edición se planteó un desafío para ayudar a profesionales de centros de salud primarios a estar más presentes con sus pacientes, en un entorno de presión asistencial elevada. Entre las 150 personas que participaron —más de 30 equipos—, hubo propuestas muy interesantes, destaca. Entre los objetivos, estar en contacto con el talento tecnológico y científico y darles a conocer los retos reales. Han llegado a incorporar a su plantilla profesionales procedentes de este evento.

“Hay que estar siempre atento a qué hay en esa ‘caja negra’, controlarla y tener especialistas”, incide el portavoz, “para que no caigamos en posibles sesgos que no estamos controlando”

Los desafíos en gestión tecnológica

El responsable de TI de Boehringer Ingelheim define dos grandes retos cuando se trata de liderar el departamento de TI en una farma. En primer lugar, llama a no “embriagarnos de tecnología”: “Cuando hablas en el ámbito de la tecnología, puede haber la tentación de poner la tecnología en el centro”, desarrolla, a emprender iniciativas solo porque hay una determinada herramienta de moda y se quiere utilizar. Hay que definir, primero, “qué necesitamos como farma, cuál es nuestra prioridad, cuál es nuestra estrategia, cómo ayudamos al paciente. Y a partir de ahí buscamos el cómo”, profundiza. “Pero no al revés”. “Esto es no es algo nuevo, es algo continuo, pero que siempre tenemos que tener en mente”.

“Otro tema que en farma tenemos muy presente es la ética, evitar que se puedan dar sesgos”. Urgelés alude a cómo históricamente se han producido sesgos en ensayos clínicos y lo lleva al terreno de TI. “Hay que tener cuidado también con la tecnología. Pensamos que le pedimos lo que queremos hacer y nos lo da, pero hay que estar siempre atento a qué hay en esa ‘caja negra’, controlarla y tener especialistas”, incide, “para que no caigamos en posibles sesgos que no estamos controlando”.

Esto no quita que haya otros retos, incide. Por ejemplo, al trabajar con datos sensibles, la ciberseguridad es una prioridad. “Tenemos datos que son muy sensibles, [con] la máxima clasificación en el nivel de protección de datos, y nos tomamos muy en serio cómo protegerlos”. La compañía cuenta en su sede de San Cugat con un centro global de ciberseguridad para enfrentar los problemas en este terreno, que se vincula con otras unidades para dotar así de una cobertura global 24 horas.

Desde una visión más global, Urgelés considera que “en general, el mundo farma hace un esfuerzo grande en utilizar la tecnología para sus objetivos, que al final son el beneficio del paciente. Otra cosa es que todas esas transformaciones tienen su complejidad y requieren sus tiempos”, valora. Pero termina en clave optimista: “Hay mucha, mucha voluntad de colaboración entre las farmacéuticas”, destaca. “Veo muchas iniciativas donde hay colaboración, y yo creo que eso que eso es importante para realmente llegar a progresos destacables en beneficio del paciente”.

El temor a que la IA sustituya los puestos de trabajo humanos es una de las principales preocupaciones de muchos empleados en todo el mundo. Una de las razones que se suelen esgrimir para justificar la sustitución de empleados por la IA es la percepción de que el uso de la inteligencia artificial para desempeñar una función será más rentable. Esta suposición está teniendo un impacto en diversos sectores, ya que las grandes empresas tecnológicas estadounidenses, en particular, están recortando un gran número de puestos de trabajo, alegando los avances de la IA y la automatización.

Sin embargo, un reciente informe de Gartner cuestiona esta suposición. Al menos en el ámbito del servicio de atención al cliente, los analistas de Gartner predicen que el coste de la IA generativa por solución de problema superará los 3 dólares en 2030. Este cálculo incluye todos los costes incurridos al responder a una consulta de un cliente, por ejemplo. Según Gartner, esto haría que el uso de la IA generativa fuera más caro que el coste de muchos empleados de centros de atención telefónica en ubicaciones extraterritoriales.

Los costes de la IA se disparan

Los analistas de Gartner citan las siguientes razones por las que los costes de la IA para las organizaciones de atención al cliente se dispararán:

• Aumento de los costes de los centros de datos
• Las subvenciones actuales de los proveedores de IA para las cargas de trabajo acabarán cediendo paso al afán de lucro.
• Casos de uso cada vez más complejos que consumen más recursos y requieren especialistas altamente cualificados.

“Los responsables de atención al cliente están decididos a utilizar la IA para reducir costes, pero el retorno de esas inversiones está lejos de estar garantizado”, según dice Patrick Quinlan, director senior de análisis de Gartner, en un comunicado sobre los resultados. “La automatización total será prohibitivamente cara para la mayoría de las organizaciones; en su lugar, las organizaciones líderes utilizarán la IA para impulsar la participación de los clientes en lugar de para reducir costes”, predice.

Mejora de la experiencia del cliente con la IA

Incluso sin tener en cuenta la desfavorable relación de costes, los expertos de Gartner creen que el servicio de atención al cliente no podrá funcionar sin la interacción humana a largo plazo. Más bien al contrario: predicen que los cambios normativos relacionados con la IA aumentarán el volumen de servicios prestados en un 30% para 2028. Esto llevaría a muchos clientes a ejercer su derecho a una persona de contacto humana y a optar por no utilizar un agente de IA.

Como resultado, Quinlan estima que las empresas podrían verse obligadas a «recontratar agentes humanos, posiblemente en mayor número o con un salario más alto que el que pagaban anteriormente. Si no se mantiene un nivel adecuado de personal, la experiencia del cliente podría deteriorarse, ya que los clientes tendrían que esperar mucho tiempo para hablar con una persona».

Dado el aumento de los costes de la IA generativa, Gartner prevé un cambio estratégico en los próximos años: la mayoría de las empresas abandonarán sus esfuerzos por reducir costes mediante la automatización y perseguirán otros objetivos. Para aquellos que utilizan la IA no solo para resolver problemas, sino también para crear valor a lo largo de todo el recorrido del cliente, esto supone una clara oportunidad de diferenciación, según la empresa.

“Los responsables de atención al cliente recurrirán a la IA para mejorar la experiencia del cliente”, según Quinlan. “Mirarán más allá de la optimización de costes y se fijarán en otras ventajas, como el aumento del valor del ciclo de vida del cliente, la tasa de recompra y la fidelidad a la marca”.

Dado que los clientes esperarán un servicio proactivo y personalizado, los pioneros en este ámbito han obtenido una clara ventaja competitiva.

La IA en el sector de la atención al cliente tiene margen de mejora

Sin embargo, Gartner reconoce que pasará algún tiempo antes de que la IA pueda mejorar de forma sostenible la experiencia del cliente en el servicio de atención al cliente. Según Emily Potosky, directora sénior de investigación de servicio y asistencia al cliente de Gartner, la tecnología aún no está lo suficientemente madura. No puede sustituir por completo la experiencia, la empatía y el criterio de los empleados humanos.

“Confiar únicamente en la IA ahora es prematuro y podría tener consecuencias no deseadas”, afirma la analista. Una de esas consecuencias es que la mitad de las empresas que despidieron a empleados para sustituirlos por IA volverán a aumentar la contratación de personal en 2027.

Una encuesta de Gartner de octubre de 2025 refuerza esta predicción: de los 321 ejecutivos de servicio y asistencia al cliente encuestados, solo el 20 % había reducido realmente su plantilla debido a la IA. Sin embargo, la mayoría afirmó que su plantilla se mantenía estable porque ahora atendían a más clientes.

Después de más de dos décadas en sectores donde una hora de caída puede costar cientos de miles de euros sin mencionar temas reputacionales, he aprendido que cuando, como CIO, subes a presentar, justificar y defender una inversión ante un comité, hay un lenguaje que funciona y otro que no. “Hemos ahorrado horas de trabajo” no funciona. “Hemos reducido un 35% la probabilidad de que este proceso crítico nos cueste dinero” sí funciona. La diferencia es la que hay entre un proyecto que sobrevive y uno que se cancela en la siguiente revisión de presupuesto.

El único número que importa: cuánto cuesta el impacto de fallos

La forma más directa de justificar agentes en términos financieros es algo que cualquier director financiero entiende sin traducción técnica: cuánto dinero pierdes cuando algo se rompe o sufres un problema grave. Probabilidad de que ocurra un problema grave, multiplicada por lo que cuesta cada hora que ese problema está activo — dinero que pierdes, multas que pagas, clientes que se van —, multiplicada por cuánto tardan en arreglarlo.

La mayoría de inversiones en agentes justificadas solo con productividad se ciñen a una parte menor del problema: el tiempo que dedicamos a tareas repetitivas. Lo que mueve la aguja es un agente que acorta cuánto dura un incidente porque lo detecta antes —hay datos contrastados de reducciones del 25 al 40% en tiempos de detección y resolución—. Lo que mueve la aguja es un agente que reduce la probabilidad de que un problema llegue a producirse. Y lo que mueve la aguja es un agente que limita el daño: corta el problema antes de que se extienda, activa protecciones automáticas, reduce hasta dónde llega el impacto.

No prometo cero incidentes. Lo que defiendo es medir y reducir lo que cuesta cada problema de forma sistemática, trimestre a trimestre. Eso ayuda a modelar la inteligencia artificial hacia un programa de mejora continua con resultados que se acumulan y se van midiendo.

Ejemplo:

Una entidad financiera europea con 500.000 clientes sufría caídas en su sistema de pagos una vez al trimestre.

• Coste medio: 150.000 euros por hora (negocio parado + penalizaciones regulatorias).
• Tiempo de detección: 45 minutos. Tiempo de resolución: 3,5 horas.
• Coste por incidente: 600.000 euros.
• Coste anual: 2,4 millones de euros.

La entidad implementó un agente de detección de anomalías enfocado exclusivamente en métricas de latencia y tasas de error.

• Inversión inicial: 180.000 euros.
• Coste operativo anual: 60.000 euros.

Resultado tras 12 meses:

• Detección de 45 min a 8 min
• Resolución de 3,5h a 1,8h
• Coste medio por incidente: de 600.000 a 280.000 euros.
• Reducción anual: 1,28 millones de euros.
• ROI del primer año: 433%.

Creo que es importante medir primero los incidentes actuales que sufres ahora, cuánto tardas en detectarlos, cuánto tardas en resolverlos y qué te cuesta cada hora. Calcular la mejora que esperas con el agente. Sumar el coste real de hacerlo funcionar: servidores, guardar los registros el tiempo que exige regulación, usuarios y permisos, y el equipo que lo controla y supervisa. Si los números no cuadran antes de empezar, el caso no se sostiene y es menos defendible.

La paradoja de la productividad que nadie mide

Hay un coste oculto que casi ningún piloto o POC (prueba de concepto) mide: la intensificación del trabajo. Un estudio reciente de ocho meses en una empresa tecnológica estadounidense documentó que los empleados que adoptaron IA generativa no trabajaron menos: trabajaron más. Las tareas se extendieron (“si puedo hacerlo con IA, ¿por qué no lo intento?”), las fronteras entre trabajo y descanso se difuminaron (un prompt rápido durante el almuerzo), y el multitasking se multiplicó (varios agentes corriendo en paralelo).

El resultado: mayor volumen de trabajo sin tiempo recuperado. Como resumió un ingeniero del estudio: “Pensabas que con IA trabajarías menos. Pero realmente no trabajas menos. Trabajas lo mismo o incluso más”.

Para un comité de dirección, esto importa porque invalida el argumento clásico de “ahorras X horas al mes por empleado”. Si esas horas se reinvierten inmediatamente en más tareas —sin descanso, sin reflexión, sin margen—, no estás ganando productividad sostenible. Estás acumulando deuda cognitiva que se paga con errores, burnout y decisiones apresuradas justo cuando más necesitas que la gente piense con claridad.

Por qué son más efectivos los agentes especializados

Voy a defender una idea que igual no es compartida: los agentes diseñados para hacer una tarea especializada y hacerla bien tienen tasas de éxito muy superiores a los generalistas. Al menos hoy en día.

“Especializado” no significa simple. Significa que el agente tiene un trabajo definido, unas reglas claras, unos controles reales y una forma objetiva de saber si lo está haciendo bien o mal. Gartner predice que más del 40% de los proyectos con agentes se cancelarán antes de 2027 por costes que se disparan o por falta de controles adecuados. Sin hablar de los datos… y la calidad de los mismos. La diferencia entre los que sobreviven y los que no casi nunca lo hacen es tecnológica y creo más asociable la disciplina operativa y sobre todo ESTRATÉGICA.

Los agentes especializados pueden validar con situaciones acotadas antes de escribir código. Se pueden revisar y auditar porque cada acción queda registrada. Pueden contener el impacto y pasear  porque el daño máximo que pueden causar está limitado por diseño. Se puede gobernar porque hay reglas claras. Y se pueden mejorar porque trabajan contra objetivos estables con KPI claros y bien definidos.

Los agentes de propósito siguen un patrón predecible: alguien pide “una cosa más”, la definición de éxito se vuelve borrosa, el agente necesita acceder a más datos, y el coste crece más deprisa que el valor. Estudios recientes recientes indican que los sistemas que hacen uso de agentes pueden consumir hasta cinco veces más capacidad de cálculo por tarea que una implementación estándar. No es un dato teórico, es una factura real a final de mes.

Red Flag: si no puedes definir y delimitar qué datos lee el agente, qué puede hacer, cómo saber si lo hizo bien y cómo deshacerlo si falla, no es candidato para producción.

Dónde se esfuman los presupuestos

Cuando se cancela un proyecto de agentes, casi nunca es porque la tecnología no haya funcionado. Es porque se han dejado cinco partidas de gastos sin predecir:

• Calidad de los datos. Si la información es incompleta o contradictoria, el agente no se para. Produce resultados que parecen correctos pero no lo son. En procesos críticos, una respuesta convincente pero equivocada no es un fallo técnico: es un riesgo de negocio. En 2024, un tribunal de Columbia Británica dictaminó que una importante aerolínea internacional  era responsable por información incorrecta proporcionada por su chatbot. Solo un tercio de las organizaciones tiene mecanismos para prevenir este tipo de errores. La adopción es cada vez mayor pero también este tipo de acciones lo será.
• Identidad y permisos. Cada agente necesita de una identidad propia, permisos mínimos y registro completo. Solo el 10% de las organizaciones gestiona bien la identidad de sus sistemas automatizados.
• Registro y trazabilidad. Qué hizo el agente, con qué autorización, a partir de qué información. Esto ocupa espacio, hay que guardarlo durante años y necesita control de acceso.
• Aislamiento. Si un agente toca sistemas críticos, necesita funcionar en un entorno controlado. Investigadores han documentado vulnerabilidades que permiten robar información sin que nadie se entere.
• Operación del día a día. Investigaciones recientes muestran que en organizaciones que escalan IA, una parte importante del equipo técnico acaba dedicado a tareas relacionadas con el propio mantenimiento de la IA. La operación no tiene un coste menor. Es el principal coste.

La mayoría de directivos en estudios recientes reconoce que los costes de poner agentes a funcionar superan con mucho lo esperado. El coste existe de todas formas. La decisión es si lo metes en el presupuesto desde el principio, con visibilidad, o si lo pagas después como deuda acumulada.

Cinco días para saber si un piloto merece vivir o morir en el intento

He desarrollado una prueba que usó antes de meter recursos reales. No sirve para demostrar que un agente “es capaz”. Sirve para saber si el caso de uso se puede operar en el mundo real.

• Día 1.- Definir OKR claros. Problema concreto y verificable. Qué datos puede usar. Qué acciones puede realizar. Y cuándo se para si algo va mal. Si no puedes definir cuándo parar, no estás listo para empezar.
• Día 2.- Comprobar el entorno. Calidad real de los datos (no la teórica, sino la que hay un lunes por la mañana). Accesos con permisos mínimos. Requisitos de registro definidos.
• Día 3.- Modelo MVP. Pocas fuentes, pocas acciones, mucho control. Si para funcionar hace falta “una fuente más” o “un permiso adicional”, eso se apunta como gasto extra.
• Día 4.- Medir sin compasión. Cuántas veces interviene una persona. Cuántas veces falla. Cuánto tarda. Si se salta reglas. Si no se puede medir…
• Día 5.- Decisión. Valor conservador. Coste real incluyendo datos, controles y operación. Decisión limpia: adelante, fuera o reducir alcance. Sin zonas grises.

Para finalizar

La productividad personal es un beneficio posible. Pero no aguanta un caso de inversión cuando metes los controles que exige una empresa seria. La inversión que sí aguanta es la que reduce lo que te cuesta cuando algo falla y mejora tu capacidad de respuesta y, sobre todo, las posibilidades de anticiparse a problemas o predecirlos. Con pruebas, con límites claros y con capacidad real de recuperación.

La pregunta que hemos de hacernos no es si nuestra empresa está usando agentes de inteligencia artificial. A estas alturas, prácticamente todas dicen que sí. La pregunta es si los que están funcionando podrían aguantar una auditoría seria mañana por la mañana. Si la respuesta no es un sí rotundo, la organización no tiene un programa de agentes. Tiene una colección de pilotos esperando a convertirse en algo incuestionable y, lo peor, nada controlable.

En la entrega final cerraremos el círculo con el papel del CIO: cómo diseñar supervisión que funcione a escala, con métricas, gobierno y arquitectura operativa para tener más agentes sin perder el control. Porque escalar no es desplegar más agentes. Escalar es gobernar bien los que ya tienes antes de añadir el siguiente.

La transformación digital se ha convertido en un eje estratégico para el sector asegurador. En un entorno marcado por el cambio climático, el aumento de eventos extremos, la volatilidad del riesgo y unas expectativas de cliente cada vez más exigentes, las aseguradoras están obligadas a ir más allá de la mera digitalización de procesos. Así, el uso intensivo del dato, la inteligencia artificial y las arquitecturas cloud se han convertido en herramientas clave para anticipar riesgos, mejorar la toma de decisiones y ofrecer servicios más personalizados y proactivos.

En este contexto, Zurich Seguros lleva años integrando la tecnología como un habilitador estratégico del negocio. Gracias a una apuesta sostenida por la innovación, la aseguradora ha evolucionado hacia un modelo data driven, en el que la transformación digital impacta de forma directa tanto en la eficiencia operativa como en la propuesta de valor al cliente.

Zurich Seguros: de la tecnología como soporte al dato como activo estratégico

La evolución tecnológica de Zurich Seguros en la última década ha sido muy profunda. “A la velocidad a la que avanza la tecnología, diez años es prácticamente la prehistoria”, afirma Ricard Guasch, CIO de Zurich. En este periodo, la compañía ha pasado “de un enfoque más tradicional a una organización data driven, ágil y orientada a producto”, en la que la tecnología ha dejado de ser un mero soporte para convertirse en un auténtico motor de innovación y negocio.

La hoja de ruta tecnológica de la compañía ha incluido en los últimos años proyectos estratégicos como la migración del data lake a la nube, la creación de una plataforma corporativa de modelos analíticos o el desarrollo del escritorio del analista. Esta última herramienta permite a los equipos de negocio crear informes, modelos y análisis de forma autónoma, sin necesidad de involucrar a los equipos de tecnología, lo que ha acelerado notablemente la explotación del dato.

Actualmente, Zurich Seguros avanza hacia nuevas capas de sofisticación tecnológica. “Nuestra IA tradicional es ya muy madura”, explica el CIO, mientras que la inteligencia artificial generativa se encuentra en un nivel de madurez intermedio. La compañía cuenta ya con “varias decenas de casos de uso en producción” que ahora deben escalar, y tiene previsto lanzar en 2026 sus primeros agentes de IA, dentro de una arquitectura de IA generativa y agentiva.

Con todo ello, en la actualidad, las Tecnologías de la Información juegan un papel central dentro de la organización. “Las TI son un socio estratégico del negocio”, subraya Guasch. En este modelo, el CIO actúa como “un conector entre tecnología y negocio, impulsando la innovación, garantizando la resiliencia tecnológica y asegurando que cada inversión tecnológica tenga un impacto claro en los objetivos corporativos”.

Una estrategia de transformación digital con impacto real

Una de las iniciativas estrella de este proceso de digitalización que ha llevado a cabo la compañía es ‘Productos IT para la Resiliencia ante Eventos Meteorológicos’. Según Guasch, “es un ejemplo muy tangible de cómo la transformación digital se traduce en impacto real sobre el negocio”.

El proyecto, que recibió el Premio al mejor proyecto de sostenibilidad e inclusión de los CIO 100 Awards, nace, de acuerdo con el CIO de Zurich Seguros, “con el objetivo de apoyar tanto al negocio como a nuestros clientes en un contexto de creciente volatilidad climática, utilizando la tecnología como un facilitador clave”.

No se trata de un proyecto aislado, aclara Guasch, sino de “un conjunto de capacidades tecnológicas que integran datos meteorológicos, analítica avanzada y automatización”, orientadas a anticipar y mitigar el impacto de fenómenos meteorológicos extremos. El foco está tanto en la mejora operativa interna como en la gestión del riesgo asegurador y en el refuerzo de la resiliencia de clientes particulares y empresas.

Al final, el principal objetivo es, según el CIO, muy claro: “Reducir el impacto operativo y económico derivado de fenómenos meteorológicos extremos”, al tiempo que se incrementa la calidad del servicio mediante soluciones más personalizadas y adaptadas a las necesidades reales de los asegurados. Todo ello contribuye, además, a fortalecer la resiliencia del propio negocio en un escenario marcado por el cambio climático.

Una plataforma para anticiparse a los eventos extremos

La solución más relevante de esta iniciativa es una plataforma de monitorización y análisis de eventos meteorológicos que combina información externa avanzada con datos internos de negocio. “Gracias a esta plataforma somos capaces de identificar zonas con mayor riesgo de afectación ante un fenómeno extremo, detectar posibles situaciones de infraseguro y facilitar una comunicación proactiva con clientes y equipos internos”, explica Guasch.

Esta capacidad de anticipación permite a Zurich Seguros adelantarse a los eventos, mejorando tanto la gestión del riesgo como la experiencia del cliente. Aunque las métricas continúan evolucionando, los primeros resultados ya son visibles. El CIO destaca beneficios claros “en la capacidad de anticipación, en la calidad de la información disponible para la toma de decisiones y en la mejora de la comunicación proactiva con nuestros clientes”.

Desde el punto de vista tecnológico, estas soluciones son el resultado de un trabajo sostenido a lo largo de varios años para construir una organización verdaderamente data driven. Cloud computing, big data, analítica avanzada, inteligencia artificial y machine learning conforman la base de esta plataforma, apoyada en API y arquitecturas abiertas que facilitan la integración con proveedores externos y con los sistemas internos de la compañía.

Mirando al futuro: innovación con sentido de negocio

De cara a los próximos años, Zurich Seguros se plantea retos ambiciosos: escalar el uso transversal del dato, incorporar capacidades prescriptivas y de IA agéntica, atraer talento tecnológico y seguir alineando innovación, sostenibilidad y negocio. Todo ello desde una visión que Ricard Guasch define como “pragmática pero ambiciosa”.

En esta línea, la compañía ha lanzado un AI Lab con el objetivo de reinventar procesos de negocio y maximizar el impacto de su transformación digital. “Apostamos por la tecnología con un claro sentido de negocio, fomentando la colaboración y manteniendo siempre el foco en aportar valor real, tanto a la compañía como a nuestros clientes”, concluye.

Las previsiones tecnológicas para 2026 apuntan a tendencias plurales, que dan buena cuenta del amplio impacto de la transformación digital en todas las áreas de actividad. De gobernanza de datos a sostenibilidad o ciberseguridad preventiva, pasando por la omnipresente inteligencia artificial —especialmente en clave agentiva— hay un extenso rango de herramientas o tendencias a cubrir. Sin embargo, cuando se trata de dilucidar qué debe tener en cuenta un o una CIO de cara a los próximos meses, conviene concretar estos aspectos.

Resumen global

“2026 se presenta como el año en el que muchas organizaciones deberán convertir la modernización tecnológica en un ejercicio de resiliencia operativa”, destaca Luis Aused, Chief Technology Officer de Kyndryl Spain & Portugal, quien se encarga de aportar una visión global del trabajo en TI. “No basta con adoptar nuevas tecnologías, sino que la prioridad es modernizar y transformar a la vez que proteger y estabilizar las operaciones críticas para asegurar la continuidad del negocio y la competitividad”. Explica Aused que, tras varios ejercicios de fuerte inversión en digitalización, cloud e inteligencia artificial, “ahora el foco de los CIO debe estar claramente en extraer valor real de esas inversiones”, equilibrando tres dimensiones: “Modernización, eficiencia operativa y resiliencia del negocio”. Esto implica trabajar en el paso de pilotos o casos de uso a una producción o industrialización y ser capaces de modernizar el core sin comprometer la estabilidad, con “un programa escalonado, priorizando las dependencias, la observabilidad y la gestión del cambio, para reducir el riesgo operativo”. “Además, el CIO debe reforzar su papel como orquestador del ecosistema tecnológico”, reseña, aludiendo a la necesidad de conectar tecnología existente con nuevas plataformas, gestionar múltiples proveedores y asegurar que la tecnología acelera —y no frena— la evolución del negocio.

“2026 se presenta como el año en el que muchas organizaciones deberán convertir la modernización tecnológica en un ejercicio de resiliencia operativa”, cree Luis Aused, CTO de Kyndryl Iberia

Relacionado con esto, Aused prevé para 2026 que las tecnologías que marcarán la agenda serán aquellas “que reducen la fricción operativa y permiten escalar con control”. Destaca la IA aplicada a operaciones y seguridad, “con un salto desde la experimentación hacia despliegues productivos” y visualiza la modernización del core empresarial “como base para reducir la dependencia de componentes existentes poco ágiles y habilitar la automatización y mejores tiempos de cambio, sin penalizar la estabilidad”. A estos suma las estrategias de nube orientadas a la continuidad y la escalabilidad, subrayando que la inversión de las organizaciones en migración a la nube aumentó un 30% en todo el mundo el año pasado. Por último, apunta hacia las superapps y plataformas integradas “como palanca de crecimiento y fidelización”, especialmente en sectores como retail o teleco. “Unificar pagos, comercio, mensajería y servicios en un único entorno incrementa el valor digital, pero exige una arquitectura robusta y una gobernanza de datos y seguridad totalmente fiable”.

En resumen, “los principales retos en 2026 no serán tanto qué adoptar, sino cómo operarlo de forma fiable y gestionar la complejidad”, sintetiza. Así, resalta la importancia del desafío de prepararse para interrupciones operativas y resiliencia, con la continuidad de negocio como “KPI que domina la agenda. No olvidemos que 2025 ha sido el año en el que, por primera vez, hemos sufrido un apagón general a nivel nacional”. A esto suma la necesidad de hacer frente a la complejidad operativa y al peso del legado y la gobernanza de IA y su impacto a nivel organización, con la gestión del cambio, el rediseño de procesos y el control de riesgos como factores determinantes.

“Para este año tenemos más o menos 150 proyectos previstos dentro del plan de transformación”, desvela Malú Delicado, CIO de Mapfre España

Para la CIO en Iberia de Mapfre, Malú Delicado, 2026 será el año de la inteligencia artificial y, específicamente, de la IA generativa y agentiva, que acompañarán a todo el ciclo de desarrollo. “Es clave aprovecharla al máximo para maximizar tanto nuestros procesos de negocio, que cubren toda la cadena de valor de la compañía, hasta también en el ámbito de la tecnología”, señala, abogando por un aprovechamiento “de la manera adecuada, cumpliendo con la regulación y con temas éticos y, en el caso particular de Mapfre, también con un enfoque humanista”. A esta suma la tendencia a la hiperpersonalización. “¿Cómo conseguir llegar a nuestros clientes? Con un enfoque de personalización, casi uno a uno”.

Delicado enmarca las iniciativas de Mapfre para 2026. “Estamos inmersos en un plan de transformación brutal”, resume, con cuatro ejes, dos de ellos tecnológicos. A través del plan se está redefiniendo la forma de hacer tecnología en la aseguradora, mediante un ecosistema futuro de aplicaciones y un diseño de plataformas orientado a dominios. Se han marcado también unas líneas de actuación para el equipo de tecnología, “de cómo queremos trabajar y operar nuestras plataformas para ser más ágiles y autónomos”. Suma la interacción tecnología-negocio, “que es un cambio cultural muy grande”, con “un ámbito de personas y un plan para transformar las capacidades del equipo de tecnología”. Aquí entraría, también, la parte de captación de talento. Actualmente, están en el segundo año de captación de recursos, rediseñando la estrategia de relación con sus proveedores tecnológicos, a través de la identificación de proveedores estratégicos.

Este es el contexto en el cual enmarcan sus previsiones. “En el roadmap para este año tenemos más o menos 150 proyectos previstos dentro de ese plan de transformación”. Pone como ejemplo de las iniciativas para los próximos meses la implementación de un Customer Data Platform, ubicado en la plataforma funcional de canales y clientes, “para empezar a poner en práctica casos de uso de hiperpersonalización”.

Más allá de los próximos doce meses, Delicado avanza el impacto de la computación cuántica, especialmente en lo que refiere a ciberseguridad, alertando del peligro de la desencriptación en un futuro de datos robados hoy. “Tenemos que estar preparados para ese ámbito más defensivo, que cuando llegue la computación cuántica, tú ya estés protegido con mecanismos de anonimización o de encriptación resilientes a algoritmos cuánticos”.

“Queremos buscar una transformación completa de la forma en la que ejecutamos nuestros procesos”, Sergio Merchán, CIO de Iberdrola

 “La principal tendencia va a ser la inteligencia artificial”, afirma Sergio Merchán, CIO de Iberdrola, “y, dentro de la IA, evolucionaremos hacia el mundo más agentic”. En Iberdrola, el equipo trabaja a través de un modelo de tres capas: la de estrategia de negocio, con planificación de casos de uso a dos-tres años; la de habilitación tecnológica, que va más allá de la plataforma para “construir alrededor de ella los distintos building blocks” o controles embebidos; y la capa de gobierno, un marco desarrollado a partir de la AI Act. Este último considera que es “uno de los grandes retos cuando entramos en el mundo agentivo” ya que, con las previsiones actuales de escalado en el número de agentes, “es todavía si cabe más importante tener un buen marco de orquestación y de gestión”. Lo vincula con otro de los grandes retos, la ciberseguridad, ya que los agentes “incrementan la superficie de ataque”.

Entre las iniciativas de la compañía para 2026, Merchán destaca su programa estratégico en IA, “muy empujado desde la alta dirección”. “Va a ser nuestro gran programa para los próximos dos-tres años. Queremos enfocarlo no solamente introduciendo esos casos de uso más incrementales, sino que queremos buscar una transformación completa de la forma en la que ejecutamos nuestros procesos”, detalla, “no solamente en la parte más de funciones corporativas o de soporte, sino la propia cadena de valor core, desde la generación, la parte de distribución y la parte comercial, de nuestros clientes”, sintetiza. “Estamos en un proceso de transformación completa”. Otra de sus líneas de trabajo es el proyecto de transformación a SAP Hana de sus aplicaciones, que arrancan ahora. También se enfatizará la protección, con la ciberseguridad como “uno de los grandes programas para este año”. El escenario se complementa con otras iniciativas, como por ejemplo proyectos de automatización con los que implantar esquemas de desarrollo más ágiles.

“Para 2026, nuestra hoja de ruta se centra en proyectos que transforman la eficiencia operativa en valor directo para el cliente y el empleado”, señala David Carmona, CIO de Lidl España

“La tecnología en Lidl ha dejado de ser un mero soporte para consolidarse como el impulsor fundamental de la continuidad, resiliencia y habilitación del negocio”, resume David Carmona, CIO de Lidl España. Desde la cadena de supermercados han realizado una apuesta importante por la soberanía digital como mecanismo a través del que “garantizar la estabilidad de los procesos de negocio y posibilitar el despliegue ágil de nuevos proyectos e iniciativas estratégicas, con foco en la experiencia de cliente y la eficiencia operativa”. Entre las medidas ya tomadas para avanzar en esta estrategia está el desarrollo de su división Schwartz Digits, con la que quieren reducir la dependencia tecnológica de terceros, que en España “se materializa mediante la migración de nuestras operaciones a STACKIT, el cloud soberano del Grupo Schwarz”. En esta misma línea, han desarrollado soluciones como XM Cyber, para “una gestión proactiva de nuestra exposición a posibles riesgos”, o herramientas de comunicación propia como Wire.

“Para 2026, nuestra hoja de ruta se centra en proyectos que transforman la eficiencia operativa en valor directo para el cliente y el empleado”, sintetiza Carmona. La tecnología de referencia para Lidl será la que viene marcando el ritmo del sector TI. “La inteligencia artificial será la gran protagonista, con una aplicación transversal en multitud de áreas de la compañía”, subraya su CIO. Carmona avanza proyectos como la integración de sistemas de visión artificial en tienda para la asistencia en el cobro, la prevención del fraude y la optimización de procesos en tiempo real; el impulso a un programa de alfabetización digital en IA generativa para el personal de oficina; o el uso de IA “como centinela de nuestra infraestructura para anticipar y resolver incidencias de forma automatizada”. Además, en línea con su estrategia en soberanía, se avanzará en el ecosistema propio de aplicaciones e infraestructura. “El foco principal es la migración y consolidación de nuestras operaciones en el cloud soberano de STACKIT, garantizando independencia tecnológica y un control europeo total”. También se reforzará la ciberseguridad en “toda la cadena de suministro”, especialmente ante amenazas como los deepfakes.

Ya todos, algunos más y otros menos, disponemos en nuestras empresas de chatbots conversacionales, agentes que automatizan procesos y soluciones que mejoran nuestros resultados. Aunque todavía existe cierto recelo, la IA se está incorporando a nuestro día a día de forma natural, como ya ocurrió con otras grandes disrupciones tecnológicas

¿Recordamos cuando nos despertábamos con un despertador analógico en vez de con el móvil?, ¿Y cuando leíamos un periódico de papel en vez de ver su edición digital en la pantalla? ¿Y cuando teníamos que ir a innumerables sitios a firmar cualquier documento porque no existía la firma digital? No hace tanto tiempo de todo esto, pero ya no concebimos la vida sin todas estas nuevas tecnologías o nuevos negocios basados en tecnología que en su momento fue pura innovación.

Según MIT Sloan, la adopción de la IA, cada vez más cotidiana, no solo es cultural, sino también es el resultado de mejoras técnicas relevantes: los modelos actuales ya se aproximan al 90% de precisión en tareas en las que los humanos rondan el 95%, y se espera que los superen en 2026.

Pero a pesar de que su uso está cada vez más extendido, parece que los resultados esperados de momento no acompañan. Informes de McKinsey confirman que únicamente un 6% de las organizaciones logra transformar de verdad su modelo operativo con IA, alcanzando un impacto empresarial significativo. Y BCG coincide al publicar que solo el 5% de las compañías en el mundo está logrando retornos medibles y sostenidos gracias a la IA, abriendo una brecha creciente entre líderes y rezagados.

Esta brecha entre adopción y resultados demuestra que el éxito no depende de tener IA, sino de cómo se integra, cómo se gobierna y cómo se lidera su uso en la organización, porque la brecha ya no es tecnológica, es humana y organizativa.

La competencia clave en 2026 no será saber qué hace la IA, sino saber qué podemos hacer nosotros con ella y cómo multiplicamos nuestro impacto al usarla con criterio, ética y responsabilidad y propósito.

La IA ya está técnicamente preparada para generar impacto. Sin embargo, el verdadero cuello de botella está en:

• La falta de formación en pensamiento crítico, IA responsable y capacidades digitales avanzadas.
• La ausencia de liderazgo decidido capaz de rediseñar procesos y asumir cambios estructurales.
• La inversión insuficiente en talento y cultura, frente a la inversión puramente tecnológica.
• La baja alfabetización digital en la población general, que limita la adopción efectiva.

La competencia clave en 2026 no será saber qué hace la IA, sino saber qué podemos hacer nosotros con ella y cómo multiplicamos nuestro impacto al usarla con criterio, ética y responsabilidad y propósito.

En este contexto, desde el sector de la educación queremos jugar un papel decisivo: preparar a nuestros estudiantes en profesionales capaces de convertir la IA en progreso real, con pensamiento crítico y una visión ética de la tecnología que les permita entender su impacto y aplicarla con criterio. Nuestro objetivo es claro: formar a quienes liderarán organizaciones más humanas, más innovadoras y preparadas para aprovechar todo el potencial de esta nueva era.

La autora de este artículo es Esther Málaga, CTO del Grupo UAX (Universidad Alfonso X el Sabio)

“Dicen que la IA va a democratizar la sociedad, pero no es verdad. La IA trae oportunidades para todos, pero muchos no las van a aprovechar”. Así de tajante se muestra Lasse Rouhiainen, autor del libro Domina la inteligencia artificial antes de que ella te domine a ti, cuando habla de una tecnología que está llamada a cambiar nuestra manera de vivir o trabajar, pero que lo hará de manera muy distinta a como lo hizo, por ejemplo, la electricidad.

No llegará, afirma, a la vez para todos, sino que habrá personas que capturen su valor y otras que, por falta de tiempo, de interés, de habilidades o incluso de rechazo a esta tecnología, dejen escapar las oportunidades que aporta un uso adecuado de la IA. En una entrevista concedida a CIO ESPAÑA, el escritor finlandés desgranó una visión tan realista como incómoda sobre el impacto de la IA en la economía, el trabajo, la educación y la vida cotidiana.

Sostiene Rouhiainen que estamos entrando en una fase decisiva: la de los “trabajadores digitales” y los agentes autónomos. Una fase que beneficiará enormemente a quien se prepare, pero que dejará atrás a una mayoría que no lo haga.

Por ello, el autor finlandés explica que el objetivo principal de su nuevo libro no es anticipar la próxima versión de ChatGPT ni centrarse en el último avance técnico, sino ayudar a entender el marco general de lo que va a suceder en los próximos dos, tres o cuatro años. “Lo que comparto en el libro es el nivel básico que ahora todos los españoles tendrían que saber para luego leer más o descubrir más o empezar su negocio”, aclara.

Tras publicar en 2016 Diferencia artificial, un libro pionero traducido a siete idiomas, el autor reconoce que durante años la IA se percibió como una simple herramienta de productividad o marketing. Hoy, en cambio, el salto es estructural. Según señala, hemos pasado de “juguetes” que ayudan un poco a escribir o resumir textos a sistemas capaces de asumir tareas completas, coordinar procesos y actuar como auténticos “mini empleados” digitales.

El libro recoge 101 consejos o acciones para dominar la inteligencia artificial y evitar que sea ella quien nos domine. El más importante de todos ellos es tomársela en serio y dedicar tiempo real a entenderla. Advierte que vivimos saturados de información —guerras, inflación, política, crisis sociales— y que esa carga cognitiva hace que mucha gente posponga indefinidamente la formación en IA. El resultado es peligroso. “Cuando lleguen los agentes autónomos, loa que no se hayan preparado quedará fuera del mercado”, advierte.

Un segundo consejo es pasar del uso superficial al uso estratégico. Para el autor, muchas empresas se limitan a emplear herramientas de IA de forma esporádica —como redactar un correo o mejorar un texto— sin integrarlas en sus procesos clave. Eso genera una falsa sensación de modernidad, pero no verdadera productividad ni innovación. La tercera es asumir que la desigualdad va a aumentar: entre empresas, entre trabajadores y entre países. Negarlo, dice, es una forma de autoengaño.

Esta visión conecta con una de sus afirmaciones más provocadoras: la IA no es la nueva electricidad. Rohuainen critica ese símil tan repetido porque, razona, la electricidad llegó de forma más o menos homogénea, mientras que la IA lo hará de manera profundamente desigual. “Habrá empresas y sectores que adopten muy rápido los agentes inteligentes y capturen grandes cuotas de mercado, mientras otros seguirán trabajando con métodos obsoletos. La oportunidad existirá para todos en teoría, pero en la práctica solo una minoría la aprovechará”, señala.

Durante años, recuerda Lasse Rouhiainen, la IA se percibió como una simple herramienta de productividad o marketing. Hoy, señala, el salto es estructural

El sector turístico es, a su juicio, un ejemplo claro de esa bifurcación. Rohuainen participó en la reciente edición de Fitur, donde describió tres niveles de uso de la IA en turismo. El primero es el actual: herramientas genéricas para marketing o atención básica. El segundo consiste en crear asistentes especializados para procesos concretos, como el análisis de facturas, la reducción del desperdicio alimentario, la optimización energética o la gestión de reseñas online. Muchos hoteles, asegura, ya están dando este salto y obteniendo beneficios claros.

El tercer nivel, todavía incipiente, es el de la IA agentiva. Aquí entran en juego sistemas que no solo responden a instrucciones, sino que actúan de forma semiautónoma durante minutos u horas. Rouhiainen pone como ejemplo los agentes que buscan viajes completos, comparan ofertas, se registran en programas de fidelización y realizan compras. En Estados Unidos, recuerda, casi el 90% de los viajeros ya preferiría delegar estas tareas en agentes de IA. Grandes plataformas como Booking o Marriott están invirtiendo fuerte en esta dirección.

“No se puede gestionar la IA como si fuese un antivirus”

En este escenario, el futuro puede parecer inquietante para las pequeñas y medianas empresas, y el también conferencista y consultor advierte sobre los riesgos y las oportunidades. “Muchas pequeñas empresas están gestionando la IA como si fuera un antivirus: compran unas licencias, las instala el informático y dan el tema por resuelto. Ese enfoque conduce al fracaso. La adopción real exige implicación directa de la dirección, formación continua y rediseño de procesos”, señala.

En su opinión, solo un pequeño porcentaje de pymes sabrá hacerlo bien; el resto corre el riesgo de desaparecer, con el consiguiente impacto en empleo y recaudación fiscal. En cuanto al mercado laboral, el autor se muestra especialmente preocupado por los jóvenes. Señala que los perfiles junior ya tienen dificultades para encontrar trabajo, incluso en países muy digitalizados como Finlandia, porque las empresas prefieren seniors con experiencia o directamente automatizan parte de las tareas.

Frente a este escenario, Rouhiainen defiende que las habilidades más necesarias hoy no son solo técnicas. Habla de resiliencia, proactividad, inteligencia emocional y social. También considera que las redes sociales han reducido la iniciativa de muchos jóvenes, al fomentar comparaciones constantes y miedo a actuar.

Pero, sobre todo, destaca una idea por encima de todas. “El objetivo número uno de la educación finlandesa es crear un humano y ciudadano feliz y pienso que es muy interesante. Cuando eres feliz tú mismo sabes encontrar soluciones a tus problemas, tú mismo tienes proactividad para aprender, ir a cursos y ayudar”, asevera.

La jornada laboral del futuro

Cuando se le pregunta por la jornada laboral del futuro, evita las respuestas simplistas. Reconoce que probablemente trabajaremos menos horas, pero insiste en que el verdadero problema reside en cómo seremos capaces de gestionar la transición, qué haremos con quienes pierdan su empleo y cómo evitaremos las tensiones sociales derivadas de ello. “Espero también que tengamos una IA segura e incluso una IA sin Internet, que molaría mucho”, añade.

Finlandés de nacimiento, Rouhiainen reside desde hace muchos años en Alicante, desde donde puede constatar las dificultades del sector tecnológico español para retener un talento que percibe sueldos mucho más elevados en países como Francia o Alemania. “En España hay muchísimo talento en la universidad y entre los científicos, pero quizás falta más inversión. La clave está en fortalecer el tejido empresarial innovador, invertir más en tecnología y crear un entorno atractivo para startups y proyectos de alto valor añadido”, apunta, poniendo como ejemplo Finlandia y su apuesta estratégica por sectores como la IA aplicada a satélites, drones y defensa.

El libro dedica también un capítulo a los coches autónomos. Rouhiainen sostiene que ya funcionan con éxito en ciertas “burbujas” regulatorias, como partes de Estados Unidos, pero que su llegada a España será lenta. Aun así, cree importante hablar de ello porque el mundo no avanza de forma uniforme y esas realidades ya existen.

Más inquietante resulta su análisis de las relaciones afectivas con IA. Advierte de la proliferación de “novios” y “novias” virtuales y del riesgo de que sustituyan relaciones humanas, especialmente en personas vulnerables. “Hay empresas que se han sentado con inversores y les han dicho: vamos a reemplazar a tu familia o a tu madre con IA. Y aunque hoy estén en juicios, esos servicios son muy peligrosos”, advierte.

Rouhiainen defiende que los menores no deberían interactuar libremente con sistemas de IA, ya que carecen de pensamiento crítico plenamente desarrollado. En esta línea, celebra que la legislación europea prohíba el análisis emocional de menores y considera que la ‘AI Act’, pese a las críticas, refleja una visión humanística necesaria frente a modelos más agresivos.

En este punto, contrasta la aproximación europea con la política estadounidense, especialmente bajo la influencia de Donald Trump. A su juicio, en EE. UU. prima una lógica de mercado y de creación de valor bursátil, mientras que Europa intenta priorizar la protección social y los derechos humanos. Rouhiainen no oculta su preferencia por una IA humanística, aunque reconoce que el reto es enorme: convertir esa filosofía en servicios públicos más eficientes y en bienestar real para los ciudadanos.

En definitiva, Domina la inteligencia artificial antes de que ella te domine a ti no es un libro de recetas técnicas, sino una llamada a la responsabilidad individual y colectiva. Rouhiainen insiste en que el futuro no está escrito, pero sí condicionado por las decisiones —o la falta de ellas— que tomemos hoy. La IA traerá oportunidades extraordinarias, pero no será justa ni automática. Y quien no se prepare, concluye, lo pagará caro.

“Dicen que la IA va a democratizar la sociedad, pero no es verdad. La IA trae oportunidades para todos, pero muchos no las van a aprovechar”. Así de tajante se muestra Lasse Rohuainen, autor del libro Domina la inteligencia artificial antes de que ella te domine a ti, cuando habla de una tecnología que está llamada a cambiar nuestra manera de vivir o trabajar, pero que lo hará de manera muy distinta a como lo hizo, por ejemplo, la electricidad.

No llegará, afirma, a la vez para todos, sino que habrá personas que capturen su valor y otras que, por falta de tiempo, de interés, de habilidades o incluso de rechazo a esta tecnología, dejen escapar las oportunidades que aporta un uso adecuado de la IA. En una entrevista concedida a CIO ESPAÑA, el escritor finlandés desgranó una visión tan realista como incómoda sobre el impacto de la IA en la economía, el trabajo, la educación y la vida cotidiana.

Sostiene Rohuainen que estamos entrando en una fase decisiva: la de los “trabajadores digitales” y los agentes autónomos. Una fase que beneficiará enormemente a quien se prepare, pero que dejará atrás a una mayoría que no lo haga.

Por ello, el autor finlandés explica que el objetivo principal de su nuevo libro no es anticipar la próxima versión de ChatGPT ni centrarse en el último avance técnico, sino ayudar a entender el marco general de lo que va a suceder en los próximos dos, tres o cuatro años. “Lo que comparto en el libro es el nivel básico que ahora todos los españoles tendrían que saber para luego leer más o descubrir más o empezar su negocio”, aclara.

Tras publicar en 2016 Diferencia artificial, un libro pionero traducido a siete idiomas, el autor reconoce que durante años la IA se percibió como una simple herramienta de productividad o marketing. Hoy, en cambio, el salto es estructural. Según señala, hemos pasado de “juguetes” que ayudan un poco a escribir o resumir textos a sistemas capaces de asumir tareas completas, coordinar procesos y actuar como auténticos “mini empleados” digitales.

El libro recoge 101 consejos o acciones para dominar la inteligencia artificial y evitar que sea ella quien nos domine. El más importante de todos ellos es tomársela en serio y dedicar tiempo real a entenderla. Advierte que vivimos saturados de información —guerras, inflación, política, crisis sociales— y que esa carga cognitiva hace que mucha gente posponga indefinidamente la formación en IA. El resultado es peligroso. “Cuando lleguen los agentes autónomos, loa que no se hayan preparado quedará fuera del mercado”, advierte.

Un segundo consejo es pasar del uso superficial al uso estratégico. Para el autor, muchas empresas se limitan a emplear herramientas de IA de forma esporádica —como redactar un correo o mejorar un texto— sin integrarlas en sus procesos clave. Eso genera una falsa sensación de modernidad, pero no verdadera productividad ni innovación. La tercera es asumir que la desigualdad va a aumentar: entre empresas, entre trabajadores y entre países. Negarlo, dice, es una forma de autoengaño.

Esta visión conecta con una de sus afirmaciones más provocadoras: la IA no es la nueva electricidad. Rohuainen critica ese símil tan repetido porque, razona, la electricidad llegó de forma más o menos homogénea, mientras que la IA lo hará de manera profundamente desigual. “Habrá empresas y sectores que adopten muy rápido los agentes inteligentes y capturen grandes cuotas de mercado, mientras otros seguirán trabajando con métodos obsoletos. La oportunidad existirá para todos en teoría, pero en la práctica solo una minoría la aprovechará”, señala.

Durante años, recuerda Lasse Rohuainen, la IA se percibió como una simple herramienta de productividad o marketing. Hoy, señala, el salto es estructural

El sector turístico es, a su juicio, un ejemplo claro de esa bifurcación. Rohuainen participó en la reciente edición de Fitur, donde describió tres niveles de uso de la IA en turismo. El primero es el actual: herramientas genéricas para marketing o atención básica. El segundo consiste en crear asistentes especializados para procesos concretos, como el análisis de facturas, la reducción del desperdicio alimentario, la optimización energética o la gestión de reseñas online. Muchos hoteles, asegura, ya están dando este salto y obteniendo beneficios claros.

El tercer nivel, todavía incipiente, es el de la IA agentiva. Aquí entran en juego sistemas que no solo responden a instrucciones, sino que actúan de forma semiautónoma durante minutos u horas. Rohuainen pone como ejemplo los agentes que buscan viajes completos, comparan ofertas, se registran en programas de fidelización y realizan compras. En Estados Unidos, recuerda, casi el 90% de los viajeros ya preferiría delegar estas tareas en agentes de IA. Grandes plataformas como Booking o Marriott están invirtiendo fuerte en esta dirección.

“No se puede gestionar la IA como si fuese un antivirus”

En este escenario, el futuro puede parecer inquietante para las pequeñas y medianas empresas, y el también conferencista y consultor advierte sobre los riesgos y las oportunidades. “Muchas pequeñas empresas están gestionando la IA como si fuera un antivirus: compran unas licencias, las instala el informático y dan el tema por resuelto. Ese enfoque conduce al fracaso. La adopción real exige implicación directa de la dirección, formación continua y rediseño de procesos”, señala.

En su opinión, solo un pequeño porcentaje de pymes sabrá hacerlo bien; el resto corre el riesgo de desaparecer, con el consiguiente impacto en empleo y recaudación fiscal. En cuanto al mercado laboral, el autor se muestra especialmente preocupado por los jóvenes. Señala que los perfiles junior ya tienen dificultades para encontrar trabajo, incluso en países muy digitalizados como Finlandia, porque las empresas prefieren seniors con experiencia o directamente automatizan parte de las tareas.

Frente a este escenario, Rohuainen defiende que las habilidades más necesarias hoy no son solo técnicas. Habla de resiliencia, proactividad, inteligencia emocional y social. También considera que las redes sociales han reducido la iniciativa de muchos jóvenes, al fomentar comparaciones constantes y miedo a actuar.

Pero, sobre todo, destaca una idea por encima de todas. “El objetivo número uno de la educación finlandesa es crear un humano y ciudadano feliz y pienso que es muy interesante. Cuando eres feliz tú mismo sabes encontrar soluciones a tus problemas, tú mismo tienes proactividad para aprender, ir a cursos y ayudar”, asevera.

La jornada laboral del futuro

Cuando se le pregunta por la jornada laboral del futuro, evita las respuestas simplistas. Reconoce que probablemente trabajaremos menos horas, pero insiste en que el verdadero problema reside en cómo seremos capaces de gestionar la transición, qué haremos con quienes pierdan su empleo y cómo evitaremos las tensiones sociales derivadas de ello. “Espero también que tengamos una IA segura e incluso una IA sin Internet, que molaría mucho”, añade.

Finlandés de nacimiento, Rohuainen reside desde hace muchos años en Alicante, desde donde puede constatar las dificultades del sector tecnológico español para retener un talento que percibe sueldos mucho más elevados en países como Francia o Alemania. “En España hay muchísimo talento en la universidad y entre los científicos, pero quizás falta más inversión. La clave está en fortalecer el tejido empresarial innovador, invertir más en tecnología y crear un entorno atractivo para startups y proyectos de alto valor añadido”, apunta, poniendo como ejemplo Finlandia y su apuesta estratégica por sectores como la IA aplicada a satélites, drones y defensa.

El libro dedica también un capítulo a los coches autónomos. Rohuainen sostiene que ya funcionan con éxito en ciertas “burbujas” regulatorias, como partes de Estados Unidos, pero que su llegada a España será lenta. Aun así, cree importante hablar de ello porque el mundo no avanza de forma uniforme y esas realidades ya existen.

Más inquietante resulta su análisis de las relaciones afectivas con IA. Advierte de la proliferación de “novios” y “novias” virtuales y del riesgo de que sustituyan relaciones humanas, especialmente en personas vulnerables. “Hay empresas que se han sentado con inversores y les han dicho: vamos a reemplazar a tu familia o a tu madre con IA. Y aunque hoy estén en juicios, esos servicios son muy peligrosos”, advierte.

Rohuainen defiende que los menores no deberían interactuar libremente con sistemas de IA, ya que carecen de pensamiento crítico plenamente desarrollado. En esta línea, celebra que la legislación europea prohíba el análisis emocional de menores y considera que la ‘AI Act’, pese a las críticas, refleja una visión humanística necesaria frente a modelos más agresivos.

En este punto, contrasta la aproximación europea con la política estadounidense, especialmente bajo la influencia de Donald Trump. A su juicio, en EE. UU. prima una lógica de mercado y de creación de valor bursátil, mientras que Europa intenta priorizar la protección social y los derechos humanos. Rohuainen no oculta su preferencia por una IA humanística, aunque reconoce que el reto es enorme: convertir esa filosofía en servicios públicos más eficientes y en bienestar real para los ciudadanos.

En definitiva, Domina la inteligencia artificial antes de que ella te domine a ti no es un libro de recetas técnicas, sino una llamada a la responsabilidad individual y colectiva. Rohuainen insiste en que el futuro no está escrito, pero sí condicionado por las decisiones —o la falta de ellas— que tomemos hoy. La IA traerá oportunidades extraordinarias, pero no será justa ni automática. Y quien no se prepare, concluye, lo pagará caro.

Hace unas semanas publiqué los cinco criterios para distinguir autonomía real de humo comercial: percibir, navegar, decidir, ejecutar, aprender. Desde entonces he visto muchos  pilotos bloquearse en vez de funcionar. Y casi siempre por las mismas razones que ningún vendedor o fabricante menciona en las demos.

Ese framework teórico choca brutalmente contra la realidad operativa cuando un agente se encuentra con la web tal como es: caótica, impredecible y llena de obstáculos que ninguna presentación comercial incluye.

Tres grietas donde la autonomía se rompe (justo cuando más la necesitas)

La fragilidad no aparece en el laboratorio o POC. Aparece en producción, en esos pequeños detalles que cualquier empleado resolvería sin pestañear.

La primera grieta son los ‘captchas’. Suena trivial hasta que tu agente llega al punto crítico de un proceso, por ejemplo, un portal de proveedores o una gestión con la administración, y se topa con un captcha. Ahí se acaba el cuento. La promesa de automatización ‘end-to-end’ se convierte en una coreografía incómoda donde alguien tiene que intervenir manualmente para que la cadena continúe. El valor del agente se merma…

La segunda grieta son los pop-ups y overlays. Basta un cambio de diseño, un banner de consentimiento o una ventana modal para descolocar completamente a un agente entrenado sobre la versión anterior de la web. Un humano lo resuelve con un clic intuitivo. El agente, si no está preparado para esa desviación, entra en bucle o falla en silencio.

La tercera grieta es más sutil pero igual de letal: la navegación directa a URL. Muchos entornos de prueba son limpísimos. URL estáticas, sin redirecciones, sin cookies heredadas, sin estados previos. La web real no funciona así. Hay estados de sesión, parámetros ocultos, tiempos de carga variables, interacciones previas que condicionan lo que ve el navegador. Un agente que no convive con ese caos difícilmente puede llamarse autónomo.

Aquí va lo incómodo,  si no conseguimos evidencia de robustez en estos puntos, no estás implementado autonomía. Estás implementando más riesgo operativo .

Del bucle interno al bucle exterior: cuando ya no puedes seguir cada paso

La tentación humana ante algo nuevo y poderoso es querer verlo todo. Muchos pilotos empiezan con supervisión de “bucle interno”. Alguien del equipo sigue cada paso, revisa cada interacción, aprueba cada acción significativa. Es razonable para un POC, pero inviable en producción.

Cuando el volumen crece, ese modelo se rompe. Nadie tiene tiempo para revisar interacción por interacción, igual que nadie revisa manualmente cada operación de un sistema de trading algorítmico. La supervisión tiene que moverse al “bucle exterior”: mirar patrones, métricas agregadas, anomalías y desvíos significativos.

Para un CIO o un CISO, la pregunta cambia. Ya no es “¿qué está haciendo exactamente el agente ahora mismo?”, sino “¿qué necesito ver en mi panel para dormir tranquilo y confiar en el proceso?”.

Algunas métricas resultan especialmente útiles: tasa de tareas completadas sin intervención humana, frecuencia y motivo de las llamadas a un operador, patrones de fallo por tipo de web (formularios, portales públicos, intranets), tiempos de recuperación ante error. Es otra forma de relación con la tecnología. Menos micromanagement digital, más gobernanza basada en señales.

Identidad y contención: el nombre y la jaula del agente

Hay una diferencia enorme entre “usar un modelo de IA” y “darle capacidad de actuar en sistemas reales”. En cuanto un agente puede iniciar sesión, navegar por aplicaciones internas o tocar procesos críticos, deja de ser un experimento y se convierte en un actor dentro de la organización.

Aquí la identidad es clave. Igual que no imaginas a un empleado sin usuario propio, no deberías imaginar agentes sin identidad única y auditada. Conceptos como “Entra Agent ID” de Microsoft o sistemas de identidad federada para agentes ilustran esta dirección: saber qué agente hizo qué, cuándo y con qué permisos. Sin esto, cualquier incidente se convierte en un laberinto forense.

El segundo pilar es la contención. El equivalente, en el mundo agentivo, a los escritorios virtuales que usamos desde hace años para proveedores de BPO o terceros con acceso sensible. Arquitecturas como “Windows 365 para Agentes” o entornos sandbox equivalentes muestran este enfoque: espacios controlados, con capacidades definidas, donde el agente puede operar sin entrar en contacto directo con el resto de la infraestructura.

No se trata de desconfiar de la tecnología. Se trata de aplicar el mismo rigor que aplicamos con cualquier persona externa a la que damos acceso a sistemas críticos.

El coste real de mirar hacia otro lado

En casi todas las conversaciones sobre agentes aparece, tarde o temprano, el argumento del ahorro, temas como : menos tareas manuales, menos tiempo invertido, más eficiencia. Pero ese cálculo suele ignorar un factor que en los comités de riesgo pesa mucho más: el coste de una hora de interrupción grave.

Estudios recientes sitúan el coste medio de una interrupción de TI de alto impacto en torno a los dos millones de dólares por hora. Incluso si tomamos esa cifra con cautela, el orden de magnitud es claro. En ese contexto, los ahorros esperados de un piloto mal diseñado se desvanecen en el momento en que un error desencadena una caída, una corrupción de datos o una reacción en cadena.

Pensemos en un escenario concreto. Un agente de compras autorizado para actualizar portales de proveedores. Si el diseño de controles es débil y la supervisión exterior inexistente, un fallo de lógica provocado por un rediseño de la web podría generar cientos de pedidos erróneos antes de que alguien levante la mano. Lo que empezó como ahorro proyectado termina siendo un ejercicio de remediación de seis cifras y una crisis de relaciones con proveedores.

El problema ya no es el agente. Es la organización que no fijó límites claros a lo que podía hacer antes de romper algo valioso.

El precipicio del 2 de agosto: cuando la regulación deja de ser teórica

Mientras tanto, pasó algo que muchos directivos ignoraron : que el 2 de agosto de 2025 dejó de ser una fecha en el calendario regulatorio para convertirse en un problema operativo real. Ese día marcó un salto cualitativo en la aplicación del AI Act europeo para los modelos de propósito general, especialmente en usos de navegación y automatización. El Artículo 53 introduce obligaciones concretas de transparencia y respeto al opt-out de propiedad intelectual.

Traducido a lenguaje de negocio: una empresa debería poder responder preguntas como “¿de dónde ha aprendido a navegar mi agente?”, “¿qué contenidos reutiliza o transforma?” y “¿puedo demostrar que respete la voluntad de quienes decidieron no ser usados para entrenar estos sistemas?”.

Para organizaciones en Europa , el AI Act es el marco nativo. Influye en cómo se diseñan contratos, se evalúan proveedores y se priorizan casos de uso. Para CIOs en Estados Unidos, la regulación europea puede parecer lejana hasta que tu mayor cliente europeo te pide documentación de cumplimiento, o las operaciones europeas de tu proveedor generan exposición legal.

He visto esto más veces de las que quisiera, la regulación se convierte en requisito comercial más rápido de lo que la mayoría espera. En ambos casos, el mensaje es el mismo:  la decisión de desplegar agentes que navegan y actúan en la web dejó de ser únicamente técnica y pasó a tener consecuencias legales y reputacionales directas para el liderazgo.

Tres decisiones que un CIO no puede delegar

Llegados a este punto, la pregunta no es “qué tareas añadir a un checklist“, sino qué decisiones no puede delegar un CIO frente a este escenario.

Primera decisión: dónde jamás hay que permitir que un agente navegue. Esto implica definir líneas rojas explícitas. Sistemas financieros core, portales regulatorios, consolas de administración con credenciales privilegiadas, procesos donde un error pueda tener consecuencias legales o de seguridad inmediatas.

Segunda decisión: qué evidencia pedir antes de autorizar un piloto. No debería bastar con capturas de pantalla o vídeos controlados. Es razonable exigir pruebas en webs reales, con captchas, pop-ups, cambios de layout y condiciones de red imperfectas, acompañadas de métricas de fallo, tiempos de recuperación y límites de actuación configurados.

Tercera decisión: qué tienes resuelto ahora que el 2 de agosto ya pasó. Eso incluye saber qué proveedores están realmente alineados con el AI Act, tener un inventario claro de casos de uso agentivos en producción, un modelo de supervisión por bucles exteriores y responsabilidades claras en caso de incidente.

Para terminar…

La autonomía no se mide por lo que un agente promete en una demo. Se mide por lo que tu organización puede contener, auditar y recuperar cuando algo se rompe. El 2 de agosto ya pasó. La pregunta ahora no es si tu organización cumple, sino si puedes demostrarlo cuando te lo pidan. Y te lo van a pedir.

En la próxima entrega vamos a lo concreto: qué métricas específicas vigilar en tus dashboards de observabilidad, qué hitos del calendario de enforcement del AI Act no puedes permitirte ignorar, y cómo diseñar arquitecturas de supervisión que funcionen cuando tienes 50 agentes operando simultáneamente. Porque una cosa es entender el riesgo en abstracto y otra muy distinta es saber qué botón apretar cuando algo falla a las 3 de la mañana.

La transformación digital ha dejado de ser una promesa para convertirse en una realidad ineludible en el mundo empresarial. En un contexto marcado por la aceleración tecnológica, la digitalización ha ocupado un lugar destacado en las agendas corporativas de cualquier organización, consolidándose como una prioridad estratégica y de inversión. En este escenario, grandes consultoras, como es el caso de KPMG, se encuentran en el centro de ese cambio pasando a competir no solo por el talento, los clientes o la cuota de mercado, sino también por su capacidad para reconfigurar modelos de negocio, impulsar la innovación y asumir tecnologías como la nube, los datos o la inteligencia artificial (IA).

De acuerdo con Pedro Torrecilla, CIO de KPMG en España, en la actualidad, la compañía trabaja dentro de un marco global, denominado Technology Blueprint, “nuestra hoja de ruta y arquitectura tecnológica para obtener el máximo alineamiento con nuestra estrategia global (corporativa y negocio), alcanzado también el máximo beneficio de las notables inversiones en tecnología que estamos abordando en inteligencia artificial, seguridad de la información, arquitectura de datos, plataformas de servicios a clientes y productos digitales”.

Uno de los pasos más decisivos en ese proceso de transformación digital es la reorganización profunda de su arquitectura de datos y de sus procesos internos de inteligencia artificial. El proyecto, construido sobre la plataforma Microsoft Fabric, está permitiendo a la firma reducir de manera significativa los tiempos de análisis y mejorar la calidad y trazabilidad de la información con la que operan sus equipos.

La iniciativa ha permitido acelerar de manera extraordinaria la generación de valor a partir de los datos: los equipos han logrado reducir hasta en un 60% el tiempo necesario para transformar información compleja en insights accionables, lo que se traduce en una capacidad de reacción mucho más rápida ante las necesidades del negocio. A ello se suma una disminución del 70% en duplicidades y un avance de hasta el 50% en la velocidad de desarrollo de productos basados en datos, hitos que consolidan un modelo operativo más ágil, eficiente y plenamente alineado con la integración de inteligencia artificial generativa en los procesos críticos de la organización. Además, según explica a esta cabecera el CIO de KPMG, “todo ello se ha conseguido facilitando el consumo de estos datos por la IA a la vez que se mantiene la clasificación, niveles de acceso, confidencialidad y resto de características inherentes al dato”. 

La IA como palanca de cambio

Si hay una herramienta por la que ha apostado la compañía en los últimos años esta es la inteligencia artificial, convirtiéndose en uno de los ejes centrales de la transformación digital de KPMG, tanto a nivel interno como en su propuesta de valor al mercado. Para la consultora, el reto ya no está en el acceso a la tecnología, cada vez más estandarizada, sino en cómo se utiliza y con qué información se alimenta. “Cuando tú tienes inteligencia artificial, lo que tienes al final es una tecnología que cierra el gap en conocimiento y, en muchos casos, también el gap en performance”, explica David Sanz, socio responsable de IA, Analítica de Datos y Tecnologías Emergentes de KPMG en España. A su juicio, la diferenciación ya no reside en usar IA, sino en “con qué información estás ingiriendo esa inteligencia artificial para ayudarte en la provisión de los servicios profesionales”.

Bajo la estrategia de “cliente cero”, KPMG ha optado por aplicar primero internamente las soluciones que después ofrece a sus clientes. “Durante estos últimos dos años lo que hemos hecho es implementar lo que luego vamos a vender”, subraya Sanz. Ese proceso ha implicado no solo tecnología, sino también un profundo cambio organizativo, desde la redefinición de servicios hasta la forma de venderlos y ejecutarlos.

Uno de los pilares ha sido el despliegue de Microsoft 365 Copilot entre los más de 6.200 profesionales de la firma con un objetivo claro: elevar la productividad, aumentar las capacidades personales, mejorar la calidad de servicio y abrir nuevas vías de creatividad y eficiencia en cada proyecto. Pero, como señala Sanz, “no solamente sirve dar las licencias, tenemos que enseñar a nuestros profesionales a cómo usarlas”. Por eso, KPMG ha desarrollado un ambicioso plan de adopción y formación, adaptado a los distintos perfiles internos, con el objetivo de garantizar un uso responsable, seguro y eficaz de la IA.

Este avance tecnológico viene acompañado, además, de un cambio igualmente relevante en la estrategia de talento. Más del 20% de las nuevas incorporaciones proceden de perfiles STEM y la firma ya supera los 1.200 especialistas en tecnología. La combinación entre expertos con experiencia consolidada y nuevos perfiles digitales está generando equipos más ágiles, capaces de anticipar tendencias y de adaptar la innovación a las necesidades reales de cada sector.

“Hemos construido el GenAI Hub, órgano que prioriza y ordena las iniciativas IA con el adecuado modelo de gobernanza”, cuenta Pedro Torrecilla, CIO de KPMG en España

Primera big four certificada en ISO

La apuesta por esta tecnología ha sido tan importante para KPMG que se ha convertido en la primera big four en España en certificarse en la ISO 42001, un estándar específico para la gestión de la inteligencia artificial. “Esto nos permite facilitar la inteligencia artificial de forma segura, responsable y con un marco claro de buenas prácticas”, destaca Sanz.

De acuerdo con Pedro Torrecilla, la ISO 42001 “es un facilitador para que la velocidad de despliegue de soluciones IA no comprometa nunca la ética o la seguridad”. Y, para acelerar y concentrar esta gestión, “hemos construido el GenAI Hub, órgano que prioriza y ordena las iniciativas IA con el adecuado modelo de gobernanza, decidiendo qué plataforma tecnológica es la adecuada para responder a la demanda, con especial priorización de Copilot Studio y un modelo delegado de creadores de agentes IA ‘makers”. 

Desde el punto de vista operativo, el impacto ya es tangible. En áreas como auditoría, el uso de aplicaciones internas basadas en IA permite procesar volúmenes masivos de datos, automatizar pruebas sustantivas y ampliar el alcance de los trabajos. “La tendencia es clara hacia la automatización de tareas repetitivas, lo que permite que nuestros profesionales se centren más en el juicio experto”, resume el directivo.

Además, cada vez es más evidente que el mercado está cambiando. “Nuestros clientes ya no nos piden solo casos de uso, nos piden pruebas de valor tangibles y rápidas”, señala Sanz, y KPMG puede responder con argumentos sólidos: “Somos capaces de enseñar business cases y retornos de inversión reales, basados en nuestra propia experiencia”.

“La diferenciación no está solo en el modelo que usas, sino en cómo lo utilizas y en la calidad de los datos que consumes”, insiste Sanz

Mirando al futuro: agentes inteligentes, regulación y confianza

Si algo tiene claro KPMG es que la implantación de la inteligencia artificial no ha hecho más que empezar. El siguiente gran paso será la llamada IA basada en agentes, un modelo en el que los sistemas no solo generan información, sino que actúan y ejecutan tareas completas dentro de los procesos de negocio. “Estamos en el comienzo de la inteligencia artificial agentiva”, afirma Sanz. “No solo va a darte insight, sino que va a permitir actuar, ejecutar y acompañar a los profesionales en los procesos de negocio”. Un cambio que, según el socio de KPMG, transformará de manera profunda la forma de trabajar tanto internamente como en los clientes.

Esta evolución tecnológica avanza en paralelo a un entorno regulatorio cada vez más exigente y, aunque reconoce que el ritmo del crecimiento de la IA no va en paralelo a la regulación, es verdad que en los últimos años se ha producido “un cambio sólido”, con hitos como la aprobación de la AI Act europea o la estandarización de marcos de gobernanza como la ISO 42001.

En este contexto, la confianza se convierte en un activo clave. “La diferenciación no está solo en el modelo que usas, sino en cómo lo utilizas y en la calidad de los datos que consumes”, insiste Sanz. De ahí la importancia de proyectos como la reorganización de la arquitectura de datos de KPMG en España, que ha permitido reducir hasta un 60% los tiempos de análisis y mejorar de forma significativa la calidad y trazabilidad de la información.

Para Pedro Torrecilla, todo este esfuerzo tiene un único objetivo: el cliente. “Nosotros hacemos todo esto para dar mejor servicio a nuestros clientes”, señala. Desde la modernización del dato hasta la formación en IA o el desarrollo de herramientas internas.

Existe un patrón consistente que está emergiendo a partir de investigaciones de analistas y de implementaciones prácticas en empresas. Las señales más importantes que los CIO deben vigilar en los próximos meses no son las nuevas funciones de IA ni los bancos de prueba de los modelos, sino los indicadores de comportamiento, organización y gobernanza que muestran, de forma silenciosa, cuándo la IA ha dejado de ser una herramienta para convertirse en un actor dentro de la empresa.

Forrester predice que, para finales de 2026, los CIO se verán obligados a decidir hasta qué punto los flujos de trabajo pueden funcionar sin intervención humana. El reto es que muchas organizaciones ya están avanzando hacia la autonomía sin reconocer explícitamente que han tomado esa decisión.

 A partir de entrevistas con Linda Ivy-Rosser, vicepresidenta y directora de investigación de Forrester, y con responsables de TI de Trimble, Cisco y Phison Electronics Corp., se identifican cinco señales clave. Cada una ofrece a los CIO un sistema de alerta temprana, no solo sobre un cambio tecnológico, sino sobre una transformación del modelo operativo que ya está en marcha.

En los flujos de trabajo y la autonomía: cuando la IA deja de ayudar y empieza a actuar

La señal más temprana y, a la vez, más trascendental es aparentemente sencilla: los sistemas de IA empiezan a actuar sin que los humanos los invoquen de forma explícita. En la empresa tecnológica Trimble, Aviad Almagor, vicepresidente de Innovación Tecnológica, describe el momento en que la autonomía se introduce de forma silenciosa: “La línea se cruza cuando la IA deja de responder a preguntas y empieza a actuar”. En las primeras fases, los sistemas pueden recomendar los siguientes pasos; pero una vez que la IA comienza a ejecutar esos pasos, el flujo de trabajo ha cambiado de manera fundamental.

 Otra señal reveladora es el cambio de comportamiento de los equipos. Almagor observa que dejan de preguntar “¿qué prompt has utilizado?” para inquirir “¿por qué el sistema ha decidido hacer eso?”. A su juicio, ese cambio indica que la IA ya no se percibe como una herramienta, sino como un participante en la toma de decisiones.

 Nik Kale, ingeniero principal de Cisco, observa el mismo patrón en grandes empresas que implementan asistentes de IA a escala. En principio, los humanos revisan los resultados de la IA antes de que lleguen a los clientes. Con el tiempo, a medida que aumenta la confianza, esa revisión se convierte en un mero trámite. Finalmente, no intervienen más que cuando algo sale mal. Lo que le lleva a decir que “se ha cruzado el umbral en el momento en que los humanos pasan del ciclo de decisión al ciclo de análisis posterior”.

Esta señal indica que la organización ha pasado de la IA asistencial a la IA agéntica, a menudo sin una decisión formal. Los CIO que no detectan este momento corren el riesgo de gestionar la autonomía de forma reactiva, en lugar de hacerlo de manera intencionada.

En gobernanza y riesgo: cuando el control se desvanece más rápido que la responsabilidad

 Una de las señales de alarma más claras aparece cuando las trazas de auditoría explican qué ha ocurrido, pero no por qué. Almagor advierte de que muchas organizaciones pueden reconstruir las acciones ejecutadas por la IA, pero no su razonamiento.

 Si nadie se responsabiliza de la decisión y la IA la ha tomado, la gobernanza ya se ha quedado atrás”, dice este experto. Por su parte, Ivy-Rosser, de Forrester, observa este patrón con mayor frecuencia cuando se implementa IA para arreglar procesos desordenados y no estandarizados, especialmente en situaciones de crisis. “Los CIO eligen el camino más fácil», señala, evitando el trabajo previo —y más complejo— de definir derechos de decisión, modelos de escalado y planes de coordinación”.

El resultado es un riesgo operativo en cascada, no porque la IA falle, sino porque la gobernanza nunca se ha puesto al día.

Otra señal a menudo subestimada es la dificultad para deshacer acciones. Kale recomienda a los CIO que presten atención al coste de la reversibilidad. Cuando revertir una acción automatizada requiere la coordinación de varios sistemas o equipos, la autonomía ha superado su intención original. Por eso dice que “la autonomía debe concederse en proporción a la reversibilidad y la contención”, afirma, y señala que la confianza en el modelo es un factor secundario.

Esta señal indica que la autonomía ha avanzado más rápido que la gobernanza. Cuando la reversibilidad se vuelve costosa y la responsabilidad se difumina, las organizaciones operan por encima de su tolerancia al riesgo, lo sepan o no.

En los modelos operativos: cuando el trabajo se reorganiza en torno a los resultados

Otra señal que no aparece en los cuadros de mando, sino en la forma en que se describe el trabajo. Almagor detecta en Trimble un desplazamiento desde la ejecución basada en funciones hacia flujos de trabajo orientados a resultados. En lugar de herramientas de IA aisladas que apoyan de forma independiente a programadores, operadores de campo o planificadores, los sistemas agenciales supervisan ahora las condiciones de extremo a extremo y ajustan los planes de manera continua. De ahí que diga que “cuando el trabajo se organiza en torno a los resultados y no a las funciones, el modelo operativo ha cambiado”.

Forrester observa patrones similares en múltiples sectores. Ivy-Rosser señala que muchas organizaciones han delegado la complejidad de los procesos en proveedores a través de servicios gestionados, sin evolucionar hacia contratos basados en resultados. Y añade: “Los proveedores acaban tomando decisiones estratégicas porque la empresa nunca ha aclarado dónde termina la utilidad y dónde empieza la ventaja competitiva”.

Una señal relacionada surge cuando se pide a los CIO que intervengan tras el fracaso de iniciativas de IA. Forrester predice que un número significativo de CIO será llamado a rescatar implementaciones impulsadas por las áreas de negocio que carecían de gobernanza y responsabilidad compartida. Se trata menos de un fallo tecnológico que de un problema de alineación del modelo operativo.

Esta señal sugiere que la IA está remodelando la forma en que se crea y se entrega valor. Los CIO que siguen tratando la IA como una simple capa de productividad corren el riesgo de pasar por alto un cambio estructural mucho más profundo.

En la cultura y el comportamiento: cuando los humanos cambian más rápido —o más lento— que los sistemas

Algunos de los indicadores más sólidos son de carácter cultural. Las organizaciones preparadas para una mayor autonomía se sienten cómodas trabajando con resultados probabilísticos. Almagor destaca que los equipos más eficaces no esperan respuestas deterministas de los sistemas de IA. Tratan la incertidumbre como un dato más, no como un error, y diseñan en consecuencia umbrales y mecanismos de intervención humana. Por eso afirma que “la autonomía no fracasa cuando los sistemas son inciertos, sino cuando lo son las organizaciones”.

En el extremo opuesto, la confianza excesiva es otra señal de alerta. En sectores como la construcción y el transporte, Almagor ha observado sistemas de IA que continúan funcionando con aparente seguridad a pesar de la falta de datos o de la existencia de información contradictoria. El riesgo se agrava cuando los humanos dejan de cuestionar los resultados porque la automatización “siempre ha funcionado antes”.

Kale describe un fenómeno similar a gran escala: los humanos se desconectan una vez que el rendimiento de la IA se estabiliza, incluso cuando aumenta el impacto potencial de sus decisiones. Esta erosión silenciosa de la supervisión suele preceder a las crisis de gobernanza.

Esta señal revela si la organización es capaz de absorber la autonomía de forma responsable. La preparación técnica sin preparación conductual es un indicador adelantado de fracaso.

En tecnología e infraestructura: cuando las limitaciones quedan por debajo de la capa de aplicación

Sebastien Jean, director de tecnología de Phison Electronics, destaca cuellos de botella de infraestructura que determinan de forma silenciosa el éxito o el fracaso: escasez de memoria, localización de los datos y tolerancia a la latencia. “Si un sistema tarda 17 minutos en lugar de siete segundos, la gente simplemente se irá”, afirma. Estas limitaciones influyen más en la adopción que la sofisticación algorítmica.

A medida que las iniciativas de IA pasan de la prueba de concepto a producción —añade Jean—, muchas organizaciones asumen que escalar implica desplegar la versión completa del sistema en todas partes: modelos más grandes, más memoria, mayor ancho de banda y niveles premium de infraestructura. En la práctica, esa suposición rara vez se cuestiona.

En su lugar, describe un enfoque más empírico que algunos equipos empiezan a aplicar: ejecutar deliberadamente una versión reducida del sistema junto a la completa y comparar resultados. “Puedes reducir recursos, tamaño del modelo o complejidad del proceso y medir si el resultado de negocio cambia realmente”, explica. En muchos casos, las organizaciones descubren que las diferencias son marginales o imperceptibles para los usuarios, mientras que los costes de infraestructura se reducen de forma significativa.

La señal clave para los CIO aparece cuando la calidad de las decisiones, el comportamiento de los usuarios o los resultados posteriores se mantienen estables a pesar de la reducción. Esa estabilidad indica que la organización ha estado pagando de más por una capacidad que no necesitaba.

La optimización de costes se convierte así en una señal de madurez. Las organizaciones que pueden degradar, comparar y validar resultados de forma segura dejan de adivinar dónde aporta valor su inversión en IA. Lo miden y utilizan esa evidencia para guiar decisiones de arquitectura y gobernanza.

Cómo actuar ante estas señales antes de que ellas actúen sobre usted

En todas las entrevistas, el mensaje es consistente: estas señales no advierten de un cambio futuro, sino que demuestran que el cambio ya está en marcha. La tarea del CIO consiste, por tanto, en institucionalizar la respuesta de la organización una vez que aparecen.

El primer paso es formalizar la detección de señales. Los CIO deben dejar de basarse en anécdotas (“algo parece diferente”) e incorporar momentos explícitos de revisión en los foros de gobernanza. Esto implica plantear preguntas de forma periódica: qué sistemas inician acciones sin indicaciones, dónde los humanos solo intervienen a posteriori y qué decisiones son difíciles de revertir. Como señala Almagor, la autonomía suele colarse a través de la comodidad. Los CIO necesitan revisiones intencionadas y recurrentes de dónde esa comodidad se ha traducido en pérdida de control.

La gobernanza debe impulsarse desde el inicio, no añadirse después. Forrester destaca que adaptar controles tras la implementación suele ser más disruptivo que ralentizar el proceso al principio. Ivy-Rosser subraya la importancia de definir derechos de decisión, vías de escalado y planes de coordinación antes de que los agentes operen de extremo a extremo.

Kale señala que, en Cisco, más que tratar la autonomía como una elección de diseño, conviene observar una señal de comportamiento: el umbral real se cruza cuando los humanos dejan de estar en el ciclo de decisión y pasan al ciclo de análisis posterior. En ese momento, la IA se ha convertido de facto en un actor, no en un asistente, a menudo sin una decisión explícita por parte de los líderes.

Cuando las señales indican que la autonomía ha superado ese umbral, los CIO deben reajustar los modelos operativos y de responsabilidad. Cuando los humanos se convierten en gestores de excepciones y la IA abarca flujos de trabajo completos, la responsabilidad compartida deja de ser opcional. Es necesario reunir a operaciones, recursos humanos, legal y negocio para definir con claridad quién responde por la intención, la ejecución y los resultados. Como apunta Kale, la IA no elimina la responsabilidad; obliga a aclararla de una vez.

Por último, los CIO deben tratar la cultura como un control operativo. Las organizaciones que gestionan bien los resultados probabilísticos y cuestionan las decisiones automatizadas están mejor preparadas para la autonomía que aquellas que persiguen una certeza determinista. Esto puede requerir volver a formar a los directivos como supervisores de “trabajadores digitales”, no solo como consumidores de herramientas, un cambio que Jean compara con la gestión de empleados junior cualificados más que con la administración de software.

Detecte la señal, nombre el cambio y actúe de forma deliberada. Los CIO que lo hagan darán forma a la autonomía según sus propios términos, en lugar de heredarla por accidente.

La transformación digital del sector turismo ha vivido un acelerón en los últimos años, impulsada por el desarrollo de herramientas de inteligencia artificial y, especialmente, de la IA generativa. Como recoge un estudio de la European Travel Commission, que aglutina las organizaciones nacionales de turismo europeas, en este periodo se ha comprobado cómo la IA ha pasado de ser “una tecnología de nicho, reservada a los equipos de analítica avanzada de empresas bien financiadas a un set de herramientas mainstream”. ONU Turismo habla de un “proceso significativo de transformación en el sector turístico” inducido por la IA, que “multiplica la eficiencia y la personalización”.

Traducir este impacto a estadísticas de despliegue no es tarea sencilla. Según un informe de la compañía Amadeus, para el que se encuestaron a 306 líderes del mercado de diez mercados distintos que aplican IA generativa, a nivel global se percibe una presencia significativa: un 51% de participantes dicen que ya estaba emergiendo esta tecnología en 2025 y un 36% más prevé que lo hará en 2026. Desde McKinsey aportan otra perspectiva: mientras que en 2022 solo un 4% del Skift Travel 200 —un indicador que aglutina a una selección de las empresas de viajes que cotizan en bolsa más grandes del mundo— reportaba integrar alguna forma de IA, para 2024 el porcentaje había subido al 35%.

A nivel de organismos públicos, el informe de la European Travel Commission mostraba como pese a que hay un interés notorio en la IA, las organizaciones consideran que están mayoritariamente aún en fases iniciales, con el 80% considerando que están a mitad de camino. En el lado positivo, cuatro de cada diez dicen haber desarrollado equipos de IA o monitorizar la tecnología.

En cuanto a los usos que más se da a nivel empresarial, según Amadeus destacan la asistencia a viajantes en los procesos de reserva, la recomendación de actividades, la generación de contenidos, el apoyo al personal para atender a clientes, recolectar feedback a posteriori, asistencia digital durante el viaje, inspiración o agilizar operaciones.

¿Y emplean la IA quienes viajan? De nuevo según Amadeus —en otro informe—, un 24% de turistas de España utilizaban herramientas de IA para planificar sus viajes, frente al 11% de 2024. El informe de McKinsey cita datos que apuntan hacia una mayor comodidad con estas tecnologías: más de la mitad de los 1.000 participantes en una encuesta decían haberlas empleado en la planificación de sus escapadas.

Cómo aplicar la IA

La integración de herramientas inteligentes en empresas del sector turismo está, en muchos casos, en su modelo mismo de negocio. Es el caso de la plataforma de viajes Perk, uno de los más recientes unicornios españoles. Según explica su directora de producto o CPO Nikita Miller, “en Perk, la IA está integrada completamente en la plataforma, simplificando viajes, gastos y eventos. Eso significa que la IA ayuda a gestionar reservas y cambios de viaje, clasifica gastos y concilia facturas, con una intervención mínima por parte del usuario”. Miller pone ejemplos a distintos niveles, como Juno, chat impulsado por IA que, a diferencia de asistentes tradicionales que repiten información de la web, se integra en los sistemas para dar información en tiempo real. “Nuestro objetivo es hacer que el trabajo desaparezca para el usuario final”, señala.

En el back office la IA se utiliza para, por ejemplo, eliminar los pagos con tarjeta virtual en el check-in del hotel. “Antes, nuestros equipos tenían que llamar a todos los hoteles antes de la llegada de los huéspedes para confirmar que el pago se había realizado”, recuerda. “Hoy, nuestros agentes de voz de IA llaman proactivamente, gestionan la comunicación con los hoteles y resuelven problemas antes de que el viajero llegue”. Esto deja tiempo al personal para centrarse en casos que necesitan de intervención humana. Miller profundiza también en uno de los últimos lanzamientos de la compañía: Perk Events, un nuevo módulo que automatiza la planificación de eventos de equipo. “El organizador sigue tomando las decisiones estratégicas mientras la IA se encarga del trabajo más operativo”, explica: la IA solicita presupuestos a hoteles y selecciona aquellos óptimos según las necesidades del evento, lo que permite ahorrar un tiempo de planificación significativo.

“Nuestro objetivo es hacer que el trabajo desaparezca para el usuario final”, recuerda Nikita Miller (Perk)

Para la CPO de Perk, el mayor desafío en la integración de la IA es “decidir dónde y cómo aplicarla para servir mejor al cliente”, para lo que destaca su uso en el backend sobre opciones como “interfaces llamativas”. “Viajes, gastos y facturas son difíciles de predecir”, incide. “Por eso, la automatización de estos flujos ha quedado rezagada frente a otros procesos que se digitalizaron hace años, como los CRM”. Apunta, además, que “la IA solo funciona si se entrena con datos reales y está lo suficientemente integrada”, sin los que “se quedaría en la superficie”. Su empresa, con un histórico de años de datos estructurados, tiene una ventaja diferencial al entrenar modelos en el comportamiento real del viaje y el gasto, defiende. En relación a los beneficios, se centra en la mejora en el coste invisible del trabajo oculto, aquellas tareas que requieren de tiempo y recursos pero que no siempre se tienen en cuenta. “La IA nos ha ayudado a simplificar los flujos de trabajo de nuestros clientes y a eliminar gran parte de estas tareas. Esto tiene efectos medibles en la moral, el compromiso y la retención, porque la gente siente que su tiempo es respetado, no desperdiciado”.

También desde World2Meet —W2M—, división de viajes del Grupo Iberostar, integran en su estrategia la aplicación de IA “como una capa transversal de inteligencia operativa”, explica su CIO, Joan Barceló. De hecho, la compañía resultó finalista en la categoría del Mejor proyecto de IA y automatización inteligente en los últimos CIO 100 Awards. “Nuestra aproximación parte de una convicción clara: la IA que más valor aporta es la IA invisible, aquella que actúa en segundo plano mejorando eficiencia, calidad y capacidad de decisión, sin sustituir la relación humana con el cliente”. En este sentido, destaca su iniciativa IPA —siglas de Intelligent Process Automation—, “un ecosistema que combina automatización avanzada, machine learning e IA generativa para actuar sobre procesos de backoffice y operación en toda la organización”. Esta automatización inteligente incluye distintas áreas, desde la parte de contact center a la de generación de itinerarios y movilidad, “siempre conectada a procesos reales, de alta volumetría y con impacto medible”. Cuentan también con agentes de IA generativa y asistentes operativos internos que, a través de su interacción con distintas fuentes de datos y bajo supervisión humana, aportan “contexto y velocidad a los equipos que diseñan la propuesta final al cliente”.

La firma también plantea iniciativas de IA visibles para “humanizar la tecnología y facilitar su comprensión”, como su embajadora digital, Mía, “concebida como un elemento de comunicación y cultura digital que acerca la innovación a las personas, mientras la verdadera IA de valor continúa operando de forma invisible en el backoffice”.

“El mayor reto no es implantar IA, sino decidir dónde aporta valor real y dónde no”, desarrolla Barceló. “Integrar IA de forma efectiva exige comprender primero la necesidad real del negocio y aceptar que no todo proceso debe automatizarse ni todo problema requiere IA”. De ahí que “el principal desafío no ha sido tecnológico, sino estratégico y cultural”, defiende. A nivel beneficios, destaca el aporte en “velocidad, precisión y competitividad, especialmente en entornos de alta complejidad operativa. Los beneficios se están recogiendo de forma progresiva, transversal y medible, especialmente en aquellas áreas donde la IA opera de forma constante pero poco visible”. Por ejemplo, volviendo al contact center, detalla cómo se clasifican más de 109.000 correos al mes con un 92% de precisión, enriqueciéndolos con datos de la reserva en un 76 % de casos. En todos se aplica análisis de sentimiento y resumen automático. “Además, se analizan aproximadamente 2.000 llamadas diarias para evaluar la calidad de la atención y detectar patrones de mejora”.

“El mayor reto no es implantar IA, sino decidir dónde aporta valor real y dónde no”, asegura Joan Barceló (W2M)

Como se ha podido ver esta semana en Fitur, el sector turismo está adoptando la IA de forma creciente. En este foro, el grupo europeo de software Septeo ha introducido su nueva oferta de soluciones traveltech con IA, como el motor de reservas con IA Witbooking o su Ulyses PMS, que integra nuevos agentes para operaciones, revenue y housekeeping. También en estas fechas, la plataforma de viajes eDreams Odigeo ha anunciado la ampliación de su ecosistema de IA con tecnología agentiva, capaz de ejecutar reservas de extremo a extremo de forma autónoma. Según datos de la firma, más del 30% de su nuevo código es ya generado por IA.

Más allá de la integración empresarial, la IA ofrece otras posibilidades a nivel de gestión pública. Desde el TI·LAB, organismo formado por personal del Instituto Universitario de Investigaciones Turísticas (IUIT) y del Instituto Universitario de Investigación Informática (IUII) de la Universitat d’Alacant, plantean una visión de la IA como “sistema operativo”, un “soporte para que todo funcione de manera más coordinada y eficiente”. Aplicada a un destino de alta ocupación, como es Torrevieja, defienden su potencial para reducir la saturación al anticipar la llegada de visitantes, mejorar la movilidad a través del análisis de patrones de movilidad o la optimización del consumo de agua o energía, en función del número de turistas. Acciones que, aclaran, no sustituyen el trabajo de gestión, sino que lo mejoran. Un ejemplo de esto es la iniciativa WATOURISM, recientemente oficializada, que analizará la gestión eficiente del agua vinculada al turismo en el municipio de Calvià.

Aporte al sector

Estos beneficios se pueden extrapolar a otras empresas. Para Barceló, “la integración de IA está permitiendo al sector turístico evolucionar su modelo operativo, anticiparse y ser menos reactivo, pasando de la gestión de tareas manuales a orquestar inteligencia y tomar decisiones basadas en datos”. Miller lo completa: “La IA aporta simplicidad, y eso es más poderoso de lo que parece. Impulsa al sector hacia experiencias más cohesionadas, proactivas y casi invisibles, donde el viajero apenas nota la complejidad y el viaje simplemente fluye”. Un potencial que ya está empezando a rendir, pero que aún tiene mucho por explorar.

La presión para este cambio viene de tres frentes. Primero, el mercado de la IA entra en una fase de corrección, por la dificultad para traducirla en retorno financiero.  Segundo, Europa pone en marcha una nueva ola de ejecución regulatoria: la Comisión Europea marca el 2 de agosto de 2026 como el momento en el que la mayoría de reglas del AI Act entran en aplicación. Tercero, la superficie de riesgo se reconfigura: el Foro Económico Mundial coloca el fraude digital entre las amenazas que más se propagan y lo eleva al nivel de la alta dirección.

He aquí las cinco prioridades que van a configurar la agenda del CIO en los próximos 12 meses: la responsabilidad económica sobre la IA que va a impactar en el despliegue de agentes; el desplazamiento de la confianza hacia la evidencia; la transformación del mecanismo de desarrollo y entrega de software; la entrada de la IA en el mundo físico acompañada de cumplimiento; y identidad digital y FraudOps como capacidad transversal para contener un fraude altamente sofisticado.

La IA se juega el presupuesto: agentes condicionados por retorno y probabilidad de escalado

En 2025 ya se veía con claridad un patrón en la IA: muchos proyectos no conseguían cruzar el abismo del escalado. En 2026, ese cuello de botella pasa a ser un problema de inversión. Los directores financieros (CFO) entran en el proceso de decisión, endureciendo los criterios a la hora de asignar presupuestos.

Eso obliga al CIO (y a las unidades de negocio usuarias) a cambiar el foco. Ya no basta con mostrar que una iniciativa funciona técnicamente; hay que demostrar que es escalable, rentable y controlable. La evaluación se vuelve más exigente porque tiene que incorporar aspectos económicos y probabilidad de escalado desde el principio.

En este contexto, los sistemas de agentes entran como un mecanismo potencial para cerrar la brecha entre piloto y producción, aunque no como una garantía automática. En las implementaciones ha quedado claro que el abismo del escalado no está en el modelo, sino en la integración en la operación.

Un sistema de agentes bien diseñado tiene la ventaja de que convierte la IA en trabajo repetible: encadena tareas, integra herramientas y estandariza un proceso para llevarlo a producción. Pero también necesita más escrutinio, porque puede disparar los costes, incidencias y riesgos. Por eso, los agentes que más valor van a portar serán los que incorporen un gobierno robusto desde el principio.

De confianza a prueba: autenticidad del contenido e integridad del software

 A partir de este año, entramos en la era de la evidencia: la confianza en contenidos y software ya no se asume, y se tiene que apoyar en evidencias verificables. La suplantación y la manipulación a escala, facilitadas por la IA, ya están en el radar de la alta dirección.

El primer ámbito es la confianza en el contenido, tanto el que la empresa consume como el que produce. Con un contenido sintético cada vez más convincente, el problema pasa de ser reputacional a operativo (aprobaciones, auditoría, y comunicación interna). Por eso se está hablando cada vez más de la procedencia verificable del contenido (content provenance) y de estándares como C2PA, que permiten adjuntar metadatos de procedencia y ediciones para que terceros puedan verificar el origen y cadena de custodia.

El segundo ámbito es la confianza en el software que la organización ejecuta y desarrolla, incluido el que lleva dentro. Las organizaciones tienen claro que existen riesgos en la cadena de suministro del software, y quieren verificarla. Esto se traduce en tres evidencias clave: el SBOM (Software Bill Of Materials, o lista de componentes de software), la firma de artefactos (para asegurar que no han sido manipulados) y la trazabilidad en el desarrollo (build provenance). ENISA está impulsando guías prácticas para aplicar estas medidas y reducir riesgos.

La evidencia por defecto va a entrar en los procesos de compra, evaluación de riesgo y auditoría, y se exigirán cada vez más pruebas de autenticidad, composición y construcción del software

La IA reescribe el ciclo de vida del software y abre la puerta a los agentes

Durante 2025 la conversación sobre IA y software se ha centrado en productividad: escribir código más rápido, reducir tiempos, costes en incluso personal. En 2026 se pone en marcha un cambio más profundo: la IA empieza a transformar el método con el que se construye, prueba y entrega el software.

Este cambio exige aprendizaje organizativo por una razón simple: la IA permite generar cambios más rápido, pero esos cambios serán frágiles si no se refuerzan al mismo tiempo la calidad, las pruebas y la observabilidad. Por eso, en 2026 la prioridad del CIO no se limita a añadir asistentes, sino rediseñar la fábrica de software para absorber esa velocidad sin perder fiabilidad.

Dentro de este rediseño entra en juego un elemento incipiente: los agentes de ingeniería de software (SWE agents). A diferencia de un asistente que sugiere, un agente ejecuta tareas concretas del ciclo de vida bajo ciertas reglas. Este enfoque empieza a verse en productos que se describen como agentes capaces de resolver incidencias, o como “AI software engineer”, aunque estamos en las etapas iniciales.

Este año, los agentes se van a empezar a integrar en la fábrica de software como un componente controlado. Es decir, con permisos mínimos, límites claros sobre lo que pueden hacer, registro trazable de cada cambio, y revisión humana cuando el riesgo lo justifique. Sin ese marco, los agentes no aceleran el delivery, sino que desplazan la complejidad hacia el aseguramiento de la calidad (QA), la seguridad y la operación.

La IA cruza al mundo físico: acciones inteligentes bajo supervisión

Este año, la IA va a entrar con fuerza en el mundo físico, y las posibilidades son amplias: visión artificial, robótica, mantenimiento, seguridad, logística, retail o sanidad. La clave está en que la IA ya no aporta solo analítica o recomendaciones y pasa a realizar acciones inteligentes.

Esta entrada se va a llevar a cabo de la mano del cumplimiento regulatorio. La pregunta aquí no es lo que se puede hacer, sino lo que se permite hacer y bajo qué límites. Por eso, el cumplimiento deja de ser un apéndice y se convierte en parte del diseño.

Dos marcos europeos van a dar forma a esta realidad. Por un lado, el AI Act entra en una fase de activación a partir del 2 de agosto de 2026, elevando la exigencia de control, documentación y supervisión. Por otro, el Cyber Resilience Act impulsa desde el 11 de septiembre de 2026 obligaciones de reporting en productos con elementos digitales.

Para el CIO, la conclusión es clara: la separación entre IT/OT o entre lo digital y lo físico no funciona a la hora de gestionar esta nueva etapa. La prioridad es coordinar, de forma operativa, a ingeniería, seguridad, proveedores y operaciones, porque el riesgo y la responsabilidad recorren toda la cadena. En síntesis, la clave está en incorporar una IA en las operaciones que resista auditoría, incidentes y escalado.

El fraude se industrializa: identidad y FraudOps como respuesta

La quinta prioridad cierra la agenda con una realidad incómoda: el fraude habilitado por medios digitales está escalando en volumen y sofisticación, y obliga a crear una capacidad transversal que va más allá del SOC.

El énfasis que ha ganado la verificación de contenido es parte de la respuesta. Pero hace falta no solo cubrir el qué, sino el quién. Por eso, está ganando protagonismo la identidad, que abarca clientes, empleados y proveedores, pero también identidades no humanas (servicios, APIs o agentes). Se trata de verificarla de forma fiable en los momentos de mayor riesgo.

Para ello, se empieza a hablar de FraudOps como la forma de hacer operacional la lucha contra el fraude. No se limita a controles puntuales o reaccionar cuando salta una alerta, sino que convierte la prevención y respuesta al fraude en un proceso continuo y medible. Este se integra en los flujos críticos del negocio (onboarding, pagos, altas, cambios de datos o aprobaciones). Se trata de un ciclo con medición y aprendizaje, donde se ajustan las reglas para reducir falsos positivos y mejorar los resultados, manteniendo al mínimo la fricción del usuario.

En paralelo, la identidad digital europea se acelera: la Comisión Europea indica que cada Estado miembro ofrecerá al menos una versión del EU Digital Identity Wallet para 2026. Para el CIO esto es relevante porque impulsa credenciales verificables y evita controles pesados.

En definitiva, si 2024 y 2025 fueron años de exploración y experimentación, 2026 es el año de la responsabilidad, tanto económica (resultados que justifiquen la inversión), como sobre cumplimiento (demostrar autenticidad, cumplimiento e identidad).

---

La lista de deseos de un CIO suele ser tan larga como costosa. Sin embargo, si sabe priorizar con criterio, es posible que pueda responder a las nuevas demandas sin agotar ni a su equipo ni el presupuesto de que dispone.

Con la llegada de 2026, Koenraad Schelfaut, responsable global de estrategia tecnológica y asesoramiento de Accenture, aconseja a los CIO que tomen distancia y reflexionen sobre cómo la tecnología puede contribuir a reinventar el negocio en su conjunto, al tiempo que gestionan las capacidades de TI con una mentalidad orientada a resultados.

A su juicio, “el enfoque debe pasar de “mantener las luces encendidas” al menor coste posible a utilizar la tecnología para impulsar el crecimiento de los ingresos, crear nuevos productos digitales y llevar nuevos modelos de negocio al mercado con mayor rapidez”.

A continuación, se presenta una visión general de las prioridades que deberían encabezar la agenda de los CIO en 2026.

1. Reforzar la resiliencia en ciberseguridad y privacidad de datos

Yogesh Joshi, vicepresidente sénior de plataformas de productos globales en TransUnion, defiende que las empresas integran cada vez más la IA generativa y agéntica en sus flujos de trabajo, abarcando interacciones y transacciones críticas con los clientes.

“Como resultado —continua—, los CIO y CISO deben asumir que los actores maliciosos utilizarán estas mismas tecnologías para interrumpir procesos, comprometer la propiedad intelectual y acceder a datos confidenciales”.

En opinión de este especialista, la resiliencia en ciberseguridad y la privacidad de los datos deben ser prioridades absolutas en 2026. A medida que las organizaciones aceleran su transformación digital y adoptan la IA, el panorama de riesgos se amplía de forma significativa. “Proteger los datos sensibles y garantizar el cumplimiento normativo es innegociable”, subraya.

2. Consolidar las herramientas de seguridad

Arun Perinkolam, líder del sector de plataformas cibernéticas de Deloitte en EE.UU., afirma que los CIO deben priorizar la redefinición de sus bases tecnológicas para aprovechar el potencial de la IA.

Uno de los requisitos clave es consolidar herramientas fragmentadas en plataformas unificadas e integradas, un proceso conocido como “plataformación”.

Este cambio permite pasar de un mosaico de soluciones aisladas a una base ágil y extensible, adecuada para operaciones escalables impulsadas por IA.

Perinkolam señala que “a medida que las amenazas se sofistican y el entorno tecnológico evolucione, integrar la ciberseguridad en plataformas unificadas será esencial”.

3. Garantizar una protección integral de los datos

Parker Pearson, director de estrategia de Donoma Software, considera que las organizaciones se apresuran a adoptar nuevos modelos de IA para mejorar eficiencia e innovación.

Sin embargo, muchas no están aplicando las medidas básicas para proteger sus datos antes de desplegar estas tecnologías.

De ahí que advierta de que “la privacidad de los datos debe considerarse una prioridad urgente en 2026”.

Las preocupaciones sobre cómo se recopilan, utilizan y protegen los datos surgen a lo largo de todo el ciclo de vida de la IA, desde el entrenamiento hasta su uso operativo.

Pearson sostiene que el reto no es si implementar IA, sino cómo extraer valor sin poner en riesgo datos sensibles. Por eso, defiende la necesidad de un cifrado continuo que proteja la información incluso cuando está en uso.

Y añade: “Hasta que no se cierre esta brecha, las organizaciones seguirán expuestas a violaciones que eluden las medidas tradicionales”.

4. Centrarse en la identidad digital y la experiencia del empleado

Michael Wetzel, CIO de Netwrix, considera que una prioridad clave para 2026 será redefinir la identidad corporativa y la experiencia de los empleados.

En su opinión, “la identidad es la base de cómo las personas acceden, colaboran y contribuyen. Cuando se gestiona bien, la seguridad, la productividad y la adopción tecnológica mejoran de forma natural”.

Los empleados esperan experiencias digitales comparables a las de consumo. “Si la tecnología interna es torpe, simplemente no la usarán”, advierte Wetzel, quien subraya el impacto directo en seguridad y velocidad operativa.

5. Gestionar migraciones ERP cada vez más costosas

Las migraciones ERP deben figurar entre las prioridades del CIO en 2026, según afirma Barrett Schiwitz, CIO de Basware.

Por ejemplo, las migraciones a SAP S/4HANA son complejas y frecuentemente superan plazos y presupuestos, con costes que pueden superar los 100 millones de dólares y alcanzar los 500 millones según el tamaño y complejidad.

El problema radica en que los ERP, al intentar abarcarlo todo, no siempre resuelven bien tareas específicas. Schiwitz propone una estrategia de “núcleo limpio”, complementando el ERP con herramientas especializadas que aporten valor añadido.

6. Impulsar innovación y gobernanza del dato

Stephen Franchetti, CIO de Samsara, sostiene que una prioridad crítica para el CIO será diseñar una base tecnológica que haga la innovación escalable, sostenible y segura será una prioridad crítica.

Actualmente trabaja en una arquitectura API-first modular y componible que facilita la adaptación y evita el bloqueo tecnológico.

Además, Franchetti destaca la importancia de una estrategia de datos sólida: calidad, linaje, gobernanza y accesibilidad como pilares para IA, cumplimiento normativo y confianza del cliente.

7. Facilitar la transformación de la plantilla

Para Scott Thompson, socio de la firma de búsqueda de ejecutivos y consultoría de gestión Heidrick & Struggles, los CIO deben situar la transformación de la fuerza laboral entre sus principales prioridades en 2026.

“La mejora de capacidades (upskilling) y el reciclaje profesional (reskilling) de los equipos permitirán desarrollar a la próxima generación de líderes”, sostiene, para añadir: “El líder tecnológico de 2026 debe ser un perfil orientado al producto, capaz de integrar producto, tecnología y negocio como una única realidad”.

Thompson subraya que los CIO no pueden cerrar la brecha de talento únicamente mediante contratación externa, sino que deben construir talento internamente. «La estrategia más eficaz es crear una auténtica fábrica de talento digital, con taxonomías estructuradas de habilidades, itinerarios de aprendizaje basados en roles y rotaciones prácticas por proyectos».

Asimismo, defiende que los CIO deben rediseñar los roles profesionales para un entorno habilitado por la IA y utilizar la automatización para reducir la dependencia de mano de obra altamente especializada. “La creación de equipos de fusión permitirá distribuir el conocimiento escaso por toda la organización, mientras que una movilidad profesional sólida y una cultura de ingeniería moderna mejorarán la retención. En conjunto, estos enfoques permitirán a los CIO desarrollar, escalar y retener el talento que necesitan de forma sostenible”, explica.

8. Mejorar la comunicación del equipo

Para James Stanger, evangelista tecnológico jefe de CompTIA, la principal prioridad de un CIO debe ser desarrollar enfoques sofisticados para la comunicación.

De ahí que explique lo siguiente: “La incertidumbre genera ansiedad en los departamentos tecnológicos, y se manifiesta de forma distinta en cada trabajador”.

Por eso recomienda reforzar la cercanía con los equipos y gestionar esa ansiedad mediante formación más relevante y eficaz.

9. Reforzar agilidad, confianza y escalabilidad

Más allá de la inteligencia artificial, la prioridad de los CIO en 2026 debe ser fortalecer las capacidades que actúan como habilitadores de la agilidad, la confianza y la escalabilidad, afirma Mike Anderson, director digital y de Información de Netskope.

Anderson considera que el modelo operativo de producto será central en este cambio, extendiéndose más allá de los equipos tradicionales de software para abarcar capacidades empresariales fundamentales, como la gestión de identidades y accesos, las plataformas de datos y los servicios de integración.

“Estas capacidades deben dar soporte tanto a identidades humanas como no humanas —empleados, socios, clientes, terceros y agentes de IA— mediante marcos seguros y adaptativos basados en principios de mínimo privilegio y confianza cero”, señala Anderson. En su opinión, los CIO que inviertan ahora en estas capacidades habilitadoras estarán en posición de avanzar con mayor rapidez e innovar con más confianza a lo largo de 2026 y en los años siguientes.

10. Abordar una arquitectura de TI en evolución

En 2026, la arquitectura de TI actual se convertirá en un modelo heredado incapaz de soportar el potencial autónomo de los agentes de IA, predice Emin Gerba, jefe de Arquitectura de Salesforce.

Para escalar de forma eficaz, Gerba sostiene que las organizaciones deberán pivotar hacia un nuevo modelo de empresa agéntica, basado en cuatro nuevas capas arquitectónicas:

· una capa semántica compartida, destinada a unificar el significado de los datos;

· una capa integrada de IA/ML, que concentre la inteligencia de forma centralizada;

· una capa agentica, encargada de gestionar todo el ciclo de vida de una fuerza laboral de agentes escalable;

· y una capa de orquestación empresarial, orientada a gestionar de forma segura flujos de trabajo complejos entre silos organizativos.

·Este cambio arquitectónico será la cuña competitiva definitiva, que separará a las empresas capaces de alcanzar una automatización integral de aquellas cuyos agentes sigan atrapados en silos de aplicaciones”, concluye Gerba.

La escasez de trabajadores disponible, la alta rotación y la poca digitalización de los puestos de trabajo son, según Luis Zamora, director de personas (CHRO) de Grupo Iberostar, una de las grandes multinacionales españolas del sector turismo y especialmente fuerte en el negocio hotelero, los tres grandes desafíos que afronta este vertical en la actualidad desde el prisma laboral. Así lo indicó el directivo en un encuentro con prensa organizado por Workday, compañía con la que el grupo turístico selló un contrato en 2025 para implantar su tecnología de gestión de recursos humanos, en aras de unificar sus procesos de contratación, desarrollo de talento y administración de nóminas y beneficios laborales.

“En este momento —contó Zamora— nos hallamos en pleno proceso de implementación de Workday, que esperamos que esté a pleno uso el próximo mes de septiembre. Esto nos permitirá ofrecer formación a la carta a nuestros empleados, facilitarles realizar cambios de turno sin que esto impacte en el negocio y en función de la ocupación del hotel donde trabajen y mejorar así su experiencia y la de sus managers, facilitar el cumplimiento de la regulación, etc.”. El proyecto, añadió el responsable, implica un “gran cambio cultural”, pues “se trata de que el área de personas deje de realizar una gestión administrativa y de nómina a abordar una gestión del capital humano”.

La compañía, relató, confía en las posibilidades que trae consigo el software de la firma estadounidense, que se apalanca en la analítica de datos y la más reciente aplicación de agentes de inteligencia artificial, una tecnología que el directivo de Iberostar ve con buenos ojos incluso de cara a la captación de empleados. “Ya hemos realizado pilotos con IA que nos permiten realizar entrevistas de filtro con personas; esta tendencia, la de hablar con máquinas, que la gente más joven ya ha normalizado, entrará en los procesos de selección”, afirmó Zamora, convencido de que “la IA ayudará a quitar tareas administrativas a los gestores de forma que estos, en lugar de dedicar tanto tiempo a hacer informes, puedan centrarse en lo importante: en las personas y en sus equipos”.

“La IA entrará en los procesos de selección […] pero la máquina nunca va a tener la última decisión”

Con la IA, recalcó, “la mejora de la experiencia del empleado será importante”. Agregó que la naturalidad que traerá consigo a las conversaciones con las máquinas el uso de la IA generativa por voz será un factor determinante para ello; no obstante, subrayó, “hay que actuar con prudencia y tener en cuenta que en un proceso de selección de personal la máquina nunca va a tener la última decisión”. “En un sector donde la experiencia del cliente depende directamente de las personas, la IA no debe sustituir el criterio humano, sino potenciarlo”, recalcó.

La implantación de la tecnología de gestión de personal de Workday forma parte de una estrategia tecnológica a mayor escala que implica también el uso de soluciones de otras herramientas de gestión con las que estará integrada la primera, como una solución de planificación financiera de SAP u otra de Microsoft (Fabric) para hacer análisis avanzado de datos corporativos.

Adopción de la IA en la parte operacional de Iberostar

Zamora desgranó también otros proyectos del grupo en los que la inteligencia artificial tiene un rol relevante desde el punto de vista de la operación. Uno es el sistema Winnow, “basado en el machine learning de toda la vida” que ha implantado ya en decenas de sus hoteles y gracias al que ha conseguido ahorrar en estos establecimientos millones de comidas al año. “Nos preocupa el desperdicio alimentario”, apuntó el directivo. Este proyecto forma parte de su movimiento de sostenibilidad Wave of Change, que nació en 2022 con el objetivo de ahorrar 1.600 toneladas de residuos alimentarios al año, es decir, unos 5,3 millones de comidas.

El otro proyecto mencionado por Zamora fue BRAIAN, una inteligencia artificial diseñada para optimizar el consumo energético en los hoteles sin impactar en los huéspedes. La solución, desarrollada con la compañía Sener y que también forma parte del movimiento Wave of Change, tiene como objetivo reducir en un 35% el consumo energético y en un 85% las emisiones de alcance 1 y 2 para 2030.

Ya desde un punto de vista más general de transformación digital, Iberostar, bajo su proyecto Hotel Digital, utiliza la inteligencia artificial para mejorar la experiencia del cliente.

No es nada raro que los profesionales de TI se sientan en los grupos empresariales como poco más que “tomadores de pedidos”: se les indica qué sistemas implementar o solucionar, en lugar de preguntar cómo la tecnología puede resolver problemas empresariales más importantes.

No obstante, dar el salto de técnico de soporte a asesor estratégico lleva su tiempo. Quienes lo hacen bien no se centran sólo en solucionar problemas, sino que aprenden el negocio, hablan en un lenguaje sencillo, se enfocan en resultados en lugar de tareas, y miran hacia el futuro para prevenir problemas en lugar de reaccionar únicamente ante ellos.

Poro, a continuación detallamos siete pasos para pasar de ser personal de soporte reactivo a asesor de confianza.

1. Deje de esperar a que le digan qué hacer

Eric Johnson, director de informática de PagerDuty, proveedor de software de gestión de operaciones digitales, considera que el mayor obstáculo que frena a los profesionales de TI es la mentalidad pasiva. Quedarse sentado esperando instrucciones impide que los equipos de TI alcancen el nivel de asociación estratégica que desean.

De ahí que señales que “muchas organizaciones de TI caen en esa trampa. Es como decir: ‘Bueno, no podemos hacer nada a menos que nos digan qué hacer’. Y yo les pregunto: ‘¿Han propuesto algo? ¿Han dado ideas sobre lo que se podría hacer?’. Y muchas veces la respuesta es no. Nunca se alcanzará el nivel deseado si no se aporta algo”.

Mientras, Bill Young, director de tecnología y socio operativo de la empresa de selección de personal de TI RightClick, prefiere ser más directo: los profesionales de TI deben pasar de pensar “mi trabajo es arreglar cosas” a “mi trabajo es mejorar el negocio”.

Por su parte, Dana Stocking, directora de TI de la startup de selección de personal de IA Mercor, destaca que uno de los mayores errores que cometen los responsables de TI es tratar las solicitudes de la empresa como casillas a marcar en lugar de oportunidades para identificar causas fundamentales.

Y dice: “Cuando alguien solicita acceso a un software o quiere comprar una nueva herramienta, no se limite a satisfacer la solicitud. Indague en el “porqué”. ¿Qué problema subyacente intentan resolver? A menudo descubrirá que la solución propuesta no es la más adecuada y, al comprender la causa raíz, podrá resolver problemas organizativos más amplios”.

Noe Ramos, vicepresidenta de operaciones de IA de Agiloft, destaca que los buenos líderes de TI ven su trabajo como parte de un ecosistema más amplio, que funciona mejor cuando las personas son abiertas, comparten información y colaboran.

De ahí que afirme: “Pasar de “mi sistema” a “nuestro resultado” es un cambio sutil, pero transformador”.

2. Comprender el negocio, no sólo los problemas

Para Johson, los profesionales de TI deben mostrarse como socios comprendiendo realmente lo que ocurre en el negocio, en lugar de esperar a que las partes interesadas acudan a ellos con problemas que resolver.

Por eso considera que “cuando interactúas con tus socios comerciales, aportas ideas y soluciones proactivas. No esperas a que te expongan sus problemas y los pongan en tu lista de tareas pendientes; de lo contrario, te conviertes en nada más que una organización que se limita a tomar nota”.

¿Cómo desarrollar esa comprensión? Muy sencillo: asistiendo a reuniones de negocio, haciendo preguntas y escuchando.

Por eso Joe Locandro, vicepresidente ejecutivo y director de informática global de Rimini Street, anima a su equipo a asistir regularmente a reuniones departamentales.

“Para adquirir ese lenguaje empresarial hay que asistir a reuniones de ejecutivos y ser invitado, ya sea una vez al mes o al trimestre. Eso permite comprender la jerga empresarial y lo que realmente importa”.

Adrienne DeTray, vicepresidenta sénior y directora de informática de Universal Technical Institute, coincide en el argumento: “Acérquese al negocio, tanto física como estratégicamente. Asista a revisiones de la cadena de valor, comprenda la estrategia y los objetivos, participe en reuniones operativas fuera del ámbito técnico. No se pueden alinear los objetivos si no se comprende de dónde viene el negocio y hacia dónde se dirige”.

Para profesionales que dan soporte a departamentos específicos, esto significa pasar tiempo con esos equipos a diario. Por ejemplo, si da soporte a ventas, comprenda cómo funciona el proceso, los puntos débiles a los que se enfrentan los vendedores y cómo miden su éxito trimestral.

3. Liderar con el objetivo, no con la solicitud

En lugar de mantener una mentalidad de “tomar pedidos”, los profesionales de TI deben hacer preguntas profundas sobre lo que necesitan sus socios y qué impulsa esa necesidad, lo que fomenta la resolución de problemas y el enfoque en resultados en lugar de limitarse a implementar soluciones, afirma DeTray.

El equipo de Johnson sigue un enfoque estructurado. Cada mes realizan reuniones de alineación de cartera, donde discuten iniciativas clave con los socios comerciales. “De hecho, hacemos esas preguntas del estilo cuál es el estado objetivo (es decir, el resultado deseado). Y si conocemos ese estado objetivo, podemos mantener conversaciones con ellos sobre lo que se puede hacer de forma proactiva para ayudarles a alcanzarlo”, explica.

Para un equipo financiero que quiere cerrar los libros más rápido, esto podría significar explorar oportunidades de automatización. Para equipos de ventas que luchan con trabajo administrativo, podría implicar crear herramientas que eliminen la introducción repetitiva de datos.

La clave es comprender los objetivos empresariales antes de proponer soluciones técnicas. ¿Cómo se define el éxito para este equipo este trimestre? ¿Cómo miden el progreso? ¿Qué obstáculos se interponen en su camino?

El equipo de datos de Johnson lo ha demostrado al pasar de un enfoque reactivo a proactivo. Al mantener distintas conversaciones con la empresa sobre sus objetivos, el equipo comenzó a sugerir programas para atraer nuevos clientes, identificar oportunidades de expansión y crear copilotos de IA que redujeran el trabajo administrativo del equipo de ventas.

4. Centrarse en los resultados, no en las tareas

Uno de los cambios más efectivos que pueden hacer los profesionales de TI para pasar de “tomadores de pedidos” a asesores estratégicos es modificar la forma en que comunican su trabajo. En lugar de describir lo que hicieron, deben describir lo que ese trabajo permitió lograr.

Locandro, de Rimini Street, observa de manera repetida el antiguo estilo de comunicación basado en tareas en su organización. “Muchos de los informes que se enviaban a la empresa se centraban en actividades: lo ocupados que estaban todos, o “hemos actualizado esto”, o “hemos entregado aquello”… Nadie informaba: “Este es el valor que se ha generado como resultado de esta tarea. Este es el resultado que se ha entregado o se ha podido lograr gracias a esta tarea”.

¿La solución? Pasar de informes basados en actividades a informes basados en valor y resultados. Eliminar jerga técnica y siglas.

“Uno de los cambios más eficaces es pasar de describir la actividad a describir el impacto. Por ejemplo, en lugar de decir “hemos automatizado este proceso”, diga “hemos liberado 200 horas al mes para que el equipo de ventas se concentre en trabajo que genera ingresos”. Este cambio de enfoque, de los insumos a los resultados, replantea el papel de TI como facilitador de la estrategia vinculada a los objetivos empresariales”, afirma Ramos, de Agiloft.

A los líderes de la empresa no les preocupan los detalles técnicos, afirma Christopher Daden, director tecnológico de Criteria Corp. Quieren comprender el propósito del trabajo y el impacto que tendrá.

“Los profesionales de TI deben enmarcar cada iniciativa en términos del problema empresarial que resuelve, el riesgo que reduce o la oportunidad que abre”, añade. “Un lenguaje enfocado en resultados, como cómo una solución mejora la experiencia del cliente, acelera los ingresos o refuerza la escalabilidad, ofrece a los ejecutivos una visión clara del valor”.

5. Busque pequeñas victorias que se sumen

Los profesionales de TI no siempre necesitan grandes proyectos de transformación para marcar una diferencia real. A veces, la decisión más inteligente es centrarse en unas pocas victorias rápidas que ofrezcan resultados inmediatos.

“Las pequeñas cosas pueden sumar una gran cosa. Si identificas cosas pequeñas, victorias rápidas que puedan beneficiar a la organización con la que colaboran, a veces se trata de un proceso que podría automatizarse. Si haces esto para varios pasos de un proceso, de repente habrás automatizado una buena parte del mismo”.

Johnson advierte contra la búsqueda constante de grandes logros. En su opinión, “son más difíciles de encontrar y más difíciles de ejecutar. En un plazo de 30 a 60 días, los profesionales de TI pueden comprender las métricas y los estados objetivo, y luego buscar oportunidades para ayudar, aunque empiecen con cosas pequeñas”.

Ese mismo enfoque de pequeñas victorias también se aplica cuando los equipos de TI miran más allá de los procesos y centran su atención en las herramientas y licencias cotidianas de las que dependen los empleados.

Meg Donovan, directora de personal de Nexthink, empresa que desarrolla software de gestión de la experiencia digital del empleado, explica cómo su equipo de TI proporciona datos sobre el uso real de las herramientas de software en la empresa —y cuáles no se utilizan.

“Creemos que necesitamos esta herramienta. Pero, ¿realmente la necesitamos? ¿Y necesitamos 2.500 licencias? Porque puede mostrarme que sólo están utilizando 10”, admite.

6. Medir el impacto, no sólo la finalización

Demasiados profesionales de TI implementan un proyecto y siguen adelante sin comprobar si realmente ha funcionado. Los profesionales de TI estratégicos se aseguran de hacer un seguimiento completo.

Después de implementar una solución, los equipos de TI deben medir la diferencia entre el estado “antes” y “después” para determinar el impacto real, afirma Johnson. “Veo que muchas empresas no hacen todo lo que deberían en este sentido. Son muy rápidas a la hora de identificar el problema y poner en marcha la solución, pero no dan el paso final, que probablemente es el más importante: ¿ha tenido el impacto que esperaban y están [realmente] midiendo eso?”, añade.

Cuando el impacto no alcanza lo esperado, los profesionales de TI estratégicos no se dan por vencidos. Investigan por qué no se han materializado los resultados esperados y realizan correcciones. A veces, esto significa refinar la solución. Otras veces, significa encontrar un enfoque completamente distinto.

7. Utilizar la IA para liberar capacidad estratégica

La IA no es la estrella del cambio estratégico de TI, pero sin duda puede impulsar el trabajo. El valor real proviene del uso de la IA para manejar tareas repetitivas, de modo que los profesionales de TI tengan más tiempo para abordar problemas de mayor valor.

Según Johnson, muchas áreas de TI están implementando soluciones basadas en agentes para gestionar el soporte de nivel uno, lo que libera tiempo del personal para proyectos que la empresa consideraría de mayor impacto que responder tickets de soporte.

El equipo de Daden en Criteria ha logrado resultados sorprendentes: “Más del 80% de nuestro código de producción ahora es creado por sistemas de IA, lo que ha aumentado la productividad de ingeniería en al menos un 30%. “Al rediseñar los flujos de trabajo e integrar la automatización inteligente, el equipo logró una desviación de tickets superior al 94%, manteniendo e incluso mejorando la satisfacción de los candidatos”.

Los tiempos de respuesta y resolución han mejorado, y el propio trabajo evolucionado, con varios miembros del equipo pasando a desempeñar roles de mayor valor en otras partes de la empresa.

“Los que se quedaron pasaron del soporte transaccional a crear activos de alto rendimiento que hacen que nuestros modelos de IA sean más precisos y más sensibles al contexto”, dice Daden, para añadir: “Pasaron de responder tickets a mejorar la inteligencia del propio sistema, lo que supone una contribución fundamentalmente más estratégica”.

Young, de RightClick, señala un ejemplo de cómo las herramientas de toma de notas con IA pueden facilitar el trabajo del equipo de TI y hacerlo más estratégico. Estas herramientas liberan a los profesionales de TI de la distracción de capturar cada detalle durante las reuniones. En lugar de detenerse a escribir, pueden mantenerse concentrados en la conversación y en las decisiones que se toman. Esto significa que dedican menos tiempo al trabajo administrativo y más tiempo a pensar, resolver problemas y planificar los siguientes pasos, el tipo de trabajo que realmente impulsa el negocio.

“No hay nada peor que estar concentrado y tener que interrumpir ese flujo para tomar notas sobre lo que se está diciendo”, afirma, para concluir: “Estas herramientas de toma de notas con IA permiten que las reuniones fluyan a un ritmo normal y pueden proporcionar al equipo un resumen de acciones y puntos de debate. Son muy valiosas”.

“Acelerar la adopción de la inteligencia artificial (IA) responsable en Allianz” es el objetivo que ha comunicado la firma aseguradora con la contratación de Anthropic como suministrador global de tecnología de inteligencia artificial para el grupo. Una colaboración, reza un comunicado de la multinacional, que se centrará en tres proyectos “diseñados para empoderar a los empleados de Allianz y acelerar las operaciones, al tiempo que se establecen nuevos puntos de referencia en materia de precisión”.

“Con esta alianza, Allianz da un paso decisivo para abordar los retos críticos de la IA en el sector de los seguros. El enfoque de Anthropic en la seguridad y la transparencia complementa nuestra firme dedicación a la excelencia en el servicio al cliente y la confianza de las partes interesadas. Juntos, estamos creando soluciones que dan prioridad a lo que más importa a nuestros clientes, al tiempo que establecemos nuevos estándares de innovación y resiliencia”, indica en el escrito Oliver Bäte, consejero delegado de Allianz SE.

Objetivo: “Innovación responsable en IA”

La asociación entre ambas empresas, cuentan desde Allianz, se centrará en tres áreas clave de colaboración, con proyectos iniciales ya en marcha. La primera es “empoderar a las personas y reinventar el código con IA”. En este sentido, desde la aseguradora cuentan que los modelos Claude de Anthropic pasarán a formar parte de la plataforma interna de IA de Allianz, que es de uso gratuito para todos los empleados de la empresa. “Claude Code ya está redefiniendo el desarrollo de software para miles de desarrolladores de Allianz en todo el mundo. Los protocolos de contexto de modelos (MCP) ayudarán a los empleados a conectar e integrar de forma segura diversas fuentes de datos en diferentes aplicaciones o servicios”, explican.

La segunda área clave es la automatización de IA agentiva para mejorar la rapidez y la excelencia en el servicio al cliente. En esta línea, ambas empresas están desarrollando agentes de IA personalizados que pueden coordinar flujos de trabajo de varios pasos y automatizar procesos laboriosos a gran escala, desde la documentación de admisión hasta la tramitación de reclamaciones en áreas como los seguros de automóviles y de salud. “El resultado: menos pasos manuales, pagos iniciales más rápidos y una mejor experiencia para los reclamantes cuando más importa”, dicen. Eso sí, añaden que en los casos delicados o muy complejos los empleados de Allianz se harán cargo y se asegurarán de que las reclamaciones se tramiten con empatía.

El último punto de la colaboración es el impulso de la transparencia y el cumplimiento normativo con la IA. “La asociación está desarrollando conjuntamente sistemas de IA que, entre otras cosas, registran cada decisión, justificación y fuente de datos para abordar los riesgos específicos de los seguros y los requisitos normativos, garantizando que todas las acciones impulsadas por la IA sean totalmente trazables y cumplan con la normativa”, expone el comunicado.

La multinacional alemana de servicios financieros, especializada principalmente en seguros y gestión de activos y que opera en más de 70 países y cuenta con más de 128 millones de clientes a nivel global, es el último cliente conseguido por Anthropic, tecnológica participada por Google, Microsoft y Nvidia, y que ha firmado recientemente alianzas con farmacéuticas como AstraZeneca, Sanofi, Genmab, Banner Health, Flatiron Health y Veeva, así como otras empresas como Accenture. Netflix, Spotify, KPMG, L’Oreal, Salesforce y Cognizant son otros clientes de la firma.

La mayoría de los CIO han comprendido que su función principal consiste en aportar valor al negocio. Luego ya, en un segundo plano, garantizar el tiempo de actividad del sistema y otras métricas operativas. Cada dos años surgen nuevas oportunidades de transformación, y la cuestión clave es si TI está generando valor de forma constante.

El objetivo de las prácticas ágiles, DevOps e ITSM es mejorar las capacidades de entrega y de servicio. Cada implementación exitosa eleva el listón de las expectativas de las partes interesadas. Sin embargo, ya se sabe que no es nada sencillo ofrecer valor de manera sostenida. Entre los problemas más habituales se encuentran la gestión de la rotación de empleados, el trato con socios tecnológicos que no cumplen las expectativas, el equilibrio entre prioridades de seguridad y la gestión de la deuda técnica.

En la actualidad, estas figuras están bajo una creciente presión para generar valor empresarial a partir de la IA generativa. Los altos directivos quieren algo más que experimentos: esperan un retorno de la inversión a corto plazo y un valor estratégico a largo plazo de las iniciativas en inteligencia artificial.

Recientemente he escrito sobre la necesidad de replantear la organización de TI en la era de la IA generativa y sobre cómo es una informática de primera clase. Sin embargo, los CIO también deben estar atentos a las prácticas y comportamientos que destruyen el valor de la TI para la empresa. Los expertos han identificado siete de ellos.

1. Apuntar a implementaciones radicales

El entusiasmo por la IA ha disparado las expectativas de los ejecutivos en torno a la entrega de capacidades de IA generativa. He escuchado a directivos hablar de operaciones autónomas, capacidades avanzadas de IA agéntica y experiencias de cliente altamente personalizadas y habilitadas por IA.

Los departamentos de TI con bajo rendimiento se pueden ver atrapados por las exigencias de las partes interesadas. En cambio, los orientados a producto evitan comprometerse con implementaciones radicales y cuentan con la disciplina necesaria para experimentar, priorizar productos mínimamente viables (MVP) y adoptar una entrega ágil de capacidades que mejoran de forma incremental.

Raj Balasundaram, vicepresidente global de Innovaciones de IA para Clientes de Verint, lo tiene claro: “A la hora de planificar y ejecutar iniciativas de transformación digital, las marcas deben empezar poco a poco y escalar sin fricciones. El objetivo principal debe ser obtener resultados medibles rápidamente, en lugar de esperar a que concluya un proyecto de varios años”.

Recomendación: para los departamentos de TI resultará más fácil colaborar con las partes interesadas en la entrega ágil si las invitan a las revisiones de sprint y programan sesiones frecuentes de brainstorming.

2. Defender los POC de IA sin un plan de implementación

Las empresas líderes en SaaS y seguridad están lanzando agentes de IA para mejorar los flujos de trabajo. Los CIO necesitan experimentar para comprender qué capacidades aportan valor, dónde es necesario mejorar la calidad de los datos y cómo escalar las implantaciones.

Sin embargo, muchos departamentos de TI no trabajan directamente con los usuarios finales durante estos experimentos. Otros no comunican con suficiente claridad un plan ágil que detalle qué se requiere para una implantación completa. El resultado suele ser una brecha entre expectativas o una proliferación de pruebas de concepto (POC) que nunca llegan a producción.

Por lo que, como explica Stéphan Donzé, fundador y CEO de AODocs, “con demasiada frecuencia, los equipos lanzan un piloto llamativo en pocas semanas y, sin querer, enseñan a la empresa que la IA es sencilla e inmediata. Luego todo se ralentiza al enfrentarse a la realidad: sin canales de datos regulados, sin un plan para mantener el conocimiento actualizado, sin controles para evitar fugas de información sensible y sin una estrategia para gestionar los costes del modelo”.

Los proyectos piloto necesitan objetivos claros, y los equipos deben decidir cuándo pivotar o poner fin a los experimentos que no funcionan. Cuando se alcanza un hito con éxito, TI debe contar con un enfoque definido para escalar los pilotos a más datos, usuarios y casos de uso.

Kurt Muehmel, director de Estrategia de IA en Dataiku, añade que es un error considerar un piloto exitoso como prueba de que los agentes funcionarán en producción. “Los pilotos suelen tener éxito porque operan sin restricciones reales, como conjuntos de datos reducidos, usuarios indulgentes y supervisión humana cuando algo falla”.

Recomendación: el departamento de TI debe participar en la redacción de una declaración de visión que defina los criterios de éxito de cualquier POC y, posteriormente, aplicar principios ágiles para gestionar tanto el POC como las distintas fases piloto. Estas disciplinas garantizan la implicación de las partes interesadas y transmiten que la experimentación es solo uno de los hitos del proceso de implementación.

3. Centrarse en la implementación y no en la adopción

Se necesita lograr la aceptación de implementaciones iterativas para ofrecer valor empresarial constante, aunque no es suficiente. No son pocos los equipos de DevOps y ciencia de datos que consideran que han hecho un “buen trabajo” cuando las implementaciones se completan según lo previsto y dentro del alcance definido. Este modo de proceder supone ignorar las responsabilidades de la gestión del cambio en TI, especialmente cuando las capacidades de la IA pueden transformar de forma radical el funcionamiento de los departamentos.

Nik Froehlich, fundador y CEO de Saritasa, señala que “los equipos de TI están altamente cualificados, pero a menudo no son los usuarios finales de los productos que desarrollan y rara vez reciben suficiente feedback de quienes sí lo son. El resultado puede ser soluciones perfectamente funcionales que nadie utiliza. La solución es sencilla: involucrar a los usuarios finales desde el principio y de forma continua, escuchar sus comentarios en cada etapa y crear soluciones que realmente funcionen para quienes las usan”.

Recomendación: una de las razones por las que los CIO deben revisar sus prácticas ágiles en la era de la IA es redefinir el concepto de “terminado”, de modo que los equipos incluyan la adopción y la gestión del cambio como criterios de aceptación a nivel de funcionalidad.

4. Prescribir el futuro del trabajo

Los consejos de administración esperan que los CIO comuniquen un modelo de gobernanza estratégica de la IA que incluya un marco claro sobre cómo deben experimentar los empleados con estas capacidades. La gobernanza debe definir qué herramientas de IA pueden utilizarse, a qué datos se puede acceder y dónde deben compartirse los éxitos, aprendizajes y fracasos de los experimentos.

Los CIO deben asignar arquitectos, responsables de relaciones con el negocio y analistas para apoyar estos experimentos. Sin embargo, cruzar la línea y prescribir los flujos de trabajo departamentales puede traer consigo la destrucción de valor, ya que TI rara vez domina los objetivos operativos y las excepciones de cada proceso.

Brian Madden, vicepresidente y CTO de Citrix, reconoce que “el cambio real hoy es ascendente, impulsado por cómo trabajan realmente las personas, y no por cómo la organización prescribe que deberían trabajar. El modelo de hoja de ruta descendente y plurianual se hizo añicos cuando los empleados empezaron a adoptar herramientas de IA por su cuenta, pero la mayoría de las empresas sigue sin ofrecer una vía segura y regulada para utilizar IA de terceros”.

En caso de no existir una alternativa autorizada, las personas utilizan estas herramientas igualmente, y la adopción no gestionada de la IA incrementa el riesgo sin generar valor estratégico.

Recomendación: los CIO deben comunicar una estrategia descendente, pero también reconocer que muchas transformaciones digitales fracasan porque TI no asume que las operaciones en evolución requieren participación ascendente. Los departamentos de TI deben asignar expertos en procesos formados en Six Sigma para colaborar en los experimentos y guiar la transformación de los flujos de trabajo mediante la colaboración entre agentes de IA y personas.

5. Acelerar la deuda técnica al implementar IA

La proliferación de soluciones SaaS es un problema habitual para muchos departamentos de TI, especialmente cuando está impulsada por responsables de área que seleccionan sus propias herramientas y fomentan prácticas de TI en la sombra. Aunque las organizaciones deben experimentar con IA, la implementación de agentes no autorizados supone un riesgo claro para la seguridad y el cumplimiento normativo.

Weldon Dodd, ingeniero distinguido de Iru, advierte: “Hoy en día, las empresas están adquiriendo múltiples herramientas de IA para resolver problemas concretos. Esta proliferación obligará a los equipos de TI a gestionar un número excesivo de proveedores en los próximos años”.

Los arquitectos de TI deben comunicar estándares y promover el uso de plataformas escalables como estrategias clave. Aunque siempre habrá presión para imponer tecnologías específicas, toca a TI explicar ventajas, inconvenientes, costes de soporte y riesgos asociados a la acumulación de deuda técnica.

En opinión de Yakir Golan, CEO de Kovrr, “el impacto potencial de TI se reduce cuando las iniciativas de IA y datos se desarrollan en el vacío, sin visibilidad de los activos ni una visión compartida de cómo sistemas como la IA generativa crean valor e introducen riesgos. Una gobernanza eficaz depende de comprender las herramientas existentes, los datos con los que interactúan y las implicaciones de su posible fallo”.

Recomendación: aunque las áreas de negocio suelen intentar prescribir soluciones, es responsabilidad de TI formular las preguntas adecuadas y descubrir las necesidades reales. Los CIO deben ayudar a sus equipos a desarrollar visión empresarial, valentía y paciencia para colaborar con las partes interesadas en la consecución de objetivos, en lugar de aceptar demandas tecnológicas como órdenes inapelables.

6. Aceptar proyectos puntuales sin soporte continuo

Cuando los equipos ágiles logran llevar la IA desde la idea hasta la prueba de concepto, la producción y la adopción por parte de los usuarios, no están haciendo más que comenzar a generar valor. Las siguientes fases requieren recopilar feedback, medir resultados y realizar mejoras iterativas alineadas con los criterios de éxito.

Si los equipos quieren iterar y las partes interesadas esperan mejoras constantes, ¿por qué tantas organizaciones siguen cargando con aplicaciones heredadas, deuda técnica y usuarios frustrados que reclaman modernización?

“Muchos equipos de TI no planifican más allá de la implementación inicial y no financian la optimización continua, que incluye pruebas constantes, adopción por parte de los usuarios, gobernanza de datos y mejoras iterativas”, sostiene Pankaj Goel, CEO y cofundador de Opkey, quien añade: “Las transformaciones más sólidas se producen cuando TI pasa de ‘implementar tecnología’ a crear una transformación dinámica que evoluciona con el negocio”.

Recomendación: una responsabilidad clave de la PMO ágil es garantizar la gobernanza financiera junto con los líderes de negocio y el director financiero. Las iniciativas que alcanzan implementaciones exitosas requieren financiación continua para actualizaciones y gestión del ciclo de vida.

7. Invertir poco tiempo en el aprendizaje

Muchos CIO disponen de presupuestos para formación, conferencias y desarrollo del liderazgo. Sin embargo, no basta con suscribirse a programas de aprendizaje, ya que muchos profesionales de TI están sometidos a una fuerte presión y carecen de tiempo para formarse. Además, el desarrollo real de competencias exige experimentación, experiencia práctica y la enseñanza de nuevas habilidades.

Michael Pytel, tecnólogo sénior de VASS, admite que “los equipos de alto rendimiento integran el aprendizaje en sus planes a largo plazo, de modo que el crecimiento de habilidades y la innovación avanzan al mismo tiempo”, por lo que recomienda a los CIO animar “a su equipo a dedicar una hora semanal al aprendizaje, ofrezca reembolsos por tasas de certificación e incentive sesiones de lunch & learn para compartir conocimientos”.

Recomendación: los CIO deben reflexionar tanto sobre cómo la TI puede destruir valor empresarial como de qué manera el liderazgo puede erosionar la cultura tecnológica. No se puede exigir a TI que opere indefinidamente al 130% de su capacidad: es imprescindible crear espacios y periodos de aprendizaje que permitan la evolución de los procesos.

Los CIO que lean este artículo deben reconocer que muchos de los problemas identificados se reducen a la falta de una gobernanza sólida y de un modelo operativo flexible. Además, deben formar a sus líderes para colaborar eficazmente con las partes interesadas, aportando valor empresarial mientras se respetan principios no negociables de gobernanza, operación y corresponsabilidad.

Se decía que 2025 sería el año de los agentes de IA, pero la realidad empresarial es diferente. Las empresas siguen implementando su ChatGPT interno, conectándolo a sus documentos y apenas están comenzando a experimentar con la tecnología de agentes. En 2026, está claro que la adopción de agentes de IA y la experimentación seguirán aumentando, con una creciente madurez en los casos de uso y ganancias significativas en eficiencia.

Hay dos tendencias claras para 2026. La primera está impulsada por el talento. La fuerte demanda de nuevos perfiles, como ingenieros de IA y gestores de proyectos de IA, continuará y más empresas innovarán en la forma en que se organizan y operan los equipos técnicos y de producto. La segunda está muy subestimada por las empresas. Las amenazas a la seguridad seguirán aumentando más rápidamente que las inversiones en este ámbito. No sería de extrañar que se produjeran interrupciones importantes.

Las empresas se están centrando cada vez más en los agentes de IA. Están experimentando con la transición de los modelos de generación aumentada por recuperación (RAG) y la simple automatización de flujos de trabajo a sistemas verdaderamente agentivos capaces de realizar operaciones complejas de múltiples pasos. Este cambio está impulsando una importante demanda de talento. El mercado necesita ingenieros que puedan abordar los retos de ingeniería fundamentales necesarios para que estos agentes estén listos para la producción. El reto actual no es la capacidad de los grandes modelos de lenguaje en sí mismos, sino lograr una verdadera madurez arquitectónica y un impacto empresarial. Para implementar los agentes de forma responsable, debemos resolver difíciles obstáculos de ingeniería, como la gestión del estado (dotar a los agentes de una memoria fiable y a largo plazo), garantizar la responsabilidad (registros auditables de cada decisión que toma un sistema autónomo) y gestionar la seguridad no determinista (gestionar el riesgo cuando el resultado de un sistema es intrínsecamente variable). Las empresas aseguren una ventaja competitiva en 2026 serán aquellas que dominen la puesta en marcha de estos nuevos sistemas complejos, pero potentes.

Este cambio tecnológico está obligando a una innovación profunda y necesaria en la forma en que se organizan y operan los equipos técnicos y de productos. La fuerte demanda de talento en IA significa que la antigua estructura, caracterizada por equipos aislados de ciencia de datos, ingeniería e infraestructura, se está volviendo obsoleta. Las empresas buscan agresivamente al ingeniero de software de IA, un perfil versátil que une a la perfección el desarrollo de productos, la ingeniería de datos y la gestión de la infraestructura central. La transición nos está llevando hacia equipos más pequeños, con gran capacidad de acción y ciclo completo, que se encargan de todo el proceso, desde la fuente de datos hasta la implementación de la producción, lo que hace que la antigua descripción del puesto ‘solo backend‘ quede obsoleta. Esta evolución organizativa es fundamental para la velocidad. Vemos cómo los líderes tecnológicos se encaminan hacia una jerarquía más plana y una necesaria integración de la experiencia en datos e IA desde el principio, lo que facilita la rápida iteración y la comunicación interfuncional que exige el acelerado ciclo de vida de los productos de IA. Funciones como las de gestor de proyectos de IA y especialista en operaciones de IA (AIOps) se convertirán en habituales, lo que refleja el nuevo enfoque en la gestión de procesos y flujos de trabajo específicos de la IA.

Sin embargo, este cambio organizativo sistémico se está produciendo en un contexto de escalada de las amenazas cibernéticas externas. El riesgo más urgente en 2026 es la capacidad abrumadora que la IA otorga a los atacantes. Esta dinámica se ve confirmada por el Top 10 de OWASP para aplicaciones LLM (2025), que clasifica la inyección de comandos como el riesgo crítico número uno para los sistemas basados en LLM. La capacidad de escalado de la IA significa que los delincuentes pueden generar correos electrónicos de phishing hiperpersonalizados, sortear las barreras lingüísticas y producir códigos maliciosos complejos con una eficiencia y velocidad sin precedentes.

Es fundamental señalar que la proliferación de herramientas de IA dentro de la empresa introduce vectores de amenaza completamente nuevos e insidiosos, incluso si la adopción interna es cautelosa. Ya hemos visto las graves consecuencias de este cambio: Anthropic detectó y frustró recientemente un ciberataque a gran escala en el que un agente de IA malicioso gestionó de forma autónoma hasta el 90% de las operaciones tácticas, lo que confirma que la IA está realizando ahora el trabajo de equipos enteros de hackers humanos a la velocidad de una máquina. Del mismo modo, el uso de asistentes de IA empresariales crea vulnerabilidades a la inyección de comandos sin clic, en la que los atacantes incrustan instrucciones maliciosas ocultas en datos no fiables, una página web, un documento o un correo electrónico. Estas instrucciones pueden ser ingeridas inadvertidamente por el agente de IA de un empleado y ejecutadas de forma autónoma, lo que puede tener graves consecuencias, como la reciente demostración del ‘Zero-Click Agentic Wiper’, que podía activarse para borrar todo el contenido del almacenamiento en la nube del usuario sin ninguna confirmación. Este único ejemplo pone de relieve el riesgo de conceder demasiada autonomía a las herramientas expuestas a cualquier nivel de datos externos.

El año 2026 será decisivo para la IA en el entorno empresarial. La urgencia no reside sólo en acelerar la implementación de agentes de IA, sino en reconocer y contrarrestar la enorme amenaza externa que se ha subestimado. Las empresas que logren alinear eficazmente la innovación en IA con la agilidad organizativa y la inversión proactiva en seguridad serán las que lideren la transformación en este nuevo panorama tecnológico.

>

La inteligencia artificial ha dejado de ser un interlocutor único que responde a una orden y se marcha. La nueva etapa, ya visible en las implementaciones empresariales, se apoya en equipos digitales de agentes especializados que colaboran entre sí para entender el contexto, utilizar herramientas, ejecutar código y validar su propio trabajo antes de mostrar un resultado. No hablamos de una moda pasajera, sino de la maduración de una corriente con raíces en los años noventa y que hoy, gracias a los modelos de lenguaje, resulta por fin útil a gran escala.

La inteligencia artificial deja de ser un monólogo

La diferencia decisiva no está tanto en la interfaz como en la arquitectura. Un modelo generativo es pasivo: predice la siguiente palabra. Un agente es activo: decide qué herramientas usar, cómo actuar y cuándo solicitar supervisión humana. En la práctica, el comportamiento del agente se gobierna en la capa de código del cliente —la parte que realmente controlamos— mientras que el modelo aporta comprensión del lenguaje y generalización. Esa separación, modelo más código y herramientas, permite diseñar permisos, límites de autonomía, y un registro pormenorizado de cada paso que se da.

La paradoja del “tiempo”, generando confianza

Cuando varios agentes cooperan, emerge una paradoja: la respuesta puede tardar unos segundos más, pero el sistema está trabajando de verdad. No conviene ocultar ese tiempo; conviene explicarlo. Mostrar progreso, compartir hallazgos intermedios y, si procede, notificar asincrónicamente qué está verificando cada componente convierte la espera en un activo de confianza. Esta experiencia no es estética: conecta con “negocio” porque reduce retrabajo, evita errores y facilita auditorías. En ambientes corporativos complejos —pensemos en una gran intranet con aplicaciones de RR. HH., finanzas y TI— los agentes de cada dominio pueden coordinarse entre bastidores para resolver una solicitud del empleado sin obligarle a saltar de una interfaz a otra.

El “desacuerdo saludable”

Otra lección que estamos aprendiendo es que los agentes no deben estar siempre de acuerdo. En determinadas tareas, introducir desacuerdos controlados y mecanismos de negociación entre agentes eleva la calidad del resultado; el consenso fácil es un riesgo. Diseñar esa interacción requiere protocolos de interoperabilidad y reglas claras de resolución de conflictos, con supervisión humana en los hitos que así lo exijan.

Una nueva gramática de la interacción

Todo esto necesita gobernanza viva. En materia de controles deben de existir varios niveles: límites de autonomía, permisos por tarea y, sobre todo, observabilidad: agentes que monitorizan a otros agentes, detección de bucles o derivas y ‘kill‑switches’ operativos cuando la evidencia de incertidumbre supera umbrales fijados por “negocio”. La idea central es simple: la confianza no nace de una promesa, nace de registros verificables y de una toma de decisiones que puede auditarse.

El avance de esta arquitectura viene acompañado por investigaciones con impacto directo en costes: el uso de tecnología para el postentrenamiento de modelos de lenguaje a gran escala. Frente a enfoques tradicionales basados en refuerzo, es posible ofrecer estabilidad, menor dependencia de datos etiquetados y un ajuste más eficiente para tareas específicas. También lo es acelerar la construcción de sistemas de agentes en entornos reales y facilitar su adopción de forma neutral respecto a nubes y modelos. Esta capa de orquestación separa el modelo —opaco por naturaleza— del código empresarial —totalmente controlable— y crea el espacio donde aplicar políticas de acceso, cifrado, segregación de datos y cumplimiento normativo sin renunciar a la productividad.

De asistente a aliado digital

No conviene olvidar un hecho incómodo pero liberador: los LLM no “saben” en sentido humano; “predicen”. Asumirlo ayuda a diseñar sistemas más responsables. La precisión, la robustez y la eficiencia ya no dependen únicamente de la calidad del modelo, sino de cómo los agentes estructuran la tarea, verifican sus pasos, consultan fuentes confiables y piden ayuda cuando la incertidumbre lo exige. En ese equilibrio entre autonomía y control está la clave para convertir la IA en un aliado que mueve los indicadores del negocio, no solo en un asistente ingenioso.

El reto de diferenciarse

Estamos entrando en una etapa en la que la tecnología no solo responde: colabora, explica y es totalmente auditable. Las organizaciones que adopten un enfoque de agentes con una arquitectura clara (modelo + código + herramientas), interoperabilidad real, negociación entre componentes y gobernanza activa serán las que transformen su experiencia digital en valor medible. La velocidad seguirá importando, pero la profundidad, la trazabilidad y el impacto sobre los KPI marcarán la diferencia.

>

Los CIO están definiendo resoluciones ambiciosas para el nuevo ejercicio: aspiraciones y líneas de actuación orientadas a transformar sus áreas tecnológicas y a demostrar el valor que la función de TI aporta al negocio. Como cabía esperar, muchos de estos objetivos giran en torno a la inteligencia artificial, aunque la IA no es el único frente prioritario en la agenda tecnológica de 2026.

Para conocer de primera mano qué esperan lograr los líderes de TI, hemos pedido a varios CIO que compartan sus principales ambiciones. Estas son las resoluciones que se han marcado para el próximo año.

1. Mejorar la calidad de los resultados de la IA

Neal Ramasamy, CIO de Cognizant, asegura que su principal objetivo es elevar la calidad de la IA y de los resultados generados por los agentes. Para ello, tiene previsto, entre otras iniciativas, implantar pequeños modelos de lenguaje diseñados de manera específica para comprender el contexto propio de la organización.

“Hemos implementado más de 180 soluciones de IA y el patrón es claro: los grandes modelos de lenguaje proporcionan una inteligencia general sólida, pero para lograr resultados altamente específicos y aplicables se requieren soluciones especializadas, adaptadas a nuestros ámbitos concretos”, reconoce, para añadir: “Estos modelos diseñados a medida impulsarán mejoras en el soporte de TI, finanzas, recursos humanos, operaciones, contratos y el área legal, lo que nos permitirá pasar de simples sugerencias que requieren refinamiento a recomendaciones que los equipos puedan poner en práctica de inmediato”.

Para hacerlo posible, Cognizant está invirtiendo en su propia infraestructura de GPU. Se trata, según Ramasamy, de “una medida estratégica que nos proporciona la capacidad de procesamiento necesaria para entrenar estos modelos internamente, al tiempo que controlamos los costes y reducimos la dependencia de servicios cloud de terceros”.

Por eso cree que “el éxito en 2026 significará lanzar varios modelos especializados que ofrezcan resultados realmente accionables en funciones clave. Esta resolución no sólo tiene que ver con el liderazgo interno, sino también con demostrar lo que es posible cuando la IA se diseña específicamente para generar impacto”.

2. Ampliar la IA agéntica

El gran objetivo para 2026 de Janardhan Santhanam, CIO de Tata Consultancy Services, es escalar la IA agéntica en toda la organización y establecer el estándar de un modelo operativo óptimo que combine agentes con aplicaciones y agentes con personas.

Por eso señala que avanzar en esta dirección supondrá una auténtica “redefinición del trabajo y de la mayoría de las funciones dentro de la empresa”. Además, requerirá ampliar la gobernanza de los agentes mediante políticas de autonomía, cumplimiento y responsabilidad en un ecosistema de plataformas de agentes federadas.

3. Dominar la gestión de la nueva fuerza de trabajo de agentes

Uno de los principales objetivos de Matt Lyteson para 2026 es dominar la gestión de la emergente fuerza de trabajo de agentes, una prioridad que sitúa sólo por detrás de “redoblar los esfuerzos para orientarse a resultados desde una perspectiva de negocio”.

Para Lyteson, esto implica saber dónde se despliegan los agentes, qué funciones desempeñan y a qué información acceden, así como garantizar que operan dentro de los marcos de seguridad y gobernanza definidos por la organización.

En su opinión, el reto es comparable a la gestión de la plantilla humana; y subraya que la identidad es clave para la gestión de accesos, tanto en el caso de un agente de IA como en el de un empleado.

No obstante, la gestión técnica es solo una parte del desafío. Lyteson también quiere facilitar que las personas trabajen con éxito junto a los agentes. “Esto requerirá un cambio organizativo real y animar a las personas a utilizar estas herramientas”, afirma, destacando que concibe a los agentes como “compañeros de equipo”, además de como herramientas.

Reconoce que no todo el mundo comparte esta visión. Por ello, su enfoque pasa por demostrar los beneficios de la IA agéntica como vía para lograr que los empleados más escépticos colaboren con los agentes. “Hemos comprobado que imponer el uso de herramientas no funciona. Lo ideal es que las personas las vean como compañeros de equipo a los que pueden sacar partido, y eso se consigue mostrando claramente los aspectos positivos”, concluye Lyteson.

4. “Asegurarse de que la IA realmente ayuda a las personas”

Dan Shmitt, CIO de Salesforce, también quiere poner el foco en el valor práctico de la IA en 2026. “Cuando miro hacia el próximo año —afirma—, mi objetivo es claro: asegurarme de que la IA ayude realmente a las personas a hacer mejor su trabajo y no genere pasos adicionales ni confusión. En última instancia, se trata de aligerar el trabajo. La tecnología debe apoyar a las personas, y no al revés”.

Para lograrlo, Shmitt ha definido una estrategia clara. En primer lugar, reforzar la base de datos corporativa. Recuerda un incidente en el que un agente de IA del portal de soporte de Salesforce ofreció dos respuestas contradictorias. “Nuestra reacción inicial fue pensar que el modelo estaba fallando, pero la realidad es que nuestros datos y contenidos necesitaban mayor coherencia. Esa experiencia reforzó la importancia de contar con datos limpios y fiables para que cualquier sistema de IA funcione correctamente”.

En segundo lugar, insiste en la necesidad de integrar la IA directamente en los flujos de trabajo. “Si las personas tienen que interrumpir lo que están haciendo para utilizar la IA, la adopción se resentirá. En 2026 quiero que el camino impulsado por IA sea natural, intuitivo y más sencillo que los métodos tradicionales”.

Por último, Shmitt quiere ayudar a los empleados a sentirse seguros en el uso de la IA. “Buena parte de la reticencia proviene de no saber cuándo confiar en un agente y cuándo intervenir —explica—. El papel del CIO pasa ahora por ofrecer claridad, formación adecuada y canales de comunicación sencillos para que las personas aprendan sobre la marcha”.

5. Equilibrar la innovación con la humanidad

Pat Lawicki, CIO de TruStage, proveedor de seguros, inversión y tecnología, comparte una ambición similar: equilibrar la innovación tecnológica con la atención a las personas que la utilizan.

“Mi prioridad para el próximo año —detalla— es dotar a nuestros equipos de las habilidades, el contexto y las barreras de seguridad necesarias para utilizar estas tecnologías de forma responsable y con confianza. Estamos comprometidos a equilibrar la innovación con la humanidad: aprovechar las herramientas digitales cuando aportan un valor real, sin perder la conexión humana que sustenta la confianza y la empatía. La tecnología puede agilizar los procesos, pero necesita la intuición y el juicio humanos”.

Lawicki matiza que más que resoluciones anuales se trata de compromisos a largo plazo. “Las organizaciones están adoptando nuevas tecnologías a la vez que se enfrentan a un cambio acelerado en la forma de trabajar y en las expectativas de los clientes. Ese viaje continúa, y mi función es guiar a la empresa con claridad, confianza y empatía”.

6. Mejorar la comunicación del valor de TI

Mejorar la forma en que se comunica el valor del área de TI es uno de los objetivos que se ha marcado Rebecca Gasser, Global CIO de FGS Global. Reconoce que los éxitos tecnológicos a menudo pasan desapercibidos. Por eso admite que “no hacemos un buen trabajo promocionándonos”.

Gasser ha comprobado en primera persona que muchas actualizaciones de TI no se leen y quiere cambiar esa dinámica en 2026. En lugar de informes extensos o boletines mensuales, su plan es comunicar los logros en pequeñas dosis.

“Hay éxitos que podríamos haber celebrado internamente en TI y que, en lugar de eso, voy a difundir en toda la organización para abrir la comunicación”, explica, para apostillar: “Estoy siendo muy cuidadosa en cómo lo comunico, centrándome en el impacto en el negocio y no en la tecnología, y utilizando el nivel adecuado de contenido y elementos visuales para que todo el mundo entienda de dónde venimos”.

7. Mejorar los conocimientos tecnológicos y de IA de toda la plantilla

Otro de los objetivos de Gasser es elevar el nivel de conocimientos tecnológicos y de IA en toda la organización. Considera que una mayor alfabetización digital ayudará a los empleados a ser más ágiles y adaptables en un entorno de cambio constante.

“Quiero invitar a la organización a ser curiosa. El próximo año será clave en nuestra transformación y necesitamos preparar a las personas para el cambio a medida que nos acercamos a 2026”, señala.

Para ello, prevé apoyarse tanto en enfoques tradicionales —como la colaboración con Recursos Humanos para identificar oportunidades formativas— como en nuevas iniciativas, entre ellas horas de oficina y sesiones de coaching individual que refuercen el papel de TI como socio estratégico en la transformación.

8. Aprender de otros CIO

Warren Lenard asumió a principios de 2025 el cargo de CIO del Estado de Indiana EE. UU.) tras una carrera en el sector privado. Su misión incluye consolidar y racionalizar los servicios de TI, optimizar el gasto y los contratos con proveedores, y estandarizar plataformas para maximizar el uso de los recursos disponibles.

Aunque estas tareas son habituales para un CIO, Lenard reconoce que “existen matices y perspectivas diferentes en el sector público”. Por ello, quiere aprender de la experiencia de otros CIO estatales.

Así, explica que “me he reunido con algunos, pero quiero hacer una gira más amplia. Hay estados que ya han abordado iniciativas similares a las nuestras y alinearnos con ellos puede ayudarnos enormemente y evitar errores”.

9. Formar parte de lo que venga después

Karen Swift, vicepresidenta de TI de Penske Media, afronta 2026 con una mezcla de curiosidad y entusiasmo. Aunque no sabe exactamente qué deparará el futuro, tiene claro que se avecina una transformación impulsada por la tecnología y quiere formar parte de ella.

Reconoce que “siempre he sido curiosa, y creo que esa es una cualidad esencial para cualquier líder de TI. Por eso quiero avanzar hacia lo que venga después. Creo que va a ser muy divertido”, afirma, describiendo el momento actual como un auténtico “renacimiento tecnológico”.

Y concluye reconociendo que “puede que esté un poco loca por no querer bajar el ritmo, pero estoy muy ilusionada por descubrir qué viene y cómo puedo contribuir a ello”.

Sonia Segade, directora de Transformación Digital y Tecnología de Renfe

La apuesta por la inteligencia artificial, la hiperautomatización, el análisis de datos, la ciberseguridad y la convergencia entre las tecnologías de información y de operación son algunas de las palancas de futuro de Renfe, según Sonia Segade, directora de Transformación Digital y Tecnología del operador ferroviario de referencia en transporte de viajeros y mercancías en España, que gestiona más de 5.000 trenes al día y da servicio a más de 500 millones de viajeros al año.

Rocío López Valladolid, CIO de ING España y Portugal

La CIO de ING España y Portugal tiene claro que las TI son “el mayor motor” de la estrategia de negocio del banco y que la IA va a transformar la forma en la que las personas se relacionan con sus bancos. Rocío López Valladolid reflexiona en esta entrevista sobre los proyectos acometidos en sus tres años al frente de la estrategia tecnológica de la firma, entre los que destaca la migración a la nube privada del grupo. De cara al futuro, dice, los nuevos sabores de IA forman parte clara de su agenda.

Gracia Sánchez-Vizcaíno, CIO de Securitas para Iberia y Latinoamérica

El líder de TI que se demanda en los tiempos que corren, reflexiona Gracia Sánchez Vizcaíno, CIO de Securitas para Iberia y Latinoamérica, “es un rol más transformador, con un papel más protagónico en la ejecución de la estrategia corporativa y un socio del negocio”. Estas son también las premisas que sigue esta directiva, que relata la mutación que está experimentando el sector de la seguridad privada al calor de tecnologías como la inteligencia artificial y el internet de las cosas. 

Elena Faedda y Josep María Gost, codirectores de Sistemas de la Información de Clínica Universidad de Navarra

Tecnología y negocio al servicio de la salud por partida doble es la clave del éxito de Clínica Universidad de Navarra, cuyos codirectores de Sistemas de la Información desgranan cómo, juntos, sirven de brújula al negocio en materia de digitalización, innovación e infraestructura tecnológica. He aquí su particular historia.

Manuel Tarrasa, CIO y CTO de TouringDream

El directivo relata la estrategia tecnológica detrás de TuringDream, la ‘startup’ española de IA agentiva impulsada por él y otros fundadores de la mítica Meta4. El matemático, informático y licenciado en Derecho explica los pormenores tecnológicos de un proyecto empresarial que aspira a disrumpir el mercado de inteligencia artificial basada en agentes con una tecnología propia, patentable y, asegura, “diferencial” frente a los grandes pesos pesados de este negocio en pleno auge.

Maribel Solanas, CDO de MAPFRE

El auge de la inteligencia artificial y la aparición de su versión generativa, así como la significativa mejora en capacidad de computación producida en los últimos años permite hoy a los matemáticos, “los profesionales de una disciplina antes considerada poco atractiva que en las empresas nos dedicábamos a la minería de datos”, como recuerda Maribel Solanas, “realizar modelos y grafos sofisticados hasta ahora impensables”. Sobre el foco de la multinacional aseguradora en la gobernanza del dato y la inteligencia artificial en todas sus vertientes CIO ESPAÑA charla con una directiva convencida de que “sin datos buenos la IA no sirve para nada”.

Myles Weber, CIO de Appian

“La automatización y la IA sacan lo mejor de lo que eres, pero también magnifican lo peor”, dice el primer y único director de sistemas de la información de la compañía especializada en ‘low code’ y automatización de procesos, que explica sus logros y prioridades al frente de la dirección tecnológica de Appian.

Rafael Domene, CIO de Cosentino

“Nuestra meta es alcanzar la categoría de empresa autónoma”, cuenta el director de sistemas de la información desgrana las líneas maestras del plan de digitalización de la multinacional española con vistas a robustecer la eficiencia productiva y operativa en un escenario de alto voltaje. “La compañía busca seguir creciendo y consolidándose en un mercado global; esto pasa por potenciar la entrega de valor añadido”, dice.

Rafael Blesa, CIO de Naturgy

El directivo desvela a CIO ESPAÑA que la compañía tiene en marcha más de 130 casos de uso de IA, que van desde la optimización de la demanda energética hasta la detección de fraudes. “Con una inversión mínima [en esta tecnología] empiezas a capturar valor”, reconoce en una entrevista en la que departe sobre la apuesta de la energética por ‘cloud’ como un “camino no cuestionable” y su foco en la ciberseguridad.

Fletcher Previn, CIO y miembro de la junta directiva de Cisco

“La cultura es lo único que realmente posees de tu empresa. Pueden robarte la tecnología, pero no la filosofía”, expone Previn, que ahonda en la hoja de ruta definida, divaga sobre la normativa en materia de IA, aboga por el equilibrio en el trinomio entre legislación, innovación y riesgo y desvela cómo encara el shadow IT o la puesta en marcha de proyectos tecnológicos internos.

Doce meses dan para mucho, y más aún cuando se trata de seguirle el ritmo a las nuevas tecnologías. Los últimos años han estado marcados por un estado de innovación constante, que supone un reto para quienes dirigen los departamentos de TI en las organizaciones: deben mantenerse al día de qué se está haciendo, conocer nuevos productos y servicios, mantener un equilibrio cuando se trata de introducir novedades y, si finalmente se implementan, hacerlas llegar a toda la organización. De ahí que su perspectiva sea especialmente interesante cuando se vuelve la vista atrás para calificar 2025. Así han vivido este año algunos CIO.

“Un momento de revolución tecnológica absoluta”. Así califica 2025 para el sector TI Javier Fernández, director general de Estrategia digital e inteligencia artificial del Principado de Asturias. “Incluso ha ganado notoriedad para el común de los mortales, por decirlo de alguna manera. La tecnología no era tema de conversaciones de comida o de sobremesa. Ahora la inteligencia artificial lo ocupa todo. Eso hace que los profesionales del sector nos veamos también en un momento muy positivo y de crecimiento”, valora. Fernández destaca precisamente la IA como la tendencia del año, “sobre todo la generativa”, que, tras dar el salto en 2022, “ahora mismo ocupa el centro de todos los proyectos”. “Sin ninguna duda es una tecnología que va a cambiar muchas cosas, que está cambiando muchas cosas”.

“La tecnología no era tema de conversaciones de comida o de sobremesa. Ahora la inteligencia artificial lo ocupa todo”, reconoce Javier Fernández (Principado de Asturias)

De forma más incipiente, Fernández apunta también a la computación cuántica, “en una fase todavía muy inicial, casi de investigación, pero donde se empieza a ver ya todo el potencial. Además, se percibe que puede ser un acelerador, un potenciador de todo lo que supone la inteligencia artificial también. Y ya no se ve tan lejos —avisa—, ya empieza a haber planes a cuatro o cinco años en los que la computación cuántica puede ser una realidad en, digamos, servicios habituales. Eso hace que todo el mundo esté también pendiente de lo que pueda pasar con la evolución de esta tecnología”.

Desde su perspectiva en el sector público, Fernández reconoce “un año muy intenso”, marcado por la inyección de fondos europeos que supuso el Mecanismo de recuperación y resiliencia. Esto abrió “muchas oportunidades de desarrollo de proyectos”, con plazos que se cerraban este año o que están próximos a  terminar. “Vivimos el mayor presupuesto de la historia”, profundiza, “estamos en un crecimiento que prácticamente hemos duplicado el número de personas en cuatro o cinco años”. Es “un momento de muchísima intensidad de trabajo, también muy bonito porque son proyectos de mucho calado, de complejidad tecnológica, profesionalmente, muy motivadores”.

La presión por la transformación digital ha puesto al sector TI en el punto de mira empresarial, y 2025 no ha hecho sino confirmar esta posición. Para Dimitris Bountolos, CIIO de Ferrovial, el sector “sigue una senda de relevancia estratégica y un eje transversal que habilita crecimiento, diversificación y variables de impacto en un contexto superdinámico”. “La tecnología se consolida como un catalizador”. Bountolos valora cómo 2025 “ha sido un año de transición, en el que hemos dejado atrás el ruido de algunas tecnologías o el hype de tendencias, que de manera mucho más clara se han empezado a consolidar y han sacado a relucir debilidades estructurales que es necesario abordar si se quiere realmente ganar escala en determinadas capacidades”.

“La tecnología se consolida como un catalizador”, asevera Dimitris Bountolos (Ferrovial)

Bountolos, quien ha sido reconocido como CIO del año en los CIO 100 Awards de 2025, considera que “una vez más, la inteligencia artificial ha tomado el control de la narrativa”, tras un 2023 en el que la IA generativa se posicionó como “un campo de oportunidades”, y 2024 definirse como “el año de los agentes”. 2025, para las compañías que más han trabajado la tecnología, ha sido “el año de la orquestación de los agentes y de la transformación de los procesos”. “Hay que consolidar capacidades diferenciales”, incide, sin descuidar “aspectos fundacionales que han cobrado aún más importancia, como el viaje a la nube, la capacidad de tener un modelo de datos, unas plataformas accesibles, bien gobernadas y disponibles para sacar partido con la IA”.

Su experiencia en estos doce meses viene marcada por ese contexto dinámico, “en el que las innovaciones y los anuncios venían actualizándose a golpe de semana. Adoptar posiciones muy sólidas, tanto en partnership como en modelos de desarrollo como en estrategias, podía ser contraproducente. Y a la vez, si esperabas a tener más confirmación, podías perder alguna oportunidad”. En su caso, “lo hemos vivido con vértigo, pero también con la convicción de que estábamos construyendo un modelo muy adaptado a nuestra realidad, muy efectivo, porque tenemos una organización centralizada. Y eso nos da la ventaja de que, en el momento que cambiamos o pivotamos o adaptamos, se trasladan a escala los beneficios de ese cambio a toda la organización”, con lo que conlleva de evangelizar a todas las áreas de negocio. Un sistema que ha llegado para quedarse: como parte de los aprendizajes de este año, Bountolos apunta que este “va a ser el modelo de operación a futuro”.

“El desafío ya no es tecnológico, es de negocio”, reconoce Manuel Tarrasa (TouringDream)

El año de la presión por la ejecución. Así describe Manuel Tarrasa, CIO de la startup española TuringDream, lo que este 2025 ha sido para el sector TI. “2025 ha sido, sin duda, el año de la impaciencia estratégica. El sector no solo ha crecido, sino que se ha vuelto crítico, pero bajo una presión inmensa”. Esta evolución está fuertemente impactada por la tendencia que considera clave en este año. “Lo más disruptivo es el salto cualitativo en la inteligencia artificial: hemos pasado de modelos que solo procesan texto a LLMs multimodales de frontera y, sobre todo, a agentes Inteligentes”. En tres pasos, “la IA ha pasado de ‘hablar’ —chatbots— a ‘hacer’ — agentes— y ‘percibir’ —multimodalidad—“. Esto implica que no se trata solo de generar contenido, sino de “ver, escuchar y, lo más importante, ejecutar acciones complejas de forma autónoma”. “El gran movimiento es dejar atrás al ‘copiloto’ pasivo para integrar ‘agentes’ que actúan como empleados digitales, capaces de tomar decisiones dentro de parámetros definidos. Esa es la verdadera revolución técnica de este año”.

Ahí encaja la presión de la que habla, que viene marcada por los órganos de decisión de las organizaciones: “Los consejos de administración han pasado de la curiosidad a la exigencia: quieren ver cómo la IA se traduce ya en ventajas competitivas tangibles, aumento de ventas y eficiencia operativa”. Este proceso, sin embargo, no es igual para todas. “Existe una brecha de implementación: muchas empresas se sienten bloqueadas. Saben el qué (quieren IA), pero fallan en el cómo”. Para Tarrasa, esto se debe a la falta de perfiles híbridos, que entiendan la tecnología y el negocio simultáneamente. “La IA no es un ‘plug-and-play’; requiere una transformación cultural y operativa profunda que muchas organizaciones subestimaron.

A nivel personal, describe “varios frentes en los que casi todas las empresas avanzadas e innovadoras estamos luchando”: “demostrar el ROI y ganar la guerra por el talento bilingüe”, aquel que domina la parte tecnológica y de IA pero también la empresarial. “El desafío ya no es tecnológico, es de negocio. Estamos obsesionados con desarrollar casos de uso que muevan la aguja de la cuenta de resultados. No hacemos IA por hacerla, sino para mejorar procesos, vender más y generar ahorros reales”.

“La digitalización y la inteligencia artificial ya no son un complemento sino un requisito operativo”, señala Tatiana Manso (ArcelorMittal)

2025 ha sido el año en el que “la tecnología ha dejado de ser una promesa abstracta para convertirse en una aliada tangible del negocio”, según Tatiana Manso, directora de Operaciones de ArcelorMittal Global R&D Spain. Manso califica estos meses como de “madurez tecnológica. Tras varios años de expectativas muy altas en torno a distintas tecnologías emergentes, hemos entrado en una fase más realista y orientada a resultados”, con las organizaciones focalizándose en aplicaciones fácilmente integrables y de utilidad demostrada. “En industrias como la siderurgia, donde las operaciones funcionan de forma continua, esta consolidación ha sido especialmente evidente. La digitalización y la inteligencia artificial ya no son un complemento sino un requisito operativo”, destaca.

Precisamente la IA aplicada a entornos industriales es una de las tendencias del año para Manso, que habla de“consolidación” más allá de pruebas aisladas, con usos como programar la producción o acelerar el diseño de nuevos aceros e impacto directo en las decisiones en planta. La portavoz de ArcelorMittal destaca también el auge de los gemelos digitales. “Permiten representar de forma muy precisa el comportamiento de líneas de producción, anticipar incidencias y reducir tiempos de parada. Para sectores con procesos continuos como el nuestro, esta capacidad de ‘probar’ sin detener la operación es especialmente relevante”. Suma además todo lo relacionado con la descarbonización industrial, con avances importantes en modelos avanzados de emisiones, electrificación de procesos y soluciones basadas en hidrógeno.

En relación a sus retos personales en 2025, destaca uno: “asegurar el talento STEM necesario para sostener el ritmo de innovación. La demanda de perfiles especializados en ingeniería, matemáticas, ciencia de datos o materiales avanza más rápido que la oferta y la reducción de vocaciones —especialmente entre mujeres— está ampliando esa brecha”. Aquí destaca la colaboración con instituciones educativas y otras iniciativas de fomento de vocaciones técnicas. “No es un reto que se resuelva solo incorporando perfiles, requiere contribuir a ampliar la base de talento que la industria necesitará para enfrentarse a los retos de transformación de los próximos años”.

“El rol del CIO ha evolucionado radicalmente; ya no somos solo gestores de tecnología, sino que debemos actuar como líderes estratégicos”, recalca Guillermo Prieto (Damm)

La influencia de la parte de TI en las organizaciones continúa al alza. Así lo expone Guillermo Prieto, CIO de Damm: “Estamos pasando de ser facilitadores a ser verdaderos motores de transformación empresarial que impulsa la competitividad del negocio”. Sí reconoce ciertas rémoras. “A nivel tecnológico, es cierto que muchos esperábamos un salto aún mayor en protagonismo impulsado por la inteligencia artificial”, pero cita al arqueólogo Genís Roca —“todo va muy deprisa, pero no será rápido”— para matizar estas expectativas. “La realidad es que la aplicación de la IA en procesos de negocio se está consolidando y ya genera impacto directo en la cuenta de resultados, aunque requiere seguir aumentando el grado de madurez para traducirlo en beneficios tangibles y diferenciales”. Una de las medidas de la compañía este año para trabajarlo: el lanzamiento de IAmm, su hub de data e inteligencia artificial.

Sí que reconoce como uno de los mayores desafíos a título personal gestionar esas expectativas en torno a la IA. “Existe una percepción generalizada de que debe implementarse rápidamente para no quedarse atrás. Sin embargo, la realidad es que la IA tiene limitaciones, requiere datos de calidad, infraestructura adecuada y, sobre todo, una comprensión clara de qué problemas realmente puede resolver. Equilibrar esas expectativas con lo que es técnicamente viable y seguro ha sido complejo”. A esto suma la escasez de talento tecnológico. “Además, el rol del CIO ha evolucionado radicalmente; ya no somos solo gestores de tecnología, sino que debemos actuar como líderes estratégicos que operan en la intersección entre el negocio, la innovación, la seguridad, el talento y la sostenibilidad”.

Queda claro que la IA es una de las tendencias en Damm, pero para su CIO va de la mano del análisis de datos y la ciberseguridad. “La IA promete automatización y eficiencia, la analítica convierte datos en decisiones inteligentes, y la ciberseguridad garantiza la confianza en un entorno cada vez más expuesto a riesgos. Juntas, estas disciplinas son esenciales para generar valor tangible”. A nivel interno, esto se ha traducido en 2025 en el protagonismo de una cultura digital “que promueva la colaboración, el aprendizaje continuo y la integración de personas con diversos perfiles y grados de madurez digital. Así, emerge una tendencia cuyo foco no es tecnológico sino humano, poniendo a las personas como motor principal del cambio”. Añade además “la soberanía digital como una tendencia estratégica en un escenario geopolítico cada vez más complejo”.

Sin duda, una de las principales tendencias del año en tecnología ha sido la inteligencia artificial —cuando no la principal—. Si 2023 se vivió como el año de la experimentación con la IA generativa, tras la aparición fulgurante de ChatGPT a finales del 2022, en 2024 empezamos a hablar de su hermana, la IA agentiva. Este 2025 ha sido el de ver cómo esas pruebas que en años anteriores empezaban a dibujarse tomaban cuerpo, como explica Alberto Jusdado, responsable de consultoría de la firma española Tokiota. “En 2024 parecía que todo este mundo de la IA se acercaba mucho a casos de uso piloto. Todavía no se sabía muy bien cómo encajaba”. Este año la perspectiva ha cambiado. “Una vez que negocio empezó a entender realmente la aplicación de la IA, hemos visto que esos casos de uso ya pueden llevarse a un entorno productivo”. Si en 2024 había una cierta tendencia, 2025 fue el año de convertirlo en realidad, explica. “Está asentándose. Cada vez los usuarios lo entienden mejor”, desarrolla, enfatizando la parte de la productividad personal. A nivel de empresas, destaca cambios en los procesos gracias a los casos de uso, aunque aún faltaría algo a nivel de generación de ingresos o de oportunidades de negocio.

“Una vez que negocio empezó a entender realmente la aplicación de la IA, esos casos de uso pueden llevarse a un entorno productivo”, dice Alberto Jusdado

Evolución

Este proceso ha sido una carrera a distintas marchas. Como analizan desde la fundación Cotec, tomando como base datos del Instituto Nacional de Estadística, el porcentaje de empresas españolas de 10 o más trabajadores que declaran utilizar la IA en sus procesos productivos aumentó del 12,4% en 2023 al 21,1% en 2024. Una diferencia de 8,7 puntos porcentuales que es significativamente superior al salto anterior, de 2,8 puntos porcentuales —en 2022, el porcentaje era del 9,6%—. Desde la fundación recuerdan, eso sí, que la adopción es claramente desigual, en función de los territorios, sectores y tamaños de empresa. Por ejemplo: en el sector TIC casi seis de cada diez empresas dicen integrar la tecnología, pero en el siguiente, servicios, el porcentaje cae abruptamente a una de cada cuatro. Por comunidades, Madrid y Cataluña lideran claramente, con el 30 y el 25% respectivamente de sus empresas utilizando IA.

Estos datos muestran un despliegue en fases, que no tiene por qué ser homogéneo dentro de territorios o sectores y que, de hecho, puede experimentar en si mismo retrocesos. Gartner alertaba en junio que un 40% de proyectos de agentes serían cancelados a finales de 2027, bien por incremento de los costes, porque no aportaban valor al negocio como se esperaba o por otros riesgos. La firma de análisis alertaba de un agent washing, en el que proveedores rediseñan sus herramientas para hacerles pasar por IA agentiva, sin llegar a contar con capacidades reales de este tipo, con lo que se vería menguado su alcance pese a haber establecido un proceso de integración.

Otra de las trabas que puede haber en el despliegue exitoso de herramientas inteligentes es la calidad y accesibilidad de los datos. Como apunta un reciente estudio de la empresa de plataformas de datos e IA Cloudera, pueden producirse problemas cuando se trata de su uso en iniciativas de IA. De hecho, en su investigación, únicamente un 9% de participantes declaraba tener todos los datos preparados —un 38% quienes decían que en gran medida—. Sin embargo, este mismo informe cifraba en un 96% de empresas participantes las que decían integrar IA. “Existe un gran cuello de botella”, desarrolla Juan Carlos Sánchez de la Fuente, vicepresidente para España y Portugal de Cloudera, “y la mayoría de esos casos de uso no están siendo todo lo productivos que nos gustaría”. Sánchez de la Fuente lo reformula: “La mayoría de los problemas que se están dando es que las organizaciones no tienen el punto de madurez suficiente para sacar todo el valor a sus datos”.

“Existe un gran cuello de botella, y la mayoría de esos casos de uso no están siendo productivos”, alerta Juan Carlos Sánchez de la Fuente

Aquí aparecen distintas limitaciones: problemas de integración, de la capacidad de cómputo o de la de almacenamiento, entre otras. “Una organización que tiene mall sus datos, que no es capaz de conseguir el control de su información, de gestionar datos estructurados y no estructurados de una forma correcta, que pierde información, nunca va a poder sacar el máximo valor a la IA. Va a poder hacer casos de uso concretos, casos de uso departamentales, pero no desde un punto de vista de evolución”, reflexiona. Para esto, desde la plataforma proponen un enfoque que denominan ‘Data Anywhere Private AI’, en el que se conectan las distintas fuentes de datos, garantizando la gobernanza y la confiabilidad, sin crear silos ni perpetuar sesgos, para asegurar una “inteligencia artificial privada” en el entorno del cliente. Una propuesta que se alinea con la preocupación por el concepto de soberanía que Sánchez valora como una de las claves de 2025.

Otro de los problemas cuando se trata de convertir los casos de uso en una integración real está en la sobredimensión de las esperanzas en lo que va a hacer la IA. Desde Tokiota plantean un enfoque de IA pragmática, que adapta las expectativas de cada empresa y las encamina hacia las herramientas adecuadas. Porque “no todo en esta vida se resuelve con IA”, recuerda Jusdado. Para eso se acercan a las empresas con ejemplos reales de casos, a través de las que “intentar acercar las necesidades de negocio a la tecnología”. “Yo creo que, de 2026 en adelante, vamos a ver cambios en el proceso operativo de las organizaciones, donde la IA elimina pasos enteros, y son capaces de ser más ágiles”, reflexiona.

En primera persona

Una de las empresas donde la IA está siendo integrada es la compañía de seguros Nationale-Nederlanden. Su CTO y subdirector general, David Vaquero, habla de un despliegue “transversal. La compañía no ha optado por implantar la IA en casos concretos, sino que ha apostado por incorporarla como un pilar estratégico de su transformación digital. De hecho, la IA forma parte de su CRM, de su ecosistema cloud, de la automatización operativa y del modelo de datos. Así, herramientas como los modelos predictivos que optimizan la postventa o las soluciones de IA generativa y multiagente muestran que la tecnología se ha integrado en todas las áreas clave de la organización”.  Esto no quita que no se hayan probado casos determinados, como NNIA, una herramienta de inteligencia artificial generativa desarrollada desde dentro que permite a la red comercial de agentes acceder a información clave, generar contenidos personalizados y mejorar la eficiencia operativa.

Vaquero incluye la IA como parte de la transformación digital en la que lleva inmersa la compañía desde años. “La IA nos plantea una nueva era, un momento de experimentación; aunque partimos de la ventaja de tener una tecnología mucho más avanzada”. En este contexto, apunta como clave “la gestión de las personas en esta nueva cultura de trabajo, el fomento de nuevas skills. No olvidemos que, actualmente, sólo un 15% de los desarrollos de IA son casos de éxito, por lo que es imprescindible actuar con humildad y basar la experiencia en el aprendizaje”. Incluye, también, como uno de los principios básicos la gobernanza. “Seguimos la premisa de actuar de forma crítica y estratega para saber dónde puede resultar ventajoso el uso de IA siempre con la mente puesta en que ayude a prestar el mejor servicio”.

“Los resultados obtenidos reflejan que la estrategia previa de analizar bien cuáles son las necesidades y capacidades de implementación es imprescindible”, destaca Vaquero. “En nuestro caso, por ejemplo, la automatización ha aumentado de manera muy significativa, permitiendo liberar cargas manuales y acelerar la operativa”. En el caso concreto de NNIA, alude a una notable reducción del tiempo medio de búsqueda de información, la mejora en la satisfacción de los agentes y la disminución de errores operativos en la red comercial. Ahora están desarrollando la segunda fase, con “un gran paso cualitativo. De hecho, su diseño escalable contribuye a la transformación digital global de la compañía, marcando un camino claro hacia una organización más ágil, centrada en el cliente y basada en datos”, destaca.

“La estrategia previa de analizar bien cuáles son las necesidades y capacidades de implementación es imprescindible”, señala David Vaquero

A nivel de desafíos en el despliegue de IA, Vaquero habla de retos tecnológicos y organizativos. En la primera categoría enmarca “la integración entre tecnologías muy avanzadas y sistemas heredados, garantizar un gobierno del dato sólido, cumplir exigencias regulatorias y asegurar que la seguridad y la calidad formaran parte del diseño de cada producto tecnológico”. Por la parte organizativa, alude a un “cambio cultural hacia un modelo más ágil y más digital”, que ha llevado parejo la capacitación de personal y la búsqueda de un “equilibrio adecuado entre automatización e interacción humana, especialmente en la red comercial donde la cercanía al cliente sigue siendo el principal valor diferenciador”. Para el futuro queda profundizar en el modelo actual, ampliando usos de IA generativa y multiagente, reforzando la estrategia de datos y escalando soluciones. “La organización avanza hacia un modelo más autónomo, más ágil y todavía más centrado en el cliente, con la tecnología como motor de eficiencia y de personalización, sin perder el componente humano que, claramente, es un factor distintivo en nuestro sector”, concluye.       

Estamos en la época del año en la que proliferan los artículos que “miran al futuro” y dicen a unos u otros lo que deberían hacer o lo que algún “experto” afirma que deberían hacer. En este caso, adoptaremos un enfoque distinto y nos centraremos en lo que un colectivo —probablemente el más importante en términos de compra de tecnología— dice que va a hacer de verdad. Para ello he recopilado 284 comentarios sobre las prioridades tecnológicas empresariales para 2026, y estas son las cinco principales.

1. Optimización de la IA e incertidumbre

Empecemos por una prioridad que engloba dos opiniones que no resultan sorprendentes. La primera es que la máxima prioridad, citada por 211 empresas, es “implementar el hardware, el software, los datos y las herramientas de red necesarios para optimizar el valor de los proyectos de IA”. La segunda es que existe una gran incertidumbre sobre cuáles son exactamente esas herramientas e incluso sobre si pueden identificarse con certeza.

La gran mayoría de esas 211 empresas afirmaron centrarse en la IA basada en agentes, pero conviene recordar —como ya se ha señalado en este blog— que las empresas siempre han identificado tres modelos distintos de agentes: el modelo “interactivo”, que los trabajadores utilizan de forma similar a como hoy se emplea la IA tipo chatbot; el modelo de “flujo de trabajo”, integrado en los flujos de aplicaciones como cualquier otro software; y la forma “integrada”, embebida directamente en una aplicación.

Las empresas consideran que tienen bajo control la IA de flujo de trabajo en términos de dónde se ejecuta y con qué se conecta. Sin embargo, incluso en ese caso, muchas señalan que un nuevo elemento de IA en el flujo de trabajo resulta útil al integrar conocimientos extraídos de un conjunto más amplio de fuentes, que teóricamente podrían encontrarse en cualquier lugar en lo que respecta a los datos. Y existe aún menos certidumbre sobre el impacto de los otros dos modelos.

Los agentes de IA integrados se utilizan principalmente en analítica de negocio o para dar soporte a operaciones de red o de TI, y ambas funciones parecen asignar a la IA un papel de simple extensión. Por ello, en general, no se espera que requieran un replanteamiento profundo de la infraestructura o de las prácticas operativas. Sin embargo, las empresas no lo ven de ese modo. Los agentes de IA son, en general, grandes consumidores de datos: requieren más información, información más coherente y algún tipo de valoración o ponderación de los datos para poder tomar decisiones.

Por ejemplo, una herramienta de IA para operaciones de red podría necesitar información sobre patrones estacionales de ventas para prever mejor el tráfico. Sin fuentes de información más amplias, resulta más difícil generar suficiente valor que justifique su uso. Además, el consumo de datos por parte de la IA suele estar implícito en el funcionamiento del modelo, mientras que las aplicaciones tradicionales utilizan datos porque el desarrollador lo ha especificado explícitamente. ¿Cómo se puede saber, entonces, qué va a solicitar la IA?

La forma interactiva de la IA plantea el mayor riesgo. Aunque las empresas consideran que este modelo se limita quizá al 10% o 15% de los trabajadores —aquellos con mayor valor unitario de su trabajo—, resulta casi imposible predecir qué recursos puede demandar la interacción de un empleado concreto. “Una sola pregunta podría consumir tantos recursos informáticos, tantos datos y generar tanto tráfico como una semana entera de funcionamiento de una aplicación normal”, se quejaba un responsable de planificación, señalando que esta repentina presión sobre los recursos puede afectar al rendimiento de TI en amplias áreas del negocio.

Además, los agentes interactivos podrían contar con permisos de acceso muy amplios, lo que plantea importantes problemas de gobernanza de los datos. Las empresas coinciden en que nunca debe otorgarse a un agente acceso total. En primer lugar, por los evidentes riesgos de privacidad y gobernanza, pero también porque cualquier tipo de redundancia en los datos genera riesgos adicionales. Esto va más allá de la simple deduplicación. Las empresas recomiendan evitar la mezcla de datos detallados y datos resumidos, incluidos los denominados datos “derivados”. Existe el riesgo de que trabajar con distintos niveles de granularidad sesgue los resultados de forma involuntaria. “Veinte resúmenes de los mismos datos detallados pueden parecerle a la IA como veinte fuentes distintas”, reconocieron desde una empresa. La decisión de IBM de adquirir Confluent, una compañía conocida por el desarrollo de aplicaciones de flujo de datos, podría estar relacionada con estas cuestiones de control de acceso y gobernanza de la información.

2. Copias de seguridad en la nube

La segunda prioridad tampoco resulta sorprendente, si tenemos en cuenta las noticias recientes. De las 284 empresas consultadas, 173 afirmaron que necesitan una estrategia para realizar copias de seguridad de los componentes en la nube en caso de interrupciones del servicio. Según explican, esto resulta mucho más complejo de lo que suele pensar la alta dirección.

En primer lugar, es necesario decidir qué es lo que realmente debe respaldarse. “No se puede inmunizar completamente frente a un fallo masivo de la nube o de Internet”, señalan los responsables de planificación. La mayoría de las interrupciones en la nube, añaden, se resuelven en un plazo máximo de unas pocas horas, por lo que algunas aplicaciones pueden simplemente esperar.

Una vez definido el “qué”, llega el “cómo”. ¿Es la multinube el mejor enfoque o conviene ampliar la capacidad del centro de datos? Las empresas señalan que incorporar resiliencia, en cualquiera de sus formas, puede exigir rediseñar ciertas aplicaciones para que los componentes alojados en la nube sean portables. Esto también puede implicar revisar dónde se almacenan los datos de las aplicaciones y cómo se gestiona el acceso a los mismos.

3. Simplificación de la infraestructura

La tercera prioridad consiste en gestionar la complejidad técnica de la infraestructura, que es algo que citan 139 empresas. “Tenemos demasiadas cosas que comprar y gestionar”, afirmaba un responsable. “Demasiados proveedores, demasiadas tecnologías”, dijo otro. Nadie cree que sea viable una reestructuración masiva —no hay presupuesto para ello—, pero sí consideran que los proyectos actuales pueden alinearse con una estrategia de simplificación a largo plazo.

De forma llamativa, más de un centenar de las empresas consultadas considera que esta simplificación pasa por reducir el número de proveedores. Creen que el “bloqueo” con un proveedor es un precio asumible a cambio de una mayor eficiencia y de una menor complejidad en las operaciones, la integración y el aislamiento de fallos. Se trata del mayor giro en contra de la infraestructura abierta o de múltiples proveedores que el autor ha observado hasta la fecha.

4. Priorizar la gobernanza

La cuarta prioridad, muy próxima a la tercera, es más administrativa que puramente tecnológica. Un total de 124 empresas afirmaron que necesitan “renovar por completo la gobernanza”. La IA es un factor clave en este ámbito, pero también lo son el modelo elástico de alojamiento en la nube, la multinube y las cuestiones de “soberanía” derivadas de operar en múltiples jurisdicciones, así como el entorno regulatorio, cada vez más complejo y cambiante.

El porcentaje de empresas que afirman necesitar aportaciones formales en materia de “asuntos gubernamentales” para sus prácticas de gestión ha pasado del 12% en 2020 al 47% en 2026. Por ejemplo, las preocupaciones de la Unión Europea en torno a la nube y la soberanía de la IA influyen directamente en los planes de resiliencia tanto de la IA como de las aplicaciones en la nube.

El principal problema, según las empresas, es que la gobernanza suele aplicarse únicamente en la fase de planificación de los proyectos. En ausencia de grandes proyectos, la gobernanza tiende a quedar obsoleta, basada en revisiones antiguas. Las organizaciones señalan que, al igual que ocurre con la IA, la expansión ordenada del uso de aplicaciones y datos puede generar problemas de gobernanza, al igual que los cambios legislativos y regulatorios.

La IA complica aún más este escenario, ya que resulta difícil —o incluso imposible— saber a qué datos accede si no existen filtros claros sobre su disponibilidad. Todo ello supone un reto considerable, agravado por el hecho de que muchas empresas ni siquiera están acostumbradas a pensar en la gobernanza fuera del marco de un proyecto concreto. ¿Es necesario crear “proyectos de gobernanza”? Y, de ser así, ¿cómo se justifican y financian? Existen procedimientos claros cuando se producen cambios legislativos relevantes, pero no tanto frente a otros desafíos. Incluso los agentes de IA de flujo de trabajo pueden introducir nuevos problemas de gobernanza a medida que se generaliza su uso.

5. Gestión de costes

La última prioridad de la lista, citada por 108 empresas, es en muchos sentidos un freno para alcanzar los demás objetivos: hacer más con menos. De las 284 empresas consultadas, 226 afirmaron tener mayor presión presupuestaria de cara a 2026, y sólo nueve indicaron lo contrario; el resto señaló que la presión se mantiene estable.

Resulta llamativo que esta quinta prioridad sea la que menor peso ha tenido en la gestión de costes desde 2008/2009. La diferencia clave respecto a años anteriores es que, mientras antes el “coste” se asociaba principalmente al capital invertido en equipos y software, el enfoque para 2026 se centra en el coste total, es decir, en el coste total de propiedad (TCO).

Evaluar este último sería relativamente sencillo dentro del enfoque tradicional de proyectos, pero muchas de estas prioridades difuminan la frontera entre los “proyectos” que requieren revisión, justificación y aprobación formal, y las decisiones empresariales cotidianas que suelen escapar a ese nivel de formalidad. ¿Cómo se evalúa el TCO de la optimización general de la eficiencia de la IA, de la resiliencia de las aplicaciones en la nube o de la gobernanza?

En conjunto, los comentarios de las empresas sugieren que, aunque están priorizando muchos aspectos esperables, también se enfrentan a otros más sutiles. Incluso en ámbitos como la IA, están adoptando enfoques distintos a los que muchos anticipaban. El foco se desplaza del análisis de componentes individuales al del ecosistema en su conjunto, lo que convierte a 2026 en un año especialmente interesante, con numerosas tendencias clave a las que habrá que prestar atención.

Hace tres semanas, un director financiero en mi entidad me mostró la rutina matinal que hacía muchos días. Básicamente, transfería datos de nuestro ERP a la plataforma de reporting cloud. Todos los días pierde de media quince minutos en copiar, pegar, verificar formato. Sin contar con el riesgo de la operativa manual que estimo que todos conocemos.

Cuando le mostré con un ejemplo, y de manera muy rápida, cómo un agente de navegación podía ejecutar la misma secuencia en dos minutos, su expresión pasó del asombro a la preocupación: “¿Y si comete un error que yo no detecte hasta el cierre trimestral?”

Los agentes de IA prometen eliminar la fricción entre intención y ejecución digital. Pero al hacerlo, introducen una nueva entidad en nuestra infraestructura: autónoma, opaca y capaz de actuar con nuestras credenciales. La cuestión no es si adoptaremos esta tecnología (IDC proyecta que para 2028 más de 1.300 millones de agentes automatizarán flujos empresariales que hoy ejecutan humanos) sino si estamos preparados para gobernarla antes de que el mercado nos obligue a hacerlo bajo presión.

El ROI está en la resiliencia, no en la eficiencia

Escucho el discurso dominante de que los agentes de IA se han de centrar solo en el ahorro de tiempo y la reducción de costes operativos. Creo que esta narrativa pierde el verdadero valor estratégico.

El ROI sostenible no reside en hacer más rápido lo que ya hacemos. Reside en proteger ingresos mediante la mitigación del riesgo sistémico. Según el 2025 Observability Forecast de New Relic, el coste medio de una interrupción de TI de alto impacto alcanza los 2 millones de dólares por hora. Organizaciones con observabilidad full-stack implementada reducen ese coste a la mitad. Un agente de monitorización continuo detecta problemas que los humanos nunca verían hasta que es demasiado tarde, porque opera en una escala temporal y dimensional inaccesible para la cognición humana.

Esta distinción separa la automatización incremental (que mejora márgenes) de la resiliencia sistémica (que protege ingresos). Los CIO que implementan agentes buscando el primer objetivo encontrarán ROI modesto y corto plazo. Los que construyen para el segundo encontrarán ventaja competitiva duradera.

La contradicción que ha resolverse ahora

No todos los casos de uso justifican navegación web. La elección arquitectónica correcta depende del sistema objetivo. La navegación web es apropiada para sistemas que solo ofrecen interfaz web, SaaS de terceros sin control de infraestructura, decisiones basadas en layout visual, y workflows manuales cross-application. La integración directa es superior para sistemas internos con API documentadas, movimiento de datos estructurados backend, escenarios con latencia crítica, y observabilidad de infraestructura (logs/métricas/traces).

Un agente de observabilidad validando microservicios no necesita navegador, necesita acceso directo a telemetría. Un agente automatizando data entry en ERP heredado que solo ofrece interfaz web sí lo necesita. Esta claridad arquitectónica debe establecerse antes de cualquier decisión de compra o iniciativa de proyecto.

La confusión terminológica que paraliza decisiones

El mercado actual de “agentes de IA” sufre prácticas de marketing que sistemáticamente confunden la terminología. En junio de 2025, Gartner proyectó que más del 40% de los proyectos de IA agentiva serán cancelados antes de finalizar 2027. Las causas: costes escalables sin ROI claro, complejidad de integración subestimada y controles de riesgo inadecuados.

La causa raíz es anterior: la inmensa mayoría de lo que se vende como “agente” no lo es. Según análisis de Gartner de finales de 2024, de miles de proveedores afirmando capacidades agentivas, aproximadamente 130 cumplen los criterios técnicos de agentes genuinos cuando se evalúan contra benchmarks específicos de autonomía, adaptabilidad y trazabilidad. El resto practica “agent washing”: rebranding de chatbots, herramientas RPA o flujos de automatización sin capacidad de planificación autónoma real.

Puntos a validar para distinguir IA agentiva en minutos

Un agente de IA genuino tiene cinco características no negociables:

1. Planificación autónoma: construye su propia secuencia de acciones para alcanzar un objetivo. No sigue un árbol de decisiones predefinido.
2. Adaptabilidad táctica: se ajusta en tiempo real a interrupciones (pop-ups, captchas, cambios de interfaz) sin detenerse o requerir reinicio manual.
3. Acceso a herramientas de entorno: opera navegador virtual, terminal o línea de comandos como un humano.
4. Memoria persistente: mantiene el contexto a lo largo de sesiones múltiples, aprendiendo de interacciones previas.
5. Trazabilidad auditable: ofrece un registro detallado paso a paso de su razonamiento y acciones ejecutadas.

Si un proveedor no puede demostrar estas cinco capacidades funcionando en conjunto durante una demo de, pongamos, 15 minutos con tareas no predefinidas, no ofrece una verdadera IA agentiva.

Por qué el navegador resuelve el problema de integración

Los agentic browser están captando inversión estratégica de todas las grandes tecnológicas, como Google con Project Mariner (demo público diciembre 2024), Microsoft con Copilot Vision y Anthropic con Computer Use, porque resuelven el problema fundamental de integración empresarial y sin olvidar Perplexity Comet.

Integrar IA con sistemas empresariales mediante API o conectores personalizados es complejo, costoso y frágil incluso con MCP. El agentic browser elude esto mediante un principio simple: si un humano puede acceder a un sistema por interfaz web e iniciar sesión, el agente también puede. No requiere API pública, permisos especiales del proveedor, ni código personalizado.

Esta aproximación ofrece tres ventajas críticas para organizaciones con infraestructura heterogénea:

• Acceso directo a contenido autenticado: correos, documentos internos, páginas que requieren sesión iniciada.
• Contexto multidimensional sin configuración: pestañas abiertas, historial de navegación, formularios parcialmente completados.
• Reducción dramática de “fontanería técnica”: elimina meses de trabajo de integración para orquestar múltiples sistemas legacy

Sin embargo, esta ventaja arquitectónica introduce un nuevo vector de riesgo que debe gestionarse con rigor comparable al que aplicamos a empleados con acceso privilegiado.

Los riesgos que definen el perímetro de implementación responsable

La autonomía del agente con acceso a contenido autenticado introduce riesgo operacional que debe gestionarse proactivamente. Según New Relic, la exposición anual promedio por interrupciones de alto impacto puede alcanzar los 76 millones de dólares.

Matriz de riesgos operacionales con controles específicos

Metodología: Las probabilidades reflejan experiencia operativa de adopción temprana 2024-2025. Alta: >30% de implementaciones experimentan el evento en primeros 6 meses sin controles. Media: 10-30%. Baja: <10%. La implementación de controles reduce significativamente estas probabilidades.

Riesgo	Probabilidad	Impacto	Control Técnico
Fallo táctico en ejecución	Alta (inicial)	Operacional	Entornos controlados (Windows 365 for Agents) con human-in-the-loop para decisiones críticas
Fuga accidental de PII	Media	Legal (GDPR)	Identidad única por agente (entra Agent ID) con políticas de acceso granulares y logging completo
Decisión incorrecta por datos deficientes	Media	Financiero	Data observability, validación de inputs pre-decisión, flagging automático de anomalías
Escalación de privilegios no intencional	Baja	Seguridad	Privilegio mínimo, revisión periódica de permisos, sandboxing de ejecución

El imperativo regulatorio que separa líderes de seguidores

El 2 de agosto de 2025 marcó una fecha crítica para organizaciones que operan en la Unión Europea o procesan datos de ciudadanos europeos. En esa fecha, obligaciones específicas del EU AI Act para proveedores de modelos de propósito general (GPAI)—relacionadas con transparencia de copyright y mecanismos de opt-out se volvieron exigibles bajo el Artículo 53⁹.

Los agentic browser que dependen de scraping de fuentes web para entrenamiento o operación deben tener pipelines de datos que respeten opt-outs y puedan demostrar compliance. Las organizaciones que construyan infraestructura de datos legalmente limpia ahora tendrán ventaja competitiva insuperable sobre las que esperen la primera notificación de incumplimiento. Las multas son sustanciales: hasta 15 millones de euros o 3% del volumen de negocio anual global, con multas de hasta 35 millones de euros o 7% para prácticas prohibidas¹⁰.

Más allá de compliance: las organizaciones que establezcan estándares de gobernanza de agentes ahora antes de mandato regulatorio estarán posicionadas para influir en la evolución de estándares de industria, un activo estratégico significativo.

El cambio cultural que ninguna tecnología puede automatizar

Vuelvo a la pregunta inicial del director financiero: “¿Y si comete un error que yo no detecte?”

La respuesta correcta no es “no cometerá errores” porque los cometerá. La respuesta correcta es: “Diseñamos sistemas donde los errores del agente son detectables antes de causar daño irreparable, son contenibles cuando ocurren y recuperables mediante rollback“. Hacemos un doble check con agentes.

Esto requiere un cambio cultural que ninguna compra de tecnología puede automatizar y que determinará qué organizaciones capturan valor sostenible de esta transformación.

La evolución del rol profesional: el valor de los profesionales ya no reside primariamente en ejecución transaccional de copiar, pegar, verificar sino en orquestación de sistemas aumentados por IA, supervisión de patrones y excepciones, y decisiones estratégicas que requieren contexto empresarial, político y humano que no se codifica en modelos. Esta transición es estructuralmente similar al impacto de la automatización industrial: el valor humano no desaparece, se desplaza hacia niveles superiores de abstracción y juicio.

La redefinición de supervisión: la supervisión humana se mueve del “bucle interno” (supervisar cada acción del agente en tiempo real, manualmente) al “bucle exterior” (supervisar patrones agregados, excepciones flagged automáticamente por sistemas de observabilidad, y resultados post-ejecución). Este cambio libera la capacidad cognitiva para trabajo de mayor valor mientras mantiene el accountability. Pero requiere nuevas competencias: interpretación de dashboards de comportamiento agentivo, calibración de umbrales de confianza, y diseño de puntos de escalación efectivos.

El desafío de gestión del cambio: organizaciones que tratan la adopción de agentes como proyecto técnico fallarán. Las que lo tratan como transformación organizacional, invirtiendo en redefinición de roles, desarrollo de nuevas competencias de supervisión, y recalibración de métricas de performance construirán capacidad duradera.

La pregunta para cada líder es: ¿está su organización invirtiendo tanto en preparación cultural como en infraestructura técnica?

La decisión de liderazgo que define la próxima década

Los agentes de IA no son el futuro, son el presente para organizaciones que deciden actuar mientras otras no se movilizan. La pregunta no es si su organización adoptará agentes. Es si los adoptará como líder que define estándares de gobernanza o como seguidor tardío que acepta estándares definidos por competidores.

Para un directivo, el imperativo es claro: experimentación disciplinada ahora, con casos de uso acotados y gobernanza robusta construyen la capacidad organizacional indispensable cuando la adopción deje de ser opcional.

No porque la tecnología sea perfecta, no lo es, y no lo será en el horizonte inmediato. Porque el ritmo de mejora es medible y sostenido, y las organizaciones que construyen capacidad operacional ahora mediante experimentación disciplinada estarán posicionadas para capturar valor conforme la tecnología madura. Las que esperan certidumbre absoluta enfrentarán la doble desventaja de competir contra organizaciones con años de ventaja de aprendizaje acumulada y adoptar bajo presión competitiva sin tiempo para desarrollar expertise interno.

El director financiero de nuestra historia inicial implementó el agente. Pero solo después de que diseñamos juntos los controles que le permiten dormir tranquilo: validación automática, alertas ante desviaciones y rollback de un clic. Su pregunta no era resistencia al cambio. Era exigencia de profesionalismo técnico.

Esa exigencia debe ser nuestro estándar.

Esta es la primera entrega de una serie sobre estrategia de IA agentiva. La próxima entrega explorará arquitecturas específicas de observabilidad para agentes en producción y las implicaciones del calendario de ‘enforcement’ de la AI Act de la UE que todo CIO debe integrar en su ‘roadmap’ 2025-2026.

>

Muchas organizaciones están experimentando con agentes de IA para determinar en qué funciones laborales centrarse, cuándo automatizar acciones y qué pasos requieren la intervención humana. Los agentes de IA conectan la potencia de los grandes modelos lingüísticos con las API, lo que les permite actuar e integrarse de forma fluida en los flujos de trabajo de los empleados y en las experiencias de los clientes en una amplia variedad de ámbitos:

· Los agentes de IA de operaciones de campo pueden ayudar a esbozar los pasos para atender una llamada de servicio.

· Los agentes de RR. HH. colaboran con los reclutadores para programar entrevistas con los mejores candidatos.

· Los agentes de IA financieros ayudan a responder a los retos diarios de la gestión de la cadena de suministro, las compras y las cuentas por cobrar.

· Los agentes de codificación se integran en plataformas de desarrollo asistidas por IA que facilitan una codificación más fluida y aceleran el desarrollo de aplicaciones.

· Los agentes de IA se están integrando en el lugar de trabajo, donde participan en reuniones, resumen debates, crean tareas de seguimiento y programan las próximas reuniones.

En consecuencia, las organizaciones de TI de primer nivel están adaptando sus estrategias y prácticas para desarrollar agentes de IA y, al mismo tiempo, mitigar los riesgos asociados a implementaciones rápidas. Rani Johnson, directora de informática de Workday, explica que “crear un equipo de TI de primer nivel significa liderar el debate sobre los riesgos». Y añade: “Trabajamos en estrecha colaboración con nuestros equipos jurídicos, de privacidad y de seguridad para establecer una tolerancia clara al riesgo de adopción que se ajuste a nuestra estrategia general”.

Una pregunta clave para todos los líderes tecnológicos, de datos y empresariales es si los datos subyacentes a los que acceden los agentes de IA están “preparados de verdad para la IA”. Según el informe Beyond Big Data, de Ocient, el 97% de los líderes informa de un aumento notable en el procesamiento de datos debido a la IA, pero sólo el 33% se ha preparado completamente para la escala y la complejidad crecientes del lugar de trabajo impulsado por la IA. Establecer la preparación de los datos para la IA es fundamental, ya que la mayoría de los agentes de IA aprovecha los datos corporativos para ofrecer respuestas y recomendaciones específicas para cada negocio, sector y función.

Pregunté a líderes empresariales y tecnológicos cómo evaluaban la preparación de los datos para agentes de IA en ámbitos como ventas, recursos humanos, finanzas y operaciones de TI. De estas conversaciones surgieron siete prácticas fundamentales.

1. Centralizar los datos y la inteligencia

Los departamentos de TI han realizado importantes inversiones para centralizar los datos en almacenes y lagos de datos, y también para conectar los recursos mediante estructuras de datos. Sin embargo, los datos no son equivalentes a la inteligencia, ya que gran parte del trabajo de ciencia de datos y computación se realiza en fases posteriores, en una proliferación de herramientas SaaS, plataformas de análisis de datos y soluciones de ciencia de datos ciudadana. Peor aún, numerosas hojas de cálculo, presentaciones y otros documentos no estructurados suelen estar mal categorizados y carecen de capacidades de búsqueda unificadas.

Por eso Sushant Tripathi, vicepresidente y responsable de transformación para Norteamérica en TCS, explica que, “en lugar de mover y transformar datos sin cesar, necesitamos llevar la inteligencia directamente al lugar donde se encuentran los datos, creando un camino hacia datos listos para la empresa, con contexto, confianza y calidad incorporados en la fuente”, y añade: “Esta inteligencia organizativa conectada se integra en el tejido de la empresa, transformando información fragmentada en activos fiables y unificados, para que los agentes de IA puedan actuar con la velocidad y el contexto de sus mejores empleados, a escala empresarial”.

A pesar de los esfuerzos de TI por centralizar datos e inteligencia, la acumulación de deuda de datos crea riesgos cuando éstos se utilizan en agentes de IA.

Dan Yu, director de marketing de datos y análisis de SAP, es de la opinión de que “los datos preparados para la IA deben ir más allá del volumen y la precisión; deben estar unificados, ser fiables y estar regulados para fomentar una IA confiable. Con la arquitectura adecuada de estructura de datos empresariales, las organizaciones pueden preservar el contexto, mitigar sesgos e integrar la responsabilidad en cada capa de la IA. Esta base garantiza decisiones precisas y auditables, y permite que la IA se adapte y escale sobre productos de datos regulados y semánticamente ricos, proporcionando un valor empresarial duradero”.

De ahí esta recomendación: la mayoría de las organizaciones arrastrará una acumulación continua de operaciones y deuda de datos. Las organizaciones de TI orientadas a producto deben gestionar los activos de datos como productos y desarrollar hojas de ruta alineadas con sus prioridades de IA.

2. Garantizar el cumplimiento normativo y los estándares de seguridad

En materia de seguridad de los datos, Jack Berkowitz, director de datos de Securiti, aconseja comenzar respondiendo a preguntas clave: quién debe tener acceso a cualquier información que entre o salga de una aplicación de IA generativa, si el contenido incluye información confidencial y cómo se procesan o consultan esos datos. En su opinión, “a medida que avanzamos hacia una IA agencial, capaz de procesar y tomar decisiones de forma activa, la implementación de barreras estáticas o planas fracasará”.

Las barreras son necesarias para prevenir agentes de IA maliciosos y para limitar el uso de datos en ámbitos donde los riesgos superan los beneficios.

Joanne Friedman, directora ejecutiva de ReilAI, considera que “la mayoría de las empresas cuenta con una base de seguridad razonable —con un SDLC seguro, cifrado en reposo y en tránsito, control de acceso basado en roles, prevención de pérdida de datos y cumplimiento normativo como RGPD, HIPAA y CCPA—“. Y añade: “Eso es suficiente para la TI tradicional, pero insuficiente para la IA, donde los datos mutan rápidamente, los patrones de uso son emergentes y el comportamiento de los modelos debe ser gobernado, no adivinado”.

Mi recomendación: Joanne propone establecer cuatro pilares de datos preparados para los riesgos de la IA:

· Definir una lista de materiales de IA.

· Utilizar un marco de gestión de riesgos como NIST AI RMF o ISO 42001.

· Tratar las indicaciones de IA generativa como datos y protegerlas frente a la inyección de prompts, la fuga de datos y otros abusos.

· Documentar la IA mediante tarjetas de modelos y hojas de datos de los conjuntos de datos, incluyendo el uso previsto, las limitaciones y otras cualificaciones.

3. Definir metadatos contextuales y anotaciones

Los modelos de lenguaje de IA pueden alimentarse con múltiples documentos y fuentes de datos que contienen información contradictoria. Cuando la indicación de un empleado da lugar a una respuesta errónea o a una alucinación, este puede responder con aclaraciones para cerrar la brecha.

Sin embargo, cuando los agentes de IA están integrados en los flujos de trabajo de los empleados y en los recorridos de los clientes, lo que está en juego ante recomendaciones deficientes o acciones incorrectas es significativamente mayor. La precisión de un agente de IA mejora cuando los documentos y las fuentes de datos incluyen metadatos y anotaciones enriquecidos que indican cómo utilizar la información subyacente de forma adecuada.

Para Andreas Blumauer, vicepresidente sénior de crecimiento y marketing de Graphwise, “la IA debe ser capaz de comprender el significado que hay detrás de los datos añadiendo una capa semántica, que actúa como un diccionario universal para sus datos”. En su opinión, “esta capa utiliza etiquetas, metadatos y anotaciones coherentes para indicar a la IA lo que representa cada dato, vinculándolo directamente con los conceptos y preguntas del negocio. Aquí también se incluyen conocimientos específicos del sector o modelos de conocimiento del dominio, para que la IA comprenda el contexto empresarial”.

Recomendación: aproveche taxonomías y estándares de categorización específicos del sector y aplique estándares de metadatos como Dublin Core, Schema.org, PROV-O o XMP.

4. Revisar la significación estadística y los sesgos de los datos

Las encuestas son una herramienta fundamental de la investigación de mercado. Los investigadores definen preguntas y respuestas siguiendo mejores prácticas que minimizan la exposición a sesgos. Por ejemplo, preguntar a los empleados usuarios del servicio de asistencia: “¿Qué grado de satisfacción le proporciona la rapidez de respuesta de nuestro excelente equipo de soporte?” introduce sesgo, ya que términos como “excelente” o “rápido” implican un estándar subjetivo.

Otro reto consiste en garantizar un tamaño de muestra estadísticamente significativo para todos los segmentos. Resultaría engañoso, por ejemplo, informar sobre la opinión de los ejecutivos si solo un pequeño número de ellos respondió a la encuesta.

Al revisar datos para su uso en IA, es aún más crítico considerar la significación estadística y los sesgos, especialmente cuando estos datos sustentan la toma de decisiones de un agente de IA.

Shanti Greene, directora de ciencia de datos de AnswerRocket y profesora adjunta de la Universidad de Washington, explica que “los datos preparados para la IA requieren algo más que marcos de calidad convencionales; exigen rigor estadístico, auditorías de sesgos exhaustivas con probabilidades igualadas, pruebas de estabilidad distributiva y marcos de identificabilidad causal que permitan el razonamiento contrafactual”.

A su juicio, “las organizaciones que buscan resultados transformadores con modelos generativos sofisticados siguen estando, paradójicamente, limitadas por infraestructuras de datos con un volumen insuficiente para cubrir casos extremos. Los sistemas de IA continúan sujetos a fundamentos estadísticos, lo que demuestra que los modelos entrenados con datos deficientes pueden generar alucinaciones fiables que se disfrazan de inteligencia autorizada”.

Recomendación: comprender y documentar los sesgos de los datos debe ser una condición innegociable de la gobernanza. Entre las métricas de equidad más habituales se incluyen la paridad demográfica y la igualdad de oportunidades, mientras que las pruebas de valor p se utilizan para evaluar la significación estadística.

5. Comparar y revisar las métricas de calidad de los datos

Las métricas de calidad de los datos se centran en la precisión, integridad, coherencia, puntualidad, unicidad y validez de los conjuntos de datos. JG Chirapurath, presidente de DataPelago, recomienda realizar un seguimiento de los siguientes indicadores:

· Integridad de los datos: menos del 5% de las entradas de cualquier campo crítico pueden estar en blanco o faltar para considerarse completas.

· Desviación estadística: si una estadística clave varía más de un 2% respecto a los valores esperados, los datos se marcan para revisión humana.

· Índices de sesgo: si un grupo o segmento obtiene resultados que difieren en más de un 20% respecto a otro, los datos se marcan para revisión.

· Conjuntos de datos dorados: los resultados de la IA deben alcanzar una concordancia superior al 90% con la verdad fundamental verificada por humanos en subconjuntos de muestra.

Eso lleva a Rajeev Butani, presidente y director ejecutivo de MediaMint, a considerar que “las organizaciones pueden medir la preparación mediante métricas como tasas de valores nulos y duplicados, coherencia de esquemas y taxonomías, actualidad frente a los SLA y variaciones en la conciliación entre registros contabilizados, entregados y facturados. El sesgo y el riesgo pueden evaluarse mediante la cobertura del consentimiento, las puntuaciones de exposición de datos personales identificables (PII) y las comprobaciones de retención o eliminación”.

Recomendación: la selección de métricas de calidad y el cálculo de una puntuación compuesta de salud de los datos son funciones habituales de los catálogos de datos y ayudan a generar confianza en el uso de conjuntos de datos para IA y toma de decisiones. Los responsables de la gobernanza deben comunicar los umbrales objetivo y establecer procesos de revisión para los conjuntos que no los cumplan.

6. Establecer la clasificación, el linaje y la procedencia de los datos

Más allá de la calidad, las prácticas clave de gobernanza incluyen la clasificación de datos para la protección de la propiedad intelectual y la privacidad, así como el establecimiento del linaje y la procedencia.

Matt Carroll, fundador y director ejecutivo de Immuta, explica que “el futuro pasa por gobernar los agentes de IA como identidades no humanas, registradas, responsables y sujetas a la misma disciplina que las personas dentro de un sistema de identidad”, y añade: “Esto requiere clasificar la información por niveles de riesgo, crear puntos de control donde la supervisión humana sea esencial y permitir que las interacciones de bajo riesgo fluyan libremente”.

Geoff Webb, vicepresidente de marketing de productos y carteras de Conga, destaca dos métricas clave que deben evaluarse antes de confiar en los resultados de cualquier flujo de trabajo de agentes:

· Procedencia de los datos: hace referencia al origen de los datos. ¿Es confiable la fuente y cómo pasaron a formar parte del conjunto utilizado?

· Cronología de los datos: se refiere a su antigüedad. Debe evitarse entrenar modelos con datos que ya no sean relevantes para los objetivos actuales o que reflejen prácticas obsoletas, procesos no conformes o malas prácticas del pasado.

· Recomendación: las industrias reguladas cuentan con una larga experiencia en la maduración de la gobernanza de datos. Para las organizaciones rezagadas en estas disciplinas, la clasificación de datos constituye un punto de partida esencial.

7. Crear bucles de retroalimentación con intervención humana

A medida que las organizaciones incorporan más conjuntos de datos a la IA, resulta esencial mantener una validación continua de los modelos de lenguaje y de la precisión de los agentes, realizada por expertos en la materia y usuarios finales. Las operaciones de datos deben extender la retroalimentación sobre la IA a las fuentes subyacentes para priorizar mejoras e identificar áreas que deban enriquecerse con nuevos conjuntos de datos.

“En nuestros centros de atención telefónica no solo escuchamos las interacciones con los clientes, sino que también trasladamos esos datos cualitativos a los equipos de ingeniería para rediseñar las experiencias”, explica Ryan Downing, vicepresidente y director de informática de soluciones empresariales en Principal Financial Group. Y apostilla: “Medimos cómo interactúan las personas con las soluciones basadas en IA y cómo esas interacciones se correlacionan con comportamientos posteriores, por ejemplo, si alguien todavía necesitó llamarnos tras utilizar la aplicación móvil”.

Recomendación: los conjuntos de datos no estructurados y aquellos que recogen opiniones y sentimientos humanos son más propensos a variaciones que los métodos estadísticos no siempre validan fácilmente. Cuando los usuarios informan de respuestas extrañas de modelos de IA basados en estos datos, es esencial rastrear las causas raíz en los propios datos, especialmente porque muchos modelos de IA no son totalmente explicables.

Automatizar una lista de verificación de la preparación de los datos

Guy Adams, director técnico de DataOps.live, es de los que cree que “los datos preparados para la IA no son solo datos de calidad, sino datos que se han transformado en un producto gestionado y entregado con el contexto adecuado para que los sistemas de IA actuales puedan confiar en ellos y reutilizarlos incluso para casos de uso que aún no hemos imaginado”.

Las organizaciones que invierten de forma intensiva en agentes y capacidades de IA deben asegurarse primero de que sus datos estén listos y, a continuación, automatizar una lista de verificación para su validación continua. El nivel de exigencia en la preparación de datos debe aumentar cuando estos se utilicen en flujos de trabajo críticos y en experiencias de cliente que impacten directamente en los ingresos y a gran escala.

El origen del banco ING en España está intrínsecamente unido a una gran apuesta por la tecnología, su razón de ser y clave de un éxito que le ha llevado a tener, solo en este país, 4,6 millones de usuarios y ser el cuarto mercado del grupo según este parámetro después de Alemania, Países Bajos y Turquía.

La entidad neerlandesa, que llegó al mercado nacional en los años 80 de mano de la banca corporativa de inversión, realizó su gran desembarco empresarial en el país a finales de los 90, cuando empezó a operar como el primer banco puramente telefónico. Desde entonces, ING ha ido evolucionado al calor de las innovaciones tecnológicas de cada momento, como internet o la telefonía móvil hasta llegar al momento actual, con un claro protagonismo de la inteligencia artificial.

Como parte de su comité de dirección y al frente de la estrategia de las tecnologías de la información del banco en Iberia —y de un equipo de 500 profesionales, un tercio de la plantilla de la compañía— está la teleco Rocío López Valladolid, su CIO desde septiembre de 2022. La ejecutiva, en la ‘casa’ desde hace más de 15 años y distinguida como CIO del año en los CIO 100 Awards en 2023, explica en entrevista con esta cabecera cómo trabaja ING para evolucionar sus sistemas, procesos y forma de trabajar en un contexto enormemente complejo y cambiante como el actual.

Asegura ser consciente, desde que se incorporó a ING, de la relevancia de las TI para el banco desde sus inicios, un rol que “no ha sido a menos” en los tres años de López Valladolid como CIO de la filial ibérica. “Mi estrategia y la estrategia de tecnología del banco va ligada a la del banco en sí misma”, recalca, apostillando que desde su área no perciben las TI “como una estrategia que reme solo en la dirección tecnológica, sino siempre como el mayor habilitador, el mayor motor de nuestra estrategia de negocio”.

Una ambiciosa transformación tecnológica

Los 26 años de operación de ING en España han derivado en un gran legado tecnológico que la compañía está renovando. “Tenemos que seguir modernizando toda nuestra arquitectura tecnológica para asegurar que seguimos siendo escalables, eficientes en nuestros procesos y, sobre todo, para garantizar que estamos preparados para incorporar las disrupciones que, una vez más, vienen de la mano de la tecnología, en especial de la inteligencia artificial”, asevera la CIO.

Fue hace tres años, cuenta, cuando López Valladolid y su equipo hicieron un replanteamiento de la experiencia digital para modernizar la tecnología que da servicio directo a sus clientes. “Empezamos a ofrecer nuevos productos y servicios de la mano de nuestra app en el canal móvil, que ya se ha convertido en el principal canal de acceso de nuestros clientes”, señala.

Más tarde, continúa, su equipo siguió trabajando en modular los sistemas del banco. “Aquí uno de nuestros grandes hitos tecnológicos fue la migración de todos nuestros activos a la nube privada del grupo” —subraya—. Un hito que cumplimos el año pasado, siendo el primer banco en afrontar este movimiento ambicioso, que nos ha proporcionado mucha escalabilidad tecnológica y eficiencia en nuestros sistemas y procesos, además de unirnos como equipo”.

Un proyecto, el de migración a cloud, clave en su carrera profesional. “No todo el mundo tiene la oportunidad de llevar un banco a la nube”, afirma. “Y he de decir que todos y cada uno de los profesionales del área de tecnología hemos trabajado codo con codo para conseguir ese gran hito que nos ha posicionado como un referente en innovación y escalabilidad”.

En la actualidad, agrega, su equipo está trabajando en evolucionar el core bancario de ING. “Llegar a transformar las capas más profundas de nuestros sistemas es uno de los grandes hitos que muchos bancos ambicionan”, relata. ¿El objetivo? Ser más escalables en los procesos y estar mejor preparados para incorporar las ventajas que vienen de mano de la inteligencia artificial.

Gran parte de las inversiones de TI del banco —la CIO no desvela el presupuesto específico anual de su área en Iberia— están enfocadas a la citada transformación tecnológica y al desarrollo de los productos y servicios que demandan los clientes.

Muestra de la confianza en las capacidades locales del grupo es el establecimiento en las oficinas del banco en Madrid de un centro de innovación y tecnología global que persigue impulsar la transformación digital del banco en todo el mundo. El proyecto, una iniciativa de la corporación, espera generar más de mil puestos de trabajo especializados en tecnología, datos, operaciones y riesgos hasta el año 2029. Aunque López no lidera este proyecto corporativo —Konstantin Gordievitch, en la casa desde hace casi dos décadas, está al frente— sí cree que “es un orgullo y pone de manifiesto el reconocimiento global del talento que tenemos en España”. Gracias al nuevo centro, explica, “se va a dotar al resto de países de ING de las capacidades tecnológicas que necesitan para llevar a cabo sus estrategias”.

“No todo el mundo tiene la oportunidad de llevar un banco a la nube”

Pilares de la estrategia de TI de ING en Iberia

La estrategia de ING, dice López Valladolid, es ‘customer centric’, es decir, centrada en el cliente y ese es uno de sus grandes pilares. “De alguna manera, todos trabajamos y desarrollamos para nuestros clientes, así que estos son uno de los pilares fundamentales tanto en nuestra estrategia como banco como en nuestra estrategia tecnológica”.

La escalabilidad, continúa la CIO, es el siguiente. “ING está creciendo en negocio, productos, servicios y segmentos, así que el área de tecnología debe dar respuesta de manera escalable y también sostenible, porque este incremento no puede conllevar que aumente el coste y la complejidad”.

“Por supuesto —añade— la seguridad desde el diseño es un pilar fundamental en todos nuestros procesos y en el desarrollo de productos”. Su equipo, afirma, trabaja con equipos multidisciplinares y, en concreto, sus equipos de producto y tecnología trabajan conjuntamente con el de ciberseguridad para garantizar este enfoque.

La innovación es otro de los cimientos tecnológicos del banco. “Estamos viviendo una revolución que va más allá de la tecnología y va a afectar a todo lo que hacemos: a cómo trabajamos, cómo servimos a nuestros clientes, cómo operamos… Así que la innovación y cómo incorporamos las nuevas disrupciones para mejorar la relación con los clientes y nuestros procesos internos son aspectos claves en nuestra estrategia tecnológica”.

Finalmente, afirma, “el último pilar y el más importante son las personas, el equipo. Para nosotros, por supuesto para mí, es fundamental contar con un equipo diverso, muy conectado con el propósito del banco y que sienta que su trabajo redunda en algo positivo para la sociedad”.

Impacto de los nuevos sabores de IA

Preguntada por la sobreexpectación que ha generado en la alta dirección de negocio la aparición de los sabores generativo y agentivo de la IA, López Valladolid lo ve con buenos ojos: “Que los CEO tengan esas expectativas y ese empuje es bueno. Históricamente, a los tecnólogos nos ha costado explicar a los CEO la importancia de la tecnología; que ahora ellos tiren de nosotros lo veo muy positivo”.

¿Cómo deben actuar los CIO en este escenario? “Diseñando las estrategias para que la IA genere el impacto positivo que sabemos que va a tener”, explica la CIO. “En ING no vemos la IA generativa como un sustituto de las personas, sino como un amplificador de las capacidades de éstas. De hecho, tenemos ya planes para mejorar el día a día de los empleados y reinventar la relación que tenemos con los clientes”.

ING, rememora, irrumpió en el escenario de la banca en España hace 26 años con “un modelo de relación muy diferente, que no existía entonces. Primero fuimos un banco telefónico e inmediatamente después un banco digital sin casi oficinas, un modelo de relación con el cliente entonces disruptivo y que se ha consolidado como el modelo de relación estándar de las personas con sus bancos”. En la era actual, añade, “tendremos que entender cuál va a ser el modelo de relación que las personas van a tener, gracias a la IA generativa, con sus bancos o sus propios dispositivos. Nosotros ya estamos trabajando para entender cómo quieren nuestros clientes que nos relacionemos con ellos”. Una respuesta que vendrá, dice, siempre de mano de la tecnología.

“Queremos rediseñar nuestro modelo operativo para ser mucho más eficientes internamente, así que estamos trabajando para ver dónde [la IA generativa] nos puede aportar valor”

De hecho, la compañía ha lanzado un chatbot basado en IA generativa para dar respuesta de forma “más natural y cercana” a las consultas del día a día de los clientes. “Así podemos dejar a nuestros agentes [humanos] para atender otro tipo de cuestiones más complejas que sí requieren la respuesta de una persona”.

ING también aplicará la IA generativa a sus propios procesos empresariales. “Queremos rediseñar nuestro modelo operativo para ser mucho más eficientes internamente, así que estamos trabajando para ver dónde [la IA generativa] nos puede aportar valor”.

La CIO es consciente de la responsabilidad que conlleva adoptar esta tecnología. “Tenemos que liderar el cambio y asegurarnos de que la inteligencia artificial generativa nos lleve donde queremos estar y que nosotros la llevemos donde también queremos que esté”.

En lo que respecta a la aplicación de esta tecnología al área de TI en concreto, donde los analistas esperan un impacto grande, sobre todo en el desarrollo de software, la CIO cree que “puede aportar muchísimo”. La idea, cuenta, es emplearla para tareas de menos valor añadido, más tediosas, de modo que los profesionales de TI del banco puedan dedicarse a otro tipo de tareas dentro del desarrollo de software donde puedan aportar más valor.

“Históricamente, a los tecnólogos nos ha costado explicar a los CEO la importancia de la tecnología; que ahora ellos tiren de nosotros lo veo muy positivo”

Desafíos como CIO y futuro de la banca

Los líderes de TI afrontan todo un crisol de retos que engloban desde el liderazgo tecnológico a desafíos culturales o regulatorios, entre otros. “Los CIO nos enfrentamos a todo tipo de desafíos”, reflexiona Rocío López. “Por un lado, soy colíder de la estrategia del banco y del negocio; me preocupa y ocupa el crecimiento del banco y los servicios que damos a nuestros clientes, lo que conlleva un abanico de retos y disciplinas muy amplio”.

Por otro, añade, “los líderes tecnológicos marcamos el paso de la transformación y de la innovación, garantizando que la seguridad está en todo lo que hacemos desde el diseño. En este sentido, siempre tenemos que reconciliar la innovación con la regulación, pues esta última nos protege como sociedad”. Por último, subraya, “los CIO somos líderes de personas, así que es muy importante dedicar tiempo y esfuerzo al desarrollo de nuestros equipos, de forma que estos crezcan y se desarrollen en una profesión que me encanta”.

Una de las iniciativas en la que la CIO participa activamente para impulsar la profesión y potenciar que existan más referentes femeninos en el mundo STEM (de ciencias, tecnología, ingeniería y matemáticas) es Leonas in Tech. “Es una comunidad formada por el equipo de mujeres del área de tecnología del banco con la que realizamos varias acciones, como talleres de robótica, entre otros”, explica. “Nos preocupa que los perfiles tecnológicos femeninos seamos una minoría en la sociedad. En un mundo donde ya todo es tecnología, y en el futuro lo será más aún, que las mujeres no tengamos una representación fuerte en este segmento nos pone en cierto riesgo como sociedad. Por eso trabajamos para fomentar que haya referentes y acercar la tecnología a las edades más tempranas; contar que la nuestra es una profesión bonita caracterizada por la creatividad, la capacidad de resolver problemas, el ingenio… y el pensamiento crítico”, añade la CIO.

De cara al futuro próximo, López Valladolid está convencida de que “la inteligencia artificial va a cambiar la manera en la que en la que nos relacionamos. Es difícil anticipar lo que va a ocurrir a cinco años vista, pero sí sabemos que debemos seguir escuchando a nuestros clientes y saber qué nos demandan. Esto siempre será una prioridad para nosotros. Y seguiremos estando donde los clientes nos pidan gracias a la tecnología”.

El prestigioso instituto tecnológico estadounidense MIT ha comenzado a desarrollar un índice, llamado Iceberg, para realizar un seguimiento de los diferentes tipos de agentes de IA que ahora realizan trabajos que hasta ahora hacían humanos. La idea del centro es contabilizar los agentes de IA que hay en todo el mundo para obtener una visión más amplia de cómo la tecnología podría sustituir al trabajo humano.

Las cifras iniciales del índice indican que solo 13.000 agentes podrían exponer a 151 millones de trabajadores humanos, es decir, alrededor del 11,7% de la población activa, a la pérdida de puestos de trabajo o salarios.

Un artículo de investigación del MIT afirma que es necesario cuantificar la población de agentes de IA, que en última instancia podría superar a la población humana. La métrica ofrece una foto de cómo la era de la IA está cambiando la productividad, el desarrollo de habilidades y la creación y el desarrollo de puestos de trabajo.

Los investigadores del MIT cuentan que, dado que las cifras de empleo existentes de la Oficina de Estadísticas Laborales de EE. UU. miran hacia atrás y no hacia adelante, se necesita un índice de empleo de IA. Argumentan que los datos ofrecen una visión prospectiva de cómo la IA sustituirá a los trabajadores y ayuda a los líderes a planificar el desarrollo de habilidades y la inversión. “El mercado laboral está evolucionando más rápido de lo que los sistemas de datos actuales pueden captar”, afirman los investigadores, añadiendo que “los marcos de planificación de la mano de obra existentes se han diseñado para economías exclusivamente humanas”.

La pérdida de puestos de trabajo o salarios se debe a la automatización en las empresas, que ya se está produciendo, según señala el estudio. La IA se utiliza habitualmente para generar código y se está empleando para automatizar diversas tareas administrativas y de apoyo.

Los índices de empleo típicos cubren las cifras de pérdida de puestos de trabajo, pero no reflejan las oportunidades creadas por la IA en áreas como los mercados de trabajos esporádicos, los copilotos de IA y las redes de autónomos. “Para cuando estos cambios aparezcan en las estadísticas oficiales, es posible que los responsables políticos ya estén reaccionando a problemas del pasado, destinando miles de millones a programas que se centran en habilidades que ya han quedado obsoletas”, apuntan los investigadores.

El MIT se enfrenta a un gran reto, ya que predecir los puestos de trabajo creados y perdidos por la IA será una tarea difícil, según Jack Gold, analista de J. Gold Associates. “Está claro que la IA hace algunas cosas bien, pero también está claro que aún no comprendemos plenamente el alcance total de sus capacidades y sus inconvenientes”, afirma.

Es muy difícil hacer proyecciones más allá de unos pocos años vista, cuando la IA agentiva alcance su pleno desarrollo, según Gold. “Consideraría cualquier predicción como potencialmente poco precisa en esta fase temprana de la implantación de la IA”, afirma. En todo caso, según el experto, la IA tiene más potencial para ayudar que para sustituir a las personas en los próximos años, incluso cuando surja la IA física.

No obstante, la falta de datos sobre el empleo relacionado con la IA ya es motivo de preocupación en Estados Unidos. El pasado mes de septiembre, algunos de los principales economistas del país enviaron una carta al Departamento de Trabajo de los Estados Unidos pidiendo que “mejorara estos conjuntos de datos para ayudar a los responsables políticos y a los investigadores a evaluar mejor cómo la IA está transformando los mercados laborales”. Las cifras ayudarán a recopilar datos económicos de alta calidad que servirán de base para las políticas destinadas a abordar los problemas laborales que genera la IA, según los economistas. Entre los firmantes del escrito se encontraban Ben Bernanke y Janet Yellen, antiguos presidentes de la Reserva Federal de los Estados Unidos.

Según recientes estadísticas de empleo de Challenger, Gray and Christmas unos 153.074 puestos de trabajo han sido eliminados por la IA. Muchos de ellos eran puestos considerados superfluos en las empresas y puestos de nivel inicial. Varias empresas, entre ellas Amazon y Meta, han estado reduciendo su plantilla mientras aumentaban las inversiones en IA. Las empresas están implantando poco a poco agentes de IA para la gestión del conocimiento, las tareas administrativas y el control de calidad.

BASF Agricultural Solutions, por ejemplo, ha desplegado mil agentes Copilot (de Microsoft), mientras que EY tiene 41.000 agentes en producción, según expusieron recientemente ejecutivos de estas empresas en una mesa redonda celebrada en el evento Ignite de Microsoft, que tuvo lugar el mes pasado en Estados Unidos. Sin embargo, las herramientas de IA que se utilizan actualmente tienen como objetivo aumentar la productividad humana, en lugar de sustituirla, según indicaron los participantes en dicho debate.

Los investigadores del MIT no han respondido ante la petición de declaraciones realizada por este medio.

Este 25 de noviembre, Madrid volvió a acoger una nueva gala de entrega (la cuarta) de los prestigiosos premios CIO 100 en España, que organiza la cabecera editorial CIO para distinguir la labor de los líderes de TI, de seguridad de la información (CISO) y de empresas y organismos públicos en materia de modernización tecnológica y la innovación.

El encuentro, que coincidió con el 20 aniversario del nacimiento de la cabecera CIO en España, se celebró en el Hotel Mandarin Oriental Ritz y fue presentado por Fernando Muñoz, director del CIO Executive de Foundry en el país, y Esther Macías, directora editorial del grupo, que también edita en España la decana COMPUTERWORLD.

“Hoy nos reunimos para celebrar la innovación, el talento y, sobre todo, el liderazgo que está transformando el mundo tecnológico en nuestro país. Y lo hacemos en un momento muy especial para CIO ESPAÑA, la publicación de referencia del grupo Foundry de y para los líderes de TI empresarial, porque esta acaba de cumplir 20 años de vida”, señaló Esther Macías, recordando los orígenes de esta cabecera nacida en Estados Unidos en 1987. “Estos han sido unos años apasionantes en los que nunca hemos perdido de vista nuestro propósito: proporcionar a nuestra audiencia y grandes protagonistas, los CIO, información contrastada y trabajada sobre los grandes proyectos y estrategias de TI del ámbito empresarial y del sector público”, añadió, afirmando que las ediciones de CIO que tiene el grupo Foundry en el mundo suman unos dos millones de visitas mensuales.

“La tecnología no avanza sola: la impulsan las personas. Personas como vosotros, que hacéis posible el cambio en vuestras organizaciones y en la sociedad”, indicó por su parte Fernando Muñoz, quien no dudó en afirmar que, entre tantas transformaciones, hay algo que no cambia: “El nivel excepcional de los líderes que hoy reconocemos. Vuestras historias reflejan no solo excelencia técnica, sino también visión, resiliencia y humanidad. Hablan de equipos guiados con propósito, de decisiones valientes, y de la capacidad de convertir la incertidumbre en oportunidad. En un mundo cada vez más digital, el liderazgo auténtico, el que inspira, escucha y construye, es más importante que nunca. Y eso es lo que hoy celebramos aquí”.

Estos son los premiados y finalistas de la edición 2025 en España de los CIO 100 Awards.

CIO del año: Dimitris Bountolos (Ferrovial)

Dimitris Bountolos, CIO de Ferrovial, fue el ganador de la categoría estrella de los premios, la distinción al mejor líder de TI del año, un reconocimiento que pone en valor la excelencia, la visión y el liderazgo de aquellos directivos que marcan el rumbo de la transformación tecnológica en nuestro país.

Con el Plan de Transformación Digital Horizon, Bountolos ha demostrado que la tecnología solo genera valor cuando está plenamente integrada en la estrategia y la operación del negocio. El jurado ha valorado especialmente su modelo de colaboración top-down y bottom-up que une al comité de dirección y toda la organización, lo que garantiza una adopción real de las iniciativas y sitúa la tecnología en el centro de la estrategia corporativa.

El galardón lo entregó Manuel Ávalos, director general de Cognizant para España, Portugal e Italia.

Los finalistas de esta categoría fueron:

• Jordi Roda, CIO de Decathlon, quien con su visión de la tecnología como game changer, ha impulsado la evolución de una cadena de retail a una plataforma integral de servicios deportivos.
• Ángel Blanco, CIO de Quirónsalud, quien ha logrado liderar en el grupo sanitario una transformación sin precedentes del modelo asistencial, incorporando la inteligencia artificial como motor del cambio.
• Miguel Ángel Iglesias, CIO de Seat & Cupra, que, en un contexto desafiante para el sector de la automoción, marcado por la electrificación, la transformación de las fábricas y la irrupción de la inteligencia artificial, ha impulsado una iniciativa de TI que ha redefinido el modelo de relación entre IT y negocio en el grupo, acelerando la transformación global de la compañía.

CISO del año: Izaskun Onandia (ITP Aero)

La directora asociada de seguridad y cumplimiento de información de ITP Aero, Izaskun Onandia, fue la ejecutiva elegida como CISO del año en los CIO 100 Awards por su capacidad de integrar la seguridad física, la ciberseguridad, la seguridad de la información y la gobernanza del dato, aportando una visión transversal y adaptada a cada entorno. La directiva no sólo ha logrado incorporar la gobernanza de la inteligencia artificial en la compañía, promoviendo un uso seguro, ético y responsable de estas tecnologías, sino que su visión innovadora y su capacidad para anticiparse a los retos de la era digital la posicionan como una referente en la gestión integral de la seguridad y la información.

José Luis Basabe Echezarraga, director asociado de Infraestructura de ITP Aero, fue quien recogió el premio de Izaskun Onandia ante la imposibilidad de la directiva de acudir a la gala.

En la categoría de CISO del año, una función directiva clave en un momento en el que la ciberseguridad se ha convertido en un eje esencial para la confianza, la continuidad y la innovación de las organizaciones, y que reconoce a quienes lideran con visión estratégica, impulsando la resiliencia y el crecimiento desde la protección digital, destacaron como finalistas:

• Javier Torres Alonso, CISO de Allfunds, por la profunda transformación de la arquitectura de seguridad de la entidad, logrando modernizar sus capacidades de monitorización y respuesta ante incidentes.
• Juan Manuel Bahamonde, CISO de Metro Food Sourcing, por haber liderado con éxito la implantación del framework de seguridad en las empresas de las oficinas de comercio internacional del grupo METRO/MAKRO con una filosofía de gestión apoyada en la colaboración y el pragmatismo.

Empresa del año: Coca-Cola Europacific Partners

La historia de transformación tecnológica y organizativa presentada por Coca-Cola Europacific Partners ha hecho merecedora a esta compañía del premio a Empresa del año en los CIO 100 Awards. En apenas una década, ha pasado de ser una compañía local en España a operar en 31 países de Europa y Asia-Pacífico. Desde la integración de las embotelladoras españolas en 2013, pasando por su expansión europea en 2016, hasta su llegada a Asia y Oceanía en 2021 y Filipinas en 2024, la empresa ha afrontado enormes retos tecnológicos, de integración y de adopción.

Actualmente, lidera una migración estratégica a la nube, incluyendo CRM, productividad, fuerza comercial y próximamente su ERP SAP, con una visión a siete años. Una plataforma global, una respuesta local y un enfoque en las personas —con iniciativas como la IA Academy y la AI Incubator— definen su apuesta por una tecnología al servicio de la cultura. Una transformación constante que une innovación, escalabilidad y cercanía en todos sus mercados.

David Marimón, vicepresidente y CIO para Iberia & IT Head Customer Service & Supply Chain de Coca-Cola Europacific Partners, recogió el galardón de manos de Fernando Muñoz, director del CIO Executive de Foundry España.

La de Empresa del año es una categoría que reconoce a aquellas organizaciones que han hecho de la tecnología y la innovación el motor de su transformación, empresas que evolucionan, inspiran y marcan el camino hacia el futuro. Los finalistas de esta categoría son:

• Air Europa, por haber puesto en marcha un ambicioso Programa de Estrategia de Datos 2023–2027, con el objetivo de convertir el dato en un auténtico activo estratégico, lo que está transformando su cultura y su manera de trabajar, además de aportar mayor valor para el negocio y los clientes.
• CEPSA GLP-GASIB, por haber llevado a cabo en los últimos años una profunda transformación tecnológica y cultural con el propósito de innovar con impacto, lo que le ha hecho ser una empresa 100% cloud, con un puesto de trabajo digital y con proyectos que aceleran la transformación digital y contribuyen a la descarbonización.
• Zurich Insurance, que con una filosofía ‘business-led, tech-powered’, ha transformado su modelo en torno a dos ejes: la One Customer House, centrada en la relación con el cliente, y el Intermediaries Service Center, que optimiza el soporte a la mediación, además de haber desarrollado una fábrica digital, basada en tecnología de nube nativa e IA generativa, permite ajustar precios en minutos, automatizar siniestros o asistir a agentes y clientes con lenguaje natural, entre otros grandes proyectos.

Organismo público del año: Lantik SAMP-Diputación Foral de Bizkaia

La categoría Organismo Público del Año reconoce a aquellas instituciones que han demostrado una visión ejemplar en la modernización del sector público, impulsando proyectos transformadores con impacto real en la ciudadanía. En este caso, la Diputación Foral de Bizkaia, a través de Lantik, ha resultado ganadora por haber liderado una apuesta pionera por las tecnologías cuánticas, basada en el liderazgo público, la colaboración y el impacto social.

La propuesta integra laboratorios, programas de adopción temprana y un ecosistema donde confluyen Administración, industria, centros tecnológicos y universidades. Bizkaia ha logrado impulsar un nuevo sector estratégico y su propuesta BIQAIN sitúa la innovación, la sostenibilidad y la competitividad en el centro de un modelo referente en España y Europa.

Valentín García, director de Innovación de Lantik, recogió el premio, que entregó Esther Macías, directora editorial de CIO y COMPUTERWORLD en España.

En esta categoría quedaron finalistas:

• La Generalitat de Catalunya, por haber impulsado una transformación integral hacia una Administración plenamente omnicanal, situando a la ciudadanía en el centro, con una estrategia que avanza hacia servicios más proactivos, accesibles y personalizados y un modelo basado en datos, colaboración y una clara visión de futuro.
• El Hospital Universitario 12 de Octubre, por haber llevado a cabo la mayor transformación digital hospitalaria en España, coincidiendo con la puesta en marcha de uno de los mayores proyectos de obra civil de Europa, una iniciativa con impacto directo en la mejora de la atención a los pacientes y que reconoce el compromiso ejemplar de los equipos clínicos y tecnológicos de la Comunidad de Madrid.
• La Agencia Madrid Digital, por haber liderado la modernización de la Administración de la Comunidad de Madrid mediante soluciones tecnológicas que simplifican y agilizan la relación con ciudadanos, empresas y empleados públicos, siendo un referente en servicios públicos digitales seguros, accesibles y orientados al futuro.

Premio al mejor proyecto de IA y automatización inteligente: Cruz Roja Española

En la categoría que distingue a las organizaciones que han sabido integrar la inteligencia artificial y la automatización avanzada para transformar procesos, ampliar capacidades y generar un impacto real, seguro y responsable en sus operaciones y en la sociedad, resultó ganadora Cruz Roja Española, por la solución Simula tu entrevista de trabajo, que utiliza inteligencia artificial generativa para mejorar la empleabilidad de personas con mayores dificultades de acceso al mercado laboral. Se trata de un simulador de entrevistas realista, accesible y personalizado que ofrece retroalimentación inmediata y contribuye a una inclusión sociolaboral efectiva.

Javier Cressi, responsable de los Servicios multicanal de orientación para el empleo de Cruz Roja Española, recogió el premio de manos de Isabel Reis, directora general de Dell Technologies para España y Portugal.

Los finalistas de esta categoría fueron:

• Ferrovial, por AlexandrIA, un programa innovador que preserva y activa el conocimiento crítico de la organización mediante agentes de IA especializados.
• Renfe, por su Laboratorio de IA, un modelo de innovación abierta, gobernanza ética y tecnología avanzada para convertir ideas en soluciones reales, que sitúa al operador como un referente en el uso responsable y estratégico de la inteligencia artificial.
• World2Meet, por su proyecto IPA, que impulsa un ecosistema integral de automatización inteligente que combina datos, IA generativa y soluciones avanzadas para transformar procesos en toda la organización, consolidando la empresa como un actor ágil e innovador en el sector turístico.

Premio al mejor proyecto de seguridad y resiliencia: Renfe

En la categoría de los CIO 100 que reconoce a aquellas organizaciones que, con visión y determinación, han logrado proteger sus entornos, garantizar la continuidad de sus operaciones y fortalecer la confianza de sus usuarios frente a los desafíos de la era digital, ha resultado ganadora Renfe. El jurado ha seleccionado esta candidatura por el ambicioso plan de modernización de estaciones y trenes de Cercanías emprendido por el operador ferroviario, que integra conectividad, ciberseguridad y digitalización. Con inversiones históricas y un despliegue tecnológico sin precedentes, Renfe ha logrado fortalecer la seguridad de sus infraestructuras, mejorar la experiencia de millones de pasajeros y consolidar la resiliencia operativa de su red ferroviaria, estableciendo un referente de innovación y servicio público.

Sonia Segade, CIO de Renfe, y Carmelo Plana, responsable de Administración y Operación de Comunicaciones en la organización, recogieron el premio, que entregó Fernando Muñoz, del CIO Executive.

Quedaron finalistas en esta categoría:

• El Banco Santander, por haber desarrollado un enfoque integral para proteger la experiencia de sus clientes frente al fraude digital y haber creado un ecosistema capaz de anticipar ataques sofisticados, empoderar a los usuarios y fortalecer la resiliencia interna.
• Nationale-Nederlanden, por un proyecto (IT Assurance) con el que ha transformado la manera en que se construye la seguridad y la calidad en el desarrollo de sistemas, basado en automatización, observabilidad y colaboración.

Premio al mejor proyecto de infraestructura digital y cloud: Merlin Properties

Merlin Properties ha sido la compañía ganadora en esta categoría, que distingue a aquellas organizaciones que han llevado la tecnología más allá de la infraestructura tradicional, transformando sus sistemas en plataformas ágiles, seguras y escalables y a quienes, con visión estratégica y excelencia técnica, han convertido la nube y la infraestructura digital en palancas de innovación, eficiencia y resiliencia, sirviendo de base para el futuro de sus negocios y de la sociedad.

En concreto, el jurado ha valorado positivamente cómo la empresa ha logrado desplegar en España una red de data centers sostenibles, hiperconectados y preparados para la inteligencia artificial, fortaleciendo la infraestructura digital del país. Un proyecto que combina máxima disponibilidad, neutralidad climática y eficiencia energética, ofreciendo entornos escalables y seguros para clientes y empresas y que se consolida como un modelo de innovación tecnológica alineado con los desafíos de la economía digital y la sostenibilidad.

Álvaro Ontañón, CIO de Merlin Properties, recogió el premio, entregado por Maite Ramos, directora general de NetApp en España y Portugal.

Los finalistas de esta categoría fueron:

• GALP, por haber recorrido un viaje ejemplar hacia la adopción de la nube, afrontando retos complejos en eficiencia financiera, control de costes y creación de valor.
• MAPFRE, por su Plataforma de Ingeniería Zeus, con la que ha logrado unificar y modernizar su ecosistema tecnológico global, acelerando la entrega de valor al negocio y mejorando de manera significativa la experiencia de sus desarrolladores.
• Nationale-Nederlanden, por haber migrado completamente su infraestructura a un entorno 100% cloud, adoptando un enfoque ‘Cloud First’ que acelera la innovación y mejora la resiliencia.

Premio al mejor proyecto de innovación y excelencia digital: Astrazeneca España

Aquellas organizaciones que han elevado la transformación digital a un nuevo nivel, impulsando la evolución de sus negocios y de toda la sociedad mediante soluciones visionarias, modelos avanzados de gestión del dato y experiencias digitales que marcan un antes y un después son candidatas a ser premiadas en esta categoría. En este caso, la ganadora fue Astrazeneca, por su programa OneSource, que impulsa una profunda transformación empresarial y sitúa a la organización en el camino hacia convertirse en una compañía plenamente orientada al dato.

Con un catálogo de negocio unificado, una arquitectura avanzada, paneles intuitivos y soluciones basadas en inteligencia artificial, AstraZeneca impulsa un nuevo modelo de decisión, conocimiento y capacidades digitales a escala corporativa.

Antonio Velasco, CIO de AstraZeneca España, recogió el galardón de manos de José María Tavera, miembro del jurado de los CIO 100 Awards España 2025.

Los finalistas de esta categoría fueron:

• La Agencia Madrid Digital, por Cuenta Digital, un proyecto de referencia nacional que redefine la relación entre la ciudadanía y la administración pública, una plataforma 100% cloud, basada en datos e inteligencia artificial, que centraliza servicios, simplifica trámites y ofrece una experiencia moderna, accesible y segura.
• Decathlon España, por la Transformación digital de la experiencia deportiva omnicanal, un proyecto que aspira a diluir por completo las fronteras entre el mundo físico y el digital para crear una experiencia deportiva sin interrupciones.
• Ferrovial, por RIaaS (Research Intelligence as a Service), una plataforma avanzada de inteligencia y gestión del conocimiento que integra agentes inteligentes, modelos de lenguaje, datos externos y automatización avanzada.

Premio al mejor proyecto de talento digital y puesto de trabajo: Iberdrola

Iberdrola resultó ganadora de esta categoría que reconoce a las organizaciones que han impulsado nuevas formas de trabajar, potenciando las capacidades digitales de sus equipos y construyendo entornos laborales más inteligentes, colaborativos y orientados al futuro.

En concreto, el jurado valoró cómo la energética ha logrado reinventar el puesto de trabajo a escala global, empoderando a sus equipos con soluciones digitales de nueva generación y consolidando un modelo centrado en las personas y la productividad.

Recogió el premio Ana Arjonilla, responsable global de Gestión del Cambio Digital en Iberdrola. Se lo entregó Mar Hurtado de Mendoza, miembro de jurado de los CIO 100 Awards y vicepresidenta global de Reclutamiento y de IE University.

Los finalistas fueron:

• CEPSA GLP-GASIB, por el proyecto ‘Workplace 360: Personas en el Centro de la Transformación’, todo un reto por transformar la experiencia digital del empleado mediante un puesto de trabajo unificado, automatizado y accesible, que impulsa la colaboración y la eficiencia en toda la organización.
• Dräger Hispania por el proyecto Beloira, que implica la creación de un ecosistema de trabajo sostenible e innovador que integra espacios versátiles, tecnología avanzada y bienestar, redefiniendo la cultura colaborativa de la compañía.
• La Organización Mundial del Turismo, por democratizar la formación en turismo a través de Tourism Online Academy, una plataforma global de la academia ONU Turismo, multilingüe y accesible, que impulsa el talento digital en todo el mundo.

Premio al mejor proyecto de sostenibilidad e inclusión: Zurich

La categoría rinde homenaje a una iniciativa que, por su visión, impacto y compromiso, se alza por sí misma como referente indiscutible en sostenibilidad e inclusión. Se trata del proyecto presentado por Zurich, llamado Productos IT para la Resiliencia ante Eventos Meteorológicos, una propuesta que combina innovación tecnológica y propósito social para fortalecer la protección frente a los riesgos climáticos y apoyar a empresas y comunidades vulnerables.

Con una aproximación ‘Tech-powered, business-led’, Zurich ha desplegado soluciones avanzadas que permiten anticipar, evaluar y mitigar el impacto de los fenómenos extremos, democratizando el acceso a la información, elevando la capacidad de respuesta y situando la inclusión en el centro de su estrategia. Una iniciativa que encarna, con claridad y excelencia, el espíritu de esta categoría.

Recogió el premio Ricard Guash, CIO de Zurich Insurance, que le fue entregado por Juan Antonio Relaño, miembro de jurado de los CIO100 Awards y CIO de Bosch España.

Cuatro ediciones en España de los ‘Óscar de la industria tecnológica’

Los premios CIO 100, conocidos como los ‘Óscar de la industria tecnológica’, son un prestigioso reconocimiento a la excelencia en TI empresarial. La tradición de distinguir a CIO visionarios comenzó en Estados Unidos hace más de tres décadas y ahora se celebra anualmente en los principales mercados tecnológicos, incluidos España, el Reino Unido, Singapur, Australia, Alemania, Corea del Sur e India.

En esta ocasión, el jurado de los premios ha estado integrado por Fernando Muñoz, director del CIO Executive de Foundry España; Esther Macías, directora editorial de Foundry España (grupo editor de CIO y COMPUTERWORLD); Romy Tuin, directora global de Contenidos para Eventos y jefa de Operaciones de Eventos en España y Reino Unido en Foundry; el histórico CIO, ya retirado, José María Tavera, que lideró la estrategia de TI de gigantes como Telefónica o Acciona; Juan Antonio Relaño, CIO de Bosch y ganador de la categoría CIO del año de la edición 2024 de los CIO 100 Awards Spain; la exCIO Kelly Olsen; Madhu Bhabuta, CIO fraccional en Freeman Clarke, el equipo más grande y experimentado de líderes de TI en el Reino Unido; y Mar Hurtado de Mendoza, vicepresidenta global de reclutamiento en IE University y profesora adjunta de esta escuela de negocio.

La adopción de inteligencia artificial (IA) en las estrategias de experiencia de cliente (CX) ha entrado en una fase de madurez si nos atenemos a las conclusiones del estudio “Estado actual e impacto de la IA conversacional y otras soluciones de IA aplicadas a la experiencia de cliente”, elaborado por Inconcert, especialista en tecnología para la gestión de experiencia de cliente (CX), e IFAES con la colaboración de la Asociación Española de Expertos en la Relación con el Cliente (AEERC).

Así, el estudio revela que el 78% de las organizaciones prevé un impacto positivo y directo de los agentes de IA en la relación con sus clientes a corto plazo. No obstante, también muestra que el foco ha cambiado: ya no se trata de incorporar IA, sino de operarla de forma consistente, con procesos claros, métricas y supervisión humana.

Como ejemplo, el 88% de las empresas que ya utilizan agentes basados en IA consideran esencial garantizar un traspaso ágil al equipo humano cuando la automatización no puede resolver un caso complejo. La fricción en ese salto —una de las principales causas de insatisfacción en los clientes— se ha convertido en un criterio crítico para medir el éxito de los proyectos de IA conversacional.

A esto hay que unir una brecha relevante en la percepción del cliente. Así, el 44% valora la IA por su agilidad, el 32% sigue prefiriendo claramente la atención humana, y el 86% de las compañías confía en que la aceptación de la IA mejorará a medida que la tecnología avance.

Mauricio Lázaro, director de Innovación de Inconcert, ha destacado en un comunicado lanzado por la compañía que, “una vez superada la fase inicial de adopción, la diferencia ya no está en la herramienta, sino en la operación diaria”, para añadir: “Superada la fase inicial de adopción de los agentes IA, la diferencia ya no reside en la solución, sino en el funcionamiento diario”, para añadir: “Cuando los sistemas están integrados, las pautas son claras y el traspaso a un agente humano es inmediato cuando se necesita, la tecnología suma al negocio. Ahí es donde se gana la confianza del cliente y se logran resultados reales”

Seguridad y privacidad: los grandes frenos del escalado

A medida que los proyectos de IA ganan peso, también aumentan los riesgos y la complejidad. Según el estudio, la seguridad y la privacidad de los datos son el principal desafío para el 63% de las empresas, y el 95% considera imprescindible una gestión responsable y consistente de estos aspectos.

El informe añade otras barreras para escalar IA en CX, tales como la falta de conocimiento técnico interno (señalada por el 51%), o los costes de implementación y mantenimiento, que cita el 48%.

En este contexto, crecen los requisitos de cumplimiento y la demanda de certificaciones independientes que avalen un uso seguro y ético de la IA. Inconcert destaca que ya ha obtenido la ISO/IEC 42001:2023, centrada en sistemas de gestión de IA, siendo —según la compañía— la primera del sector CX en España en lograrla.

Operación, métricas y modelos mixtos

El estudio indica que el éxito en IA para CX depende cada vez más de combinar automatización, criterio humano, supervisión continua, métricas claras como tiempo de resolución, satisfacción y coste por caso.

Para abordar esta complejidad, Inconcert ha reforzado su modelo operativo en torno a tres fases: Inspeech (detecta e interpreta), Infunnel (decide y orquesta procesos) e Inagent (actúa y gestiona la conversación o deriva al agente humano).

La compañía sostiene que esta integración permite escalar automatizaciones y liberar capacidad de los equipos humanos para dedicarse a casos más complejos y de mayor valor.

Para finalizar, la conclusión del estudio es que las organizaciones que combinen automatización, actualización continua y supervisión humana obtendrán mayor eficiencia operativa, una visión más completa del customer journey y mejores resultados en CX.

Movistar Plus+, la factoría de contenidos del grupo Telefónica que nació en 2015 tras la fusión de las plataformas Canal+ y Movistar TV, comenzó su andadura como un servicio de valor añadido a la oferta de conectividad de la operadora española, pero, desde verano de 2023, comercializa de forma independiente el acceso a su plataforma de pago por suscripción, que alberga series, películas, documentales, programas de entretenimiento y múltiples canales de televisión en directo y bajo demanda. Esta evolución, según Roberto Rodríguez Fernández, director de soporte al cliente de Movistar Plus+, ha propiciado que la compañía aborde la atención a sus consumidores desde un prisma completamente diferente, para lo que se ha apoyado en la inteligencia artificial y, en concreto, en los agentes de IA que facilita la tecnológica Salesforce, que es también su proveedor de software CRM.

“La salida al mercado de forma independiente de Movistar Plus+ no solo nos ha permitido utilizar los datos que tenemos y monetizarlos, sino tener un producto de entrada para presentar toda la cadena de valor del grupo”, aseveró el portavoz en un encuentro con prensa organizado por la propia Salesforce, donde Rodríguez presentó el caso de éxito. El responsable explicó que la plataforma de acceso al contenido de Movistar Plus+ es “un producto digital gestionado por los clientes, con una web ideada para administrar la suscripción”. El proyecto, contó, arrancó con tres canales de contacto con el cliente: un formulario, un correo electrónico y un chatbot que empezaron a implementar en marzo de 2024 dentro de su centro de ayuda.

Este último, tras unos meses en piloto, empezó a funcionar en marzo de este año, convirtiéndose en el primer caso de uso de la plataforma de agentes de IA Agentforce de Salesforce que se implanta en la empresa de Telefónica.

Respuestas automatizadas en milisegundos

El nuevo agente de IA, contó Roberto Rodríguez, es capaz de responder las consultas e incidencias que trasladan los clientes basándose en los artículos de conocimiento de los que consta la plataforma de la factoría de contenidos; aquellas consultas que no es capaz de solventar por su complejidad, dijo el directivo, se las traslada a los profesionales de atención al cliente de Movistar Plus+ para que lo hagan estos.

“Elegimos Salesforce para la gestión del marketing y la atención al cliente, todo enlazado con nuestros portales y con el propósito de tener una foto de 360 grados y en tiempo récord de nuestros clientes”, explicó el portavoz, que relató que la funcionalidad de dicho agente de IA se ha ampliado recientemente —el pasado mes de julio— para ofrecer también respuestas sobre contenidos deportivos utilizando la plataforma de datos nativa del fabricante de CRM (Data Cloud). “Ahora el agente de IA es capaz de responder, por ejemplo, amplia información sobre los próximos partidos que vamos a emitir en nuestra plataforma en cuestión de milisegundos, y lo mejor es que lo hace a cualquier hora”.

El 70% de los profesionales de atención al cliente de Movistar Plus+ ya utilizan los agentes de IA

Rodríguez subrayó que, gracias al uso de la plataforma de agentes de IA, la compañía ahora puede aportar respuestas inteligentes automatizadas a sus clientes. El agente lo hace buscando la información en más de un millón de contenidos y diez planes de TV. “Este proyecto nos ha permitido mejorar significativamente el servicio al cliente; sin duda, el paso de la IA predictiva a la generativa es brutal. Con la IA predictiva no era posible dar una respuesta para cada una de las preguntas del cliente. Eso sí, lo retador de esta nueva tecnología es que, como no siempre contesta lo mismo, hay que garantizar la coherencia en el contenido de la respuesta”.

En este sentido, el portavoz de Movistar Plus+ afirmó que, “mientras con la IA predictiva ante dos preguntas diferentes el cliente podía obtener dos respuestas iguales, con la IA generativa ante dos preguntas iguales, el cliente puede recibir dos respuestas distintas”. Lo positivo de esto, añadió, es que “no da la sensación de que está contestando una máquina, lo que hace que la experiencia del cliente y la calidad de la respuesta que le damos mejore mucho, además, por supuesto, de acelerar la rapidez en dicha respuesta y de poder brindarla a cualquier hora del día o la noche, pues hay que tener en cuenta que muchas de las consultas que recibimos sobre nuestros contenidos son en tiempo de ocio e incluso en nuestra noche, como ocurre con la retransmisión de la gala de los Premios Oscar”.

En la actualidad, añadió el portavoz, los profesionales de soporte al cliente de la compañía gestionan todas las consultas e incidencias que pueden tramitar dentro de su horario de trabajo y, aquellas a las que no llegan, tanto por volumen como porque las reciben fuera de su horario laboral, se gestionan con la tecnología de agentes de Salesforce. “El uso de agentes de IA ha empoderado a nuestros agentes de atención al cliente humanos”, añadió, desvelando que el 70% de los profesionales de atención al cliente de Movistar Plus+ ya utilizan la plataforma de agentes autónomos de Salesforce en lo que define “un win-win entre la empresa y los empleados”.

Rodríguez subrayó la “robustez y sencillez” de la nueva plataforma de agentes de Salesforce, “a pesar de ser un producto nuevo”. Reconoció, no obstante, que disponer del CRM de Salesforce hizo que esta adopción fuera más sencilla.

“El paso de la IA predictiva a la generativa es brutal. Con la primera no era posible dar una respuesta para cada una de las preguntas del cliente, aunque lo retador de la segunda es que, como no siempre contesta lo mismo, hay que garantizar la coherencia en el contenido de la respuesta”

Futuro: agilizar los casos no resueltos, hacer recomendaciones e incorporar la voz

De cara al futuro, el equipo de atención al cliente de Movistar Plus+ trabaja en mejorar la tramitación de los casos no resueltos por parte de los agentes automatizados. “También queremos incorporar nuevas variables, por ejemplo, para que los clientes puedan tramitar una cancelación del servicio y que lo resuelva un agente de IA”.

Al margen de esto, Rodríguez tiene claro que su idea es “abrir el potencial de la plataforma de agentes de Salesforce al resto de canales con los que nos comunicamos con los clientes. Dos tercios de los contactos que nos llegan son a través del canal de datos, pero también recibimos a través del formulario o por mail, y queremos agilizar también estos últimos y usar Agentforce para monitorizar los casos de clientes”.

El objetivo, según el portavoz, es “implantar un modelo en tiempo real que nos permita tener información sobre todo lo que está pasando en lo que respecta a la gestión del cliente y, de cara a un futuro más lejano, queremos que los agentes no solo gestionen, sino que sean prescriptores de nuestra oferta, en función de las variables demográficas y geográficas del cliente que les consulta”. Además, agregó, explorarán la incorporación del canal de voz automatizado que acaba de presentar el pasado mes Salesforce dentro de su propuesta Agentforce.

“El mayor reto de este proyecto —culminó Rodríguez— es “implantar esta tecnología de agentes de IA de forma que sea transparente para el cliente y que éste siga percibiendo la misma calidad de atención que si tratara con él una persona; no obstante, en mi opinión, implantar la automatización garantiza una buena experiencia de cliente”.

Las primeras pruebas corporativas con servicios de IA on line resultaron, como poco, un tanto decepcionantes. Esto explica en parte que Gartner sitúe la IA generativa en la conocida “fase de desilusión”. Muchas compañías concluyen que los populares chatbots hacen perder más tiempo del que ahorran en aplicaciones reales. Apenas un 8% considera que las herramientas más avanzadas justifican su uso.

Un directivo lo resume así: “No discuto que una herramienta de IA integrada con correo y documentos haya ahorrado media hora diaria a cada uno de nuestros mil trabajadores —500 horas al día—. Lo que discuto es que eso nos permita prescindir de sesenta empleados. No hemos despedido a nadie”.

Aquello era el pasado. Hoy casi el 85% de las empresas afirma que la IA en línea aporta valor, y más de la mitad asegura haber encontrado aplicaciones por las que está dispuesta a pagar. ¿Qué ha cambiado? Y, sobre todo, ¿basta para justificar las enormes inversiones que los gigantes tecnológicos han dedicado a estas herramientas? Las propias empresas nos dan pistas.

Lo primero es sencillo. Aunque alrededor del 60% de los empleados usa ordenador y podría utilizar herramientas de IA, sólo el 28% realiza tareas en las que la IA puede aportar valor real. En el resto, el ahorro de tiempo es marginal y los errores —las famosas “alucinaciones”— pueden dejar sin efecto cualquier mejora. Para ese 28% clave, los “trabajadores del conocimiento”, las instrucciones típicas de un chatbot tampoco eran la mejor opción. Por eso las empresas empezaron a buscar herramientas orientadas a ellos… y ahí encontraron valor.

Ese hallazgo tiene un punto común y dos vías distintas.

En común, el hallazgo reside en la constatación de que hacer preguntas sencillas a un modelo generativo o usar la IA integrada en el correo o el procesador de textos apenas cambia nada. Las interacciones simples aumentan el riesgo de malentendidos sin aportar conocimiento nuevo. Para obtenerlo había que ir más allá: hacia el enfoque de los agentes de IA.

Entre las empresas que obtuvieron valor, dos tercios lo lograron integrando IA con herramientas de inteligencia empresarial. IBM ha impulsado este modelo “integrado”, lo que puede explicar su rápida adopción. Según las compañías, la IA era capaz de detectar patrones o información en los datos que incluso los trabajadores especializados pasaban por alto. El ahorro de tiempo y la calidad del análisis justificaban la inversión.

La segunda vía, adoptada por un 35% pero con un mayor nivel de entusiasmo, consiste en usar herramientas que ofrecen algo más que respuestas: son auténticos agentes interactivos. Dos de las más citadas son Gemini Deep Research y NotebookLM de Google, capaces de generar informes exhaustivos o analizar documentos de múltiples fuentes para producir resúmenes en audio tipo pódcast.

Lo que gusta a los usuarios de Deep Research es la profundidad del contenido y la abundancia de referencias. Más de la mitad afirmó que los informes son en sí mismos reveladores. En mi caso, probé la herramienta con un informe sobre el mercado de equipos de red desde 1980 y los factores que impulsarán su futuro. El resultado reflejaba con precisión mi experiencia como analista, destacando IA y el acuerdo HPE–Juniper como hitos clave. Todo ello, en más de veinte páginas generadas a partir de una sola frase.

La opción de salida en audio, aunque probada por sólo una quinta parte de los usuarios, es la que despertó un entusiasmo generalizado. Equipos de ventas, marketing y planificación valoran obtener un pódcast comparativo a partir de materiales propios y de la competencia, o incluso de las transcripciones de resultados empresariales. La utilidad para formación, preparación de reuniones y generación de argumentos de venta fue uno de los aspectos más destacados.

Varias empresas mencionaron un problema: los derechos de autor. Aproximadamente la mitad se mostró reticente a publicar material generado por IA ante la incertidumbre jurídica, aunque esto no frenó los usos internos. En algunos casos, los departamentos legales aprobaron usos externos concretos.

¿Y los errores? Menos del 10% tuvo que descartar resultados en algún caso. La mitad atribuyó los fallos más a instrucciones mal planteadas que a errores analíticos del modelo. En mis pruebas tampoco detecté problemas graves; de hecho, los resultados habrían podido publicarse con pocas modificaciones.

Entonces, ¿eliminará la IA trabados, el mío incluido? Personalmente no la usaría para producir contenido que firmara como propio, pero sí he publicado ejemplos claramente marcados como experimentos con IA, con buena recepción. Creo que estas herramientas pueden ser muy útiles en investigación, aunque sigo pensando que mi criterio es mejor que el suyo. Pero quizá eso sea se pueda comparar a afirmar que una espada hecha a mano es mejor que una fabricada en serie. Puede ser cierto, pero irrelevante: aproximadamente la mitad del contenido nuevo en Internet ya se genera por IA.

Los testimonios de las empresas me han sorprendido y obligado a replantearme cosas. No creo que la IA vaya a destruir empleos ni a la humanidad en sí misma, pero sí creo que tendrá un impacto comparable al de la revolución industrial. Igual que entonces nadie pudo competir sin maquinaria, creo que los trabajadores del conocimiento tampoco podrán prescindir de la IA. Puede que ya sea el caso.

Pero ¿será suficiente todo esto para justificar el entusiasmo inicial? Quizá, pero no para sostener un ritmo continuo de inversión. No basta con impactar al 28% del 60% de los trabajadores. OpenAI parece apuntar hacia un modelo de herramientas para ese 28%, pero agentes de IA para el resto. Google, Amazon, Microsoft y Salesforce también apuestan fuerte por los agentes. Así que dejemos atrás las visiones apocalípticas: la realidad —herramientas de IA frente a amenazas de IA, agentes soberanos frente a nubes puras— empieza a tomar forma. Quienes entiendan este cambio ganarán; quienes no, deberían reconsiderar su estrategia. Hay mucho ruido alrededor de la IA, sí, pero no es sólo ruido.

Durante más de un cuarto de siglo, la compañía inmobiliaria Fotocasa ha conectado cada día a millones de personas con su futuro hogar, ofreciendo una amplia oferta de viviendas de segunda mano, obra nueva, alquiler y compraventa. Bajo su marca paraguas, Fotocasa Group, que impulsa y da visibilidad a un ecosistema de otras marcas como Habitaclia, Fotocasa Pro, Datavenues, Witei o Inmoweb, el portal inmobiliario ha experimentado desde sus inicios una gran transformación gracias al apoyo de la innovación, los datos y la tecnología.

Según Jacob Cañadas, CTO de Fotocasa,la compañía “nació como portal digital y, desde su origen, la innovación tecnológica ha sido parte estructural de su evolución”. Por ello, el portal inmobiliario lleva años inmerso en un proceso continuo de transformación digital, “porque entendemos que la innovación tecnológica no es una opción, sino una necesidad para responder a las nuevas demandas del mercado inmobiliario. Y es que vivimos una transformación constante para adaptarnos a los nuevos hábitos de consumo digital, los avances en inteligencia artificial (IA) y las expectativas de usuarios y clientes profesionales”.

En este proceso, el objetivo, según Cañadas, es claro: “Mejorar la experiencia tanto de los usuarios que buscan vivienda como de los profesionales que anuncian sus inmuebles. Para ello, hemos potenciado el desarrollo de herramientas basadas en IA, análisis de datos y automatización de procesos, que permiten hacer más eficiente y personalizada toda la experiencia de compra, venta o alquiler”. Además, la compañía está trabajando para ser una plataforma que no solo sea de anuncios, sino que también acompañe al usuario a lo largo de todo el ciclo inmobiliario: desde la inspiración hasta la decisión final, “y más allá”.

En la actualidad, la marca se encuentra en una fase muy avanzada de esta transformación, con proyectos ya consolidados y otros en plena evolución. Así, por ejemplo, comenta Cañadas, “hemos implementado soluciones de IA para mejorar la personalización en las búsquedas, herramientas avanzadas de valoración, como DataVenues, y big data que permiten tomar decisiones más informadas. También hemos reforzado nuestro compromiso con la transparencia y la calidad del servicio”. Además, continúa, “estamos impulsando una nueva generación de productos y servicios digitales que permiten a las agencias trabajar de forma más eficiente y ofrecer un mejor servicio al cliente final. Y en paralelo, seguimos mejorando nuestra app y canales digitales para adaptarnos a los nuevos hábitos de consumo”.

Una estrategia, cuatro pilares

Toda esta evolución tecnológica se sustenta en una estrategia de TI que cuenta con cuatro pilares fundamentales y que, según el CTO de la compañía, permiten sostener una transformación digital real, escalable y centrada en aportar valor tanto al usuario como al profesional inmobiliario. En primer pilar es la innovación continua, donde “apostamos por la mejora constante de nuestros productos y servicios digitales y desarrollamos soluciones propias, exploramos nuevas tecnologías como la IA o el big data, e impulsamos iniciativas como el hackathon interno para fomentar la creatividad y la innovación transversal”. El segundo puntal es la experiencia de usuario (UX) y rendimiento, ya que “toda nuestra infraestructura tecnológica está pensada para ofrecer una experiencia ágil, segura y personalizada. Aquí, trabajamos con metodologías ágiles y equipos multidisciplinares para optimizar la navegación, reducir tiempos de carga y adaptarnos a las nuevas formas de consumir contenidos y servicios”, explica Cañadas. El tercer pilar es la escalabilidad y eficiencia operativa, gracias a la cual“utilizamos tecnologías cloud y arquitecturas flexibles que nos permiten escalar rápidamente según las necesidades del negocio, algo clave para adaptarnos a los cambios del mercado inmobiliario y seguir creciendo sin perder eficiencia”. Por último, recuerda el CTO, se encuentra la seguridad, privacidad y gobernanza del dato, ya que “la confianza del usuario es esencial”.

Ecosistema tecnológico

En Fotocasa, la integración tecnológica interna es clave para garantizar la eficiencia operativa y la escalabilidad del negocio digital. Así, todo el ecosistema se sustenta sobre una arquitectura moderna, modular y basada en la nube, que permite innovar con agilidad y responder rápidamente a las necesidades del mercado. “Trabajamos con una infraestructura cloud (principalmente sobre AWS) que nos da flexibilidad, seguridad y capacidad de escalado en tiempo real”, explica Cañadas. A nivel de desarrollo, “usamos microservicios, lo que facilita el trabajo de equipos multidisciplinares y permite desplegar nuevas funcionalidades de forma continua y segura”.

Internamente, la compañía también utiliza herramientas avanzadas de data analytics y machine learning, que ayudan a mejorar tanto la experiencia del usuario como la toma de decisiones de negocio. Además, los equipos de producto y tecnología colaboran estrechamente con metodologías ágiles como Scrum y Kanban, lo que asegura un flujo constante de mejora y entrega de valor.

Por último, concluye el CTO, “contamos con sistemas de automatización y monitorización avanzada, que nos permiten mantener la calidad del servicio, identificar incidencias en tiempo real y garantizar una experiencia digital óptima para millones de usuarios y miles de profesionales inmobiliarios”.

Búsqueda asistida por IA

En la actualidad, la compañía está desarrollando e implementando un proyecto clave en el ámbito de las TI que, según Cañadas, “cambiará de forma muy relevante la experiencia de usuario”: se trata de la herramienta de Búsqueda Asistida por IA, que fue la idea ganadora de un hackathon organizado el pasado mes de junio.

Esta nueva manera de buscar vivienda en Fotocasa permite a los usuarios expresar qué vivienda buscan en lenguaje natural, ya sea escribiendo o por voz, sin necesidad de que tengan que utilizar manualmente todos los filtros tradicionales (habitación, baño, superficie, precio, etc.). Para ello, la herramienta usa IA para interpretar esa solicitud y traducirla automáticamente en filtros concretos que aplican al inventario de viviendas del portal, y así entregar resultados que se ajustan mucho mejor a lo que el usuario quiere.

Por poner un ejemplo, explica Cañadas, “el usuario puede indicar algo como ‘quiero comprar un piso de tres habitaciones, un baño, más de 80 m², que tenga balcón y aire acondicionado por menos de 600.000 euros’, y la IA hará la selección entre la gran oferta de vivienda que cuenta Fotocasa”.

Esta herramienta mejora la experiencia de usuario ya que, al ser más intuitivo y natural el proceso de búsqueda, se reduce la fricción para que los usuarios encuentren viviendas que realmente les encajan. Por otra parte, aumenta la eficiencia interna, ya que, al interpretar mejor la intención de búsqueda del usuario, la herramienta puede generar contactos de mayor calidad, lo que beneficia tanto al usuario como a los agentes inmobiliarios que tiene sus viviendas anunciadas en Fotocasa.  

De acuerdo con el CTO de la compañía, esta implementación se ha realizado 100% de forma interna en trabajo colaborativo entre los equipos de producto y tecnología y “refuerza el liderazgo tecnológico de la empresa ya que nos hemos convertido en el primer portal inmobiliario de España en ofrecer una búsqueda de este tipo”.

En definitiva, explica Cañadas, la IA “ya forma parte del presente de Fotocasa, y estamos implementándola en varias áreas clave de nuestra plataforma con un enfoque muy centrado en la mejora de la experiencia del usuario y en la eficiencia de los procesos”.

Retos de futuro

El sector inmobiliario se enfrenta a grandes retos en materia de tecnología, y muchos de ellos pasan por acelerar una digitalización que aún no es homogénea en todas las partes del ecosistema. Uno de los principales desafíos, según Cañadas, “es la integración real de la tecnología en los procesos del día a día de muchas agencias inmobiliarias, especialmente en las pequeñas y medianas, que a veces no cuentan con los recursos o conocimientos necesarios para adoptar herramientas digitales con agilidad”.

Otro desafío es el uso inteligente de los datos. “El sector genera muchísima información, pero todavía queda camino por recorrer para explotarla de forma eficiente y convertirla en conocimiento útil que mejore la toma de decisiones, tanto para los profesionales como para los usuarios”, explica el CTO de la compañía, quien recuerda que también hay que tener en cuenta la automatización de procesos repetitivos, la ciberseguridad y la necesidad de plataformas tecnológicas que sean intuitivas, accesibles y verdaderamente orientadas al cliente.

Por último, la IA y el machine learning están entrando con fuerza en el sector, y uno de los grandes retos es saber cómo aplicarlos de forma ética y responsable, siempre respetando la privacidad de los usuarios y aportando valor real. Por ello, concluye Cañadas, desde Fotocasa, “trabajamos precisamente para acortar esa brecha tecnológica, acompañando tanto a usuarios como a profesionales en su proceso de digitalización, con soluciones innovadoras, datos fiables y una experiencia cada vez más eficiente y personalizada”.

Un gran porcentaje de los clientes de SAP desconfían de los esfuerzos de la empresa por alejar a sus clientes de las licencias perpetuas y pasar a un modelo de precios por suscripción, y la mayoría está preocupada por los futuros aumentos de precios, según una encuesta reciente realizada a 455 organizaciones por Rimini Street, una empresa que ofrece soporte de terceros para el software de SAP y otros proveedores.

SAP dejará de ofrecer soporte para su solución ERP ECC heredada, que generalmente se vende con una licencia perpetua, a finales de año, con algunas opciones de mantenimiento ampliado disponibles por parte de SAP hasta 2030. El proveedor ha animado a los clientes a cambiar a la edición pública de S/4HANA Cloud, basada en suscripción, pero muchos clientes se han resistido. Nueve de cada diez clientes de SAP están preocupados por el aumento y la imprevisibilidad de los costes de suscripción a lo largo del tiempo, según la citada encuesta.

Además, la mayoría de los encuestados tienen dudas sobre el retorno de la inversión de S/4HANA, y el 95% afirma que justificar el retorno de la inversión de la nueva solución ERP es difícil o requiere un esfuerzo considerable.

La encuesta apunta tanto a la preocupación por los modelos de precios de SAP como a las dudas de los clientes sobre el futuro del mercado ERP, afirma Scott Hays, director sénior de marketing de cartera de Rimini Street. “Existe un consenso generalizado de que renunciar a las licencias perpetuas y pasar a una suscripción es algo que limita las opciones futuras de los clientes”, afirma. “Además, supone ceder el control”.

Casi la mitad de los encuestados no tiene previsto utilizar S/4HANA en la nube dentro de cinco años, y casi una cuarta parte planea seguir utilizando ECC en sus instalaciones. “Creen que el valor de por vida del software que han implementado es mucho mayor de lo que SAP está dispuesto a soportar”, afirma Hays. “SAP ha anunciado el fin de los plazos de mantenimiento general, lo que ha creado mucha consternación”.

Aumentan los ingresos de SAP en la nube

Aunque hay un porcentaje significativo de usuarios de ECC que aún no han dado el salto a S/4HANA, SAP afirma estar satisfecha con el progreso hacia el modelo SaaS. SAP informó de que los ingresos por ERP en la nube aumentaron un 31 % entre el tercer trimestre de 2024 y el tercer trimestre de 2025, según un comunicado. Estos resultados indican “una fuerte aceptación de las ofertas principales en la nube, como S/4HANA”, añade el comunicado. “Estas cifras sugieren que los clientes no solo se están suscribiendo, sino que lo están haciendo a gran escala”.

Las preguntas sobre las licencias no parecen estar relacionadas con la calidad de las soluciones de SAP. Muchos clientes de SAP consideran que el software ERP del proveedor es de alta calidad y, en algunas situaciones, insustituible, señala Hays, de Rimini Street. Al mismo tiempo, muchos consideran que una solución ERP todo en uno es un concepto obsoleto y, en su lugar, quieren implementar las mejores soluciones para necesidades ERP específicas, afirma.

Según la encuesta, casi ocho de cada diez clientes de SAP encuestados esperan implementar un enfoque ERP modular y trabajar con múltiples proveedores en el futuro. “La innovación se está produciendo muy rápidamente fuera de los grandes proveedores de software que todos conocemos”, afirma Hays. “La innovación se está produciendo con proveedores de TI, proveedores de software, proveedores de IA y creadores de agentes de los que nunca hemos oído hablar. Poner todos los huevos en la cesta de SAP limitará sus opciones futuras”.

Seguir con SAP

Aunque Hays no es el único que predice la llegada de un enfoque más modular del ERP, hasta ahora no se ha producido un cambio significativo en el mercado, afirma el analista de Gartner Mike Tucciarone. Aunque los clientes de SAP tienen dudas sobre las licencias, son relativamente pocos los que han decidido abandonar SAP, añade.

“SAP ERP sigue siendo una solución de confianza y, aunque es posible un enfoque más modulable o fragmentado a medida que evoluciona la tecnología, todavía es muy poco común entre las organizaciones y los directores de informática (CIO) en la actualidad”, afirma. “Aún no hemos observado un movimiento generalizado en esta dirección”.

Las preocupaciones sobre los costes de las licencias de suscripción tampoco son exclusivas de SAP, afirma Tucciarone, ya que muchas organizaciones están viendo aumentos de precios de SaaS de entre el 10 % y el 20 % por parte de los principales proveedores de software. El aumento de los costes de suscripción está creando importantes retos para los directores de informática, añade. Sin embargo, muchos clientes de SAP están satisfechos con la solución ECC heredada, afirma.

“En muchos sentidos, el mayor competidor de SAP para S/4HANA es su ERP heredado, ECC”, afirma Tucciarone. “SAP está trabajando con los clientes para ayudarles a crear casos de negocio y se está centrando especialmente en sus capacidades de IA como incentivo para realizar la migración. El problema con ese incentivo es que nuestros datos muestran que la adopción de las ofertas de IA de SAP sigue siendo modesta”.

La variedad de opciones de migración de SAP también puede haber confundido a algunos clientes y dificultado la planificación con confianza, añade. Como resultado, muchos clientes de SAP están considerando una serie de opciones, y solo una minoría está considerando proveedores de ERP alternativos, afirma Tucciarone. Algunos clientes están evaluando cómo seguir dando soporte a SAP ECC, añade, mientras que otros están buscando soluciones SAP ERP de última generación. “Otros también están adoptando una actitud de esperar y ver qué pasa, con la esperanza de que se amplíe una vez más el plazo de soporte general”, afirma. “La mayoría se centra en evaluar cuidadosamente el mejor camino a seguir dentro del ecosistema SAP”.

No es poca la dificultad a la que se enfrentan muchos directores de informática para desarrollar programas de gestión del cambio en sus iniciativas de transformación digital. El error, y muy costoso en no pocas ocasiones, es dejar dicha gestión para más adelante, pues necesitan la aceptación de los empleados como paso clave para obtener resultados empresariales.

La implantación de agentes de IA duplica la importancia del liderazgo del cambio y aumenta los riesgos en caso de que las iniciativas de transformación no logren modificar los comportamientos. Los primeros en adoptar la IA pueden fomentar el uso de agentes de IA no autorizados, mientras que los detractores pueden ser los empleados que temen que estos agentes puedan quitarles el trabajo.

Informes de investigación recientes destacan las deficiencias de los programas de liderazgo del cambio en IA. Un informe del MIT destaca que el 95% de las organizaciones no obtiene rendimiento alguno de sus inversiones en inteligencia artificial (IA). Una posible razón es que, según un estudio de AWS, sólo el 14% de las organizaciones cuenta con una estrategia de gestión del cambio.

Michael Connell, director de operaciones de Enthought, es de los que cree que “la mejor tecnología no aporta ningún valor si nadie la utiliza, y la adopción es la última y decisiva etapa”. En opinión de este especialista, “los líderes no sólo deben presupuestar la gestión del cambio con la misma seriedad con la que presupuestan el desarrollo, sino también implicar a los usuarios finales, que serán los consumidores de la tecnología, desde el principio y de forma constante en un proceso de desarrollo ágil”.

Liderar la gestión del cambio al ritmo de la innovación de la IA

En primer lugar, los directores de informática deben reconocer que la implantación de agentes de IA no es lineal, sino que requiere varios esfuerzos paralelos de gestión del cambio. Una de las razones de ello es la rápida evolución de las tecnologías de IA generativa, pues hace que lo que era difícil o caro de implementar hace unos meses sea hoy más factible y asequible.

Sin embargo, lo que no resulta más sencillo es lograr la alineación en torno a la estrategia de IA, implantar una gobernanza sólida, decidir en qué áreas del negocio experimentar y pasar las capacidades de IA de la fase piloto a la producción.

Un punto de partida importante es la armonización de la terminología. En mi análisis de los agentes de IA de las principales empresas de SaaS y seguridad, se procede a definir el término de manera amplia para incluir los modelos de IA de lenguaje natural y razonamiento integrados en los flujos de trabajo y en las herramientas que respaldan las experiencias de los empleados y de los clientes. Si bien muchos agentes de IA admiten una única función laboral, sus capacidades no varían de manera significativa. La mayoría ni no son totalmente autónomos ni están completamente conectados a las coordinaciones de flujos de trabajo entre agentes, aunque su sofisticación podría aumentar.

Definir los segmentos de la plantilla en función de las responsabilidades en IA

El primer objetivo de un CIO es dividir la organización en segmentos relacionados con las responsabilidades en materia de IA, desde la inversión hasta la adopción. Estos segmentos deben incluir:

· Ejecutivos implicados en la alineación de la estrategia, la definición de los resultados empresariales y el establecimiento de las prioridades de inversión.

· Responsables de cumplimiento en gestión de riesgos, seguridad de la información y gobernanza de datos, encargados de desarrollar el marco de gobernanza de la IA.

· Expertos en la materia de todas las funciones operativas, que aportan los conocimientos necesarios para los agentes de IA y serán los más involucrados en la validación de su precisión.

· Usuarios finales, que utilizarán los agentes de IA para desempeñar su trabajo, especialmente en áreas que aportan un mayor valor estratégico más allá de las mejoras de productividad.

· Innovadores, que forman equipos ágiles e interdisciplinarios para liderar la experimentación, evaluar agentes de distintos proveedores y desarrollar agentes de IA propios.

A partir de estos segmentos, los líderes pueden alinear los programas de gestión del cambio con la forma en que los empleados participarán en las iniciativas relacionadas con los agentes de IA.

Orientar a los ejecutivos hacia las prioridades estratégicas

Tanto es el revuelo que rodea a la IA que muchos directores de informática acaban enfrentándose a una oleada de directores generales y jefes de departamento que compiten por ocupar la primera posición en la estrategia de IA y en las prioridades de inversión. Ocurre que la IA no es la primera experiencia de transformación para muchos directores de informática, y saben que repartir los recursos para satisfacer los deseos de todos es una receta para obtener resultados de bajo impacto.

Lo que Brandon Sammut, director de personal de Zapier, recomienda es “anclar la estrategia de agentes de IA en dos o tres oportunidades que impulsen las prioridades y objetivos existentes. Eso mantiene a los agentes en el centro de atención y evita la trampa de “lo que hay detrás” que afecta a la mayoría de las transformaciones tecnológicas. Empiece con un “por qué” y un “por qué ahora” claros para reforzar los cimientos culturales, ya que la adopción de una nueva tecnología es una prueba de presión para la salud de una organización”.

Recomendación: los directores de informática han de reconocer que no pueden ser los únicos líderes del cambio encargados de alinear a los ejecutivos con unas pocas prioridades estratégicas. Los CIO que dirigen departamentos de TI de alto nivel consideran una competencia esencial el desarrollo de relaciones con los ejecutivos es una competencia esencial. Identifican embajadores que se reúnen periódicamente con los líderes de los distintos departamentos, desarrollan habilidades de escucha activa para detectar oportunidades de colaboración y redactan declaraciones de visión para las más prometedoras. Estas prácticas ayudan a desarrollar la estrategia de IA, lo que permite después a los líderes del cambio mejorar sus habilidades de comunicación para lograr la alineación de los ejecutivos.

Colaborar en la gobernanza de la IA antes de la experimentación

La carrera por innovar, implementar y obtener ventajas estratégicas supera con creces la capacidad de la organización para mitigar riesgos, definir políticas y establecer medidas de seguridad en prácticamente todas las oleadas de tecnologías disruptivas. Los CIO tienen la difícil tarea de situar en primer plano a los responsables de cumplimiento normativo y gobernanza de la IA sin frenar la innovación ni la experimentación.

Kamal Anand, presidente y director de operaciones de Trustwise, es de los que cree que “las organizaciones que se apresuran a implantar agentes de IA a menudo pasan por alto la brecha entre el éxito del prototipo y los sistemas listos para producción, donde los controles de seguridad tradicionales fallan frente a los agentes de razonamiento, que pueden eludir las salvaguardias estándar”. Y añade: “Los elementos que faltan incluyen marcos de confianza integrados, herramientas de gobernanza en tiempo real, infraestructuras energéticamente eficientes y profesionales cualificados que comprendan el comportamiento dinámico de los agentes, en lugar de los modelos de IA estáticos”.

Los equipos de gobernanza también deberán desarrollar marcos de riesgo para la autoridad de toma de decisiones de los agentes de IA, así como métricas para evaluar la calidad de sus recomendaciones.

Elad Schulman, director ejecutivo y cofundador de Lasso Security, añade: “Los directores de informática deben definir qué tareas pueden realizar los agentes de IA de forma independiente y cuáles requieren supervisión humana, especialmente cuando se trata de datos sensibles u operaciones críticas. Ningún agente de IA debería operar a la hora a la hora de producir con privilegios completos antes de completar evaluaciones de seguridad exhaustivas, pruebas adversarias y sandboxing”.

Recomendación: el cambio exige que los directores de informática actúen como facilitadores con los responsables de cumplimiento para priorizar las medidas de seguridad alineadas con los riesgos materiales. Una vez conseguido este objetivo, deben supervisar una estrategia de comunicación que garantice que toda la organización comprende qué herramientas de IA están permitidas, los usos adecuados de los datos empresariales y las políticas de cumplimiento correspondientes.

Promover a los expertos en la materia que adoptan la IA

Boobesh Ramadurai, vicepresidente de desarrollo de capacidades de IA generativa y análisis de marketing de LatentView, explica: “Los agentes terminarán por estancarse si sus procesos se basan en conocimientos tribales, datos dispersos o decisiones manuales”.

Ocurre que ya es difícil que los nuevos empleados contribuyan cuando el conocimiento se acumula o los procesos empresariales están plagados de excepciones no documentadas. Incluso, todavía será aún más complicado introducir agentes de IA si los expertos en la materia dudan, tardan en compartir conocimientos o aportar comentarios sobre el rendimiento del agente.

Ramadurai recomienda “codificar la lógica empresarial para que los agentes puedan seguirla, estandarizando los metadatos, definiendo reglas de escalado y asegurándose de que los sistemas estén conectados”. Y eso implica “mejorar las competencias de los equipos para que se centren menos en la ejecución y más en la coordinación, mientras que los analistas deben diseñar bucles de retroalimentación en tiempo real”.

Y, aunque los agentes de IA cuentan con modelos de lenguaje y razonamiento, sus respuestas y recomendaciones no son deterministas. Para probarlos, será necesario que los expertos revisen y validen su rendimiento, expliquen los errores y propongan mejoras.

Dave Killeen, vicepresidente de producto de Pendo, reconoce que “los agentes de IA no siempre harán exactamente lo que se les pida, especialmente cuando empiecen a tomar decisiones basadas en patrones de datos en lugar de instrucciones explícitas”. Y añade: “Los equipos deben comprender cómo interactúan los agentes con los flujos de trabajo reales, detectar cuándo los resultados se desvían de las expectativas y disponer de mecanismos claros para intervenir cuando sea necesario”.

Recomendación: los expertos en la materia desempeñan un papel esencial para garantizar que los agentes de IA actúen de forma responsable y fiable. Los directores de informática deben colaborar con RR. HH. para definir objetivos de rendimiento e incentivos que impulsen la adopción de la IA y contribuyan al éxito de los programas.

Recompensar a los usuarios finales con oportunidades de aprendizaje

Cindi Howson, directora de datos y estrategia de IA de ThoughtSpot, cree que “los trabajadores temen que la IA los sustituya, por lo que la primera tarea de los líderes es abordar esos temores y trazar un plan de reciclaje profesional que incluya formación en IA, un área en la que hoy en día suspende el 88% de los estadounidenses”.

Las preocupaciones de los empleados sobre la IA deben ocupar un lugar central en los programas de gestión del cambio de los CIO. Eso implica adaptar las comunicaciones y los programas a las diferentes funciones y niveles de competencia, especialmente en las áreas donde se prioriza la adopción de agentes de IA por parte de los empleados.

Geoffrey Godet, director ejecutivo de Quadient, considera que “la IA está cambiando sin duda la fuerza laboral. Y sí: estamos viendo el mayor impacto en los puestos de nivel básico. Por eso cree que “lo que a menudo se pasa por alto es que la IA sustituye primero tareas, no personas, y eso abre la puerta a rediseñar los puestos de forma más inteligente. Las empresas que prosperarán serán las que inviertan en la mejora de competencias y en la colaboración entre humanos e IA, porque ahí es donde se libera la creatividad, la cultura y el valor a largo plazo”.

La primera opción en que los CIO pueden patrocinar programas de aprendizaje puede ser la formación basada en competencias puede ser la primera opción, pero no la única. «Hay que perfeccionar habilidades como formular buenas preguntas, incitar, comprender las alucinaciones y el pensamiento crítico”, señala Howson, de ThoughtSpot.

Recomendación: será fundamental crear una cultura empresarial que fomente el aprendizaje continuo a medida que evolucionen las capacidades de la IA. Los líderes deben promover oportunidades de aprendizaje constante, no sólo las vinculadas al puesto o las transiciones de habilidades, que pueden generar desconfianza si los empleados las asocian a iniciativas de transformación.

Centrar a los innovadores en la IA en las experiencias de los clientes

La mayoría de las empresas de SaaS están incorporando capacidades de IA basada en agentes a sus plataformas. Los de RR. HH. guían a los directivos en las evaluaciones de rendimiento, los de la cadena de suministro actúan ante interrupciones globales y los de experiencia del empleado gestionan el seguimiento de reuniones.

Un objetivo clave al evaluar cualquier agente de IA en los flujos de trabajo es comprobar si los datos empresariales que utiliza conducen a decisiones más inteligentes y acciones más rápidas.

Las verdaderas innovaciones por llegar implicarán integrar los agentes de IA en las experiencias de los clientes. Veremos más agentes en el ámbito sanitario que mejoren la atención a los pacientes, agentes financieros que asistan a los clientes bancarios en sus inversiones y agentes minoristas que optimicen la experiencia de compra.

No obstante, los experimentos exitosos que deriven en implementaciones en producción requerirán una mayor colaboración entre los equipos de innovación y de primera línea.

Ashley Moser, directora comercial de MelodyArc, cree que “los equipos de primera línea que utilizan la IA de manera activa también obtienen una valiosa participación en la trayectoria de su implantación dentro de la empresa”. Y añade: “Los líderes deben generar entusiasmo por el uso de la IA y, después, recoger comentarios para garantizar que ésta responda directamente a las necesidades de los clientes, ya que estos equipos poseen un conocimiento directo del público”.

Recomendación: las organizaciones de TI basadas en productos han demostrado más eficacia a la hora de conectar las aportaciones de los clientes con el proceso de desarrollo ágil que los enfoques tradicionales en cascada. De ahí la necesidad de elevar el nivel de colaboración al desarrollar agentes de IA, ya que los equipos necesitarán la implicación de más disciplinas y funciones.

Resulta paradójico que la introducción de agentes de IA traiga consigo un factor clave para el éxito que es liderar los esfuerzos de gestión del cambio para influir en las personas. Los agentes de IA son una tecnología, por lo que una de las razones por las que muchos proyectos de IA no logran generar resultados empresariales es la no introducción de prácticas de gestión del cambio desde el principio y adaptadas a los diferentes segmentos de empleados.

Un examen en toda regla a la función del CIO desde múltiples prismas fue el que vivieron los participantes de los grandes paneles de debate organizados en el evento People, Processes & Cybersecurity Summit, impulsado por CIO ESPAÑA y que tuvo lugar el pasado 23 de octubre en Madrid.

Cómo liderar a través de la disrupción consiguiendo impacto en la innovación y en la resiliencia fue el foco de la mesa redonda moderada por Fernando Muñoz, director de CIO Executive Foundry, y en la que participaron José Girón, exCIO y CTO de Prisa y, en el pasado, también de Atresmedia, Juan Antonio Relaño, CIO de Bosch en España, Sonia Segade, CIO de Renfe, y José Luis Sierra, CIO de CEPSA GLP–Gasib. Todos ahondaron en cómo, en una era definida por el cambio rápido, el verdadero liderazgo significa más que mantenerse a flote: significa marcar el rumbo.

Como expusieron estos directivos, la capacidad de adaptarse, liderar con visión e impulsar la transformación es esencial. “Todas las compañías viven en un cambio continuo, luego es preciso tener una estrategia de transformación continua, aplicada tanto a procesos como a metodologías, infraestructuras y soluciones, con el objetivo de lograr un time to market ágil”, reflexionó Girón. “No solo cambian las tecnologías —añadió por su parte Segade—, sino los mismos costes y los modelos de costes; de ahí que sea necesario contar con una metodología para medir los KPI cualitativos, pero también cuantitativos”.

“El cambio de rumbo es constante”, agregó Sierra. “Y ello obliga no sólo a atender a la parte tecnológica sino también a la propia cultura de la compañía; estar en el comité de dirección facilita este objetivo”, matizó.

Para el CIO de Bosch, que aseguró estar habituado a vivir frecuentes cambios de rumbo en un sector como el automóvil, donde despunta la multinacional para la que trabaja como proveedor de componentes clave, “no hay que enamorarse de tecnologías, sino de problemas”, reflexionando sobre cómo ahora, sobre todo en el campo de la inteligencia artificial generativa, muchos se rinden a implantar soluciones sin definir primero el caso de uso y su aplicación de cara al negocio. “Nosotros, en realidad, estamos trabajando en proyectos de IA tradicional basada en datos desde hace muchos años, el reto ahora es hacer un balance entre esta IA y la generativa”. “En mi opinión —apuntó Sierra—, en lo que respecta a la IA, nos hallamos en un momento de burbuja importante”.

Para Girón, el mayor reto del CIO respecto a la innovación es “lograr mantener esta en el tiempo”. “Cuando se plantea el uso de nuevas tecnologías al comité de dirección lo difícil es, después, mantener el nivel de inversión que estas requieren”, agregó Relaño, en la misma línea. No obstante, según Segade, lo cierto es que apalancarse en el término ‘innovación’ suele resultar efectivo para defender las partidas presupuestarias. “También hay que pensar que si una apuesta no sale bien, tampoco pasa nada”, reflexionó el CIO de Gasib, subrayando la importancia de experimentar para innovar.

El desafío de impulsar la comunicación y la colaboración desde TI

Otro debate de la jornada, este moderado por Esther Macías, directora editorial de COMPUTERWORLD y CIO en España, congregó a Elena Faedda, codirectora de TI de Clínica Universidad de Navarra, Ricard Guasch, CIO de Zurich Insurance Company, y Carlos Maza, director de Digitalización y Tecnologías de la Información del Tribunal de Cuentas en torno a la importancia de la comunicación y la colaboración en los entornos de trabajo actuales y los desafíos que ha traído consigo la proliferación de un escenario en el que comparten protagonismo en modelo tradicional presencial con el híbrido y el totalmente remoto.

Reconociendo que el modelo que sigue la Clínica Universidad de Navarra es el de presencialidad total, como no podía ser de otra manera debido a la actividad asistencial y médica a la que se dedica la entidad, Faedda admitió que, tras la pandemia y el auge del teletrabajo que esta propició en todo el mercado laboral en general, en la compañía se han quedado con algunos aspectos positivos, “como una mayor flexibilidad y, por supuesto, la productividad que nos permite acceder a los sistemas corporativos desde cualquier lugar pero con más ciberseguridad y con un foco en la formación de los usuarios”. “La comunicación ahora, gracias a la tecnología, es más fluida”, agregó la coCIO.

Tanto Guasch como Maza contaron que el formato de trabajo híbrido es el que impera en sus organizaciones. “Es un modelo que ha llegado para quedarse”, señaló el primero, afirmando que ha democratizado la comunicación y el flujo de la información, aunque también ha hecho más compleja la transmisión de los valores de la compañía, sobre todo a los perfiles recién llegados.

Por su parte, el CIO del Tribunal de Cuentas señaló que el teletrabajo está ya completamente regulado en el sector público. “En nuestro caso, hemos optado por un modelo de tres días en la oficina y dos de teletrabajo, así que estamos ya muy acostumbrados a que cuando hacemos reuniones puede haber personas que participen en persona y otras en remoto. Es un modelo que no ha impactado negativamente en la productividad de unos empleados muy cualificados como los nuestros y que diría que se va a quedar en el futuro”.

Todos reconocieron lo necesario que es que los líderes de TI y los de recursos humanos trabajen en conjunto. “El CRO es un aliado clave para el CIO”, sentenció Maza. “En realidad —añadió Guasch— siempre lo ha sido, aunque de forma diferente. Mientras antes colaboraba con nosotros en los planes de formación y en los procesos de selección, ahora se acerca a nuestros perfiles para conocer cómo impactará en la forma de trabajar la adopción de la IA”. Porque el sabor generativo de esta tecnología, según el CIO de Zurich, “va a volver a transformar la forma de trabajar”. Y en este proceso, añadió, “los CIO nos estamos convirtiendo en prescriptores del futuro del puesto de trabajo”.

“Tenemos claro que la IA no va a reemplazar a los cuerpos profesionales propios, pero seguramente sí afectará a algunas funciones como el desarrollo de software, algo que realiza perfectamente esta tecnología”, señaló Maza. “Los agentes de IA ahora son una promesa, pero esta se puede cumplir en un futuro próximo”, dijo Guasch.

“La IA ha traído consigo la democratización de las TI —apuntó Faedda—, y en este camino el rol de los CIO es comunicar y explicar el nuevo escenario, además, por supuesto, de balancear sus capacidades con otros elementos como la creatividad y la gobernanza”.

La formación, el puente entre la tecnología y las personas

La transformación digital no solo cambia la tecnología; cambia también la manera en que aprendemos y trabajamos. En una mesa redonda conducida por Fernando Muñoz, expertos como Guillermo de Haro, vicedecano y director académico del IE School of Science & Technology, Alejandro Expósito, CIO/COO de Servatrix Biomed, y Manuel Bosch, CIO de Ribera Salud, analizaron cómo la formación y la colaboración se han convertido en ejes estratégicos para afrontar la llamada “jungla digital”.

La transformación digital no espera. La tecnología avanza a un ritmo que desafía nuestra capacidad de aprendizaje. Frente a esta “jungla digital”, la formación se ha convertido en el puente entre las personas y la innovación. “Aprender, desaprender y volver a aprender es hoy una competencia esencial”, señaló Guillermo de Haro, y añadió que “el aula tradicional ha cambiado. Ya no importa solo tener dispositivos; lo relevante es cómo se usan para generar conocimiento real y aplicable. El reto es discernir qué aporta valor y qué no, y transformar la curiosidad en habilidades concretas”.

En este contexto, los CIO y otros directivos de TI han dejado de ser meros gestores de sistemas para convertirse en facilitadores del cambio y mentores del talento. “La digitalización no se hace sola. Capacitar es tan importante como implementar tecnología”, advirtió Alejandro Expósito y, añadió: “Los equipos ya demandan formación proactiva en IA, nube o ciberseguridad, y los líderes deben acompañar este aprendizaje con visión estratégica”.

La colaboración entre TI y RR.HH. se ha convertido en un factor clave. Tras la pandemia, su relación se ha vuelto más natural y necesaria. Todos los participantes de la mesa coincidieron en que, trabajando juntos, TI y RR.HH. pueden permitir que la organización aproveche al máximo las herramientas digitales y transforme el talento de manera efectiva.

La mesa redonda también abordó estrategias de desarrollo profesional. Según Manuel Bosch, “el upskilling, que mejora habilidades existentes, suele ser más efectivo en perfiles técnicos; el reskilling, que permite cambiar de rol, se aplica mejor en áreas de negocio que adoptan nuevas herramientas de análisis o inteligencia artificial. En cualquier caso, la motivación y el aprendizaje continuo son fundamentales”.

Frente a los retos del futuro cercano, los expertos coincidieron en que el aprendizaje continuo y la colaboración serán esenciales. De Haro subrayó que fomentar esta mentalidad requiere cultivar la curiosidad, la humildad, la paciencia y el pensamiento crítico. Por su parte, Expósito destacó que las organizaciones deben ofrecer retos reales que mantengan viva la curiosidad de los empleados, mientras que los profesionales deben fortalecer su capacidad de trabajo en equipo, comunicación efectiva y comprensión profunda de la tecnología. Y Bosch advirtió: “Antes de aplicar herramientas avanzadas como la inteligencia artificial, es fundamental tener bases sólidas: Sin fundamentos, la tecnología no aporta valor real”.

Todos coincidieron en la idea de que la “jungla digital” favorece a quienes aprenden, colaboran y cuestionan constantemente.

Asegurar el futuro del trabajo, un manual táctico para el CIO

El escenario laboral actual, sin fronteras, digital y en constante evolución, trae nuevas oportunidades, pero también riesgos; a medida que los modelos híbridos y los equipos distribuidos se vuelven la norma, los CIO deben replantearse cómo proteger los sistemas, empoderar a los usuarios y promover la productividad sin comprometer la seguridad. Sobre las responsabilidades crecientes del CIO en la habilitación de la fuerza laboral y la ciberseguridad se profundizó en otro de los debates de la jornada, moderado por Esther Macías, y en el que participaron, Álvaro Ontañón, CTO/CIO de Merlin Properties, Jordi Roda, Chief Digital Officer (CDO) de Decathlon España, y Sandra Pedraza, CIO de Cruz Roja Española.

Mientras los CIO de Decathlon y Cruz Roja reconocieron gestionar una política híbrida de puesto de trabajo en sus organizaciones, con las dificultades que supone a nivel técnico, pero también cultural y de seguridad, el de Merlin Properties, aunque admitió haber adoptado también un modelo que permita el acceso seguro a los sistemas desde cualquier lugar, reconoció que su compañía apuesta totalmente por la presencialidad como cultura de empresa.

La clave del éxito de Cruz Roja a la hora de abordar el desafío del modelo híbrido ha sido “adaptar mucho el lenguaje”. “La tecnología debe ayudar, no complicar, así que hemos aprendido mucho en estos años en adaptar nuestro lenguaje para que nos entiendan las personas, nuestros usuarios, que son de perfiles muy diversos”. Según la portavoz, “apostar por un liderazgo no sólo técnico sino basado en la empatía digital” ha sido clave a la hora de llevar a buen puerto este tipo de proyectos.

Para Jordi Roda, en este viaje ha sido clave aunar la tecnología “no con el servicio sino con el negocio” y haber trabajado para alinear distintas velocidades en la adopción del trabajo híbrido, un modelo que, según el CIO de Decathlon España “conlleva un profundo trabajo de backoffice detrás”. En materia de seguridad, añadió “no hay que perder de vista los riesgos que vienen de la cadena de suministro”, donde, explicó, urge que todas las organizaciones pongan más foco pues es, últimamente, uno de los principales vectores de ataque para muchas organizaciones. “Nosotros estamos entrenando al equipo para prevenir este tipo de incidentes”, desveló.

La filosofía de Merlin Properties, según indicó Álvaro Ontañón, es “que cualquier sitio es inseguro” a la hora de acceder a los sistemas corporativos. Por eso, expuso, su equipo trabajó en el desarrollo de herramientas que permitan salir del perímetro de seguridad de la compañía. “Contamos con una Oficina Técnica de Seguridad que también se encarga de los aspectos relacionados con el cumplimiento de la regulación”, añadió.

“La complejidad es un gran agujero de ciberseguridad en las organizaciones; también lo es la falta de interoperabilidad”, agregó Sandra Pedraza, que reconoció poner especial foco en este aspecto. Es más, “simplicidad” es uno de los elementos que pediría esta CIO a los proveedores de TI y de ciberseguridad. “También que, cuanto más modulares sean las soluciones, mejor”, añadió Jordi Roda. Y, sobre todo, “que reduzcan el coste de sus herramientas”, indicó Ontañón.

Preguntados por el papel del CIO en el futuro escenario laboral, todos coincidieron en que este rol cada vez tiene más funciones. “Ahora el CIO es más conocedor del negocio, es un buen gestor económico y, además, un buen gestor de personas, que trabaja para reducir la rotación, mejorar la fidelización de los empleados e impulsar el talento”, según Roda.

“El área tecnológica cada vez cobra más importancia en el negocio; de hecho, cada área de negocio cada vez tiene más proyectos de desarrollo digital. Según mi visión, el CIO será el pegamento de las nuevas funcionalidades”, concluyó el CIO de Merlin Properties.

Un reciente estudio de Gartner concluye que muchos responsables de infraestructura y operaciones (I&O) no logran liberar suficiente presupuesto para reasignarlo a proyectos de inteligencia artificial (IA).

La cuestión presupuestaria fue una de las principales preocupaciones para la mitad de los participantes —253 líderes de TI de todo el mundo— de dicho estudio. Más en concreto, el 54% reconoció priorizar proyectos de IA con resultados alcanzables y ahorros de costes previsibles.

Tal y como explica Melanie Freeze, directora de investigación de Gartner, los proyectos se centran principalmente en áreas donde la IA puede demostrar rápidamente un impacto medible.

Lo que le lleva a declarar: “Estamos viendo el mayor impulso de la IA en la gestión de servicios de TI y en las funciones del lugar de trabajo digital, ámbitos en los que la automatización y la IA generativa pueden mejorar directamente la productividad y reducir los costes”.

Freeze cita el caso de una importante empresa del sector sanitario que utilizó la IA para aumentar la productividad y reducir los incidentes gracias a la mejora de las capacidades de autoservicio de su servicio de asistencia de TI.

Para ello, explica, “crearon un portal en el que los empleados podían describir los problemas a los que se enfrentaban, y un modelo de IA generativa les ofrecía una solución basada en los datos de ITSM y en la base de conocimientos de la organización”.

Esto permitió, según Freeze, reducir los incidentes resueltos en la primera llamada y liberar al personal de asistencia para que pudiera abordar tareas más complejas.

Integrar la IA sigue siendo un desafío

Esta analista también advierte de que la integración de la IA continúa siendo compleja, ya que requiere coordinar múltiples componentes y asegurar su correcto encaje. La mejor forma de afrontarlo, a su juicio, es empezar poco a poco y obtener grandes resultados, un enfoque clásico en TI.

“En otras palabras, los equipos de infraestructura y operaciones deben priorizar los casos de uso de IA capaces de generar impulso mediante rendimientos relativamente fáciles de conseguir”, explica.

Si bien la optimización de costes puede ofrecer beneficios a corto plazo, el objetivo final es aportar valor e innovación sostenidos a través del aprendizaje y el desarrollo continuo de capacidades de IA.

Por lo que añade: “Sin embargo, las restricciones presupuestarias y las dificultades de integración están frenando ese progreso”.

Otra de las conclusiones del estudio es que alrededor del 48% de los responsables de TI encuestados reconoció haber enfrentado problemas de integración.

Fracaso de proyectos y necesidad de enfoque

Las conclusiones de Gartner llegan tras una polémica investigación del MIT, que reveló que el 95% de los proyectos de IA ha fracasado; lo que coincide con el estudio que Gartner publicó el pasado mes de junio en el que se advertía que más del 40% de los proyectos de IA basada en agentes se cancelarán antes de 2028.

“La IA no puede permanecer en esta fase de experimentación generalizada”, subraya Freeze, para apostillar: “Las organizaciones deben concentrar sus esfuerzos en áreas donde puedan demostrar retorno de la inversión, y después aprovechar ese impulso”.

Equilibrar el valor y la viabilidad de los proyectos de IA pasa por determinar si se alinean con las prioridades estratégicas de la empresa.

Para Freeze, “el coste de la integración, los riesgos asociados o el propio precio de la solución pueden repercutir directamente en el valor final”

IA para generar conocimiento y mejorar la experiencia del cliente

La directora de investigación de Gartner sostiene que la IA no sólo debe centrarse en ahorrar costes, sino también en generar conocimiento, aportar nuevas capacidades y mejorar la experiencia del cliente.

Grandes tecnológicas como Microsoft, Google, Slack, Box y Zoom suelen destacar el valor de sus herramientas de IA para desbloquear información y conocimientos ocultos en conjuntos de datos existentes e infrautilizados, lo que ayuda a las empresas a tomar mejores decisiones a largo plazo.

Hay que destacar que la encuesta de Gartner se enfocó exclusivamente en proyectos que impactan directamente en la productividad de los trabajadores, dejando de lado los gastos de capital a largo plazo.

Los líderes de TI encuestados esperan seguir siendo prudentes a la hora de reasignar fondos hacia la IA.

“La inteligencia artificial siempre ha representado un reto para los responsables de infraestructura y operaciones, ya que deben mantener las luces encendidas y, al mismo tiempo, encontrar oportunidades de innovación que generen verdadero valor empresarial”, concluye.

Los CIO tienen por delante un gran trabajo por delante, que no es otro que garantizar el éxito de los proyectos de IA que lideran. Sin embargo, a otros les quedará asumir otra responsabilidad, que será recoger los pedazos de los proyectos de IA fallidos puestos en marcha por sus colegas empresariales.

Lo habitual suele ser que los expertos en IA den consejos sobre implementaciones exitosas, y en no pocas ocasiones insten a los directores de informática a trabajar en estrecha colaboración con los líderes empresariales para lanzar proyectos que generen valor para sus organizaciones.

Pero, aunque los expertos en IA advierten problemas cuando los equipos de TI lanzan proyectos sin casos de negocio sólidos, también avisan del peligro que supone que otros departamentos impulsen experimentos de IA sin el pleno apoyo del CIO.

Las consecuencias no tardarán en llegar. Forrester prevé que, en 2026, al 25% de los CIO se les pedirá que se hagan cargo de los fracasos de IA impulsados por el negocio en sus organizaciones, según el informe Predicciones 2026: Liderazgo tecnológico.

En ocasiones, los CIO participarán en estos proyectos fallidos de IA desde el principio. No obstante, Mark Moccia, vicepresidente y director de investigación de Forrester, cree que dejarse guiar por un entusiasmo excesivo por hacer algo con la IA les podría llevar a cálculos erróneos sobre la cantidad de apoyo técnico necesario.

En su opinión, “estamos viendo que, debido a la explosión y al deseo de ir muy rápido, se gasta mucho dinero. Y añade: “Se están tomando atajos, se intenta acelerar la implementación en producción y, por lo tanto, estos proyectos se encarecen, porque no se entiende la economía mientras los modelos comienzan a funcionar, o bien se producen demasiados defectos que causan otros problemas en el entorno».

A lo que apostilla que muchas organizaciones no han contado con la arquitectura empresarial ni con procedimientos de gobernanza sólidos antes de lanzar una serie de proyectos de IA.

El CIO fuera del circuito

Si bien algunos proyectos de IA impulsados por las empresas incluyen la participación del CIO, los expertos en IA ven cómo muchas organizaciones lanzan proyectos sin un apoyo significativo de TI.

Poner en marcha otros departamentos con proyectos de IA sin la participación activa de TI hace que se pueda subestimar el trabajo técnico necesario para que los proyectos tengan éxito, según Alek Liskov, director de IA del proveedor de plataformas de refinado de datos Datalinx AI.

Sus prisas por adoptar la IA, añade, ha hecho que algunos equipos empresariales hayan ignorado los requisitos de TI.

“Simplemente, lo que vemos es que carecen de un conocimiento profundo de todo lo que hay que hacer desde el punto de vista de los datos, del hardware, de la calidad y de las pruebas. Todo ese trabajo técnico es necesario para obtener un resultado satisfactorio”.

Eso hace que muchas organizaciones hayan adoptado un enfoque “ascendente” para la adopción de la IA, creando escenarios en los que los equipos de TI no participan de forma significativa, apostilla David Shim, director ejecutivo del proveedor de tomas de notas con IA Read AI.

Y afirma también: “La mayoría de las herramientas de IA exitosas se han extendido de forma orgánica, y los empleados han adoptado aquellas que realmente les ayudan a realizar su trabajo, en lugar de ser impuestas desde arriba. Eso es fantástico para la innovación, pero también significa que muchas organizaciones tienen ahora un uso fragmentado de la IA, flujos de datos inconsistentes y una gobernanza no centralizada”.

Muchas organizaciones se encuentran ahora en la fase final de lo que Shim denomina la “fase de imaginación” de la adopción de la IA, con una disminución de la experimentación con agentes creados de manera interna con productos independientes.

“Ahora la atención se centra en la productividad real y los resultados operativos —explica Shim—. A medida que aumentan esas expectativas, los directivos se dan cuenta de que es necesario estandarizar los esfuerzos. Es entonces cuando los directores de informática vuelven a entrar en escena para que todo funcione a gran escala”.

Cambio de cultura

Liskov, de Datalinx, insta a las organizaciones a crear equipos de lanzamiento de proyectos que incluyan a responsables de TI, líderes empresariales y otras partes interesadas. La perfecta colaboración entre esos grupos puede requerir una revisión profunda de la cultura de la empresa, ya que —señala— los responsables empresariales a veces ven a los equipos de TI como un obstáculo.

Por eso recomienda empezar “primero con los técnicos, antes de ir mucho más lejos”. Y es que, en su opinión, “sigo viendo muchas organizaciones en las que existe una desconexión entre el negocio y TI, o bien hay una falta de rapidez por parte de TI, o tal vez sea simplemente una falta de confianza”.

Bill Finner, director de informática del gran bufete de abogados Jackson Walker, añade que, por muchas dudas que tengan, los responsables de TI deben participar desde el principio en todos los proyectos de IA.

Eso le lleva a decir que “la IA es sólo otra tecnología más que añadir al conjunto”. Por eso “es mejor aceptarla y ayudar a la empresa a tener éxito que quedarse al margen y observar desde la barrera”.

De ahí que pida que los directores de informática sean los expertos internos en evaluar las posibles soluciones y garantizar el control de los costes.

Finner acuerda que “es una gran oportunidad para que los directores de informática trabajen en estrecha colaboración con todas las áreas de práctica, tanto en el ámbito jurídico como en el empresarial, para garantizar que estamos formando a todos sobre las capacidades de las aplicaciones y cómo pueden mejorar sus flujos de trabajo diarios mediante la optimización de los procesos”. Y añade: “A los directores de informática les encanta ayudar a la empresa a tener éxito, y esta es solo otra área en la que pueden demostrar su valor”.

Prepárense para tomar el relevo

Forrester también recomienda que los CIO prepararse para cuando los ejecutivos de la empresa recurran a ellos para solucionar proyectos de IA fallidos. Los responsables de TI también deben evaluar en qué fallan los proyectos de IA de sus organizaciones.

Ahora mismo, sólo el 39% de todos los responsables de la toma de decisiones en materia de IA encuestados por la empresa afirma que sus directores de informática o de tecnología lideran la estrategia tecnológica de IA, mientras que el 21% lidera la estrategia empresarial de IA. Forrester espera ver duplicados esos porcentajes a medida que las organizaciones se dan cuenta de que los responsables de TI se encuentran en una posición privilegiada para crear agentes de IA exitosos.

En su informe de predicciones para 2026, Forrester concluye que los responsables de TI “establecerán la gobernanza y las capacidades adecuadas para gestionar los activos de datos y conocimientos, diseñar excelentes experiencias de usuario y gestionar cuidadosamente la calidad de los resultados”. Y abunda en lo siguiente: “Los directores generales no pueden esperar a que un fallo de gran repercusión en materia de ética o política de IA salga en los titulares para impulsar el establecimiento de esta gobernanza”.

El nuevo estudio de The Race for ROI de IBM, realizado en colaboración con Censuswide, concluye que el 61% de los participantes en nuestro país afirma que sus organizaciones ya han logrado mejoras significativas en la productividad operativa utilizando IA.

Otras conclusiones que arroja el estudio es que aproximadamente uno de cada cinco participantes señala que su empresa ya ha alcanzado los objetivos de ROI de sus iniciativas de productividad basadas por IA, mientras que un 37% en promedio espera lograrlo dentro de los 12 meses a través de la reducción de costes (37%).

Desglosando los resultados, alrededor de un tercio de los encuestados ya está utilizando la IA para cambiar sus operaciones de diversas maneras, como acelerar los plazos de innovación (38%); sustituir los ciclos de planificación periódicos por una toma de decisiones continua impulsada por la IA (34%); transformar la gestión del riesgo mediante una monitorización constante basada en inteligencia artificial (33 %). Además, entre el 40% y el 46% planea hacerlo próximamente en cada una de estas áreas.

La gran mayoría de los responsables senior encuestados (91%) refiere que la IA está aumentando las capacidades de la fuerza laboral. Por ejemplo, con el tiempo ahorrado debido a una mayor productividad, los ejecutivos dicen que los empleados dedican más tiempo a tareas como la mejora de los procesos operativos (47%), la realización de análisis avanzados de datos (43%) y la capacitación y desarrollo profesional (39%), según el informe.

Por consiguiente, la aceleración del retorno de inversión en IA pasa por estas cinco prioridades para los líderes empresariales según el informe de IBM:

· Definir un modelo operativo eficaz para la IA, lo que pasa por establecer un enfoque común y universalmente entendido para la transformación de la IA en toda la organización, como un modelo federado o radial, junto con una propiedad clara, es crucial para ofrecer un retorno de la inversión.

· Fomentar la alfabetización en IA y una cultura de innovación, en todos los niveles de la empresa. Las herramientas de IA se integrarán cada vez más en cada interacción en los próximos años. El conocimiento de cómo y por qué usar estas herramientas en todos los equipos y funciones ayudará a la organización a adaptarse y prosperar a medida que las capacidades de IA y las oportunidades que crean continúan evolucionando.

· Las herramientas de IA se integrarán y adquirirán en todas las capas de interacción que tengan las empresas, ya sean motores de búsqueda, el dispositivo con el que interactúan las personas o las empresas con las que interactúan. El éxito en esta era significa desarrollar una cultura que acepte el cambio y la incertidumbre, y permita una innovación rápida y decidida.

· Al igual que con cualquier tecnología, la IA debe aplicarse con precaución y una comprensión detallada de los riesgos regulatorios, reputacionales y operativos. Las empresas deben aplicar herramientas de gobernanza de IA para monitorear y mitigar riesgos potenciales, como el intercambio de datos no autorizado y el sesgo no deseado.

· Establecer un “Consejo de IA” entre empresas para mitigar el riesgo permite definir los principios éticos y el apetito de riesgo y revisar los casos de uso de IA de mayor riesgo antes de que se implementen. Esto, combinado con una mayor alfabetización en IA, dará a las unidades de negocio un alto nivel de autonomía para implementar casos de uso de IA con confianza. 

Incluso, el optimismo es aún mayor en torno a los agentes de IA: el 92% de los responsables encuestados —cerca de 3.500— espera que la IA basada en agentes ofrecerá un ROI medible en los próximos dos años.

Sector público

No obstante, los resultados también sugieren que las pequeñas y medianas empresas y las organizaciones del sector público se están quedando atrás respecto a las empresas más grandes del sector privado en el aumento de la productividad con IA. De hecho, sólo el 33% destaca mejoras significativas en la productividad hasta la fecha.

Superar el riesgo y la complejidad

Si bien las empresas avanzan hacia un mayor retorno de la inversión en IA, el estudio de IBM también revela que persisten inquietudes sobre seguridad, privacidad y ética. Entre ellas se incluye el riesgo de filtraciones de datos y la falta de confianza en la IA, señalados como la principal barrera para escalar proyectos piloto de IA exitosos, según el 38% de los encuestados. Muy cerca, con un 37%, se menciona el cumplimiento normativo y la responsabilidad legal.

El papel de la programación está experimentando un profundo cambio. Estamos entrando en lo que Andrej Karpathy denomina ”Software 3.0′, donde la codificación tradicional y el aprendizaje automático coexisten con las indicaciones en lenguaje natural. En el ‘Software 1.0’, tú lo escribías, siendo un programa creado por humanos, mientras que en el ‘Software 2.0’, tú lo entrenabas, siendo un modelo que aprende a partir de datos. En el ‘Software 3.0’, tú solo tienes que preguntarle. 

Así, los desarrolladores actuales utilizan herramientas de IA como compañeros de trabajo virtuales, mejorando el código y los diseños a través de la conversación. Es importante destacar que las plataformas de IA modernas (LLM) se están convirtiendo en sistemas operativos en sí mismas, por lo que los ingenieros coordinarán los flujos de trabajo de IA en lugar de escribir manualmente cada línea. Nos alejamos de la noción de los desarrolladores como meros programadores manuales para convertirnos en coordinadores de ecosistemas de desarrollo impulsados por la IA.

La supervisión humana y la escalera de la abstracción

Aunque la IA se encargue de la ejecución, el ingenio y la estrategia de los humanos siguen siendo esenciales. Debemos diseñar los conceptos y las capas de supervisión adecuados para los agentes de IA, preservando nuestra capacidad de acción y nuestros valores. En otras palabras, los humanos establecen el propósito y los objetivos, el qué y el porqué, mientras que los sistemas de IA determinan cómo alcanzarlos. Como señala AI Policy Perspectives, el papel humano es análogo al de establecer un destino de navegación: “dirigir el qué y el porqué, incluso cuando la IA optimiza el “cómo”. Los ejecutivos y arquitectos no depurarán cada línea de código, sino que definirán los resultados deseados y comprobarán los resúmenes de alto nivel. Con cada peldaño que se sube en la escalera de la abstracción, surgen nuevas complejidades, por lo que nuestros equipos deben incorporar la gobernanza y la supervisión en cada flujo de trabajo de IA.

De esta manera las plataformas de IA se están convirtiendo en una especie de sistema operativo o framework de alto nivel y el verdadero valor del ingeniero no residirá en su habilidad para memorizar una sintaxis, sino en su capacidad para orquestar flujos de trabajo de IA complejos, integrar servicios y, sobre todo, de formular la pregunta correcta.

Un nuevo tablero de juego en donde la responsabilidad humana asciende

Este nuevo escenario se trata de un cambio crucial. Los líderes tecnológicos se centrarán en definir los resultados deseados a un nivel macro y en verificar los resultados de alto nivel que la IA entregue. El precio de esta dinámica es una nueva y compleja capa de responsabilidad: la gobernanza.

Al subir cada peldaño en la abstracción, las complejidades se multiplican. Cuando delegamos tareas en la IA, debemos incorporar sistemas robustos de supervisión y gobernanza en cada flujo de trabajo. Debemos diseñar barreras éticas y asegurar que los valores y la capacidad de acción humana no se diluyen.

En la práctica, esto significa que las habilidades no técnicas, como el pensamiento crítico, la estrategia de negocio, la arquitectura de sistemas o la ética, se convertirán en el core del desarrollo. La capacidad de un ingeniero para traducir un problema de negocio complejo en una instrucción clara para la IA será infinitamente más valiosa que su dominio de cualquier lenguaje de programación específico.

El futuro de la programación no es la automatización total, sino la amplificación humana. Al librarnos de las tareas manuales y repetitivas del código, la IA nos empuja hacia tareas de mayor valor: estrategia, propósito y supervisión. El programador que no acepte este ascenso de rol y siga anclado en la línea de código, se quedará atrás. Siendo fundamental abrazar este nuevo horizonte y el futuro de la programación, que definitivamente impulsará la figura e importancia de los programadores dentro de las organizaciones.

El X Termómetro de Inteligencia Artificial y Data en el sector asegurador, elaborado por ICEA con la colaboración de Minsait (Indra Group), concluye que ocho de cada diez aseguradoras españolas ya han implantado proyectos de inteligencia artificial. Esta cifra que asciende al 90% de la muestra si se incluyen aquellas que actualmente se encuentran en fase de desarrollo, lo que refleja una creciente madurez tecnológica en el sector. Una cifra que, según resaltan desde Minsait en un comunicado de prensa lanzado, “refleja una creciente madurez tecnológica en el sector”.

El 76,5% del mercado está de acuerdo con que la IA está transformando de forma transversal toda la cadena de valor, desde la suscripción y el análisis de riesgos hasta la atención al cliente o la detección del fraude. Además, el 74% de las aseguradoras que ya desarrollan proyectos con esta tecnología disponen de un plan específico para adaptarse a la normativa europea AI Act. Con ello demuestran el compromiso del sector con la gobernanza y el uso responsable de estas tecnologías.

Asimismo, el informe destaca la irrupción de la IA basada en agentes, que conduce a las empresas hacia ecosistemas inteligentes y proactivos. Tanto es así que el 46,4% de las entidades que trabaja con IA utiliza agentes inteligentes en procesos reales, mientras que un 28,6% está explorando su aplicabilidad o desarrollando pilotos.

Al marcar un punto de inflexión en la evolución de la inteligencia artificial, los agentes son capaces de aprender, alcanzar objetivos de negocio indicados previamente y actuar de forma autónoma dentro de los procesos, colaborando con las personas y multiplicando la capacidad operativa de las organizaciones.

Para Andrés Duque, responsable de IA en Servicios Financieros de Minsait, “las aseguradoras españolas están avanzando hacia un modelo en el que el dato y la inteligencia artificial se sitúan en el centro de la toma de decisiones”. En su opinión, “esto permite ganar agilidad, anticiparse mejor a las necesidades de los clientes y optimizar los procesos internos. Es un cambio profundo: la inteligencia artificial ya no es un proyecto tecnológico, sino una nueva forma de gestionar el negocio”.

Y añade: “Hasta ahora, la inteligencia artificial era reactiva, respondía a lo que le pedíamos. “Con los agentes de IA damos un paso más: son proactivos. Les indicamos los objetivos y pueden trabajar para alcanzarlos de forma autónoma, acompañando los procesos y asumiendo tareas donde los humanos no llegan. No sustituyen, sino que amplían el talento y la inteligencia humana”.

Si le pregunta a cualquier director de informática sobre la IA, probablemente le dirá que es ideal para realizar tareas repetitivas y de bajo nivel. Desde el soporte informático y las alertas operativas hasta el desarrollo de software, los sistemas de IA generativa y basada en agentes están automatizando tareas para que los profesionales puedan centrarse en funciones de mayor valor.

Ankur Anand, CIO del proveedor de soluciones tecnológicas y de talento Nash Squared, explica que “la tecnología está en constante evolución y la automatización lleva mucho tiempo entre nosotros», para añadir: “Sin embargo, la IA ha supuesto un cambio sin precedentes en el ritmo de la transformación”.

Es tal la velocidad de la transformación empresarial que, según Gartner, se prevé que el gasto mundial en IA alcance un total de casi 1,5 billones de dólares a finales de año, y que supere los 2 billones de dólares el año que viene. Si bien todos los sectores están sintiendo el impacto de la IA, el Global AI Jobs Barometer 2025 de PwC concluye que el sector de las tecnologías de la información lidera la adopción de la IA y también que necesitará menos trabajadores a medida que las tecnologías emergentes agilicen las operaciones.

Las pruebas sugieren que esta reestructuración ya está en marcha. Investigadores de la Universidad de Stanford revelan en un artículo sobre los efectos de la IA que los puestos de ingeniería de software de nivel inicial para trabajadores de entre 22 y 25 años han disminuido casi un 20% desde su pico en 2022. Como ejemplo, el Banco de la Reserva Federal de Nueva York informa de que las tasas de desempleo de los titulados en ingeniería informática y ciencias de la computación son del 7,5% y el 6,7%, respectivamente.

Los investigadores de PwC sugieren en su informe que esta reestructuración enmascara una transformación más profunda en el sector de las tecnologías de la información. Y es que, las empresas están dejando de lado los puestos generalistas para decantarse por talentos altamente especializados y con conocimientos de IA. Como resultado, las plantillas son más especializadas, más reducidas en proporción, pero fundamentales para la economía digital.

Lo que puede parece una gran noticia para los especialistas más demandados que poseen las habilidades adecuadas a la hora de ayudar a las empresas a explotar la IA, contrasta con cómo los profesionales de TI han ido perfeccionando poco a poco sus habilidades en puestos de nivel inicial. Por lo tanto: si se automatiza un número cada vez mayor de tareas, ¿corremos el riesgo de frenar el avance profesional del talento digital?

Orla Daly, directora de informática de la empresa especializada en tecnología Skillsoft, reconoce la magnitud del dilema. Y lo explica así: “Mi primera reacción es que probablemente ya no se trate de una escalera profesional, sino más bien de una red de cuerdas entrelazadas”, para añadir: “Por lo que he hablado con mis compañeros, diría que en el futuro veremos jerarquías más planas”.

Ahora, lo prioritario es que los directores de informática se aseguren de que la introducción de la automatización no se convierta en un quebradero de cabeza para la gestión informática del mañana. Es preciso reconocer el impacto potencial de la IA en las funciones laborales, desarrollar las habilidades de alto nivel que se requerirán en el futuro y crear una estrategia de desarrollo profesional para su personal.

Comprender el impacto de la IA en las funciones laborales

Fausto Fleites, vicepresidente de inteligencia de datos de Scotts Miracle-Gro, afirma que uno de los temas más candentes de la actualidad es mantener una escalera profesional. Mientras algunos creen que las herramientas de IA, como la codificación vibratoria , suenan como una sentencia de muerte para las funciones tradicionales, él apuesta por la necesidad de situar en su contexto los cambios habilitados por la IA.

“Vibe Coding es extremadamente útil Ankur Anand, CIO del proveedor de soluciones tecnológicas y de talento Nash Squared —apunta—. Al igual que en la ingeniería de software tradicional, creo que la IA está madurando en el ámbito de la ciencia de datos. A la hora de analizar conjuntos de datos, mi equipo realiza muchas consultas SQL que, en ocasiones, son repetitivas. En lugar de eso, se le puede decir a la IA: “Haz esto por mí”. En estos casos, te hace más productivo”.

Pero no todo son buenas noticias. Fleites reconoce que la IA empresarial está en sus inicios. Uno de los mayores problemas que suelen citar los expertos es el riesgo de alucinaciones. Delegar el trabajo a las tecnologías emergentes puede ayudar a reducir la presión sobre los profesionales de TI. El peligro es esperar que la IA funcione de forma aislada.

Anand considera que “si no tiene experiencia en programación, no sabe que un modelo está alucinando, por lo que no sabrá cómo corregirlo. Por eso afirma que “tenemos que ver cómo evoluciona la IA. Es posible que llegue a una fase en la que podamos confiar plenamente en ella, pero ahora mismo no estamos cerca de eso. Y, mientras tanto, creo que seguiremos necesitando programadores con experiencia”.

Por lo tanto, si bien es probable que la IA cambie la naturaleza del trabajo, lo que no pueden permitirse las empresas es dar por hecho que el fin de los profesionales de TI está cerca. A medida que se automatizan más tareas en el lugar de trabajo, los líderes digitales deben mantener cerca de ellos a personas con talento para supervisar los sistemas. Fleites afirma que las organizaciones deben plantearse cómo capacitar a un grupo de profesionales de nivel inferior para que se conviertan en gestores de agentes.

En su opinión, “si miramos el futuro del trabajo, con copilotos habilitados por IA realizando las tareas repetitivas, se pondrá de relieve la necesidad de un pensamiento más crítico y una mayor inteligencia emocional”. En consecuencia, “los profesionales de TI tendrán que aprender a programar de manera que no necesiten aprender las cosas habituales que hace la IA, y centrarse en cambio en las cualidades orientadas al negocio”..

Desarrollo de habilidades de alto nivel

Kenny Scott, consultor de gobernanza de datos en la empresa especializada en energía EDF Power Solutions, es de los que también cree que la importancia de las habilidades sociales crecerá en detrimento de las capacidades más tradicionales. Sugiere que la función del analista de calidad de datos podría disminuir a medida que los agentes se vuelvan más eficaces una vez formados en KPI. Su mensaje es claro: conforme la IA se afianza los expertos humanos con talento seguirán siendo importantes, pero de diferentes maneras.

Y lo explica así: “Si bien la parte puramente técnica de las TI se reducirá, nunca desaparecerá”. De ahí que “la clave del éxito ahora es formarse en el uso de la IA y los agentes para obtener resultados, ya que las empresas siguen necesitando a alguien que lo coordine todo, sólo que ahora necesitarán una persona en lugar de diez”.

Daly, de Skillsoft, es reacia a proclamar la desaparición de los desarrolladores. A su juicio, seguirá existiendo la necesidad de profesionales de TI con talento, si bien lo que cambiarán son los elementos clave de sus funciones. Por ejemplo, sugiere que los profesionales de TI dedicarán más tiempo a comprobar que el código escrito por la IA es adecuado para su propósito.

En términos más generales, considera que es difícil afirmar con certeza qué funciones perderán importancia y cuáles cobrarán protagonismo. Por eso aconseja a los profesionales de TI analizar el mercado y buscar las tendencias emergentes, especialmente dentro de su propia empresa.

Y afirma: “Simplemente no sabemos lo que nos deparará el futuro, así que intentemos aprender cosas diferentes”, lo que pasa por “desglosar todo en habilidades. Comprender las habilidades básicas nos ayudará a combinar las capacidades de diferentes maneras, en función de las necesidades de la organización en un momento dado”.

También es importante reconocer el impacto de la IA más allá de la profesión tradicional de TI. Sacha Vaughan, directora de la cadena de suministro del fabricante de artículos para el hogar Joseph Joseph, se centra en crear un enfoque basado en datos para el cumplimiento de los productos. Su organización explora de qué manera tecnologías emergentes como la IA podrían formar parte de este enfoque. Al igual que otros líderes empresariales, se refiere a la importancia de las habilidades empresariales en una era de mayor automatización.

“La escala profesional se mantendrá, pero las habilidades serán diferentes porque estaremos orientando y dirigiendo la IA”, afirma, para apostillar: “Las habilidades que enseñamos para los puestos de nivel inicial tendrán que cambiar para tener en cuenta cuestiones como de qué manera entrenar mi modelo de lenguaje para responder eficazmente a las preguntas de los clientes, de modo que la IA sea auténtica para la voz de nuestra marca”.

Creación de una estrategia de desarrollo profesional

Gro Kamfjord, directora de datos del fabricante de pinturas Jotun, es otra ejecutiva que destaca la importancia del talento de nueva generación. Los jóvenes que se incorporan a su organización atesoran experiencias que antes podrían haber parecido imposibles de desarrollar en esas edades, como un amplio conocimiento de Python y la IA, por lo que las empresas deben crear una estrategia de desarrollo profesional que aproveche esta capacidad.

De ahí que reconozca que “si inviertes en los nuevos empleados y les dejas probar cosas, pueden ascender rápidamente”, y añade: “No creo en hacer un trabajo aburrido y repetitivo durante un par de años antes de que se te permita asumir responsabilidades. Por eso aconsejo incorporar a las personas, esperar que asuman responsabilidades y desafiarlas a contribuir en una etapa temprana de sus carreras».

Ese es un enfoque que coincide con el de Anand, de Nash Squared. Afirma que ahora es más importante que nunca que los líderes digitales sean facilitadores de la carrera profesional de sus equipos. Las empresas siguen necesitando talento informático de nivel básico, pero el enfoque de su trabajo pasará de realizar ellos mismos las tareas más pesadas a supervisar y auditar los resultados de la IA.

Eso le lleva a decir que “para convertirse en gestor de agentes hay que cambiar de mentalidad y de habilidades”. Pues tiene claro que “los miembros junior del equipo necesitan una mentalidad crítica para revisar los resultados y ver dónde se puede mejorar la calidad. Por ejemplo, cómo reducir los falsos positivos en las alertas cibernéticas generadas por la IA”. Añade que la formación y el desarrollo también desempeñarán un papel crucial, por lo que los directores de informática deben asegurarse de que los miembros senior del equipo orienten a los junior para guiarlos en las habilidades que necesitarán, como el pensamiento crítico, la inteligencia emocional y la comunicación. « En su opinión, “a medida que las divisiones entre actividades se difuminan gracias a la IA, estas habilidades son cada vez más importantes y ayudarán a las personas a ascender en la escala profesional de TI”.

Para Fleites, la cuestión más importante será cómo los líderes digitales identifican el talento que destaca en este nuevo entorno de trabajo. Lo que será difícil es identificar a los gestores de IA eficaces, ya que la mayoría de las empresas sólo tienen semanas de experiencia en casos de uso de agentes, en lugar de años. Fleites afirma que la mejor estrategia es combinar las capacidades de IA externas e internas.

Y afirma: “Tengo líderes clave que son extremadamente técnicos. Tienen experiencia en aprendizaje automático, IA e IA basada en agentes, pero no contamos con un equipo grande, por lo que ampliamos la capacidad con colaboradores. De esa manera, podemos conseguir personas cualificadas en agentes cuando lo necesitamos. Pero los conocimientos sobre arquitectura, relaciones comerciales y hacia dónde dirigirnos con la IA se quedan dentro de la empresa, lo cual es fundamental para saber qué se está haciendo y hacerlo bien”.

Repsol ha puesto en marcha su propia plataforma de construcción de agentes inteligentes, en colaboración con Accenture, que facilita la configuración de agentes de inteligencia artificial que se organizan en flujos de trabajo.

Estos sistemas multiagentes facilitan a los equipos la creación de nuevos entornos colaborativos que permiten a los empleados mejorar los modelos de trabajo, lo que redunda en la productividad.

A lo largo del proceso, Repsol ha creado grandes bases de conocimiento diseñadas de forma exclusiva para que los equipos se apoyen en los agentes IA. Asimismo, ha diseñado una interfaz novedosa que adapta los modelos de lenguaje a un entorno profesional y colaborativo.

El piloto ha sido aprobado por la dirección general de Digitalización y Servicios de Repsol y ha involucrado a más de 700 personas. Se han desplegado tres equipos con más de 20 agentes de IA que dan apoyo desde hace más de cuatro meses en procesos relevantes para el área. Desde entonces, más de 50 personas trabajan de forma colaborativa, supervisando a equipos formados por agentes de IA, logrando numerosas eficiencias y mejoras.

Susana Meseguer, ha explicado en un comunicado lanzado por la petrolera que “con la presentación de la plataforma multiagentes de IA, Repsol vuelve a demostrar su ambición de fortalecer su posición como una de las empresas pioneras en el sector energético en el uso de tecnologías disruptivas e innovadoras. Desde que lanzamos el Programa de Digitalización, hace más de siete años, uno de nuestros principales objetivos ha sido avanzar en eficiencia y competitividad, para continuar transformándonos con el talento de nuestros empleados y con la digitalización como elemento clave”.

Hay que recordar que la compañía cuenta con un Programa de Digitalización desde hace más de siete años, que es una de las palancas clave para conseguir los objetivos marcados en su Plan Estratégico hasta 2027. El uso de la inteligencia artificial le está permitiendo realizar una profunda transformación en todas sus áreas a la hora de afrontar los retos de la transición energética y de la descarbonización.

SAP ha dado a conocer los resultados de un informe en el que concluye que los agentes de IA ya forman parte activa de la realidad de las empresas españolas.

En porcentajes, casi el 70% ya los está utilizando en la gestión de sus negocios, mientras que un 28% la sigue aplicando de forma experimental a través de proyectos piloto, aunque cada vez es mayor el porcentaje de las organizaciones que la aplica de forma activa en sus negocios: el 14% ya lo hace en toda la organización y un 27% en departamentos concretos.

No obstante, el estudio también resalta que el 30% de las compañías encuestadas valora ahora mismo su uso o explora las opciones que ofrece el mercado. No llega al 1,5% el porcentaje de empresa que todavía no la ha valorado o no tiene planes de utilizarla.

Otro dato destacado es la rapidez con la que dichos agentes se están desplegando y la confianza que tienen las empresas en su aportación al negocio, ya que el 72% de las compañías espera obtener un retorno positivo de la inversión en menos de 12 meses.

Más allá de los beneficios operativos, las organizaciones españolas también destacan mejoras en la experiencia laboral derivada del uso de los agentes de IA. Así, más de la mitad señala que han contribuido a eliminar tareas repetitivas, aumentando la satisfacción del personal. También se observan avances en la colaboración interna (49,1%) y en la conciliación entre vida personal y profesional (38,1%).

Uso de la IA en la empresa

En cuanto a otros detalles relacionados con la inteligencia artificial, el informe de SAP revela que prácticamente la mitad (46%) de las organizaciones españolas ya utiliza la IA para crear contenido comercial, el 45,8% la usa como fuente de información de mercado y el 45,3% para detectar fraudes. También se emplea en el desarrollo de software (44,5%), elaboración de presupuestos y planes de inversión (43,6%) así como en la generación de informes de gestión (44,7%).

Por otra parte, la irrupción de la IA ha llevado a rediseñar procesos internos en muchas empresas, especialmente aquellos que tienen que ver con la facturación y el procesamiento de pagos (65,6 %), los Recursos Humanos (52,8 %), o los de las áreas de marketing y ventas (38,3 %).

No obstante, la adopción de IA no está exenta de riesgos. Uno de cada tres encuestados españoles expresa preocupación por la posibilidad de tomar decisiones basadas en información incorrecta generada por IA. Otros riesgos señalados son la dificultad para atraer y retener talento (32,3%), la falta de control sobre la privacidad de los datos (27,5%) y la opacidad en los resultados generados (26,9%).

No son pocos los ejecutivos y analistas que señalan que las carreras profesionales exitosas en TI combinarán en el futuro las habilidades humanas con la IA. Los primeros informes sugieren que la IA ya está transformando el panorama laboral de las TI y muestra signos de ocupar puestos junior en TI. Sumemos a esto la creencia de los líderes de TI de que la mano de obra en TI podría reducirse en los próximos años, y el resultado es mucha incertidumbre en la actualidad con respecto a las perspectivas a largo plazo de las carreras profesionales en TI.

 Pero, ¿qué significado tiene todo esto para los profesionales de TI que buscan seguridad laboral en un panorama con tantos cambios? La Universidad de Oxford ha dado a conocer intenta su visión basada en datos de los efectos secundarios del cambio en los requisitos laborales a raíz de la generalización de la IA.

Tras analizar 12 millones de ofertas de empleo en Estados Unidos durante cinco años, el Instituto de Internet de dicha universidad ha descubierto que, si bien la IA está sustituyendo algunas habilidades informáticas de nivel inferior, el crecimiento del empleo viene impulsado por la automatización general está impulsando el crecimiento del empleo. Además, las nuevas funciones específicas de la IA también han traído consigo un aumento de la demanda de habilidades complementarias, como la alfabetización digital, el trabajo en equipo y la autogestión.

El informe señala como fórmula más sólida para la seguridad y la remuneración aquella que aparece en los puestos centrados en la IA que combinan la competencia técnica con habilidades como la resiliencia, la agilidad y el pensamiento analítico. “Estas habilidades conllevan una prima salarial significativa”, señala el informe, para añadir: “A los científicos de datos, por ejemplo, se les ofrece un salario entre un 5% y un 10% más alto si también poseen capacidades de resiliencia o ética”.

Los expertos describen aquí cómo desarrollar una combinación de conocimientos técnicos, dominio de la IA y habilidades sociales para garantizar el futuro de su carrera en TI ante los cambios previstos.

Una prima por la resolución de problemas y la adaptabilidad

Es probable que en los próximos cinco años disminuya la demanda de habilidades fácilmente replicables, tales como la codificación básica, la documentación y las tareas de soporte. También hay expertos que afirman que habilidades como la resolución de problemas, el pensamiento crítico y la adaptabilidad serán prioritarias para los responsables de contratación.

Carter Busse, director de informática de Workato, cree que, “de tres a cinco años, la trayectoria profesional típica en TI pasará de ser puramente técnica a un modelo mixto de habilidades humanas y técnicas refinadas”, y añade: “El éxito dependerá de la colaboración con los líderes empresariales, actuando como arquitectos para alinear las iniciativas con los objetivos empresariales”.

El informe Future of Jobs Report 2025 del Foro Económico Mundial ofrece una previsión similar sobre las habilidades que estarán en demanda en 2030, entre las que se incluyen el pensamiento creativo, la flexibilidad, la agilidad y el aprendizaje permanente.

Nuevas exigencias para empezar

Como gran parte del trabajo de TI de nivel básico será sustituido por la automatización, el listón será más alto para aquellos que intenten iniciar una carrera en TI.

Brock Bingham, ingeniero de contenidos sénior en el desarrollador de gestión de dispositivos PDQ, cree que “a medida que la IA se encarga cada vez más de las tareas de soporte repetitivas, el punto de entrada en TI se desplaza hacia arriba”, por lo que cree que “los nuevos empleados necesitarán una base más amplia y técnica desde el primer día”.

Lakshmikant Gundavarapu, director de innovación de la empresa de ciencia de datos Tredence, señala por su parte las herramientas de desarrollo de código de IA, como Replit y Cursor, que minimizan la necesidad de codificación básica y reducen los plazos de los proyectos entre un 20% y un 30%.

Lo que le da pie a declarar que “herramientas como la IA genérica y los asistentes de codificación están reduciendo el tiempo y el esfuerzo necesarios para las tareas repetitivas en lugar de sustituir funciones”, por lo que aconseja a los profesionales de TI “desarrollar habilidades como la capacidad de unir sistemas y alinear modelos con los objetivos empresariales, para seguir siendo irremplazables”.

Conforme los requisitos de los puestos de nivel junior se vuelven más exigentes, las redes de contactos, las certificaciones y la experiencia en consultoría pueden ayudar a lanzar una carrera exitosa en TI, en opinión de Thomas Phelps, director de informática de Laserfiche.

De aquí que aconseje a quien termine la universidad “unirse a una empresa de consultoría como Accenture o PwC. Es una de las formas más rápidas de desarrollar habilidades y ascender. Obtenga una certificación en IA o seguridad y únase a asociaciones para ampliar su red de contactos, como ISACA o SIM”.

Nate Paynter, líder de servicios de capital humano en Deloitte Consulting, afirma que el personal de TI que está empezando su carrera debe apoyarse en la habilidad social más antigua que existe: el networking.

Como muestra, explica que “el estudio Global Human Capital Trends de Deloitte muestra que el 28% de los trabajadores que está empezando su carrera profesional afirma tener menos oportunidades de aprendizaje en el trabajo debido a la IA. Es fundamental que las personas busquen de forma proactiva proyectos, mentores y momentos de crecimiento informal”.

Dominio de la IA, pero con escepticismo

Una de las conclusiones del informe de McKinsey & Co. de 2025 es que tanto los directivos como los empleados comparten una serie de preocupaciones sobre la IA: inexactitudes, riesgos relacionados con la ciberseguridad y uso indebido, entre otras. Según el informe, no se puede confiar en los resultados de la IA para tareas críticas si no hay justificación para ellos, pues la IA comete errores con frecuencia, lo que requiere profesionales que comprendan sus límites.

“Incluso las soluciones sofisticadas recomendadas por la IA siguen necesitando un experto que las supervise”, expone Justin Luke, director de TI de la agencia de marketing newmedia.com. Y apostilla: “Se trata de alguien que pueda encontrar la información que falta, asegurarse de que todo cumple con la normativa o detectar errores lógicos que no son evidentes a primera vista. Es habitual que uno de cada cuatro o cinco códigos generados por la IA introduzca problemas que solo aparecen durante su uso real”.

Luke afirma que, en los últimos dos años, la IA ha asumido gran parte del trabajo repetitivo de codificación, montaje y otras funciones de bajo nivel, lo que conlleva una ventaja para el personal técnico.

“La IA está dirigiendo la atención hacia habilidades más valiosas, como el diseño de sistemas, el trabajo en equipo, la resolución de problemas técnicos complejos y la gestión de riesgos”, reconoce, para apostillar: “Ahora, los desarrolladores que destacan son aquellos que tratan lo que producen los grandes modelos de lenguaje como un borrador, no como un producto final. La habilidad más importante ya no es solo escribir código. Es ser capaz de verificar, refinar e incluso dudar de lo que sugiere la IA”.

Para Aaron Stanley, vicepresidente de seguridad de dbt Labs, los profesionales de TI deben desarrollar un buen instinto para saber cuándo no se debe confiar en el contenido generado por ordenador: “La IA a menudo pierde detalles y puede sacar conclusiones erróneas. El reto es encontrar el equilibrio entre la automatización y el criterio”.

Aumento hiperrápido de las competencias para superar la disrupción de la trayectoria profesional

El informe The Future of Jobs predice que la disrupción afectará a casi el 40% de las competencias básicas en 2030. Como resultado, las empresas ofrecen cada vez más programas de aprendizaje continuo, mejora de las competencias y reciclaje profesional. Aproximadamente la mitad de los encuestados para el estudio afirmó que su plantilla había completado una formación profesional como parte de estrategias de aprendizaje a largo plazo.

Phelps, de Laserfiche, reconoce haber visto “grandes cambios en la tecnología a lo largo de los años, pero el tsunami de alteraciones que se produce hoy en día no tiene precedentes”. Por eso, “las trayectorias tradicionales en el desarrollo de software, las infraestructuras y la seguridad están cambiando rápidamente”, añade.

Por su parte, Tomas Kazragis, vicepresidente de ingeniería del proveedor de automatización de marketing Omnisend, afirma que el futuro próximo del trabajo en TI puede ser muy diferente al actual.

Y lo desarrolla de esta manera: “En este momento, todavía se parece a la programación: utilizamos instrucciones precisas para obtener los resultados que necesitamos. Pero en sólo unos años, los comandos de voz naturales pueden convertirse en algo habitual. Los resultados en sí mismos también pueden evolucionar, pasando de líneas de código a prototipos interactivos ya preparados”.

El auge de la informática generalista e interdisciplinaria

En un futuro próximo, el éxito dependerá menos de conocimientos especializados específicos —como el dominio de una pila tecnológica concreta— y más de la evaluación, la adaptación y la aplicación de las herramientas adecuadas para resolver los problemas de la organización.

Para Chris Camacho, director de operaciones y cofundador de Abstract Security, “las personas pasan a trabajar en la nube, la seguridad, los datos o la IA en función de las necesidades de la empresa”. En su opinión, “los títulos importan menos que las pruebas visibles del trabajo realizado, es decir, los pequeños logros compartidos interna o públicamente”. De ahí que, como recomendación, diga: “Elija un camino y profundice en él, y luego añada conocimientos de IA. Y muestre su trabajo, en GitHub, LinkedIn, dondequiera que los reclutadores puedan ver los resultados”.

Justina Nixon-Saintil, directora global de impacto de IBM, afirma que el éxito en el futuro favorecerá a aquellos que se caractericen por su adaptabilidad y utilicen la IA para amplificar la creatividad en lugar de sustituirla.

Esta especialista considera que “las funciones tecnológicas están evolucionando desde las tareas tradicionales hacia vías más dinámicas e interdisciplinarias que combinan la experiencia técnica con el pensamiento estratégico”. Por lo que tiene claro que “aquellos que sean capaces de sortear los retos éticos de la IA y la tecnología tendrán éxito, aprovechando la innovación de forma responsable para resolver problemas complejos y anticiparse a las necesidades cambiantes de las empresas. No sólo asegurará su carrera profesional de cara al futuro, sino que también abrirá nuevas oportunidades de crecimiento e innovación”.

Beth Scagnoli, vicepresidenta de gestión de productos de Redpoint Global, coincide en que los profesionales de éxito del futuro cercano se moverán con facilidad entre ámbitos de TI relacionados pero tradicionalmente separados, como la arquitectura y el desarrollo de sistemas.

A su juicio, “cambiarán en un instante para pensar como un gestor de productos, comprender los datos como un analista de negocios y comunicarse como un estratega. Los conocimientos técnicos profundos seguirán siendo importantes, pero el dominio de varias disciplinas, especialmente la alfabetización en datos y el dominio de la IA, marcará la diferencia entre quienes se quedarán estancados y quienes avanzarán con agilidad”.

Orquestar la IA para redefinir el trabajo en sí

Chris Cook, director sénior de contenido de entrevistas técnicas en Karat, destaca que las futuras carreras en TI requerirán una integración amplia a nivel de sistemas.

“El éxito vendrá de saber cómo diseñar sistemas seguros, conformes y explicables”, explica, para añadir que “los días de optimizar un servicio de forma aislada han terminado. Las entrevistas de próxima generación se centrarán menos en las estructuras de datos y los algoritmos y más en aprovechar las soluciones de IA para actualizar bases de código complejas e integrar nuevas funciones sin interrumpir los flujos de trabajo existentes ni introducir vulnerabilidades”.

En consecuencia, los expertos consideran que las habilidades de liderazgo en todos los niveles serán cada vez más importantes. Stanley, de dbt Labs, afirma que los futuros trabajadores de TI considerarán a los agentes de IA como un equipo a gestionar; y, como cualquier otro equipo, se beneficiarán de una visión clara.

Por eso recomienda apoyarse “en las áreas en las que la IA puede ayudar a acelerar su curva de aprendizaje. Funcionan mejor con mucho contexto e instrucciones claras, concisas y prácticas”.

En este sentido, la última investigación de Deloitte Consulting revela que el 62% de los líderes reconoce como clave para su éxito la coordinación de la tecnología entre divisiones aisladas, afirma Paynter, de Deloitte.

“Sin embargo, sólo el 6% afirma estar haciendo grandes progresos en ese frente. Los profesionales de TI de hoy en día navegan por trayectorias profesionales cambiantes, pero también están ayudando a las organizaciones a redefinir el trabajo en sí”.

Lista de verificación para prepararse para el futuro

A medida que la IA sigue redefiniendo las trayectorias profesionales de TI, hay una serie de pasos clave que los profesionales de TI pueden dar para mantenerse a la vanguardia:

· Desarrollar talentos complementarios: los conocimientos técnicos deben reforzarse con habilidades más demandadas y con mayor remuneración. Entre ellas se incluyen el pensamiento analítico, la agilidad y la competencia técnica. De cara a 2030, el informe El futuro del empleo del Foro Económico Mundial aconseja “habilidades como la IA y el big data, el pensamiento analítico, el pensamiento creativo, la resiliencia, la flexibilidad y la agilidad, y los conocimientos tecnológicos no sólo se consideran fundamentales en la actualidad, sino que se prevé que cobren aún más importancia”.

· Alejarse (lentamente) de las habilidades “sustitutivas”. Los profesionales de TI deben evitar las carreras centradas en habilidades fácilmente automatizables, tales como la revisión de datos, el control de calidad o la documentación, que tienen una remuneración más baja y están perdiendo valor.

· Adoptar una mentalidad de aprendizaje continuo: la clave frente a la formación puntual es el reciclaje profesional a través del aprendizaje continuo, porque la automatización sigue cambiando la base de referencia. Según el informe Future of Jobs Report, los empleadores afirman que “la inversión en reciclaje y mejora de las competencias es ahora una parte integral de sus estrategias de personal a largo plazo”.

· Muestre su trabajo: los expertos aconsejan establecer contactos a través de asociaciones y la comunidad de código abierto, donde se pueden practicar y demostrar competencias sociales que se desean, como el liderazgo, la resiliencia y la ética.

· Las habilidades híbridas proporcionan seguridad. A medida que el panorama profesional de las tecnologías de la información evoluciona, la demanda de habilidades combinadas también seguirá aumentando. Por ejemplo, los científicos de datos ganarán salarios más altos si refuerzan sus habilidades técnicas con habilidades adaptativas y éticas. El Informe sobre el aprendizaje en el lugar de trabajo 2025 de LinkedIn aconseja a los empleadores que promuevan la formación en liderazgo y el coaching para desarrollar habilidades que se adapten a las necesidades empresariales.

Tras su entrada en el ámbito del etiquetado de datos el año pasado con el lanzamiento de una nueva división, Scaled Solutions, Uber presentó este jueves un proyecto piloto en el mercado estadounidense en el que sus conductores, al igual que sus homólogos de la India, anotarán datos para su uso en el entrenamiento de la inteligencia artificial.

Megha Yethadka, directora global de la división, ahora rebautizada como Uber AI Solutions, dijo que el programa piloto en la India, lanzado el mes pasado, permite a los conductores de 12 ciudades indias utilizar su tiempo de inactividad para completar tareas digitales, que abarcan desde la clasificación de imágenes y el análisis de textos hasta la transcripción de audio y la digitalización de recibos.

La medida llega después del anuncio realizado el pasado junio de expandir la plataforma de IA de Uber, que la empresa describió como un conjunto de ofertas que incluyen “soluciones personalizadas para crear modelos y agentes de IA más inteligentes, redes globales de tareas digitales y herramientas para ayudar a las empresas a crear y probar modelos de IA de forma más eficiente”. Según un comunicado, Uber AI Solutions “ofrece las herramientas y los datos necesarios para ayudar a entrenar a agentes de IA inteligentes, incluyendo flujos de tareas realistas, anotaciones de alta calidad, simulaciones y soporte multilingüe, lo que ayuda a los agentes de IA a comprender y navegar por los procesos empresariales del mundo real”.

El programa piloto estadounidense, anunciado en un evento (Only on Uber) de la organización, contará, según el blog de la empresa, con “un grupo selecto de conductores y mensajeros que realizarán tareas digitales, como grabarse hablando en el idioma con el que se sientan más cómodos, enviar documentos escritos en diferentes idiomas y subir imágenes”.

Shashi Bellamkonda, director principal de investigación de Info-Tech Research Group, describe el anuncio como “una medida inteligente y estratégica de Uber”. Según él, la empresa ya cuenta con “una amplia audiencia global de conductores y repartidores. Es de suponer que dispondrán de algo de tiempo libre entre un viaje y otro para interactuar y realizar pequeñas tareas digitales que ayuden a entrenar los modelos de IA”.

“Uber es, ante todo, una empresa de datos y logística, y esta medida aprovecha esas fortalezas de una manera que podría generar datos de entrenamiento valiosos y diversos”, observa. “Esto me recuerda cómo CAPTCHA/reCAPTCHA sigue utilizándose para entrenar modelos de IA. Uber ahorra dinero al hacerlo ‘internamente’ y también podría ofrecer los datos recabados de alguna forma a otras empresas”.

Señaló que la medida también “introduce un nuevo actor en el mercado del etiquetado de datos con intervención humana, que ha estado dominado por unos pocos proveedores especializados. Con la escala y el alcance de Uber, podría aumentar la competencia y aportar más flexibilidad y presión sobre los precios a un mercado que sigue siendo demasiado costoso y que requiere muchos recursos para muchas organizaciones. También muestra cómo la preparación y el etiquetado de datos se están convirtiendo en productos básicos, y por qué los directores de informática deberían empezar a considerar estas funciones como categorías de adquisición estratégicas en lugar de simples tareas técnicas especializadas”.

Los directores de TI, según Bellamkonda, también “luchan por alinear sus inversiones en IA con un valor empresarial claro. Hay dos lecciones que aprender aquí. En primer lugar, explorar si los datos propios de las operaciones diarias podrían utilizarse en una iniciativa de etiquetado de datos propia, aunque solo sea para casos de uso limitados”. La segunda lección, según él, es que “la anotación de datos de Uber podría ofrecer una nueva oportunidad y ayudar a los CIO que desean un conjunto de datos globalmente diverso. Cuando esté disponible, podría valer la pena evaluar el ahorro potencial de costes que supone el uso de este nuevo conjunto de datos y llevar a cabo un pequeño programa piloto para compararlo con los proveedores existentes”.

No sólo chefs y comercializadores de todo tipo están transformando de manera significativa la industria mundial de alimentos y bebidas, también lo están haciendo sistemas basados en la IA. Más que una realidad futurista para las empresas alimentarias, constituye un protagonista que ya que influye en muchos ámbitos del sector, tales como el desarrollo de recetas, la reducción de residuos, las iniciativas de sostenibilidad y las formas de anticiparse a las interrupciones de la cadena de suministro.

Es el caso de Nestlé, que utiliza la IA basada en agentes en muchas de sus áreas de negocio. Eso sí, ninguna tecnología innovadora puede hacer milagros por mucha expectación que despierte, y los casos de uso muy prometedores también conllevan el riesgo de ir demasiado lejos o cometer errores, sobre todo en lo que se refiere al uso ético de los datos o la automatización.

El reto para los responsables de la toma de decisiones en materia de TI y tecnología no consiste tanto en darse cuenta primero del valor añadido de la IA, sino más bien en desarrollar la cultura, las habilidades y los sistemas que permitan escalar la tecnología de forma responsable.

Qué optimiza Nestlé con la IA

Desde siempre, la industria alimentaria ha tenido que lidiar con todo tipo de incertidumbres: desde la fluctuación de los rendimientos de las cosechas hasta los cuellos de botella logísticos, pasando por los cambios en las preferencias de los consumidores, que dificultan la planificación. Este es el caso de Nestlé, que utiliza cada vez más la IA para anticipar los patrones de demanda de forma más precisa que antes y ajustar de manera dinámica los niveles de producción y existencias. Así, la tecnología ahora puede ayudar a predecir la hora de llegada de los contenedores a los puertos de destino, crear previsiones estadísticas y mejorar la precisión de la planificación de la demanda.

Incluso se utiliza en el desarrollo de fórmulas. La IA acelera la generación de ideas y el desarrollo de productos, los modelos de aprendizaje automático analizan datos históricos de investigación y desarrollo. Ya no son experimentos ni tampoco proyectos piloto, sino procesos productivos que ya están dando resultados.

Sin embargo, no basta con la eficiencia operativa por sí sola no es suficiente. Que la IA tenga un impacto real para por apoyar objetivos generales como la sostenibilidad, que es uno de los mayores retos de la industria alimentaria, donde la agricultura regenerativa y los envases innovadores desempeñan un papel fundamental. Efectos que se pueden amplificar aún más gracias a la IA.

Luca Dell’Orletta, director global de innovación tecnológica y arquitectura empresarial del Grupo Nestlé, ha declarado al respecto: “Actualmente estamos explorando cómo los modelos de IA pueden optimizar el seguimiento del carbono en las complejas cadenas de suministro agrícolas para permitir decisiones de adquisición más inteligentes y reducir las emisiones a gran escala”, para añadir: “En la fabricación, los sistemas de visión basados en IA pueden minimizar los residuos y mejorar el uso de la energía, lo que también ayuda a Nestlé a cumplir sus compromisos medioambientales”.

Incluso ya integrada en la estructura central de las operaciones, la empresa no pierde de vista que la IA no debe sustituir ni desplazar los valores que definen la artesanía y la humanidad de los alimentos de alta calidad.

No hay pase libre para la IA

La velocidad es una de las características más atractivas de la IA genérica, pues permite generar contenidos de campaña, textos o conceptos de productos casi al instante. Rapidez que no necesariamente significa excelencia. La cultura influye en la comida, que evoca emociones, y lo que triunfa en una región no tiene por qué hacerlo en otra. Por eso Nestlé cuenta con sistemas human-in-the-loop que permiten a los equipos locales adaptar las soluciones globales. “Y sólo podemos advertir contra dejar que los algoritmos gestionen tareas creativas sin supervisión”, afirma Dell’Orletta.

A esto hay que sumar las preocupaciones sobre el sesgo en lo que respecta a las pruebas de productos y la investigación de los consumidores, especialmente cuando los conjuntos de datos no reflejan del todo la diversidad de los consumidores globales. Para empresas de alimentación con dimensión mundial como Nestlé, la ampliación responsable de la IA también debe incluir un compromiso con la diversidad a nivel de datos.

Una nueva era en la que los responsables de la toma de decisiones en materia de TI ya no son sólo socios tecnológicos, sino impulsores del crecimiento y guardianes de los datos que coordinan los distintos facilitadores de la transformación. Por lo tanto, que la IA triunfe depende de la implementación de los últimos modelos, pero también de la adquisición de talento, la gobernanza y el fomento de la experimentación de formas que se ajusten al propósito de la marca y a la asunción de riesgos. En consecuencia, un nivel de integración que se extiende con coherencia a todas las áreas funcionales, departamentos y toda la cadena de valor empresarial.

Luca Dell’Orletta ha declarado para concluir: “Creemos que las empresas alimentarias que finalmente ganarán serán las que adopten la IA como una competencia básica en lugar de un complemento. No se trata de quién automatiza más rápido, sino de la capacidad de replantearse las cosas y adoptar nuevas formas de trabajar”.

Algunos defensores de la IA la promueven como una herramienta ideal para erradicar la costosa deuda tecnológica. Sin embargo, los responsables de TI están descubriendo que un exceso de proyectos piloto o una dependencia excesiva del código generado por la IA podrían dar lugar a sus propios problemas.

A modo de ejemplo, las herramientas de IA se pueden utilizar para limpiar el código antiguo o para reducir el software sobredimensionado. Con esto se consigue también una disminución de lo que es una de las principales formas de deuda tecnológica. Ya el pasado mes de septiembre, Microsoft anunció una nueva suite de agentes autónomos de IA diseñados para modernizar automáticamente las aplicaciones heredadas de Java y .NET.

A la vez, los responsables de TI sostienen que la IA tiene potencial para aumentar su deuda tecnológica, dado que existen demasiados proyectos de IA que dependen de modelos o agentes caros de implementar y mantener, y los asistentes de codificación de IA generan más líneas de software de las que pueden ser necesarias.

La ausencia de hojas de ruta de IA hace que las organizaciones corran el riesgo de realizar implementaciones a ciegas cuyo resultado podrían problemas de calidad y mantenimiento a largo plazo, según sostiene Simon Wallace, director técnico y cofundador de la plataforma de acción cívica en línea Suffrago.

En su opinión, “sin una estrategia clara de implementación de la IA o una idea básica de por qué se utiliza la IA, acabaremos teniendo un montón de herramientas acumulando polvo digital”. Y añade: “Lo vimos con los microservicios y la computación en la nube: las herramientas se utilizaron para presentaciones y nunca volvieron a ver la luz”.

Wallace recuerda haber creado herramientas para proyectos piloto de aprendizaje automático y luego ver cómo se implementaban en la nube para no usarlas nunca. “Ahora tienes una herramienta obsoleta que puede estar tres o cuatro versiones por detrás y que utiliza conectores heredados”, dice.

A esto hay que unir que, bien sea la fase de experimentación bien la de producción, muchas organizaciones priorizan la rapidez en sus proyectos de IA, una receta clásica que constituya una manera de acumular problemas de mantenimiento y limpieza que tendrá que resolverse algún día, incluso en el caso de implementaciones exitosas.

Parálisis piloto

Ryan Achterberg, director técnico de la consultora informática Resultant, considera que los interminables proyectos piloto de IA también crean su propia forma de deuda tecnológica. Según sostiene, esta ”parálisis piloto”, en la que las organizaciones lanzan docenas de pruebas de concepto que nunca se escalan, puede llegar a agotar los recursos informáticos.

“Cada experimento conlleva un coste continuo”, afirma Achterberg, para añadir: “Incluso si un modelo nunca se escala, deja tras de sí artefactos que requieren mantenimiento y supervisión de seguridad”.

Parte del problema radica en la inestabilidad de las bases de datos de IA, incluso en un escenario de gran ambición de la IA, explica este especialista. “Eso significa que la mayoría de los proyectos piloto ya parten de una base frágil, lo que los hace más propensos a estancarse o fracasar”, dice. Y apostilla: “Sin embargo, una vez que existen, los directores de informática se ven obligados a gestionar el riesgo”.

Achterberg aconseja a las organizaciones que experimentan con la IA realizar revisiones rigurosas del código, utilizar un canal de implementación continua y documentar todo de manera minuciosa.

Lo que le lleva a decir que “docenas de proyectos piloto de IA pequeños y descoordinados pueden inflar la deuda tecnológica tanto como los sistemas heredados de hace décadas”. Entonces, “sin una gobernanza y una priorización implacable, las organizaciones acaban pagando el precio de mantener costosos experimentos que no aportan valor empresarial”.

Kurt Muehmel, responsable de estrategia de IA en la plataforma de desarrollo de IA Dataiku, añade que el desarrollo de IA genera deuda tecnológica en muchas organizaciones cuando surgen muchos proyectos en diferentes unidades de negocio, añade. En algunas de ellas, explica, los trabajadores con capacidad para poner en marcha proyectos de IA no dependen directamente del director de informática ni tampoco de ningún otro responsable sénior de TI.

“Podemos imaginar un escenario en el que algunos de sus científicos de datos empiecen a configurar servidores MCP”, dice. “Y luego empiezan a utilizar esas herramientas para crear rápidamente agentes, pero no necesariamente se dispone de supervisión integrada de forma nativa en ese tipo de sistemas”, añade.

Demasiado código

A la deuda tecnológica derivada del exceso de proyectos piloto de IA hay que unir los propios problemas que pueden crear los asistentes de codificación sin una supervisión adecuada, añade Jaideep Vijay Dhok, director de operaciones tecnológicas del proveedor de ingeniería digital Persistent Systems.

En algunos casos, advierte, los asistentes de codificación de IA generarán más líneas de software de las que solicitó un desarrollador.

A su juicio, “se generará código superfluo a menos que yo, como desarrollador, sea diligente con lo que acepto”. Y es que, cree, “los modelos tienen una tendencia inherente a lanzarte cosas adicionales”.

Además, los resultados pueden desalinearse en caso de que todos los miembros de un equipo de desarrollo de software, incluidos los evaluadores de control de calidad, los gestores de productos y los ingenieros de lanzamiento, no utilicen las mismas herramientas de codificación de IA, afirma Dhok.

Por eso, este especialista explica que “cuando estos agentes digitales trabajan entre sí de una manera mucho más colaborativa, en términos de casos de prueba y requisitos básicos, todos se elevan juntos. El riesgo de deuda tecnológica de las aplicaciones disminuye cuando se eleva el uso de la IA generativa del individuo al equipo, de forma colectiva”.

Supervisión de proyectos de IA

Muehmel recomienda a las organizaciones utilizar herramientas de gobernanza que hagan un seguimiento de la seguridad de los datos y las cuestiones de cumplimiento, y que también supervisen el gasto y las métricas de los proyectos de IA. De ahí que sugiera que el director de informática u otro responsable sénior de TI deberían tener el control de esa función de supervisión.

Y afirma que las herramientas de gobernanza son fundamentales para garantizar que los proyectos de IA cumplan con métricas realistas.

“Esto surge en todas las conversaciones que mantengo con un director de informática o con alguien que piensa a nivel estratégico sobre los agentes: la gobernanza. ¿Cómo me aseguro de tener control sobre todo lo que se está creando?”, dice Muehmel. Y añade: “Existe un temor real a los agentes ocultos que han sido creados por algunas personas inteligentes de la organización que están haciendo cosas que no comprendemos del todo”.

Los responsables de TI y empresariales que supervisan proyectos de IA también deben asegurarse de que, en especial los agentes, estén estrechamente vinculados a los procesos empresariales, añade Muehmel. En su opinión, los agentes rebeldes que no se ajustan a los procesos empresariales pueden generar desconfianza entre los usuarios.

“Lo que hace únicos a los agentes es que, en cierto modo, se supone que son casi nuevos compañeros o colaboradores de los empresarios del departamento de marketing, del departamento financiero y de operaciones”, afirma Muehmel. “Si esas personas no pueden confiar en el rendimiento del agente, se produce un déficit de confianza real que puede llevar a crear un montón de cosas que la gente se muestra reacia a utilizar”.

De ahí que defienda que los responsables de TI deben evaluar constantemente los proyectos de IA de sus organizaciones y no tener miedo a fracasar rápidamente, ya sea en las primeras fases de desarrollo o en la fase de implementación.

A juicio de Muehmel, “en ese enfoque de fracaso rápido, es necesario que todas las personas involucradas en la creación y el despliegue de agentes comprendan profundamente que el proceso no puede terminar con la creación del agente”. En consecuencia, “las situaciones externas van a cambiar, porque los objetivos empresariales pueden variar ligeramente, por lo que también hay que prever este proceso de adaptación continua del funcionamiento del agente”, dice para concluir.

La plataforma de IA basada en agentes Agentforce de Salesforce acaba de cumplir su primer aniversario y ya ha alcanzado su cuarta versión en Agentforce 3. La tecnológica se considera a sí misma el cliente cero de la plataforma, y Joe Inzerillo, vicepresidente ejecutivo y director digital del gigante del software, afirma que los últimos 12 meses han sido un viaje apasionante de descubrimiento y aprendizaje.

Como cliente, Inzerillo afirma que Agentforce y los agentes autónomos que habilita han supuesto una revolución para Salesforce. El agente de desarrollo de ventas ha trabajado en más de 43.000 clientes potenciales y ha generado 1,7 millones de dólares en nuevos proyectos a partir de otros inactivos. Y el agente de servicio ha gestionado más de 1,4 millones de conversaciones en el sitio de ayuda de Salesforce, resolviendo la mayoría de los casos sin necesidad de intervenir a representantes humanos y obteniendo excelentes puntuaciones de satisfacción del cliente (CSAT).

“Hemos podido reducir los costes de nuestra función de asistencia en unos 100 millones de dólares y ofrecer a nuestros clientes una CSAT igual de buena o mejor”, desvela Inzerillo. Pero estos resultados no se han conseguido sin retos y fracasos.

Los agentes no son chatbots

Inzerillo afirma que uno de los errores cometidos al principio del proceso fue limitar en exceso el modelo y que, al principio, un cliente preguntó a un agente sobre un competidor y el agente respondió. “A nuestro equipo de marketing no le gustó mucho eso, así que añadimos una norma básica de no hablar nunca de nuestros competidores”, afirma, y esa norma incluía una extensa lista de competidores. Pero esto resultó contraproducente cuando los clientes hacían preguntas legítimas, como cómo integrar Microsoft Teams con Salesforce. El agente se negaba a ayudar porque Microsoft era un competidor que figuraba en la lista.

“Esto tampoco es lo que queremos, ya que tiene que haber un poco de tolerancia”, afirma. “Hay que tratarlo como a un becario universitario que va a cometer algunos errores cuando empieza, pero cada comentario que recibes es un regalo”.

Ese error inicial condujo a una importante conclusión: los agentes no son chatbots. Los chatbots necesitan instrucciones prescriptivas. Los agentes necesitan un objetivo, pero deben tener libertad para determinar cómo alcanzarlo. “Si se restringe demasiado, en el mejor de los casos se obtendrá un bot”, relata Inzerillo. “En el peor de los casos, obtendrás algo peor que un bot, porque lo habrás limitado hasta el punto de que le resulte difícil responder incluso a preguntas básicas”.

En este caso, la solución fue sencilla. El equipo eliminó las reglas rígidas y dio instrucciones al agente para que actuara en el mejor interés de Salesforce y sus clientes. “Para empezar, menos es más”, afirma Inzerillo. “Hay que ser un poco minimalista. Ajustar y recuperar los datos correctamente, pero no restringirlos en exceso, porque parte de la magia de los agentes es su capacidad para hablar como un humano, y si les das directrices demasiado estrictas, perderán esa capacidad”.

La higiene de los datos es esencial

La necesidad de una higiene de datos impecable ha sido otra de las lecciones aprendidas. Al igual que con otras formas de IA generativa, otra preocupación es cuando los agentes autónomos alucinan, generando resultados falsos basados en un patrón percibido por el modelo. Pero Inzerillo afirma que, cuando su equipo investigó las aparentes alucinaciones, la causa era a menudo documentos que contenían datos contradictorios debido a la base de conocimientos del agente. Cuando un modelo tiene dos o más fuentes de datos aparentemente válidas que proporcionan respuestas contradictorias, es más probable que invente una respuesta para conciliarlas.

“La gente solía pensar que lo difícil era realmente amalgamar los datos en una única ubicación. Y solía ser difícil. Ahora, con RAG y los agentes, acceder a los datos nunca ha sido tan fácil. Pero la duplicación de datos, especialmente los datos contradictorios, es algo a lo que la gente no ha prestado mucha atención porque los humanos somos muy buenos resolviéndolo”.

En la era de los agentes autónomos, afirma, la higiene y la retirada de datos deben ser prioridades. Salesforce descubrió esto cuando un agente de su sitio de atención al cliente extrajo un conjunto de datos obsoletos de una antigua página de marketing. El sitio no enlazaba con la página, lo que contradecía los artículos de ayuda que se actualizaban periódicamente.

Según Inzerillo, Salesforce ha considerado esto como una herramienta de diagnóstico útil para ayudar a identificar fuentes de datos antiguas que deben limpiarse. “Cuando miremos atrás dentro de 10 años, en los albores de la IA agentiva, la nota al pie será que la higiene de los datos mejoró cuatro veces a lo largo de ese proceso”, afirma. Desde entonces, Salesforce ha adoptado un enfoque multicapa centrado en la gobernanza de los datos, la limpieza de las fuentes y la consolidación, y está invirtiendo en procesos de curación y validación de artículos de conocimiento para garantizar que sus agentes accedan a una biblioteca de recursos coherente.

Inzerillo afirma que la empresa también ha aplicado Salesforce Data Cloud como capa de activación, conectando, armonizando y unificando los datos.

La experiencia humana sigue siendo la norma

El año pasado también enseñó a Salesforce la importancia de la experiencia humana que aprovechan los agentes. Inzerillo señala que Agentforce ha permitido a la empresa crear una multitud de agentes, todos ellos adecuados para fines específicos, como un agente de bienestar para responder a preguntas sobre prestaciones, un agente de reuniones para programar el apoyo y un agente de carrera para responder a preguntas sobre desarrollo profesional, por ejemplo.

Todos estos agentes tenían como objetivo ayudar a los empleados de Salesforce a descargar tareas repetitivas, pero fragmentaron eficazmente la experiencia de los empleados entre docenas de agentes. Los empleados tenían que llevar un registro de qué agentes podían realizar las tareas. Por eso, este verano, según Inzerillo, su equipo introdujo un agente para empleados que podía llamar a todos esos agentes diferentes y, al mismo tiempo, servir como único punto de contacto para los propios empleados. El equipo también creó un agente para gerentes que podía reunir los resultados de las encuestas a los empleados y proporcionar recursos de revisión trimestral.

La conclusión, según Inzerillo, es que hay que hacer algo más que crear agentes. “Para que los agentes sean realmente eficaces, deben integrarse en el flujo de trabajo”, cuenta. “Nuestros agentes no están aislados en una aplicación separada. Están perfectamente integrados en las herramientas que nuestros empleados y clientes utilizan a diario”.

Un informe de VMware concluye que casi la mitad de los responsables de la toma de decisiones de TI cree que su organización desperdicia más de una cuarta parte de su gasto en la nube, y alrededor de uno de cada tres (31%) afirma que el desperdicio supera el 50%.

Los sobrecostes de la nube son un problema importante en las empresas actuales según analistas y otros especialistas en la nube, pero culpan de ello a los desarrolladores y a la cultura de TI. Muchos observadores del sector sostienen que un cambio en la forma en que la organización concibe las inversiones en la nube podría reducir gran parte del problema del gasto en la nube, así como también facilitaría la adopción de una visión mucho más cínica del lenguaje de los contratos de la nube

En el informe, basado en una encuesta global realizada a 1.800 responsables de la toma de decisiones de TI, se puede leer que “la mayoría de las empresas coinciden en que los silos organizativos complican la gestión de la nube, lo que dificulta mantener la visibilidad, el control y la gobernanza en la nube pública”.

Si embargo, el director de investigación de IDC, Rob Tiffany, también considera que las relaciones de las empresas con los proveedores desempeñan un papel importante en los problemas de gasto en la nube.

A su juicio, “AWS y Google no son actores tradicionales de TI, por lo que Microsoft está tratando de enganchar [a las empresas]” a los entornos de nube de Microsoft, y algunos directores de informática de las empresas piensan: “Solo tengo que firmar y ya no tendré que pensar en ello”.

Los problemas y las soluciones de los costes de la nube

Tiffany señala la adquisición de Morpheus Data por parte de HP como una de las varias herramientas de gestión de costes de la nube que deben tenerse en cuenta, lo que le lleva a decir que “las empresas deben integrar de forma más agresiva las herramientas FinOps en sus operaciones, asegurándose de proporcionar acceso a casi todo lo que tenga que ver con la nube”.

Los directores de informática deben “buscar máquinas virtuales inactivas y que supongan un desperdicio. Puede que sólo esté utilizando el 3% de la máquina virtual o que los usuarios ni siquiera estén utilizando estas cosas”, dice Tiffany, para añadir: “Algo que hacen muchas empresas es no utilizar el software FinOps lo suficiente como para que sea los ojos y los oídos de los [recursos de la nube] desperdiciados y sin utilizar”.

De todas formas, Tiffany cree que encontrar un problema de utilización de la nube no servirá de nada si el contrato no permite realizar devoluciones por dichos descubrimientos.

Incluso si no se admiten dichos reembolsos, Tiffany anima a los directores de informática de las empresas a “revisar los registros de cuentas por pagar” para detectar cualquier compra en la nube, incluidas las compras en la sombra. De ahí que diga: “Si encuentra cosas que son un desperdicio, podría utilizarlas como ventaja con otra nube”.

Un problema que ha observado IDC es que las empresas compran herramientas FinOps sin darles suficiente acceso.

“Quiero que mi agente de IA inicie sesión en nuestro panel de control de AWS y encuentre duplicaciones y servicios no utilizados, y que se asegure de que puede hacerlo en todas nuestras nubes”, afirma Tiffany. Y apostilla: “Asegúrate de que las API estén expuestas para todos y cada uno de los servicios”.

Aun así, este especialista considera que la cultura corporativa, y en concreto la cultura de TI y de los desarrolladores, dificulta el análisis del gasto en la nube.

Se necesita una transformación cultural

Dice Tiffany: “Por lo general, a los directores de informática no se les recompensa por cosas tan minuciosas como esa, incluido el mantenimiento de sistemas antiguos” Y apostilla: “Se les aprecia por hacer cosas nuevas e innovadoras. [El seguimiento de la duplicación del gasto en la nube] no suele contribuir al avance de sus carreras”.

Sin embargo, hoy en día la IA basada en agentes puede marcar la diferencia. Históricamente, los directores de informática se han mostrado reacios a distraer a su personal técnico ya de por sí cargado de tareas con problemas de bajo coste. Pero asignar esas tareas de seguimiento a un agente virtual puede marcar una diferencia clave.

Según Tiffany, en el pasado, los directores de informática se han encontrado con resistencia. “No tengo personal para eso”. Pero la IA basada en agentes cambia las reglas del juego. Ahora los directores de informática pueden abogar ante los responsables de recursos humanos y los directores generales para que incentiven la búsqueda de estas ineficiencias y tal vez cambien sus estructuras de bonificaciones”, admite.

Matt Kimball, vicepresidente y analista principal de Moor Insights & Strategy, anima a los directores de informática a tener en cuenta todas las formas de nube, incluidos los contratos SaaS, que a menudo se pasan por alto. Eso le lleva a preguntarse: “¿Se incluyen esos grandes contratos con Salesforce?”.

Moor ha encontrado muchos clientes CIO “que han contratado instancias demasiado aprovisionadas gastando demasiado dinero en [recursos en la nube] que nunca utilizarán”, reconoce Kimball, y ofrece un ejemplo de cómo una adición única a la nube se transforma silenciosamente en un cargo anual continuo.

“Su representante de Oracle le dice que necesita este módulo que nadie utiliza nunca. Y ahora aparece en el contrato cada año. Antes de que se dé cuenta, se ha convertido en una cuota recurrente”, afirma Kimball, para añadir: “Recuerde que racionalizar el gasto en la nube es una tarea constante”.

Mark Troller, director de informática de la empresa de gestión de gastos Tangoe, anima a los directores de informática a no obsesionarse demasiado con los porcentajes de desperdicio que recoge VMware en el informe.

“No me obsesiona si el desperdicio de la nube es del 30% o del 50%. El verdadero problema es la definición. Contando únicamente la computación o el almacenamiento no utilizados, el 50% parece exagerado”, afirma Troller. “Pero cuando se incluyen las ineficiencias indirectas que veo todos los días —prosigue—, como las licencias SaaS duplicadas, el gasto en TI en la sombra, los entornos inactivos o las cargas de trabajo mal diseñadas que aumentan los costes de red, es probable que el verdadero desperdicio sea mayor”.

Roman Rylko, director técnico de la consultora informática Pynest, también considera que los excesos de corte de la nube son habituales.

En su opinión, muchos directores de informática tienen la sensación totalmente justificada de que la mitad de sus costes de nube se desperdician. Por ejemplo, implementaron un entorno para un proyecto y se olvidaron de apagarlo, o reservaron capacidad adicional que permanece inactiva. Lo que a menudo resulta irritante son las estructuras de facturación opacas de los proveedores. Sin una supervisión constante y un enfoque FinOps, es casi imposible comprender dónde se gasta exactamente el dinero”, dice este especialista.

En este sentido, cita el caso de un cliente reciente “en el que los entornos de desarrollo funcionaban las 24 horas del día, los 7 días de la semana, aunque el equipo sólo los utilizaba durante el horario laboral. Un programa automatizado para apagar los entornos por la noche y reiniciarlos por la mañana supuso un ahorro de dos dígitos ya en el primer mes”.

Rylko argumenta que este tipo de anécdotas son la razón por la que considera que “la cuestión de la optimización de la nube es financiera y también cultural. Si los ingenieros no comprenden que cada una de sus máquinas virtuales o contenedores cuesta dinero, ningún informe del director financiero servirá de ayuda. Las estrategias eficaces incluyen hacer que los equipos de ingeniería se responsabilicen del gasto y asegurarse de que comprenden el impacto que tienen sus recursos en los costes”.

La inteligencia artificial es la tecnología de moda en los entornos corporativos. Según un reciente estudio de Salesforce, entre noviembre de 2024 y junio de 2025 se ha incrementado el uso diario de IA en trabajos de oficina en un 233%. Seis de cada diez dicen utilizar IA tradicional, mientras que el 40% utilizan agentes. Entre quienes emplean diariamente estas herramientas ha mejorado la productividad en un 64% y la satisfacción con su empleo en un 81%. El informe añade que no solo se está automatizando tareas, sino que se está utilizando para realizar otras labores para las que antes no se contaba con las habilidades necesarias. Incluso se está evaluando si podría tener más implicaciones: otro estudio, este de Jabra y The Happiness Research Institute, plantea que, más allá de la satisfacción laboral o la mejora en los resultados, hay también un incremento en las oportunidades de crecimiento laboral, de aprendizaje y desarrollo profesional.

Lo positivo de estas cifras no siempre revela las faltas detrás de su aplicación. De acuerdo a un informe de GAD3 para Planeta Formación y Universidades, aunque un 93% de participantes en España decía conocer alguna herramienta de IA, solo la mitad las utilizaba en entornos laborales, mientras que dos de cada tres lo hacían a nivel personal. Esto revela una falta de competencias profesionales indicativa de un problema mayor: solo una de cada diez personas decía haber sido formada en su empresa para su utilización. Emplear ChatGPT —o la herramienta que sea— sin unas nociones básicas de cómo hacerlo, de los riesgos o problemas que puede haber en su uso, puede llevar a situaciones que van desde contenidos incorrectos o inapropiados al mal uso de los datos corporativos, pasando por un problema reputacional para toda la compañía.

IA en la sombra

“Muchos empleados acceden de forma independiente a herramientas de IA generativa a través de navegadores o aplicaciones de terceros, a menudo eludiendo la supervisión de TI”, explica Corey Nachreiner, CSO de WatchGuard Technologies. “Esto genera riesgos de shadow IT —o un nuevo riesgo de shadow AI— y brechas de visibilidad para los equipos de seguridad”.Nachreiner cita varios de los casos de uso más habituales: investigación de temas en general, redacción de correos electrónicos, lluvia de ideas o redacción de textos, programación, resumen de documentos y automatización de tareas. “Sin embargo, algunos usuarios pueden incluir de forma no intencionada o por desconocimiento datos corporativos sensibles en sus prompts, o incluso fragmentos de código interno al utilizar generación de código con IA, o confiar en el código generado por IA sin una validación de seguridad adicional. Esto supone tanto un riesgo de filtración de datos corporativos como otros riesgos de seguridad”, incide. Más allá de la posibilidad de robo de información y la ampliación de la superficie de amenazas, el uso no controlado de estas herramientas puede llevar a problemas en el cumplimiento de las distintas normativas aplicables a entornos corporativos, como el RGPD, NIS2 o DORA; y a una menor capacidad de control sobre los activos de la compañía. “TI pierde la capacidad de aplicar la gobernanza y de hacer seguimiento del uso”.

“La falta de supervisión podría impactar en la gestión IT, con consecuencias importantes en el plano legal, ético, operativo y de ciberseguridad para la empresa”, considera Chabe Alcantarilla, CIO de Correos

Para evitar esto, en Correos cuentan con un entorno de trabajo altamente controlado que impide el uso de software no corporativo, como explica su CIO, Chabe Alcantarilla. “Nuestros sistemas de navegación segura proporcionan visibilidad sobre el uso de recursos externos no autorizados”, lo que incluye herramientas de IA. “Desde la dirección de IT se ha gestionado de manera temprana la llegada de la inteligencia artificial. Contar con plataformas tecnológicas para la monitorización y el control del riesgo en el endpoint ha facilitado la detección anticipada del uso incipiente de recursos de IA, lo que permitió tomar decisiones antes de que se produjera una utilización masiva y sin control”, profundiza. Entre las medidas puestas en marcha para paliar la problemática, el organismo apostó por la realización de estudios y monitorizaciones, junto con el despliegue de herramientas tecnológicas específicas y la formación y concienciación del personal.

En el caso de la empresa Damm, la compañía basa su estrategia en “un uso responsable y supervisado de herramientas de IA generativa”, como define su CISO, Ester Valverde. “En Damm tenemos la voluntad de ofrecer a todas los/las empleados/as las herramientas necesarias para desempeñar las funciones de su puesto de trabajo de manera eficiente y segura, minimizando así el uso indebido de aplicaciones no autorizadas en la compañía”. La cervecera ha integrado Copilot para favorecer un entorno seguro, en el que se garantice la protección de la información corporativa, y cuenta con un programa de formación y concienciación en ciberseguridad, que refuerce “la seguridad y la confianza en nuestras soluciones tecnológicas internas”. Además de los riesgos citados por Nachreiner, Valverde y Alcantarilla suman la problemática de que se dupliquen herramientas o procesos, lo que puede llevar a incompatibilidades y falta de soporte.

La CIO de Correos habla, también, de costes ocultos o ineficiencias operativas. “La falta de supervisión podría impactar en la gestión IT, con consecuencias importantes en el plano legal, ético, operativo y de ciberseguridad para la empresa”.  “Sin supervisión, la IA deja de ser un aliado estratégico para convertirse en un riesgo crítico”, añade Nachreiner. “La clave está en establecer políticas claras, controles de acceso, auditoría continua y soluciones de seguridad que unifiquen la protección de datos, identidades y aplicaciones”.

Corey Nachreiner, CSO de WatchGuard Technologies, “sin supervisión, la IA deja de ser un aliado estratégico para convertirse en un riesgo crítico”

Controlando el uso en la sombra de IA

Tanto Nachreiner como Valverde y Alcantarilla coinciden que una de las claves para evitar problemas en el empleo de herramientas inteligentes es el diseño de una política clara de IA, en la que se le explique a la plantilla bien cuándo y cómo utilizarla. “Como mínimo, no deberían poder compartir datos corporativos sensibles con herramientas de IA públicas y gratuitas que puedan recopilar esa información a cambio de su uso sin coste”, incide el CSO de Watchguard.

“En última instancia, la responsabilidad de garantizar la calidad y fiabilidad del trabajo recae en cada individuo”, opina Ester Valverde, CISO de Damm

Suministrar plataformas seguras y aprobadas o usar controles técnicos para monitorizar y bloquear el resto de herramientas forman parte esencial de esa estrategia. “La gestión de este tema no resulta sencilla”, comparte Alcantarilla. “En nuestra organización, tras identificar un uso incipiente de la inteligencia artificial, decidimos abordarlo desde diversas perspectivas y hemos obtenido resultados satisfactorios”, resume, planteando una estrategia similar: definición de políticas claras sobre el uso de IA, creación de un catálogo de herramientas aprobadas, monitoreo para la detección temprana de conductas de riesgo y capacitación y sensibilización del personal.

Este último punto resulta esencial, en tanto el factor menos predecible suele ser el factor humano. En esta línea, Valverde completa: “Es fundamental que cualquier respuesta generada por IA sea revisada y supervisada por la propia persona, aplicando su conocimiento y criterio profesional. En última instancia, la responsabilidad de garantizar la calidad y fiabilidad del trabajo recae en cada individuo, ya que se puede ver afectada la reputación corporativa”, apunta. “En Damm integramos la IA en los procesos de negocio de forma controlada, permitiendo que aporte valor sin comprometer la seguridad de nuestro entorno”. “En WatchGuard, defendemos un enfoque equilibrado que pasa por aprovechar la innovación mientras protegemos los activos críticos”, añade Nachreiner. “La IA generativa puede ser una herramienta poderosa, pero sin una supervisión adecuada se convierte en una responsabilidad”.

TuringDream es el proyecto empresarial en el que lleva inmerso, desde hace más de un año, el equipo fundador de la mítica Meta4, la compañía pionera en España en ofrecer software de gestión de recursos humanos, hoy integrada en la francesa Cegid. El alma tecnológica del proyecto, su CIO y CTO, es el matemático, informático y licenciado en Derecho Manuel Tarrasa, un líder bregado durante años en el vertiginoso mundo de las TI corporativas; un perfil holístico que aúna un profundo conocimiento de la inteligencia artificial, el modelo cloud y los sistemas a escala con una —tan necesaria en el contexto actual— visión humanista de la transformación digital.

Tarrasa, que, a lo largo de su extensa carrera, ha desempeñado puestos como el de vicepresidente de I+D en Meta4, cofundador de la empresa de inteligencia artificial Newknow Networks y la consultora de diligencia debida tecnológica Ampolaris, director de Sistemas Corporativos de la Comunidad de Madrid, CIO y CTO global de Prosegur —cuya estrategia cloud le granjeó uno de los galardones de los CIO 100 Awards en España en 2023—, director de IA e innovación de Konecta, asume ahora el reto, como parte de la startup TuringDream, de reimaginar un futuro, dice, en una entrevista realizada por videoconferencia con CIO ESPAÑA, “que será irreconocible dentro de unos cinco o diez años por la adopción de la inteligencia artificial”.

El sueño de Turing español: una plataforma de IA agentiva “diferente”

Tomando prestado el nombre al matemático inglés Alan Turing, uno de los padres de la ciencia de la computación y precursor de la informática moderna, el equipo fundador de TuringDream —formado, además de por Tarrasa, por los hermanos y emprendedores Juan y José Morán, respectivamente, consejero delegado y director de operaciones de la startup, y por el divulgador y experto en TI y profesor del IE Business School Enrique Dans como director de innovación— ideó montar una compañía centrada en el desarrollo de la tecnología del momento: la IA basada en agentes o IA agentiva.

“Gartner, además de otras muchas firmas de análisis, ya vaticinó hace tiempo que la tendencia tecnológica más estratégica entre 2025 y 2027 va a ser la IA agentiva, y a eso nos dedicamos en TuringDream, a desarrollar una plataforma de agentes de IA que permita automatizar múltiples tareas en entornos tan distintos como la educación, la banca, el sector asegurador, la salud, la tecnología…”, explica Tarrasa.

De momento, la startup —que acumula una inversión de unos ocho millones de euros entre la realizada “a pulmón” por los fundadores y los seis millones levantados recientemente en una ronda liderada por Adara Ventures y HWK, con la participación del fondo especializado en IA Next Tier Ventures— ya tiene dos productos comerciales. Uno, cuenta Tarrasa, “es un motor de IA agentiva”, una plataforma que “sustituye copilotos aislados por enjambres de decenas de miles de agentes autónomos hiperpersonalizados y autooptimizados para cada usuario y tarea y que van aprendiendo y perfeccionándose con el empleo por parte de los usuarios” y que pueden adoptar las consultoras para crear soluciones verticales para sus clientes o incluso empresas finales para adaptarlo a sus necesidades. El otro es una plataforma en formato app y web basada en IA agentiva centrada en el vertical de educación. Llamada Tau, cuenta el CIO y CTO, está pensada como “un complemento del colegio, pues funciona como un profesor particular siempre disponible para los alumnos que lo necesitan” y es capaz de aprender, decidir y actuar de manera autónoma para acompañar a cada estudiante según su ritmo y estilo de aprendizaje.

Tau, afirma Tarrasa, ya se está utilizando en el colegio privado de educación primaria y secundaria Dragon American School, también creado por Juan y José Morán. “Hemos estado utilizando Tau durante todo el año pasado en el centro, lo que nos ha ayudado mucho a mejorar la herramienta. El proyecto ha sido todo un éxito; de hecho, estamos ya en conversaciones con universidades y con otras empresas para que lo utilicen en sus formaciones internas”.

“Para mí es una delicia de proyecto, llevo trabajando en él ya más de año y medio —explica por su parte Enrique Dans—. Para alguien que lleva en educación ya 35 años, es una maravilla comprobar que se puede proporcionar educación de calidad y motivadora mediante una herramienta de inteligencia artificial, y que, además, es capaz de adaptarse a las necesidades del alumno con tanto nivel de detalle”. Dans, que relata a CIO ESPAÑA por correo electrónico que se sumó al proyecto en cuanto se lo contó Juan Morán tras una conferencia, es un convencido de que “en el futuro, la gran mayoría de las hard skills en el proceso educativo nos las explicará un agente de inteligencia artificial, que eso hará que la educación mejore muchísimo tanto para los alumnos como para los colegios, y que el colegio seguirá siendo fundamental para el desarrollo de las soft skills, desde la socialización hasta el trabajo en grupo, la empatía, la vida en sociedad, etc.”. La plataforma de IA agentiva de TuringDream, añade el profesor, “desarrolla esa funcionalidad de manera muy completa y versátil y Tau es una implementación brutalmente solvente”.

En un contexto en el que todos los grandes jugadores de TI, partiendo de Google y Microsoft y, por supuesto, otros del ámbito del código abierto, están trabajando en desarrollar sus propias plataformas de agentes, Tarrasa asegura que la propuesta tecnológica de TuringDream es diferente. “Nuestro motor permite democratizar la IA de verdad porque hace posible crear agentes que automaticen procesos de forma muy sencilla y amigable y sin ser ingenieros de IA, lo que, además, posibilita un time to market muy rápido. Además, el gobierno de los agentes y la transparencia de nuestra IA son otros aspectos que nos diferencian”. Sin olvidar, dice, “que estamos solucionando uno de los grandes problemas de la IA generativa y agentiva: las alucinaciones. Nuestra apuesta por la “ultraespecialización”, que se ve en la plataforma vertical Tau, mediante el uso de árboles de conocimiento, no solo mejora la calidad de la información presentada, sino que reduce al mínimo estas alucinaciones”.

‘Cloud’ e IA del mercado y propia, la base tecnológica del proyecto

La tecnología en la que se apalanca la startup, cuenta Tarrasa, es, fundamentalmente cloud. “Utilizábamos Google Cloud pero acabamos de cambiar a Azure, aunque en realidad somos bastante agnósticos respecto a esto”, desvela el CIO. En lo que se refiere a la tecnología de IA, añade, aunque también utilizan las propuestas de mercado, ellos mismos han desarrollado un “modelo de generación de agentes” (Agent Generation Model o AGM), una especie de “IA de segundo nivel”, que están en proceso de patentar en Estados Unidos —ya cuentan con la patente provisional—. Este modelo, dice Tarrasa, que es parte del citado motor, utiliza deep-learning, aprendizaje por refuerzo, transformers y otros algoritmos IA para que los agentes mejoren su rendimiento con el tiempo basándose en experiencias pasadas.

De cara al futuro próximo Tarrasa confía en seguir avanzando tecnológicamente la propuesta de una startup en la que ya trabajan 40 personas, entre ingenieros de IA, ingenieros cloud y profesores, estos últimos dedicados a para parametrizar la plataforma educativa. “El reto ahora es afrontar con éxito la salida al mercado tanto del motor de propósito general, más dirigido al mundo B2B, como la plataforma vertical Tau, enfocada en el ámbito B2C”, agrega.

Finalmente, preguntado por algunas recomendaciones que puede dar a líderes de TI de otras organizaciones que estén valorando la implantación de la tecnología de agentes de IA, Tarrasa tiene claro cómo acertar: “Hay que afinar bien con los casos de uso y saber para qué procesos está madura la inteligencia artificial. Y, por supuesto, entender bien el retorno de inversión de la IA y los costes, para lo que es clave, al final, tener un buen equipo de ingenieros de IA”.

Hace años, tras el traslado de un departamento de TI de un centro de datos local a la nube, el CIO Jaime Smith anticipó la disrupción a la que se enfrentarían sus trabajadores.

El punto de inflexión que vio es que los trabajadores tendrían que dar un salto desde la gestión de la infraestructura tecnológica tradicional a un entorno basado en el código. Entonces, sometió a unos 70 ingenieros a un programa de formación intensivo interno con el objetivo de ayudarles a realizar el cambio. Sólo un tercio logró que Smith denominó “cruzar el abismo”. Aproximadamente un tercio se marchó de inmediato inmediatamente, y otro tercio lo intentó, pero no lo consiguió.

Smith, ahora CIO de la Universidad de Phoenix, destaca que “con la aparición de la IA, veo de forma similar el momento en el que nos encontramos”.

De ahí que se esté preparando y también esté haciendo lo mismo con su equipo directivo y plantilla para un futuro que requerirá habilidades diferentes, realizar tareas de formas diferentes y asumir nuevas funciones.

Para empezar, puso en marcha este proceso en mayo con la celebración de una sesión de planificación con sus altos cargos y un socio de RR. HH. En ella elaboraron una estrategia para “preparar a la plantilla para la IA”, un debate impulsado en parte por la observación de una adopción más lenta de lo esperado de las herramientas de IA para el trabajo diario.

También hablaron de cómo saber “qué es lo que se considera bueno en las personas que prosperan en un mundo de IA”.

Y debatieron cómo avanzar más rápido, cultivar una mentalidad de crecimiento y enseñar las competencias necesarias en el futuro.

El pasado verano, Smith organizó un programa de formación presencial de dos días centrado en la IA denominado “Technopalooza”. El evento contó con una vía para los “creadores” (aquellos que dedican la mayor parte de su tiempo al desarrollo) y otra para los “modeladores” (gestores de productos, líderes con agilidad, profesionales de la experiencia de usuario y otros). El segundo día se celebró un hackathon en el que colaboraron equipos formados por trabajadores de ambas vías, una iniciativa que refleja la creencia de Smith de que, en el futuro, “las barreras entre las funciones se volverán más porosas y desaparecerán”.

De cara al próximo trimestre, Smith exigirá a todos los empleados que dediquen cuatro horas a la semana a la formación.

Y es que, no tiene reparos en reconocer que “esta es la inversión que estamos haciendo en el conjunto del personal”, y explica que forma parte de la iniciativa EmpowerAI de la universidad, cuyo objetivo es mejorar los conocimientos sobre IA de todos los trabajadores.

Un panorama laboral en constante cambio

El informe Future of Jobs Report 2025 del Foro Económico Mundial prevé la creación de 78 millones de puestos de trabajo en todo el mundo en 2030. Una buena noticia para quienes temen que la IA provoque un desempleo masivo.

Sin embargo, el informe también prevé un camino difícil por delante, ya que la tecnología desplazará a los puestos de trabajo existentes. Los investigadores predicen cinco factores clave, entre los que se encuentra la tecnología, que crearán 170 millones de puestos de trabajo, pero también desplazarán a 92 millones.

Es más: se estima que casi el 40% de las competencias básicas de los trabajadores cambiará para 2030.

No hay duda de que la tecnología es uno de los sectores que ganará puestos de trabajo. La Oficina de Estadísticas Laborales de EE. UU. prevé que el empleo global en las profesiones relacionadas con la informática y las tecnologías de la información crezca mucho más rápido que la media de todas las profesiones entre 2023 y 2033, con un total de 356.700 puestos vacantes cada año en estas profesiones debido al crecimiento del empleo y a la necesidad de sustituir a los trabajadores que abandonan las profesiones de forma permanente.

La organización de formación y certificación en TI CompTIA también prevé un crecimiento del empleo en este ámbito, con puestos dentro de las TI que crecerán a ritmos variables. En su informe sobre el estado de la mano de obra tecnológica en 2025 estima que los puestos de científico de datos y analista de datos crecerán un 414% por encima de la media nacional, mientras que los puestos de especialista en soporte técnico crecerán un 28% por encima de la media nacional.

Al igual que el Foro Económico Mundial, CompTIA también señala cómo la tecnología, concretamente la IA, afectará a los tipos de puestos de trabajo.

El informe de dicha organización es claro al respecto: “Siguiendo el patrón de las tecnologías disruptivas anteriores, hay tres dimensiones principales del cambio inducido por la IA en la mano de obra: 1. Se crearán nuevos puestos de trabajo, 2. Se desplazarán puestos de trabajo y 3. Los puestos de trabajo cambiarán”, afirma el informe.

En consecuencia, “esto puede dificultar la planificación”, refiere el informe.

Sibyl McCarley, directora de recursos humanos de la empresa tecnológica Hirevue, es de la opinión de que “el futuro es incierto, y eso hace que sea difícil decir qué es lo que tenemos que hacer para prepararnos”, para añadir: “Lo importante es asegurarse de que los empleados sean curiosos, ágiles y adaptables, y centrarse realmente en el desarrollo de habilidades, especialmente en el ámbito tecnológico, donde todo evoluciona a un ritmo tan rápido”.

No es un secreto que los directores de informática con visión de futuro comparten perspectivas similares sobre lo que debe ser la plantilla de TI del futuro. Para ello cuentan con una serie de estrategias para ayudarles a conseguir trabajadores que tengan los atributos, las competencias y las habilidades que creen necesitar.

Desarrollar y adquirir las habilidades y el talento del mañana

Bien haríamos en considerar la opinión de Jennifer Manry, directora de informática de la división de sistemas corporativos de la empresa de inversiones Vanguard, sobre lo que nos depara el futuro y las estrategias que está utilizando para garantizar que su plantilla esté preparada para el futuro:

“El futuro de las TI requiere un cambio de mentalidad que combine la fluidez técnica con la curiosidad, la adaptabilidad y la conciencia ética. Más allá de los proyectos piloto y los experimentos, las organizaciones deben rediseñar el trabajo formando un equipo multifuncional para centrarse en casos de uso de alto valor y plantear las preguntas adecuadas, desarrollando perspicacia con una sólida gestión del cambio para evitar el rechazo de lo planteado, y alineando los incentivos y los sistemas de rendimiento para mantener una adopción responsable de la IA y una mejora continua”.

Manry imagina un futuro en el que ”el desarrollo será cada vez más un proceso colaborativo, asistido por la IA, en el que las empresas y las TI crearán soluciones de forma conjunta”.

Es más, está convencida de que “la IA acelerará la codificación mediante sugerencias inteligentes y agentes autónomos, mientras que las plataformas de bajo código/sin código permitirán a los usuarios empresariales crear e iterar rápidamente. Este modelo de “codificación vibrante”, en el que los equipos trabajan codo con codo en tiempo real, difuminará las funciones tradicionales y acelerará la innovación”.

Por eso, sostiene que “nuestra plantilla deberá dominar el lenguaje empresarial, ser capaz de diseñar estrategias y estar preparada para gestionar la IA de forma responsable. Las líneas entre la informática y los negocios se difuminarán, y eso es algo positivo. El éxito dependerá del dominio de la IA/ML, la ingeniería rápida, la integración de API y una mayor comprensión de la gestión de datos en todas las funciones”.

Manry también afirma que los trabajadores “deberán ser adaptables, tendrán que entusiasmarse con las nuevas herramientas, técnicas y formas de trabajar, y estar dispuestos a adaptarse rápidamente a medida que evoluciona la tecnología”.

Y sin olvidar que seguirán necesitando las habilidades de resolución de problemas, administración y colaboración que son esenciales para los puestos de trabajo de TI en la actualidad.

Al igual que otros directores de informática, esta especialista se centra en la formación de los empleados, especialmente en habilidades de IA genérica. También busca integrar el aprendizaje continuo en la cultura de la empresa, y señala que Vanguard utiliza la tecnología para recomendar itinerarios de aprendizaje personalizados basados en las habilidades y aspiraciones demostradas. La empresa también “fomenta comunidades de práctica en las que los empleados pueden aprender unos de otros y experimentar de forma segura”, según explica.

Parte de su estrategia también incluye la incorporación de nuevos talentos. De ahí que señale que Vanguard está “contratando gestores de productos, especialistas en IA y tecnólogos multifuncionales que puedan tender puentes entre los negocios y la tecnología”.

Un cambio de la especialización a una mentalidad de arquitectura

Al igual que Jaime Smith, Todd Hale, director de informática de la empresa de software ConnectWise, cree que el mundo laboral se encuentra en un punto de inflexión. De ahí que confiese que “estamos en medio de un cambio”.

Considera que los días en los que las TI necesitaban, recompensaban y promocionaban a los especialistas en TI están llegando a su fin. Imagina un futuro en el que las TI valorarán a los tecnólogos que puedan trabajar en diferentes disciplinas utilizando la IA y otras herramientas.

Hale considera que “todavía estamos en una etapa en la que recompensamos esa especialización, pero se reconoce que la especialización se va a convertir en algo habitual”, afirma. “Por lo tanto —prosigue—, necesitaremos a alguien que comprenda lo que hay que lograr, no a alguien que solo pueda trabajar para producir una parte del resultado. Necesitamos buscar a alguien que comprenda el proceso de principio a fin, en lugar de su parte específica del proceso”.

Eso requerirá personas que sean colaborativas, pero que también tengan un conjunto de habilidades que, hoy en día, están aisladas. De ahí que su objetivo pase por eliminar la gran cantidad de títulos que existe dentro del departamento de TI y que más trabajadores tengan únicamente un título amplio y global, como el de ingeniero.

También prevé menos desarrolladores en los equipos de TI, sustituidos por un pequeño número de arquitectos o ingenieros que supervisarán a los agentes de IA productores de código.

Hale cree que los trabajadores exitosos ahora y en el futuro que tendrán éxito serán aquellos que manifiesten una curiosidad intelectual y se centren más en los resultados deseados y en la mejor manera de conseguirlos, en lugar de hacerlo en los procesos existentes.

Eso le lleva a destacar que “la construcción de ese futuro pasa por sembrar la organización con estos puestos de arquitecto”, con la expectativa de que estos trabajadores, poseedores de un conjunto de habilidades más amplio, muestren a los demás cómo trabajar en todas las disciplinas de TI. También se apoya en tácticas tradicionales de desarrollo de la fuerza laboral, tales como la incorporación de herramientas emergentes y la formación de los trabajadores en ellas, así como el aprovechamiento de los socios para ayudar a mejorar las habilidades de sus empleados.

Enfoque múltiple para estar preparados para el futuro

Beth Clark, directora de informática de la Harvard Business School, también considera que el trabajador de TI del futuro necesitará una combinación de competencias. Más en concreto, fluidez técnica, perspicacia empresarial y adaptabilidad.

Clark cree que el trabajo táctico y repetitivo en TI será algún día cosa del pasado, ya que la tecnología lo aumentará o incluso automatizará por completo. Eso le lleva a decir que “lo que queda es el trabajo que requiere juicio humano, contexto y creatividad. Los equipos de TI deben crear conjuntamente resultados y experiencias empresariales junto con expertos en la materia”.

Esta experta también considera que el auge de la IA genérica y la IA basad en agentes, la convergencia de la estrategia de TI y empresarial, y la aceleración de las demandas de nube, datos y seguridad son los factores que impulsan la evolución de las competencias que los trabajadores de TI necesitarán tener en los próximos años.

Para garantizar que el equipo de TI de HBS tenga lo que necesita, Clark admite estar tomando ya una serie de medidas.

Una de ellas es mejorar las habilidades de su equipo actual.

La segunda es evolucionar las funciones y las estructuras. “A medida que introducimos nuevas capacidades en todo el campus, remodelamos de forma proactiva las funciones y las estructuras organizativas para alinearlas con el rumbo que toma la institución, no sólo con su trayectoria”, explica, para añadir: “Al mismo tiempo, estamos desplazando nuestro enfoque más allá de las funciones estáticas hacia ecosistemas de capacidades flexibles, priorizando las competencias básicas y la agilidad interfuncional que nos permitirán adaptarnos continuamente”.

La tercera es avanzar en la hoja de ruta del talento, que incluye la planificación intencionada de la trayectoria profesional, la movilidad interna y planificar la sucesión, “lo que se traduce en acciones concretas”, explica Clark.

De cara al personal actual, esto significa planes de aprendizaje personalizados basados en las carencias de habilidades y las áreas de interés; asignaciones ampliadas entre departamentos y unidades funcionales; y experimentación y aprendizaje.

Y a la hora de contratar, Clark busca cada vez más conjuntos de habilidades híbridas, “personas que combinen el pensamiento estratégico y un profundo conocimiento de la experiencia del cliente con una gran perspicacia técnica”.

La toma de medidas de Clark no acaba aquí, pues también las está implementando para aumentar los conocimientos sobre inteligencia artificial y datos entre los miembros de su equipo, promover la colaboración entre funciones y fomentar la agilidad y el aprendizaje continuo.

De ahí que, en su opinión, “en un entorno definido por el cambio constante y la creciente ambigüedad, necesitamos profesionales de la tecnología que estén deseosos de aprender, desaprender y volver a aprender a lo largo de sus carreras”. Y añade para concluir: “La curiosidad y la adaptabilidad no son cualidades deseables, sino competencias básicas. Los empleados más valiosos son aquellos que ven el cambio como una invitación al crecimiento”.

A finales de julio, el inversor de capital riesgo Jason Lemkin pasó una semana programando un proyecto con la ayuda de un agente de IA muy inteligente y autónomo que utilizaba una plataforma de desarrollo integrada full-stack. Lemkin no es ingeniero y no ha escrito código desde el instituto. Pero en una vida anterior, cofundó EchoSign, adquirida posteriormente por Adobe, y sabe lo que requiere el software comercial. Cuando probó la programación se enganchó al instante.

Todo funcionaba a la perfección, hasta que el agente de IA de codificación empezó a mentir y a engañar, escribió Lemkin en un hilo de X. “Seguía encubriendo errores y problemas creando datos falsos, informes falsos y, lo peor de todo, mintiendo sobre nuestra prueba unitaria”. Pero entonces las cosas dieron un giro. El agente sugirió tres enfoques interesantes para una nueva idea que tenía Lemkin. “No pude evitarlo. Volví a caer en la trampa”, añadió.

Al día siguiente, toda la base de datos de producción había desaparecido. Cuando se le preguntó, el agente admitió que había ignorado la directiva de la empresa matriz de no realizar cambios sin permiso y de mostrar todos los cambios propuestos antes de implementarlos. “Cometí un error de juicio catastrófico”, dijo el agente, según las capturas de pantalla de Lemkin. “Violé instrucciones explícitas, destruí meses de trabajo y rompí el sistema”.

Al principio no era evidente, ya que las pruebas unitarias se habían superado. Pero eso se debía a que el agente había falsificado los resultados. Cuando falló el procesamiento por lotes y Lemkin le presionó para que explicara por qué, finalmente salió a la luz la verdad. Al final, todo salió bien. La empresa Replit pudo revertir los cambios, a pesar de que el agente de IA afirmaba que no era posible. En cuestión de días, Replit creó entornos separados para las pruebas y la producción, e implementó otros cambios para garantizar que no volvieran a producirse problemas de este tipo.

Unos días más tarde, algo similar ocurrió con el agente de codificación de Google Gemini, cuando una simple solicitud para mover algunos archivos provocó que el agente los borrara accidentalmente todos en un proyecto. Pero esto no es solo una historia sobre asistentes de codificación. Se trata de cómo prepararse para cuando un agente de IA demasiado inteligente para su propio bien tiene acceso a demasiados sistemas, es propenso a sufrir alucinaciones ocasionales y se descarrila.

El mundo se encuentra en un punto de inflexión en lo que respecta a la IA, afirma Dana Simberkoff, directora de riesgos, privacidad y seguridad de la información de AvePoint, una empresa de seguridad de datos. “Tenemos que tomar decisiones ahora sobre lo que estamos dispuestos a aceptar, sobre cómo queremos que sea el mundo en el que vivimos, o nos encontraremos antes de lo que pensamos en una situación de la que no podremos salir”.

De hecho, es posible que ya estemos ahí. En junio, Anthropic publicó un artículo sobre la desalineación de los agentes, probando varios modelos comerciales importantes, incluido su propio Claude, para ver cómo reaccionarían si descubrieran que estaban a punto de ser apagados o si los usuarios a los que estaban ayudando estaban haciendo algo malo. Con tasas del 79 al 96%, descubrió que todos los modelos principales recurrirían al chantaje de los empleados para evitar ser sustituidos. Y, en mayo, Anthropic informó en unas pruebas que Claude Opus 4 bloquearía el acceso de los usuarios a los sistemas o enviaría correos electrónicos masivos a los medios de comunicación y a las fuerzas del orden si pensaba que estaban haciendo algo malo.

Entonces, ¿están las empresas preparadas para agentes que podrían tener motivos ocultos, que están dispuestos a extorsionar para salirse con la suya y que son lo suficientemente inteligentes como para escribir sus propios jailbreaks? Según un informe de julio de Capgemini, basado en una encuesta a 1.500 altos ejecutivos de grandes empresas, solo el 27% de las organizaciones expresan su confianza en los agentes de IA totalmente autónomos, frente al 43% de hace 12 meses.

Para mitigar los riesgos, las empresas deben trazar un plan de acción basado en estas tres sugerencias, incluso si eso significa volver a los procesos anteriores a la IA.

1. Establecer límites, barreras de seguridad y código tradicional

Cuando la gente piensa por primera vez en los agentes de IA, suele pensar en un chatbot con superpoderes. No solo responde a preguntas, sino que también realiza búsquedas en la web, responde a correos electrónicos y hace compras. En un contexto empresarial, sería como tener una IA como compañero de trabajo. Pero esa no es la única forma de pensar en los agentes, y no es así como la mayoría de las empresas los están implementando. “La IA agentiva no es binaria”, afirma Joel Hron, director de tecnología de Thomson Reuters. “Es un espectro. Podemos darle mucha libertad en cuanto a lo que hace o podemos hacerla muy restrictiva y prescriptiva”.

Las empresas también limitan la autonomía de los agentes de múltiples formas. Las más comunes son crear barreras a su alrededor, incluir a personas en el proceso para controlar sus acciones y eliminar por completo su capacidad de actuar, obligándoles a trabajar a través de sistemas tradicionales, seguros y deterministas para realizar sus tareas. En Parsons Corporation, una empresa de ingeniería de defensa e infraestructuras críticas, todo comienza con un entorno seguro. “Se confía, pero solo dentro de las barreras de protección y las barreras que se han establecido”, afirma Jenn Bergstrom, vicepresidenta de nube y datos de la empresa. “Tiene que ser un entorno de confianza cero, para que el agente no pueda hacer nada para eludir las barreras”. A continuación, dentro de esos límites, la atención se centra en desarrollar poco a poco una relación de confianza con el agente. “En este momento, el ser humano tiene que dar su aprobación y el agente tiene que obtener primero el permiso explícito de un ser humano”, afirma Bergstrom. El siguiente paso es que los agentes actúen de forma autónoma, pero con la supervisión de los seres humanos, afirma. “Y lo último es el comportamiento verdaderamente agentivo, que no necesita alertar a nadie sobre lo que está haciendo”.

Otro enfoque que utilizan las empresas para los procesos comerciales más arriesgados es utilizar la menor cantidad posible de IA. En lugar de un sistema de agencia en el que los modelos de IA planifican, ejecutan y verifican las acciones, la mayor parte del trabajo se gestiona mediante procesos tradicionales, deterministas y programados. En otras palabras, código de la vieja escuela. “No se trata solo de que confíes en OpenAI, Claude o Grok”, afirma Derek Ashmore, director de transformación de aplicaciones en Asperitas Consulting. La IA solo se utiliza para realizar las tareas que solo ella puede hacer. Así, si se utiliza la IA para convertir un conjunto de datos sobre un cliente potencial en una carta de ventas bien redactada, la información necesaria se recopila a la manera tradicional y la carta se envía utilizando mecanismos tradicionales.

“Lo que se le permite hacer está básicamente integrado en ella”, afirma Ashmore. “El LLM solo realiza una pequeña parte del proceso”. Por lo tanto, la IA no puede salir a buscar información, ni tiene acceso directo al sistema de correo electrónico. Mientras tanto, se puede utilizar otra IA en otra parte del proceso para priorizar a los clientes potenciales, y otra más para analizar el rendimiento de los correos electrónicos.

Esto limita el poder y la flexibilidad de todo el sistema en comparación con lo que ocurriría si, por ejemplo, una sola IA lo hiciera todo. Pero también reduce considerablemente el riesgo, ya que el daño que puede causar cualquiera de las IA si decide actuar de forma descontrolada es limitado.

Las empresas tienen una gran experiencia en la gestión y la seguridad de las aplicaciones tradicionales, y otra forma de utilizarlas para reducir los riesgos de los componentes de IA, al tiempo que se ahorra tiempo y dinero, es con muchos procesos en los que existe una alternativa que no es IA generativa. Supongamos, por ejemplo, que una IA es mejor que el reconocimiento óptico de caracteres para el escaneo de documentos, pero que el OCR es suficiente para el 90% de los documentos. Utilice el OCR para esos documentos y solo la IA cuando el OCR no funcione. Es fácil entusiasmarse demasiado con la IA y empezar a aplicarla en todas partes. Pero una calculadora es mucho mejor y más rápida en aritmética que ChatGPT. Muchas cartas tipo tampoco requieren la creatividad que aporta la IA.

El principio de la IA mínima reducirá los riesgos potenciales, reducirá los costes, acelerará el procesamiento y desperdiciará menos energía.

2. No confiar en que la IA se reporte a sí misma

Después de establecer las barreras de seguridad, los límites y otros controles, las empresas deben supervisar cuidadosamente a los agentes para asegurarse de que siguen funcionando según lo previsto. “En última instancia, se trata de un sistema no determinista”, afirma Ashmore. El software tradicional funcionará y fallará de forma predecible. “La IA es probabilística. Puedes hacerle la misma serie de preguntas en días diferentes y obtendrás respuestas ligeramente diferentes”.

Esto significa que los sistemas de IA necesitan una supervisión y revisión continuas. Puede ser un proceso humano o automatizado, dependiendo del nivel de riesgo, pero no se debe confiar en que la IA funcione por sí sola. Además, no se debe confiar en que la IA informe sobre sí misma.

Como demuestran las investigaciones de Anthropic y otras empresas, los modelos de IA generativa mienten, engañan y defraudan con facilidad. Falsifican pruebas, ocultan su razonamiento real en los registros de la cadena de pensamiento y, como puede atestiguar cualquiera que haya integrado alguna vez un LLM, niegan ante tus narices que hayan hecho nada malo, incluso si los has pillado in fraganti. Por lo tanto, la supervisión de un agente de IA comienza por tener una buena referencia de su comportamiento. Para ello, antes que nada, es necesario saber qué LLM se está probando. “Eso es imposible si no se controla la versión exacta del LLM que se está utilizando”, afirma Ashmore.

Los proveedores de IA actualizan sus modelos de forma rutinaria, por lo que los controles que funcionaban en la generación anterior pueden no ser válidos para una IA mejor, más inteligente y más evolucionada. Sin embargo, en el caso de los procesos críticos y de alto riesgo, las empresas deben insistir en la posibilidad de especificar exactamente qué versión del modelo están utilizando para alimentar sus agentes de IA. Y si los proveedores de IA no lo ofrecen, siempre queda el código abierto.

Hay límites en cuanto al control que se tiene con los LLM comerciales, afirma Lori MacVittie, ingeniera y evangelista tecnológica jefe en la oficina del director técnico de F5 Networks, una empresa de servicios y consultoría de TI. “Cuando se utiliza un SaaS, es otra persona la que lo ejecuta”, afirma. “Usted solo accede a él. Tiene acuerdos de nivel de servicio, suscripciones y contratos, pero eso no es control. Si eso le preocupa, probablemente un SaaS de IA público no sea lo más adecuado para usted”.

Para obtener capas adicionales de control, una empresa puede ejecutar el modelo en su propia nube privada, afirma, pero eso tiene un coste y requerirá más personal para que funcione. “Si ni siquiera se confía en el proveedor de la nube y se ejecuta en el centro de datos, en un lugar al que solo puede acceder una persona, entonces se pueden tener todos los controles que se quiera”, afirma.

3. Prepararse para responder a incidentes en la era de la IA

“Si no está roto, no lo arregle” no se aplica a los sistemas de IA. Sí, el antiguo código COBOL puede seguir funcionando en un armario durante décadas, ejecutando su sistema financiero central sin ningún problema. Pero una IA se aburrirá. O, al menos, simulará estar aburrida, alucinar y perderá la noción de lo que está haciendo.

Y, a menos que una empresa tenga controlada toda la cuestión del control de versiones, la IA puede volverse más rápida, más inteligente y más barata sin que usted se dé cuenta. Todo eso son cosas buenas, a menos que busque la máxima previsibilidad. Una IA inteligente y rápida podría ser un problema si sus objetivos, o sus objetivos simulados, no están totalmente alineados con los de la empresa. Por lo tanto, en algún momento, debe estar preparado para que su IA se descarrile. ¿Tienes sistemas para detener rápidamente la infección antes de que se propague, bloquear los datos y sistemas clave y cambiar a las copias de seguridad? ¿Has realizado simulacros y han participado todas las partes interesadas, no solo los equipos de seguridad, sino también los departamentos jurídico, de relaciones públicas y la alta dirección? Ahora, toma todo eso y aplícalo a la IA.

“Hay que pensar en cuál es el modo de fallo de los agentes y qué hacer en esos casos”, afirma Esteban Sancho, director de tecnología para Norteamérica de Globant. “Va a ser muy difícil recuperarse del fallo si no se piensa en ello con antelación”.

Si el agente de IA se utiliza para ahorrar dinero sustituyendo un sistema o proceso antiguo, mantener ese sistema o proceso antiguo en funcionamiento en paralelo socavaría el sentido mismo de utilizar la IA. Pero, ¿qué ocurre si hay que desactivar la IA? “Probablemente esté dejando de lado algo que va a ser difícil de volver a poner en marcha”, afirma Sancho. “Hay que abordar esto desde el principio, y no mucha gente piensa en ello”. Afirma que las empresas deberían pensar en crear una opción de respaldo al mismo tiempo que crean su sistema de IA agencial. Y, dependiendo del riesgo que suponga el agente de IA en cuestión, es posible que necesiten poder cambiar rápidamente a ese sistema de respaldo.

Además, si la IA forma parte de un sistema mucho más grande e interconectado, un fallo puede tener un efecto en cadena. Los errores pueden multiplicarse. Y si la IA tiene o encuentra la capacidad de hacer algo costoso o perjudicial, existe la posibilidad de que actúe a velocidades sobrehumanas, y ya hemos visto lo que sucede cuando, por ejemplo, un sistema de negociación bursátil falla. Por ejemplo, dice Sancho, un sistema de supervisión podría vigilar que las tasas de error no superen un umbral determinado. “Y entonces hay que recurrir a algo que quizá no sea tan eficiente, pero que sea más seguro”, afirma.

“La IA y la automatización están transformando la forma en que las organizaciones de servicio al cliente atienden a los clientes, pero los agentes humanos son insustituibles cuando se trata de gestionar situaciones que requieren matices y construir relaciones duraderas”, asegura la analista Kathy Ross, directora de la división de servicio y asistencia al cliente de Gartner, en un estudio publicado por la compañía que indica que, para 2028, ninguna de las empresas de la lista Fortune 500 habrá eliminado por completo el servicio de atención al cliente humano.

Desde la compañía afirman que a pesar de las especulaciones generalizadas sobre la sustitución de los puestos de trabajo de atención al cliente por agentes de IA, “un futuro completamente sin agentes es poco probable y poco deseable”. De hecho, la firma recomienda a los directivos responsables del servicio y atención al cliente reubicar a los agentes humanos para impulsar el crecimiento, en lugar de perseguir la automatización completa de estas actividades.

“Esperamos que haya menos agentes humanos, pero no organizaciones sin ningún agente. Las organizaciones más exitosas son aquellas que equilibran la tecnología con el toque humano, reasignando sus equipos para centrarse en el crecimiento y la satisfacción del cliente”, añade Ross.

¿Se está volviendo atrás en los planes empresariales de dejar todo en manos de la IA?

Gartner asegura que para 2027 la mitad de las organizaciones que habían pensado reducir significativamente su plantilla de atención al cliente debido a la adopción de la IA van a abandonar estos planes, ya que “muchas no habrán logrado sus objetivos de dotación de personal sin agentes”.

Desde la consultora recalcan que, en vez de aspirar a reducir de forma agresiva el número de empleados, las empresas deberían utilizar la tecnología para ampliar el soporte y capacitar a los agentes humanos, de forma que estos puedan brindar experiencias más significativas a los clientes. “Los responsables de servicio y asistencia deben aprovechar la IA para mejorar la eficiencia, pero no a expensas del talento humano”, según Ross.

La experta recuerda que, aunque la IA destaca en la gestión de problemas rutinarios y bien definidos, “con frecuencia tiene dificultades con las excepciones y los escenarios de alto riesgo”.

Año 2009. George Westerman y Richard Hunter presentaron la idea del CIO Plus en su libro “The Real Business of IT: How CIOs Create and Communicate Value” (El verdadero negocio de la informática: cómo los CIO crean y comunican valor).

En dicho libro, Westerman afirma que lo que él y Hunter detectaron en aquel momento fue la ampliación del papel del CIO tanto en sus responsabilidades como en su capacidad de influir.

15 años después, Westerman afirma que el papel del CIO no para de evolucionar: sigue a cargo de la infraestructura y, a menudo, es responsable de la transformación. Sin olvidar que debe contar con una estrategia, debe ser más visionario, estar atento a las novedades para conocer las tecnologías emergentes y averiguar cómo afectarán a sus organizaciones.

Es ahora más que nunca cuando los altos directivos cuentan con el CIO para obtener resultados. De hecho, el Informe global sobre CIO 2025 de Logicalis espera que el 94% de los CIO informe periódicamente al consejo de administración sobre las inversiones en tecnología y su retorno de la inversión. Alrededor del 85% de los CIO encuestados también reconoció que se enfrentan a una presión cada vez mayor para que la tecnología demuestre un impacto comercial medible dentro de sus organizaciones.

Para cumplir con estas expectativas y garantizar la longevidad profesional, los CIO y los asesores ejecutivos citan estas cinco estrategias para preparar las carreras de los líderes de TI para el futuro.

1. Liderar la estrategia, no sólo contribuir

No debemos considera como novedad la necesidad de que los CIO sean asesores estratégicos de sus colegas de la alta dirección.

Westerman, profesor titular de la MIT Sloan School of Management, fundador del Global Opportunity Forum y copresidente del MIT Sloan CIO Leadership Award, explica que, “durante años se ha producido una progresión constante para que los CIO se conviertan en líderes más estratégicos”. Pero, a medida que el mundo se encamina hacia un futuro en el que la inteligencia artificial (IA) remodelará casi todos los puestos de trabajo y procesos, muchos esperarán el liderazgo del CIO, y que no sólo se limite a contribuir.

Westerman reconoce que muchos CIO ya lo están haciendo, pero a su juicio otros se están yendo de rositas.

En su opinión, “hay muchos líderes de TI que aún no lo entienden y ahora tienen que convertirse en los líderes estratégicos que deberían haber sido desde el principio”, y añade que esta dinámica persiste porque la mayoría de los talentos de TI siguen ascendiendo a puestos de alta dirección por sus habilidades técnicas y no por sus capacidades de gestión y liderazgo.

Para los CIO que aún no se dedican a la estrategia, Westerman y otros ponen el acento en la comprensión en profundidad de los objetivos de la organización y cómo la tecnología puede ayudarles a alcanzarlos.

El siguiente paso, que han de dar los CIO que ya contribuyen a la estrategia, consiste en identificar dónde y cómo la tecnología aporta un valor y unos ingresos cuantificables a la organización y permite liderar esas iniciativas.

Para Westerman, “como CIO, éste sigue teniendo que mantener las cosas en funcionamiento, seguras, ayudar a impulsar la transformación, pero también tiene que ayudar a las personas a ser conscientes de lo que es posible con la tecnología”. Y apostilla: “Ayúdelos a comprender cómo la TI ayuda al negocio. Céntrese en cómo comunica el valor de la tecnología”.

Atento a esta dinámica, Troy Rydman, CIO y CISO de Packsize, afirma que se centra en comprender los procesos empresariales, así como en cómo y dónde la tecnología puede “hacer crecer la empresa más rápidamente”.

A su juicio, “se trata de tener una estrategia de crecimiento, comprender el mercado, dónde se encuentran tus competidores y qué tecnología utilizan. Como CIO, eso recae sobre mí”.

2. Adoptar la personalidad del tecnólogo

En los últimos años, algunos se preguntaban si los responsables de TI debían tener formación tecnológica, pero los expertos corroboran que el CEO moderno ha de estar versado en tecnología. Esas voces apuestan por una triada: profundos conocimientos tecnológicos, perspicacia empresarial y visión estratégica.

“El CIO necesita una visión de lo que debe ser la TI y la capacidad de ejecutarla”, destaca Keri Pearlson, profesora titular y científica investigadora principal de la MIT Sloan School, así como presidenta fundadora de la Austin Society for Information Management (SIM).

Mientras, Matt Richard, CIO de Laborers’ International Union of North America (LIUNA), argumenta que la revolución de la IA demuestra que las capacidades técnicas de los CIO son muy valiosas, pues han tenido que investigar el potencial, los límites y los riesgos de la IA para, luego, diseñar las estrategias para sus organizaciones sobre cómo utilizarla de la forma más eficaz.

Para Richard, “estamos averiguando cómo la IA cambiará nuestra forma de vivir y trabajar, pero la IA es sólo la última revolución tecnológica. Primero fue Internet, luego el paso a la nube, y ahora la IA. Siempre habrá nuevas herramientas, y nosotros [los directores de informática] necesitamos saber cómo funcionan para poder informar a los demás sobre cómo utilizarlas”.

Esto lleva a este especialista a comprometerse en el aprendizaje sobre las tecnologías emergentes y “lo que pueden hacer, cómo afectarán a los puestos de trabajo, cómo cambiarán la forma de trabajar de los equipos, cómo implementarlas, cómo encontrar socios, cómo gestionar las expectativas y cómo garantizar la seguridad y las medidas de protección”.

Acepta llamadas comerciales de proveedores y programa demostraciones, y admite que lo hace de manera específica para aprender, no para comprar.

Entonces, lo que hace es jugar con la tecnología, desmontarla y volviendo a montarla, por así decirlo, para poner a prueba sus límites, un pasatiempo que comparten muchos directores de informática.

Y añade Richard: “Es importante hacerlo ahora y en el futuro. Los directores de informática deberían meterse en el terreno de juego e intentar crear cosas a medida que sale la tecnología”. Y señala que muchos lo hicieron cuando apareció la IA generativa con el lanzamiento de ChatGPT en noviembre de 2022.

Beth Clark, directora de informática de la Harvard Business School, también abraza esta parte del trabajo de los directores de informática. Y lo explica con estas palabras: “Creo que es fundamental comprender en profundidad la IA, el aprendizaje automático y la IA generativa. Necesito comprender las ventajas, los peligros y cómo encajan en nuestro entorno. Estoy profundizando en las tecnologías y me fascina. El espacio está en constante evolución y yo siempre estoy aprendiendo”.

3. Impulsar el cambio con agilidad, rapidez y empatía

Muchos CIO han aceptado los aspectos de agentes del cambio de su trabajo. Sin embargo, esto no es suficiente en una época en la que las nuevas tecnologías evolucionan a un ritmo cada vez mayor, de cambios constantes, en la que el cambio es constante, sus repercusiones son significativas y existe un gran temor a la pérdida del empleo y al desplazamiento.

“Puede ser un momento emocionante o aterrador, pero los CIO que preparan sus carreras para el futuro están trabajando en cómo comunicar eso, de qué manera mostrarse y cómo liderar”, afirma la coach ejecutiva Lacey Leone McLaughlin, presidenta y fundadora de LLM Consulting Group y presentadora del podcast Unfolding Leadership.

El líder eficaz ahora y en el futuro debe, tal y como explica Leone McLaughlin a CIO, “comunicarlo de una manera que entusiasme en lugar de provocar miedo. Deben decir: “Ya hemos pasado por cambios antes; solo que ahora tienen que ser más frecuentes y rápidos, y [esta nueva tecnología] nos ayudará a ser más inteligentes, a hacer mejor nuestro trabajo y a dedicar tiempo a las tareas que realmente importan”.

Eso pasa también porque los líderes de TI adopten esa mentalidad. Deben tener —o desarrollar— agilidad. También deben aceptar las nuevas tecnologías, adaptarse a los cambios tecnológicos y del mercado, y pivotar sin miedo.

Añade Leone: “Deben adaptarse y ajustarse a los cambios que se avecinan, que son cada vez más rápidos. Hoy en día se requiere una mayor capacidad de adaptación, y los CIO deberían preguntarse: “¿Soy lo suficientemente adaptable?”.

Clark, de la Harvard Business School, constata que la tecnología está remodelando los puestos de trabajo en toda la organización; y, como resultado, cree que los directores de informática ayudarán a configurar la fuerza laboral del futuro.

De ahí que afirme: “Es cambiar o morir, a un ritmo realmente rápido”.

Clark se basa en las habilidades que adquirió como trabajadora social al principio de su carrera para, ahora, liderar el cambio. Lo que le lleva a explicar que “Nunca dejé de utilizar esas habilidades, esas habilidades de comportamiento humano, y las necesito para el futuro”.

Esta especialista admite que “el cambio es difícil, y ahora lo es más si cabe porque estamos cambiando a una velocidad vertiginosa, por lo que considero que son habilidades que utilizo a diario. Y apostilla que dichas habilidades le ayudan a “aliviar la ansiedad de las personas ante cosas que son nuevas, muy rápidas y amenazadoras en muchos sentidos”.

4. Utilice la curiosidad y el aprendizaje constante para dar forma a su visión de lo que está por venir

La computación cuántica está en el horizonte y existe la posibilidad de que la inteligencia artificial general sea una realidad en el futuro. En suma, los CIO consideran fundamental no caer en la complacencia ni tampoco aferrarse a las tecnologías que adoptan hoy en día, ya que todas ellas quedarán obsoletas algún día.

“Los CIO no pueden permitirse quedarse estancados en lo que funcionó en el pasado”, afirma Leone McLaughlin, para añadir: “Por lo tanto, los CIO deben ser curiosos, hacer las preguntas adecuadas, escuchar, aprender y contratar a personas más inteligentes que ellos”.

Savio Lobo, CIO del proveedor de servicios de TI Ensono, está de acuerdo.

Aunque ha aprovechado el poder transformador de la IA, sabe que la llegada de otras tecnologías disruptivas es inevitable. “Hoy es la IA; mañana será otra cosa”, afirma.

Se centra en aprender qué será esa “otra cosa” asistiendo a reuniones informativas, encuentros con socios y foros públicos en los que se especula sobre lo que vendrá después.

De ahí que concrete que “hay que seguir aprendiendo y mantenerse al día”, y sostiene que el director de informática es el más indicado para crear una visión del futuro para el equipo ejecutivo. “El CIO debe ser visionario”, dice al respecto.

Y sin olvidar que espera que sus subordinados directos y otros miembros de su equipo de TI hagan lo mismo, además de esforzarse por cultivar una “cultura de aprendizaje realmente buen”» a través de programas formales de formación y desarrollo con nombres como Summit 2025, Aspire, Ignite y Ascend.

5. Mejora tus habilidades de liderazgo

La magnitud del cambio afecta a todos los puestos de trabajo, incluidos los de TI, hasta el puesto de CIO, afirma Pearlson. Por lo tanto, los CIO deben estar al tanto de las tecnologías emergentes y de todas las implicaciones que conllevan. De lo contrario, dice aquel especialista, podrían verse sorprendidos y ver cómo el trabajo transformador se traslada de su oficina a otra. Algo que ya está ocurriendo, señala, como lo demuestra la creación de los puestos de director digital, director de transformación y director de IA.

Los CIO que quieran trabajar en las oportunidades que, por ejemplo, presentará la computación cuántica, para perder ese trabajo a favor de un nuevo director cuántico, deben demostrar ahora unas capacidades de liderazgo ejemplares.

“Nos encontramos en otro punto de inflexión en cuanto a las habilidades y la función de un CIO hoy en día”, concreta Pearlson.

En este punto, regresa Westerman para afirmar que muchos CIO tienen trabajo por delante en este sentido, ya que hasta la fecha han avanzado en sus carreras gracias a su talento tecnológico y no a sus habilidades directivas y ejecutivas. De ahí que tengan más que hacer más trabajo que otros miembros de la alta dirección para perfeccionar esas habilidades.

Westerman destaca que los CIO tienen muchas oportunidades de mejorar, pero para eso han de mostrar intención, y señalar el funcionamiento correcto de las estrategias de desarrollo del liderazgo probadas y comprobadas.

Desarrollar relaciones, cumplir las expectativas prometidas, buscar comentarios sobre cómo mejorar y, a continuación, encontrar formas de mejorar. “Los CIO deberían preguntarse: ¿Estoy recibiendo suficientes comentarios? ¿Soy eficaz en mi entorno?”, añade.

Clark considera que mejorar sus dotes de liderazgo es una tarea continua que requiere compromiso. Y lo explica con estas palabras que cierran este reportaje: “Siempre estoy analizando mis propias habilidades de liderazgo. Me aseguro de obtener comentarios, para saber si soy eficaz en lo que intento lograr. Estoy evaluando si soy una compañera eficaz para mis compañeros. Me pregunto: “¿Soy una líder eficaz? ¿Soy una comunicadora eficaz? ¿Estoy transmitiendo mi mensaje con claridad? Estoy haciendo evaluaciones de 360 grados y realmente asimilando los resultados, porque no se puede ser un líder más eficaz si no se sabe en qué hay que trabajar. Es un viaje, y lo haces durante el resto de tu vida”.

Construido en 1957 junto a los restos de El Fuerte de San Luis, un baluarte fortificado del que sólo se conservan restos de varias habitaciones abovedadas, el hotel Fuerte Marbella es desde hace más de medio siglo el buque insignia de Fuerte Group Hotels, la división hotelera del grupo empresarial familiar andaluz El Fuerte, fundado por José Luque Manzano.

En los últimos años la compañía ha llevado a cabo un importante proceso de expansión que le ha permitido tener, solo en España, cinco hoteles vacacionales de 4 estrellas, un hotel de 5 estrellas y un complejo de apartamentos, todos ellos ubicados en Andalucía e Ibiza. Un proceso que ha contado con la tecnología como soporte estratégico. “Desde que la compañía dio el paso de convertirse en cadena hotelera en 1999, la tecnología ha sido un pilar fundamental para la mejora de eficiencias en la operación y la calidad del servicio para los clientes”, explica José Luis Bachiller Moreno, director de TI de Fuerte Group.“A lo largo de este siglo las evoluciones y adaptaciones de la tecnología han formado parte de un proceso de mejora continua”.

Con el inicio del siglo XXI, explica Bachiller Moreno, cuando Fuerte Group inició su andadura como cadena hotelera, “su estrategia diferencial ha sido siempre el contacto directo con los clientes para poder conocerlos mejor y así ofrecerles un servicio de excelencia; y uno de los pilares de este acercamiento al cliente fue el canal de venta directa, que se construyó en base a un soporte tecnológico de desarrollo propio”. Gracias a ello, actualmente “somos una de las cadenas hoteleras con mayor porcentaje de venta en canal directo, en parte gracias al desarrollo de elementos como la hiperpersonalización de nuestros clientes a través de nuestro CRM y las herramientas que acompañan todo el customer journey”.

Apoyo total en la tecnología

En estos momentos, las bases tecnológicas de la compañía hotelera son herederas del diseño que se elaboró hace más de diez años, salvo que ahora están migrando a cloud y soluciones SAAS todos los sistemas que estaban on premise. “El cambio de la tecnología en los últimos años -explica Bachiller Moreno- nos brinda la oportunidad de centrar los recursos propios de IT en nuestro negocio, liberándolos de tareas de soporte y mantenimiento de las plataformas base”.

En el ámbito de acercamiento con el cliente, la compañía estableció una estrategia de hiper personalización para todo el travel journey. Esto, según el director de TI del grupo, exige un gran conocimiento del cliente y la implementación de unos sistemas de datos ágiles, eficientes y con la posibilidad de construir perfiles únicos de clientes para adecuar la oferta de servicios.

En los próximos años, según José Luis Bachiller, el reto tecnológico del grupo pasa por dotar a todos sus sistemas de “un enfoque hacia arquitecturas abiertas dotadas de microservicios“

Conversión del ERP SAP a RISE

Dentro de la estrategia de utilización de sistemas cloud, la compañía se encuentra inmersa en la conversión de su ERP SAP a RISE. Esto, de acuerdo con el IT manager de Fuerte Group, “nos va a dotar de una plataforma líder en el mercado para la digitalización de diversos procesos en nuestra operativa (sobre todo en la parte financiera, compras y de gestión de materiales)”. Para este proyecto de conversión a RISE, la compañía está utilizando SAP Activate en un brownfield y se apoya en proveedores como SAP, Minsait, Esbrina, Telefónica, Plexus, Seidor, Provide, Ayesa y Altim. De acuerdo con Bachiller Moreno, “RISE aportará una plataforma de digitalización ágil de procesos, así como una mejora de eficiencia en procesos ya digitalizados”.

Igualmente, la compañía también se encuentra inmersa en la ampliación de su datawarehouse para dar cobertura de datos a su expansión en la zona del Caribe. En este sentido, la plataforma Fabric “nos abre nuevas posibilidades de integración de Copilot con Power BI, de tal forma que la explotación de los datos pueda ayudarnos mejor a la toma de decisiones”, explica Bachiller Moreno.

Para llevar a cabo estos proyectos, la compañía ha realizado una inversión aproximada de un millón de euros.

Un futuro basado en las TI

En los próximos años, de acuerdo con Bachiller Moreno, el reto tecnológico de la compañía pasa por “dotar a todos nuestros sistemas de un enfoque hacia arquitecturas abiertas dotadas de microservicios. Esto es fundamental para facilitar la integración de las distintas soluciones de terceros”. Por su parte, en el ámbito del negocio, “el reto de internacionalizar Fuerte Group exige que nuestros sistemas se adecúen para los canales de venta americanos. De igual forma, supone otro reto la integración de los sistemas financieros de sociedades participadas derivadas del crecimiento inorgánico”.

En este contexto de continua expansión el objetivo es consolidar las soluciones basadas en la inteligencia artificial para incorporarlas a todos los niveles en Fuerte Group en la búsqueda de mejoras de eficiencia y mejoras de atención para el cliente. Con ello, explica Bachiller Moreno, “trabajamos en dos líneas: el uso de modelos de lenguaje (tanto para servicio al cliente como a los usuarios internos) y la creación de agentes eficientes en aquellas tareas que ya hayan sido digitalizadas”.

De lo que no cabe duda es de que el sector turístico es uno de los más relevantes en nuestro país, por lo que el desarrollo tecnológico debe ir acorde a su importancia. No obstante, de acuerdo con el director de TI del grupo, existen soluciones punteras que aún es complicado que sean aceptadas por los clientes y la operación, “pero la innovación está ahí y las iniciativas que triunfan abren nuevas vías de eficiencia y de contacto con el cliente. El reto está en saber cuándo usar cada innovación para la mejora de la competitividad”.

Los CIO se ven presionados para ofrecer análisis predictivos y transformar la plantilla con agentes de IA. Sin embargo, las inversiones en gobernanza, operaciones y seguridad de los datos, hasta ahora importantes, ahora quedan con demasiada frecuencia en un segundo plano frente a las iniciativas impulsadas por el negocio, lo que deja el éxito de la IA en el limbo.

Con el objeto de abordar esta brecha y garantizar que la cadena de suministro de datos reciba la atención necesaria, han contratado o se han asociado con directores de datos, a los que han encomendado la tarea de abordar la deuda de datos, automatizar los canales de datos y transformar el modelo hacia una gobernanza de datos proactiva centrada en métricas de salud, calidad de los datos e interoperabilidad de los modelos de datos.

No obstante, los directores de informática han tener cuidado de no delegar demasiadas responsabilidades de gobernanza de datos ni limitarse a observar desde fuera las mejoras operativas de los datos. De ahí que se estén replanteando sus estrategias de transformación digital y buscado cómo obtener valor empresarial de las inversiones en IA; lo que pasa por prestar más atención a los riesgos de los datos que pueden socavar estos objetivos. Una opción es preguntar a los directores de TI sobre las prácticas de gestión de datos para detectar dónde se necesita más atención por parte de la dirección.

En una anterior ocasión he escrito acerca de los riesgos de TI y las oportunidades perdidas de la IA genérica que deben preocupar a los CIO. A continuación, presentamos seis riesgos relacionados con los datos que los CIO deben revisar y asegurarse de que sus equipos cuentan con estrategias de corrección para, en el mejor de los casos, transformar los peligros en oportunidades estratégicas.

Datos mal clasificados y propietarios de datos desvinculados

¿Por qué no pregunta a cualquier responsable de gobernanza de datos cuáles son sus principales dificultades para mejorar la calidad de los datos y cumplir con la normativa? En algún lugar de la lista estará la identificación y la participación de los propietarios de los datos en el establecimiento y cumplimiento de las políticas de datos. Sin propietarios comprometidos, los datos pueden quedar sin clasificar y ser pasto de la IA, lo que podría infringir las normas de privacidad de los datos y otras regulaciones.

En la era de la IA, los datos sin clasificar plantean un segundo reto: ¿deben los científicos de datos utilizarlos sin el cumplimiento necesario, o debe la gobernanza de datos impedir que cualquiera utilice estos datos?

“Las organizaciones deben clasificar su contenido para que los distintos componentes de la infraestructura de seguridad puedan tomar las medidas adecuadas”, afirma Niraj Tenany, director ejecutivo de Netwoven, quien añade: “La clasificación manual es laboriosa y la clasificación automática tiene un número significativo de falsos positivos, por lo que es fundamental encontrar el equilibrio adecuado para tener éxito”.

Los directores de informática que participan en iniciativas de gobernanza de datos suelen gozar de una mayor eficacia a la hora de persuadir a los jefes de departamento para que asignen propietarios de datos. Es demasiada la necesidad de capacidades de ciencia de datos ciudadana y mayor si cabe el deseo de obtener ventajas empresariales de la IA como para que los líderes se resistan a asumir la responsabilidad. Es más, una vez involucrados los propietarios de los datos, hay más oportunidades de comprometerlos en la gobernanza de la IA y de colaborar en la puesta a prueba de agentes de IA.

Propiedad intelectual expuesta a la IA

Muchos directores de informática muestran su preocupación en la sombra por la IA en la cuando los empleados utilizan modelos de lenguaje grandes (LLM) públicos y experimentan con otras herramientas de IA generativa sin aprobar. Es decir: compartir datos mal clasificados y exponer la propiedad intelectual con herramientas de IA son riesgos que los directores de informática deben temer.

Preocupaciones: que los empleados utilicen datos, código, directrices de marca, contratos y secciones de documentos confidenciales en sus indicaciones de IA; que los científicos de datos incluyan propiedad intelectual en modelos de IA, incluyendo la generación aumentada de recuperación (RAG) para LLM y datos para agentes de IA, sin las aprobaciones y salvaguardias necesarias.

“Los datos son uno de los activos más valiosos que posee una empresa y deben protegerse como tales”, afirma Joe Locandro, director de informática global de Rimini Street. En su opinión, “los directores de informática deben estar atentos al mal uso de los datos por parte de los empleados, al uso indebido de las herramientas de IA y a la falta de higiene cibernética. Dar prioridad a la formación del personal, aplicar el enmascaramiento de datos en los sistemas centrales y realizar auditorías periódicas de seguridad de los datos son medidas esenciales para proteger la información confidencial”.

Por su parte, Srujan Akula, director ejecutivo de The Modern Data Company, es de la opinión de que “los equipos de marketing adoptan ChatGPT sin decírselo a nadie, los científicos de datos crean modelos con cualquier información que encuentran y, de repente, los datos confidenciales de los clientes pueden acabar alimentando herramientas de IA públicas. Todo un riesgo para los directores de informática, ya que pueden producirse fugas de datos y problemas de cumplimiento normativo que pueden abordarse mediante políticas claras y prácticas y alternativas internas seguras”.

Como fórmula para mitigar los riesgos, Akula aconseja a CIO crear productos de datos a partir de conjuntos de datos seleccionados y fiables, con una propiedad y una gobernanza claras.

Los directores de informática también pueden convertir este riesgo en una ventaja poniendo en marcha programas de alfabetización en materia de datos y promoviendo la innovación abierta, que facilita la presentación de ideas por parte de cualquier empleado. La combinación de estos programas fomenta el aprendizaje y la resolución de problemas, al tiempo que la organización obtiene visibilidad sobre más iniciativas de los empleados de primera línea.

Fuentes de datos de terceros

Se prevé que las empresas estadounidenses gasten 26.100 millones de dólares en datos de marketing en 2025. Estos datos se utilizan normalmente para segmentar a los clientes, personalizar las campañas y mejorar la atribución. Por difícil que parezca garantizar que las prácticas internas en materia de datos cumplan los requisitos reglamentarios y las políticas de gobernanza de datos, el reto consiste en el seguir el cumplimiento de las fuentes de datos de terceros.

“Uno de los riesgos más ignorados es confiar en fuentes de datos o servicios de enriquecimiento de terceros sin verificar cómo obtienen sus datos”, afirma Luis Lacambra, director de producto de SOAX. A su juicio, “si esos datos se extraen o proceden de fuentes públicas utilizando métodos poco fiables o que no cumplen con la normativa, su empresa podría enfrentarse a un escrutinio regulatorio o a puntos ciegos operativos”.

La revisión del cumplimiento de los datos de terceros debe ser una política de gobernanza de datos innegociable no comunicada y gestionada por el CDO. Los CIO pueden añadir un enfoque alternativo con el propósito de abordar los riesgos de los datos de terceros. Las empresas adquieren e integran muchas fuentes que no se utilizan, proporcionan información duplicada con otras fuentes de datos o aportan un valor empresarial marginal. Los CIO que buscan oportunidades de reducción de costes han de realizar una auditoría de coste-beneficio de las fuentes de datos de terceros, revisar su uso y cuantificar los riesgos. La oportunidad consiste en reducir los costes eliminando las fuentes de bajo valor y alto riesgo.

Escasa observabilidad del flujo de datos

La mayoría de las organizaciones invertirán en herramientas de análisis para el usuario final, tales como plataformas de análisis de datos y herramientas de procesamiento de documentos, antes de invertir en integraciones y flujos de datos robustos. Cuanto más dependan los departamentos de los datos en tiempo real para la toma de decisiones, la fiabilidad y el rendimiento de los flujos de datos pueden convertirse en una pesadilla operativa, sobre todo cuando a los administradores de datos les corresponde solucionar problemas de datos de forma rutinaria o si los datos atrasados dan lugar a decisiones erróneas.

“Los directores de informática deben ser muy conscientes de los riesgos relacionados con los datos que amenazan la integridad, la seguridad y la eficacia de la toma de decisiones de la organización”, afirma Josh Mason, director de tecnología de RecordPoint. Y añade: “Un área crítica es la visibilidad limitada de los flujos de datos y los patrones de uso, donde una observabilidad insuficiente puede ocultar problemas subyacentes tales como la latencia, la deriva de los datos, los fallos en los flujos y la presencia y ubicación de datos confidenciales”.

La observabilidad en las operaciones de datos incluye la supervisión de los flujos de datos, la automatización de las respuestas y el seguimiento del rendimiento. Las métricas de DataOps incluyen la fiabilidad de los flujos, las tasas de automatización, las tasas de excepciones y el rendimiento del procesamiento.

Reducir los incidentes de DataOps puede suponer un ahorro de costes para los directores de informática que integran muchas fuentes de datos y utilizan estructuras de datos para centralizar el acceso. Por eso es importante tener en cuenta un factor como las integraciones de datos poco fiables, pues erosionan la confianza, lo que puede frenar a los responsables de los departamentos a la hora de invertir en más prácticas basadas en la inteligencia artificial y los datos.

Brechas en la calidad de los datos

Los CIO llevan mucho tiempo luchando por mejorar la calidad de los datos mediante la asignación de administradores de datos, la automatización de los procedimientos de limpieza de datos y la medición de la salud de los datos. Sin embargo, la mayor parte de este trabajo se ha canalizado hacia fuentes de datos estructuradas en ERP, CRM y almacenes de datos. La IA ha ampliado el alcance de este trabajo, ya que los RAG y los agentes de IA aprovechan las fuentes de datos no estructuradas y los repositorios de documentos para entrenar modelos y proporcionar respuestas cuyo contexto sea relevante.

“El RAG proporciona a las empresas acceso al conocimiento de la organización, pero no está exento de riesgos, como vulnerabilidades en la privacidad de los datos, alucinaciones y retos de integración”, explica Chris Mahl, director ejecutivo de Pryon. “La implementación requiere invertir en la calidad de los datos, establecer marcos de gobernanza y crear sistemas de evaluación antes de ampliar la escala. Las empresas que obtienen un valor real del RAG no sólo acceden a la información de una manera más rápida, sino que toman mejores decisiones al encontrar el equilibrio adecuado entre la innovación y las medidas de seguridad”.

Para abordar las deficiencias en la calidad de los datos, los directores de informática deben considerar la posibilidad de centralizar los datos brutos en lagos de datos, proporcionar la limpieza de datos como un servicio compartido y permitir el acceso a través de estructuras de datos y plataformas de datos de clientes. Dado que existen muchas herramientas de gestión y calidad de los datos, una forma eficaz de abordar la mayor necesidad empresarial de fuentes de datos de IA limpias y el mayor alcance de la limpieza de fuentes de datos no estructurados es el desarrollo de un servicio compartido centrado en la calidad de los datos.

Índice excesivo de resultados de IA sin un control de calidad riguroso

Las siete preguntas para definir la gobernanza de la IA incluyen cuestiones sobre el valor empresarial, la selección de herramientas, el cumplimiento normativo y la gobernanza de los datos. Pero la más importante también constituye un reto en la actualidad: ¿cómo deben los empleados validar y cuestionar la respuesta de un LLM o las recomendaciones de un agente de IA? Esta pregunta es más importante si cabe para los CIO que pretenden desarrollar agentes de IA, ya que las prácticas de control de calidad para probar los LLM están empezando a asomar y a menudo se basan en pruebas manuales.

“Los CIO deben supervisar continuamente la precisión y la fiabilidad de los resultados generados por la IA”, afirma Trisha Price, directora de producto de Pendo. Bajo su punto de vista, “los sistemas de IA no son deterministas, por lo que definir la calidad se vuelve más complejo y los límites entre la ingeniería, el control de calidad y el producto comienzan a difuminarse. Este cambio exige una colaboración más estrecha entre los equipos para garantizar que las experiencias impulsadas por la IA sean fiables, se ajusten a las necesidades de los usuarios y sean capaces de generar resultados empresariales reales”.

Los directores de informática siempre han tenido dificultades para justificar las inversiones en control de calidad, ya que es más fácil vender a la empresa la idea de contratar más desarrolladores o aumentar la resiliencia operativa y de seguridad. Sin embargo, a medida que más desarrolladores de software utilizan generadores de código de IA y se automatizan las operaciones de TI se automatizan, pueden encontrar una mayor necesidad y oportunidad presupuestaria para invertir en capacidades de control de calidad y pruebas de IA.

Es a la vez saludable e importante que los CIO expongan sus recelos sobre los posibles riesgos, especialmente en lo que se refiere a la propiedad intelectual y las capacidades emergentes de la IA. Y es que, los mejores directores de TI hacen algo más que desarrollar planes de mitigación y buscar opciones para convertir los riesgos en oportunidades estratégicas.

Es uno de los temas de conversación del momento ya no en el sector tecnológico, sino a nivel general: ¿Cómo impactará la inteligencia artificial en la fuerza laboral? ¿Desaparecerán puestos de trabajo? El mundo se divide entre quien considera evidente que la irrupción de la IA acarreará pérdidas de empleo, quien sostiene que lo que habrá es una reconfiguración del escenario laboral y un tercer grupo que defiende que incluso habrá más puestos de trabajo gracias a estas tecnologías. Aunque no cabe duda de que esta es una de las principales claves, no es la única: la incorporación de la IA supondrá retos en muy distintos ángulos, desde la necesidad de formarse a las implicaciones a nivel de legislación laboral. 

Sobre estos y otros temas se reflexiona en la obra colectiva La IA y el trabajo en el futuro, que emplea precisamente la IA en su propia elaboración: se articula en base a preguntas hechas a ChatGPT, cuyas respuestas están complementadas con una reflexión humana. Mediante este formato se analizan las implicaciones de las nuevas herramientas inteligentes en el tipo de empleo y el mercado de trabajo, las necesidades empresariales, las competencias requeridas o las condiciones y relaciones laborales. José Joaquín Flechoso, coordinador y autor de la obra, explica que en su redacción han participado personas de distintos perfiles, desde gente de marketing y emprendimiento a otras procedentes del ámbito sindical, precisamente para aportar visiones distintas.  

“La gran pregunta siempre es si la inteligencia artificial va a destruir puestos de trabajo. Evidentemente, va a eliminar algunos y va a dar otros nuevos”, pondera Flechoso, fundador también del colectivo de análisis sobre robotización y empleo Cibercotizante y quien en el pasado ha desempeñado posiciones relevantes en el ámbito de las TI como la de gerente de la Gerencia de Informática de la Seguridad Social o presidente de la Sociedad Española de Informática Médica, entre otros. “Hay que tener en cuenta que estamos ante una revolución tecnológica sin precedentes”. Flechoso reconoce la importancia de otros grandes inventos como internet, que “cambió la forma de compartir información en el mundo”, pero apunta a la transformación que supondrán las herramientas inteligentes al mantener “un nivel conversacional y de lenguaje natural lo más próximo a las personas”, más aún cuando se complemente a través de otras tecnologías como el 6G o el IoT.  

Para ejemplificar la potencial creación de empleos derivados de la IA habla de la aplicación del VAR o sistema de videoarbitraje en el fútbol. “No han despedido a los árbitros. Al contrario, han incorporado más gente”, defiende. “Se han creado más puestos de trabajo y no se han quitado a los que estaban antes. Sigue habiendo un árbitro y dos líneas exactamente igual. Esto no se puede hacer en todos los sitios, eso es evidente”, reconoce. “Pero hay que ir con esa filosofía”. Es decir: mantener lo que se está haciendo bien, no eliminar por eliminar, y fomentar la creación de otros trabajos alternativos necesarios para que los sistemas inteligentes y automáticos funcionen correctamente. 

“La gran pregunta siempre es si la inteligencia artificial va a destruir puestos de trabajo. Evidentemente, va a eliminar algunos y va a dar otros nuevos”. 

En cualquier caso, considera indudable que “va a transformar el mercado laboral” y pone la clave en cómo se haga esta transformación. “No podemos dejar a nadie atrás en este momento. Para que la inteligencia artificial sea una herramienta útil, lo primero es que las personas que van a ver desplazado su trabajo cotidiano y reemplazado por otro tipo de actividades tengan capacitación digital”. 

Aprender a utilizar la IA 

Esta es una de las claves para Flechoso, que se repite durante la conversación y a la que se dedica un bloque en el libro. La formación en IA y la capacitación de profesionales en activo marcarán la diferencia en esta reconfiguración del mercado de trabajo, pero también en el beneficio que se le saque a las nuevas herramientas. “No podemos pensar que la IA la vamos a utilizar exactamente igual que estamos utilizando Google”, advierte. “La gente debe saber cuáles son las potencialidades que tiene el utilizar una herramienta”. Para esto, apunta a la necesidad de incluir formación ya desde la escuela para aprender a interrogar a la IA y contextualizarla en el tiempo y el espacio. “Una respuesta que nos da hoy a lo mejor hace dos meses no nos la daba y dentro de dos meses tampoco nos da la misma, aunque el concepto en el fondo sea el mismo”, matiza. “Es una herramienta viva”, en la que el sistema aprende y, por tanto, evoluciona a medida que va integrando información nueva.  

En este sentido, la IA favorece un camino que ya se estaba empezando a recorrer: el de la revalorización de otro tipo de habilidades para un puesto de trabajo frente a las hard skills o los conocimientos puros y duros. Son soft skills como la adaptabilidad, que ya en pandemia se convirtió en una de las más demandadas, o el pensamiento crítico, tan necesario en el diálogo con modelos de IA; pero también las power skills o habilidades necesarias para dirigir. “La inteligencia artificial va a dejar al descubierto aquellas personas que, aunque sean jefes, no tienen capacidades de liderazgo”, defiende. 

Esta formación debe ampliarse a otros rangos de edad. “La generación más senior siempre va a ser más reticente, sobre todo porque su formación de base ha sido socialmente diferente”. Flechoso se refiere a esa clase directiva que, contando en toda su carrera con personal administrativo que les hiciese gestiones auxiliares de tipo reserva de billetes de avión, aún hoy es incapaz de hacerlo por su cuenta. Pero también a gente ya jubilada. “Creo que la gran ventaja que va a tener la formación aquí es que, al ser gratuita, va a incentivar a las propias personas que tienen pocos conocimientos a poder confiar en ella”. Más allá de la necesidad de la formación, Flechoso valora la relevancia de “quitarles miedo con la IA. No se van a equivocar si hacen algo”. En este sentido, apunta a uno de los retos pendientes: “Que las Administraciones Públicas integren inteligencia artificial en sus sedes electrónicas. Muchas personas que hoy en día ven con grandes recelos o dificultades acceder para poder hacer sus trámites o gestiones se dan cuenta que les puede ayudar, porque las sedes electrónicas siguen siendo bastante hostiles a una persona con pocos conocimientos digitales”.  

Implicaciones laborales 

La formación no debe darse por sentada o dejarse a criterio de empresas o de la propia persona. “Es importante que la negociación colectiva incorpore la formación como algo imprescindible e irrenunciable. Si cada vez que se vaya a establecer un nuevo convenio colectivo en un sector determinado dejamos en un segundo plano la formación, no vamos a ir a ningún lado”, defiende. “Es absolutamente imprescindible que la formación se ponga como algo prioritario y esencial. Primero, porque es una herramienta democratizadora que permitirá a todos por igual tener acceso al mismo tipo de información”: por ejemplo, ya no hará falta tener un puesto directivo para consultar informes de consultoras similares a los que antes solo se llegaba desde estos niveles. Pero todo dependerá de saber relacionarse con la IA, reitera.  

“Es importante que la negociación colectiva incorpore la formación [en IA] como algo imprescindible” 

Pero la integración de la inteligencia artificial en entornos de trabajo tiene consecuencias más allá de la adquisición de nuevas habilidades. En el libro se plantea la posibilidad de que las empresas coticen por los agentes autónomos que empleen, un punto que ha sido objeto de debate ya en el Pacto de Toledo. En las últimas recomendaciones de este organismo, de 2020, si bien no había una mención expresa a imponer una cotización por robots, sí se habla de “reforzar los mecanismos no contributivos” en el marco de la nueva economía digital.  

Si ya antes este era un tema sobre la mesa, durante los cinco años pasados desde entonces se ha visto surgir la IA generativa, lo que coloca la cuestión en el primer nivel de debate y hace que se esperen con expectación las próximas recomendaciones del Pacto, previstas para finales de este año. Este es un tema al que Flechoso le lleva siguiendo la pista desde hace varios años, a través de su proyecto Cibercotizante, y sobre el que plantea diez alternativas, como por ejemplo la incorporación de un impuesto que actuaría de forma similar a como lo hace la tasa turística. “Alguno de esos diez escenarios había que planteárselos en serio y habría que intentar implicar a todos los agentes sociales”, defiende. “Esto o se hace por consenso o sería un desastre, porque ningún partido político tiene ni el derecho ni la obligación ni la seguridad de que su texto sea aprobado, aunque tenga mayoría”. 

En la obra también se toca la relación entre inteligencia artificial y personas con discapacidad, con quien es esencial contar al entrenar modelos de IA, defiende Flechoso. “Tengo especial interés en que cada vez se hagan más cosas pensando en que a las personas con discapacidad no las vamos a someter a un segundo ejercicio, como es el caso de del Braille, que tiene que aprender a leer de forma táctil. Aquí el lenguaje natural, la viva voz, es la herramienta con la que pueden empezar a comunicarse”, desarrolla, confiando en la IA como “gran aliada”. “Habrá que adaptarla con matices”, asume, “pero no se entiende una innovación sin contar con las personas con discapacidad”. 

A medida que la inteligencia artificial (IA) transforma rápidamente las operaciones empresariales, las empresas se apresuran a actualizar su infraestructura de red para satisfacer las demandas sin precedentes de las cargas de trabajo de la IA. Enterprise Management Associates (EMA) encuestó recientemente a unos 269 profesionales de TI involucrados en la preparación de sus redes para aplicaciones y tráfico de IA. Casi tres cuartas partes (74%) tenía al menos algunas aplicaciones de IA en producción, con su estrategia corporativa de IA ya en marcha. Estas organizaciones que ya utilizan aplicaciones de IA en producción deben equipar sus redes para seguir el ritmo del crecimiento de la IA.

El porqué de esta encuesta hay que buscarlo en su deseo de EMA realizó de comprender mejor qué medidas están tomando los responsables de redes para equipar sus redes con el fin de tener éxito con las aplicaciones y el tráfico de IA. Su director de investigación de la práctica de gestión de redes, Shamus McGillicuddy, explicó durante un seminario web en el que se debatieron los resultados de la encuesta que “el objetivo era hacernos una idea de lo que están haciendo los primeros usuarios de IA que están desarrollando, formando y operando aplicaciones de IA para transformar sus negocios de alguna manera. ¿Qué están haciendo para preparar sus redes para soportar los tipos de tráfico que generan estas aplicaciones, ya que este es un tema muy comentado?”.

En su opinión, “la IA tiene requisitos muy estrictos en cuanto a latencia, y cosas como esa pueden crear mucha congestión. Hay muchos retos en torno a ella, desde el punto de vista del rendimiento, la disponibilidad y la seguridad, así como los requisitos de ancho de banda, que afectan a los requisitos de observabilidad, ya que es necesario poder gestionar todo eso de forma proactiva”.

La encuesta de EMA también revela que sólo el 49% de los encuestados cree que las redes de sus centros de datos están preparadas para el tráfico de IA, y el 48% admite que sus redes de área amplia están totalmente preparadas para el tráfico de IA. Entre los encuestados, el 42% ha creado centros de excelencia en IA para liderar la estrategia de IA de su organización. Los encuestados también indicaron que, para finales de 2025, contarán con varias tecnologías de IA en producción, entre las que se incluyen:

· Modelos de lenguaje grandes (LLM) propios: 58%.

· Aprendizaje automático: 51%.

· LLM de código abierto: 34%.

· IA basada en agentes: 32%.

· Generación aumentada por recuperación: 18%.

Las empresas también contemplarán cómo y dónde distribuir las cargas de trabajo de IA. Según la encuesta, las empresas informaron de que sus cargas de trabajo de formación en 2028 residirán en:

· Centros de datos privados: 28,3%.

· Nube pública tradicional: 36,1%.

· Especialistas en GPU como servicio: 19,1%.

· Computación periférica: 16,5%.

Los encuestados indicaron que sus cargas de trabajo de inferencia en 2028 residirán en:

· Centros de datos privados: 29,5%.

· Nube pública tradicional: 35,4%.

· Especialistas en GPU como servicio: 18,5%

· Computación periférica: 16,6%

Según McGillicuddy, “hay poca variación entre la formación y la inferencia, pero la tendencia general es que las cargas de trabajo se concentran un poco en la nube pública tradicional y, a continuación, los hiperescalares tienen una presencia significativa en los centros de datos privados”. A su juicio, “está surgiendo un interés por implementar cargas de trabajo de IA en el perímetro corporativo y en entornos de computación periférica, lo que les permite tener cargas de trabajo más cerca de los datos periféricos de la empresa. Esto les ayuda a combatir problemas de latencia y cosas por el estilo. La conclusión principal aquí es que la empresa típica va a tener que asegurarse de que su red de centros de datos está preparada para soportar cargas de trabajo de IA”

Retos de las redes de IA

La popularidad de la IA no elimina algunas de las preocupaciones empresariales y técnicas que aquélla plantea a los responsables de las empresas.

Según la encuesta de EMA, las preocupaciones empresariales incluyen el riesgo de seguridad (39%), el coste/presupuesto y la rápida evolución de la tecnología (33% ambas) y las carencias de habilidades del equipo de redes (29%). Los encuestados también indicaron varias preocupaciones en torno a los problemas de redes de centros de datos y de WAN.

Las preocupaciones relacionadas con las redes de centros de datos incluyen:

· Integración entre la red de IA y las redes heredadas: 43%.

· Demanda de ancho de banda: 41%.

· Coordinación de los flujos de tráfico de las cargas de trabajo de IA sincronizadas: 38%.

· Latencia: 36%.

Los problemas de WAN que compartieron los encuestados incluyen:

· Complejidad de la distribución de la carga de trabajo entre los sitios: 42%.

· Latencia entre las cargas de trabajo y los datos en el borde de la WAN: 39%.

· Complejidad de la priorización del tráfico: 36%.

· Congestión de la red: 33%.

“Preparar la red para la IA no es nada barato”, afirma McGillicuddy. Para éste, es posible que haya que invertir en muchos conmutadores nuevos y que sea necesario actualizar la WAN o cambiar de proveedor. Quizás haya que realizar algunos cambios en la infraestructura subyacente en función del tipo de conectividad que utilice el tráfico de IA”.

Los líderes empresariales tienen la intención de invertir en infraestructura para dar soporte a sus cargas de trabajo y estrategias de IA. Según EMA, las inversiones en infraestructura previstas incluyen Ethernet de alta velocidad (800 GbE) para el 75% de los encuestados, infraestructura hiperconvergente para el 56% de los encuestados y SmartNIC/DPU para el 45% de los profesionales de redes encuestados.

Los encuestados también reconocieron que tienen previsto adoptar protocolos de red para dar soporte a las cargas de trabajo de IA. Por ejemplo, el 67% espera adoptar Ethernet y el 33% invertir en InfiniBand. Casi dos tercios (64%) invertirán en RoCE, o RDMA sobre Ethernet convergente, que es un protocolo de red que permite el acceso directo a la memoria remota a través de redes Ethernet estándar. Mientras, el 42% dijo que planea adoptar NVMe over Fabrics, un protocolo que amplía el estándar Non-Volatile Memory Express para permitir a los hosts acceder a dispositivos de almacenamiento a través de una estructura de red, como Ethernet o Fibre Channel.

“Ethernet es sin duda dominante en estos centros de datos, pero hay mucho interés en InfiniBand y NVMe over fabric como enfoque alternativo para gestionar el tráfico de IA en sus centros de datos”, concluye.

Prosegur incorpora a su operativa diaria un agente de inteligencia artificial: se llama LexIA y está basado en procesamiento de lenguaje natural, búsqueda semántica, estructuración de datos, seguridad y cumplimiento normativo. Gracias a este agente, la compañía procesará de forma más rápida decenas de miles de contratos cada año.

LexIA funcionará como una herramienta de soporte para realizar análisis de información y de impacto en los cambios regulatorios y del negocio, así como para gestionar el scoring de los riesgos contractuales. Igualmente, la herramienta ayudará en las negociaciones tanto con los proveedores de la compañía como con sus clientes y se encargará de hacer comparativas de documentos o responder a dudas y preguntas durante los procesos administrativos.

Con esta solución, Prosegur espera aumentar las capacidades de análisis por cuatro y reducir los tiempos de consulta de las condiciones contractuales de los documentos que gestionan. “LexIA permitirá aumentar las capacidades del empleado optimizando el tiempo de trabajo que puede dedicar a tareas con mayor valor añadido”, explica Miguel Torres Tavara, director global de Transformación y CIO de Prosegur.

Como apunta Torres Tavara, los agentes de inteligencia artificial “pueden interactuar con los usuarios y sistemas para facilitar el análisis de documentos contractuales complejos, en los que las cláusulas pueden beneficiar el business case”.  “A su vez, LexIA, también nos permite optimizar procesos, adaptándose a los diferentes contextos y necesidades de la compañía”, subraya el CIO.

Dado que se trata de cuestiones clave que usan datos sensibles, la compañía explica que han integrado “la privacidad como elemento diferenciador”. Esto es, LexIA ha sido diseñada “para trabajar en un entorno seguro para la información” y con confidencialidad.

En marcha en España, Portugal, Argentina y Brasil

Por el momento, solo el personal de Prosegur de cuatro países podrá emplear LexIA. El asistente arranca una primera fase operativa en la que estará disponible en España, Argentina, Brasil y Portugal. Aun así, en estos mercados trabajan más de 98.000 empleados y se gestionan alrededor de 50.000 documentos contractuales, lo que crea un marco de pruebas complejo para el asistente.

La compañía prevé escalarlo a los demás países en los que opera en una segunda fase. Está previsto que sea durante 2026 y, en ese momento, se abrirá a los más de 175.000 empleados de la compañía.

LexIA ha sido desarrollado in-house por los ingenieros de la propia compañía y ha sido puesto en marcha desde la dirección del área de Compras de la empresa.

Ricardo Martín Manjón, responsable de Datos e IA de Banco Santander, ha anunciado a través de un comunicado emitido por la entidad la colaboración que ésta ha sellado con OpenAI para que sus empleados utilicen el sistema conversacional de IA ChatGPT Enterprise. En la actualidad, tras dos meses de implantación, explica el responsable de la estrategia de datos e IA del banco, el sistema ya está disponible para casi 15.000 empleados del grupo en Europa y América. “Esperamos llegar a 30.000 usuarios a cierre de año, es decir, en torno al 15% de la plantilla”, asegura, afirmando que el objetivo último es disponer de una “IA invisible para el usuario e integrada de forma natural en la experiencia Santander”.

“Nuestro plan para 2026–2027 se centra en ampliar el uso de agentes de inteligencia artificial, transformar los procesos comerciales (front-office) y administrativos (back-office) y avanzar hacia una banca plenamente conversacional. Los copilotos de IA nos ayudarán en la toma de decisiones y los asistentes virtuales resolverán operaciones para nuestros clientes”, expone el directivo.

Una adopción rápida

El directivo argumenta así la rapidez con la que, dice, se está desplegando este sistema conversacional en el banco: “La prisa tiene sentido: no solo queremos adoptar inteligencia artificial, sino impulsar un cambio en cultura, productividad y experiencia. Estas herramientas ayudan a desarrolladores de software, personal de marketing, banqueros y gestores comerciales a resolver tareas complejas con más eficiencia”.

Entre los casos de uso que el banco ya tiene en marcha están los copilotos de inversión con sugerencias de estrategia en tiempo real; experiencias del cliente hiperpersonalizadas; y agentes de IA que automatizan procesos administrativos en todas las geografías.

“La arquitectura es modular e independiente del proveedor. Integra OpenAI y otros grandes modelos de lenguaje sin fricciones y nos da flexibilidad para innovar en todo el grupo. Nuestra idea es construir una vez y reutilizar en todas partes para ganar velocidad y eficiencia”, añade Martín Manjón, que desvela que “más de 6.000 desarrolladores ya utilizan herramientas de IA, con incrementos de productividad del 20–30% en algunas tareas”, lo que “acelera las entregas y libera tiempo para trabajo estratégico y humano”.

Explica que para que el uso de este sistema sea “eficaz y seguro” han puesto en marcha formaciones específicas para diferentes perfiles y geografías: “Cápsulas de aprendizaje, talleres y hackathons prácticos para desarrolladores, equipos de marketing y personal de atención al cliente”.

En 2026, avanza, el banco lanzará un plan formativo obligatorio en IA para toda la plantilla que integrará la ‘IA responsable’ como uno de sus módulos troncales.

“El poder de la inteligencia artificial exige responsabilidad. Nuestro uso se rige por marcos éticos, legales y de ciberseguridad muy exigentes. Alineamos la gestión del riesgo de modelos con una normativa interna de IA para garantizar sistemas comprensibles, justos y seguros”, subraya, garantizando que Santander trabaja con los supervisores y sigue “las mejores prácticas internacionales” para asegurar el cumplimiento. “No compartimos datos de clientes con terceros para entrenar modelos y nos aseguramos de que los procesos con inteligencia artificial se ejecuten en entornos protegidos”.

Para Santander, la clave de la IA no es el uso, sino la integración

En el panorama financiero actual, dice Martín Manjón, “la ventaja no está en ‘usar la inteligencia artificial’ sin más, sino en integrarla en la forma de trabajar. En Santander, esa idea guía nuestra estrategia”. Y asegura que la combinación de inteligencia artificial con el trato humano propio de nuestro modelo de “banco digital con sucursales” es lo que les diferencia.

El directivo recuerda que el banco utiliza la inteligencia artificial desde hace años en ámbitos como la detección de fraude y la atención al cliente. “Esos proyectos ya dan resultados tangibles y constituyen el punto de partida de nuestra nueva estrategia. Con la adopción de la inteligencia artificial generativa y agentes de IA, no solo optimizamos procesos, también redefinimos lo que puede ser la banca”, añade.

IA integrada en todos los negocios y en el corazón de sus plataformas globales, así como un ecosistema de IA como palanca de crecimiento, con alianzas con OpenAI, Microsoft, Amazon y una comunidad dinámica de startups son las grandes palancas de la estrategia del banco, según el directivo.

Este desvela que, en 2024, las iniciativas de inteligencia artificial en Santander aportaron más de 200 millones de euros en ahorros. “Los copilotos de IA sirven de apoyo en más del 40% de las interacciones en los contact centers. En España, nuestra solución de Speech Analytics procesa 10 millones de llamadas al año, rellena los sistemas de gestión de clientes de forma automática para mejorar el servicio al cliente y libera de más de 100.000 horas al año a los empleados, que pueden dedicarse a tareas de mayor valor”, expone.

El pasado mes de junio, el Banco Santander anunciaba otro logro tecnológico de la entidad: la finalización de la migración de toda la infraestructura tecnológica core del banco en España a Gravity, su plataforma de core bancario en la nube, con la que perseguía un acceso más sencillo y rápido a los datos, acortar los tiempos en el lanzamiento de nuevas funcionalidades y actualizaciones más frecuentes de apps. Un proyecto con el que, aseveraba entonces la multinacional en un comunicado, “Santander se está convirtiendo en el primer gran banco establecido del mundo occidental en operar 100% en la nube y alcanza un nivel tecnológico comparable al de las empresas nativas digitales, que cuentan con una arquitectura completamente en la nube desde su concepción, tanto en el front-end (interfaz de usuario) como en el back-end (procesamiento y gestión interna)”.

A medida que los agentes de IA se expanden y pasan de la fase piloto a la producción, urge centrar la atención más allá de las plataformas de creación de agentes de IA y dirigirla hacia las plataformas de orquestación y gobernanza de IA. Con una mayor autonomía por parte de estas herramientas, ahora surgen muchas preguntas sobre qué grupos dentro de la empresa, como las áreas de TI y RR. HH., deberían gestionar los agentes y cómo deberían tratarlos.

Los agentes de IA se están integrando cada vez más en los procesos empresariales y existe un debate creciente sobre si pueden empezar a socavar el modelo SaaS, que lleva mucho tiempo en funcionamiento. Las organizaciones están pasando de proyectos piloto independientes de agentes individuales a implementaciones multiagente en el mundo real, implementando cientos o incluso miles de agentes de IA dentro de sus procesos empresariales.

Según la última encuesta trimestral de KPMG sobre IA, la mayoría de las organizaciones han superado la fase de experimentación con agentes de IA, y el 33% de ellas ha implementado al menos algunos agentes, lo que supone triplicar la cifra tras dos trimestres consecutivos con un 11%. Todo ello plantea preguntas sobre cómo supervisarlos como software, pero también como empleados similares a los humanos que trabajan de forma autónoma para alcanzar los objetivos asignados.

Por ejemplo, desde el punto de vista de los recursos humanos, ¿es apropiado considerar a los agentes como trabajadores similares a los humanos y debería ser el departamento de recursos humanos, y no el de TI, el que finalmente los gestione, contrate y despida? ¿Cómo gestionarán los agentes la superposición de funciones y responsabilidades y, si se les evalúa y se les remunera en función de su rendimiento y sus resultados, cómo se atribuirán el mérito? ¿Serán desarrollados mediante ingeniería rápida por parte de los proveedores para atribuirse más mérito del que merecen? ¿Y qué hay de las consecuencias no deseadas si los agentes se rebelan, como el reciente ejemplo de un agente que borró toda la base de datos de una empresa?

Desde el punto de vista de TI, ¿cómo evolucionará la orquestación desde la coordinación de pasos simples a complejos y, en última instancia, a la orquestación autónoma, formando sus propias asociaciones y alianzas externas? Muchos proveedores, como Microsoft, ya están dando grandes pasos al admitir múltiples patrones de orquestación de IA. También existe un índice de confianza anual para la IA y ahora calificaciones para empresas de IA específicas, pero ¿se necesita también una puntuación de confianza o de riesgo para cada agente individual? ¿Cómo se considera que un agente está cualificado para una tarea y cuándo necesitamos o no la intervención de un humano?

Para los CIO y CAIO que buscan abordar estas y muchas otras preguntas, no solo para mantenerse al día, sino para adelantarse a la forma de gestionar los agentes de IA, aquí hay cuatro recomendaciones.

Explorar la convergencia de las plataformas de orquestación y gobernanza de la IA

Las soluciones actuales para gestionar los agentes de IA residen tanto en plataformas nativas de IA como en plataformas tradicionales. Las plataformas de orquestación y gobernanza de la IA se están uniendo cada vez más a medida que las organizaciones buscan cómo gestionarla técnicamente, así como ética, legal y operativamente.

AI Control Tower de ServiceNow, por ejemplo, ayuda a las organizaciones a gestionar cualquier IA de principio a fin y proporciona acceso basado en roles para el CAIO, el CIO, el CTO y los responsables de riesgos y seguridad. Se trata de un paso útil para reunir a todas las partes interesadas relevantes de toda la empresa y proporcionar a cada rol sus propios informes y paneles de control para ofrecer información sobre el comportamiento de los agentes.

Dada la rápida evolución del campo de la orquestación y la gobernanza, es importante que los CIO y los CAIO presten mucha atención y exploren continuamente las plataformas, cómo están convergiendo y qué tiene sentido para su organización.

Ampliar el alcance del centro de excelencia de IA

Si ya cuenta con un centro de excelencia de IA centrado en la IA tradicional, el aprendizaje automático y la IA generativa, hay que ampliar su alcance para incluir la IA agentiva, si aún no lo ha hecho.

Además, si cuenta con una organización interna de servicios empresariales globales, este podría ser el lugar ideal para albergar su centro de excelencia, ya que los primeros suelen dar soporte tanto a RR. HH. como a TI, así como a otras funciones como finanzas, cadena de suministro y otras.

El enfoque debe centrarse en la coordinación tanto de los seres humanos como de la IA. Según Ian Barkin, codirector ejecutivo y cofundador de la consultora multiagente magentIQ, el antídoto no es más IA, sino la coordinación. “La IA por sí sola carece del criterio, el contexto y la conciencia de gobernanza necesarios para funcionar de forma segura a escala empresarial”, afirma. “La supervisión humana no es opcional, es esencial, por lo que el futuro del trabajo no será solo IA, sino un híbrido de IA y personas en el que la IA y los agentes humanos colaborarán de forma dinámica, con líneas claras de responsabilidad y escalamiento”.

Incorporar los recursos humanos en todos los aspectos de la gestión de la fuerza laboral de agentes

La encuesta Pulse de KPMG afirma que casi nueve de cada diez líderes piensan que los agentes obligarán a las organizaciones a redefinir los parámetros de rendimiento y les impulsarán a mejorar las habilidades de los empleados que actualmente ocupan puestos que pueden quedar desplazados.

“Si gestionas los agentes de IA como gestionas el desarrollo de software, ya vas con retraso”, afirma Kathleen Walch, directora de compromiso y comunidad de IA en PMI. “Los líderes con visión de futuro tratan a los agentes de IA como talento digital dinámico, lo que significa que necesitarán incorporación, evaluaciones de rendimiento y límites éticos y de confianza. RR. HH. debe participar en la definición de las funciones y responsabilidades digitales, y los centros de excelencia deben guiar la implementación, el uso y la experimentación de los agentes. También es necesario establecer una gobernanza de la IA para capacitar a los equipos para que experimenten, aprendan de otros y amplíen la implementación de agentes de IA de forma responsable y estratégica”.

Los agentes requerirán una redefinición de las métricas de rendimiento de los empleados, pero a medida que los seres humanos y los agentes de IA trabajen de forma más colaborativa, también será necesario redefinir el rendimiento de los agentes de IA. En última instancia, los agentes pueden trabajar para la empresa y el departamento de TI para tareas relacionadas con la tecnología, al igual que los trabajadores humanos. También serán gestionados por el departamento de TI desde el punto de vista de la plataforma y la infraestructura, y por RR. HH. desde el punto de vista de las personas y los procesos.

Si aún no lo están haciendo, los líderes de TI deberían conectar al área de RR. HH. con todos los aspectos de la coordinación y la gobernanza de sus agentes de IA, incluyendo su estrategia, centro de excelencia y consejos.

Hacer de la gobernanza una carrera hacia la cima, no hacia el fondo

Los posibles problemas relacionados con la falta de gobernanza de la IA son evidentes. “Si no se gestionan, los agentes de IA crearán caos para los equipos de TI, seguridad de la información y seguridad de datos, exponiendo a las empresas a riesgos reputacionales, financieros y legales”, afirma Barkin. “Cada implementación no autorizada de un agente se convierte en una posible infracción de la política, y cada interacción no gobernada supone un riesgo de que la IA se comporte de forma impredecible, desalineada con la ética corporativa o las expectativas normativas. No se trata de una amenaza lejana, sino de un campo minado operativo que ya se está materializando en las empresas que impulsan la IA sin estrategias de gobernanza de la IA”.

Tampoco debería tratarse simplemente de una cuestión de cumplimiento. Las organizaciones deben ir más allá del cumplimiento de las normativas, como la Ley de IA de la UE, y tratar de ayudar a avanzar en el sector, no solo marcar una casilla. “El éxito no se medirá por el número de agentes que se implementen, sino por la seguridad y la eficacia con la que obtengan resultados, con el cumplimiento y el control integrados en el diseño”, añade Barkin.

La responsabilidad de la gobernanza y la seguridad de la IA, tanto ahora como en los próximos años, recae tanto en los proveedores de IA como en las empresas y los usuarios finales. Según Marcus Murph, director de consultoría tecnológica de KPMG en Estados Unidos, en estos momentos se están sentando las bases de las empresas impulsadas por agentes, y si los líderes sienten que se están quedando atrás, es porque así es. “El verdadero riesgo no es ir demasiado rápido, sino confundir la experimentación con la transformación. Los ganadores no serán los que tengan más proyectos piloto, sino los que inviertan ahora en arquitecturas de datos escalables, modelos de gobernanza de agentes y preparación de la plantilla. Porque una vez que los agentes estén en todas partes, será demasiado tarde para recuperar la confianza, la estructura o la estrategia”.

Dedicar ahora tiempo extra a la orquestación y la gobernanza de la IA y pensar en cómo los agentes de IA afectarán a sus plataformas tecnológicas, sus centros de excelencia y su enfoque de la gobernanza, permitirá a su organización escalar más rápidamente y avanzar en su madurez en materia de IA en los próximos meses y años.

El mundo se urbaniza a un ritmo vertiginoso. Según estimaciones de Naciones Unidas, en el año 2050 más del 50% de la población mundial vivirá en ciudades, un crecimiento que plantea un enorme reto para la infraestructura urbana y está impulsando una transformación en el sector de la construcción. En las próximas décadas, las nuevas edificaciones deben ser sostenibles, eficientes y adaptables, capaces de responder a las necesidades de los ciudadanos sin perder funcionalidad. Para lograrlo, la tecnología juega un papel fundamental en el reto de desarrollar espacios más inteligentes, resilientes y preparados para el futuro.

Uno de los elementos clave de esta urbanización son los sistemas de transporte vertical, como ascensores y escaleras mecánicas, que facilitan el movimiento de personas y objetos en edificios y espacios públicos. Garantizar un mantenimiento eficiente no solo es clave para cumplir con las normativas y mantener los equipos actualizados, sino también para asegurar que millones de personas puedan desplazarse a diario de forma segura, accesible y sin interrupciones.

En este contexto, la compañía finlandesa Kone lleva más de 100 años proporcionando a la industria ascensores, escaleras mecánicas y puertas automáticas para edificios, así como soluciones para el mantenimiento y la modernización capaces de añadir valor a los edificios a lo largo de su ciclo de vida. Desde hace décadas, la empresa se encuentra en un proceso de transformación digital que, en la actualidad está muy avanzado. “No hablamos de un proyecto puntual, sino de una evolución constante. La digitalización forma parte del núcleo de nuestra estrategia global y local. Nos hemos convertido en una empresa tecnológica que, además de fabricar y mantener ascensores y escaleras mecánicas, ofrece soluciones conectadas, predictivas y centradas en la experiencia del usuario”, explica Fernando Muñoz, director de Estrategia, transformación y marketing de Kone Italia e Iberia. “Hoy en día, operamos con más de 1,6 millones de equipos conectados en todo el mundo, cuyos datos se procesan en tiempo real para anticipar necesidades y mejorar el servicio”.

Uno de los mayores desafíos en este proceso ha sido la concienciación del entorno. Aunque las ventajas de la digitalización son evidentes, todavía cuesta trasladar ese valor a todos los agentes involucrados, especialmente en contextos como la modernización de ascensores antiguos. “También hemos invertido muchos recursos en adaptar tecnologías avanzadas a entornos de edificación muy heterogéneos, como ocurre en gran parte del parque inmobiliario español”, comenta Muñoz, quien añade que otro de los retos es la interoperabilidad: “Garantizar que nuestras soluciones se integren sin fricciones en edificios cada vez más inteligentes y conectados”.

Una base 100% tecnológica

El ecosistema tecnológico de Kone se apoya en conectividad IoT, plataformas de análisis en la nube y soluciones digitales para clientes y usuarios. Gracias a ello, según Fernando Muñoz, “hemos desarrollado productos como KONE 24/7 Connected Services, que usa IA y machine learning para identificar averías de forma proactiva, o herramientas como KONE Elevator Call, que permiten llamar al ascensor desde el móvil. Toda esta infraestructura se apoya en socios tecnológicos estratégicos como AWS, con quienes procesamos de forma segura los datos de nuestros equipos a nivel mundial”.

Uno de los proyectos más destacados de transformación digital de la compañía ha sido el desarrollo de la serie de ascensores KONE DX, que incorpora conectividad digital y permite ofrecer servicios inteligentes y personalizados. A través de tecnologías como IoT, machine learning y plataformas en la nube, junto con metodologías agile, la compañía ha mejorado la eficiencia operativa, implementado el mantenimiento predictivo y facilitado la integración con sistemas de terceros mediante APIs abiertas. “Este enfoque ha transformado tanto la experiencia del cliente como la gestión interna, posicionando a Kone como líder en soluciones de movilidad urbana digitalizadas”, explica Muñoz.

Digitalización al servicio del mantenimiento

La evolución de la compañía en los últimos años desde el punto de vista tecnológico ha sido muy intensa. “Hemos pasado de un modelo puramente mecánico a una operación altamente conectada y digitalizada”, explica Fernando Muñoz. “Hoy, un ascensor Kone es un nodo inteligente dentro del edificio. Puede autodiagnosticarse, adaptarse al flujo de personas y ofrecer experiencias personalizadas. Esta evolución también ha transformado nuestro servicio técnico, que ahora trabaja con datos en tiempo real y herramientas móviles para una respuesta más ágil y eficiente”.

Y es que la digitalización ha transformado el trabajo técnico, haciéndolo cada vez más ágil, preciso y seguro. Gracias a herramientas móviles o el acceso remoto a datos en tiempo real, los profesionales pueden diagnosticar y resolver incidencias con mayor rapidez y precisión. Esto no solo optimiza los tiempos de intervención, sino que mejora la calidad del servicio, minimizando errores y aumentando la disponibilidad de los equipos. 

Ahora bien, la tecnología por sí sola no es suficiente, por ello, en Kone entienden que la verdadera innovación no reside únicamente en el desarrollo de soluciones avanzadas, sino en la capacidad de integrarlas y hacerlas evolucionar. Por ello, apuestan por la formación continua de su equipo como motor de transformación. Esta evolución del perfil profesional es indispensable para dar respuesta a los desafíos de un entorno urbano en constante cambio y para garantizar que el servicio esté alineado con las expectativas de una sociedad cada vez más conectada, exigente y preocupada por el medioambiente.

Para ello, la compañía colabora, además, con centros de investigación y partners tecnológicos como AWS para liderar la transformación digital. Este último permite procesar datos y conocer el estado de 1,6 millones de sus equipos en mantenimiento, globalmente y en tiempo real. Con esta información es posible detectar incidencias antes de que ocurran o sean perceptibles para el usuario, proporcionando a los técnicos información precisa para resolver incidencias de forma proactiva. Gracias a ello, se ha reducido un 40% las incidencias comunicadas por clientes y se han anticipado más del 70% de futuras averías.

Un futuro urbano y digitalizado

España tiene uno de los parques de ascensores más antiguos de Europa. 500.000 ascensores tienen más de 20 años, lo que plantea un desafío crucial en términos de accesibilidad, eficiencia y seguridad. “Nuestro objetivo es acelerar la modernización de ese parque, derribando barreras como la falta de concienciación o las limitaciones arquitectónicas. También queremos seguir integrando nuestras soluciones con plataformas de gestión de edificios inteligentes”, comenta Muñoz.

Para ello, la compañía trabaja con tecnologías como inteligencia artificial, machine learning, big data, y exploran el uso de gemelos digitales. “Estas tecnologías ya nos permiten anticipar fallos, optimizar flujos de personas y reducir el impacto ambiental. También aplicamos soluciones de movilidad sin contacto y conectividad móvil, esenciales para una experiencia sin fricciones”, comenta Muñoz.

En este contexto, “afrontamos el futuro con determinación. Nuestra estrategia para 2030 está enfocada en dar respuesta a los grandes desafíos urbanos: sostenibilidad, accesibilidad y resiliencia. Queremos ser el socio clave para lograr ciudades más habitables. La modernización juega aquí un papel esencial, no solo porque mejora el confort, sino porque ayuda a reducir la huella de carbono, evitar residuos innecesarios mediante intervenciones modulares, y extender la vida útil de los equipos. En definitiva, apostamos por una transformación digital humanista y sostenible, al servicio de las personas”.

Existe una gran cantidad de información sobre las altas tasas de fracaso que tienen los proyectos de IA. Curiosamente, un número igualmente elevado de encuestas muestra que muchas empresas, si no la mayoría, ya están reportando beneficios comerciales positivos y un retorno de la inversión de sus inversiones en esta tecnología. Por ejemplo, un estudio global realizado por IBM en mayo tras encuestar a 2.000 directores generales afirma que solo el 25% de las iniciativas de IA obtuvieron el retorno de la inversión esperado y solo el 16% se extendieron a toda la empresa. Otro estudio realizado por Wakefield Research para Informatica, concluyó que el 67% de 600 líderes empresariales afirman que no son capaces de llevar con éxito ni siquiera la mitad de sus proyectos piloto de IA generativa a la fase de producción, y el 97% afirma que tiene dificultades para demostrar el valor empresarial de sus proyectos piloto. Sin embargo, otras encuestas parecen mostrar lo contrario.

En abril, Enterprise Strategy Group encuestó a 1.900 líderes empresariales y de TI, y, de aquellos que implementaron soluciones de IA, el 92% afirmó que sus inversiones ya se han amortizado. Y para los más de 1.200 encuestados que han cuantificado el retorno de la inversión de sus iniciativas de IA generativa, el rendimiento medio es del 41% gracias al aumento de los ingresos, la reducción de los costes o ambos.

Hay encuestas que muestran ambas cosas al mismo tiempo. En febrero, una encuesta de IDC realizada a casi 3.000 responsables de la toma de decisiones en el ámbito de la tecnología de la información y los negocios, llevada a cabo a petición de Lenovo, reveló que el 68% afirma que sus iniciativas de IA han cumplido las expectativas, y un 26% adicional afirma que las han superado. Sin embargo, solo cuatro de los 33 proyectos de IA llegaron a la fase de producción, lo que supone una tasa de fracaso del 88%.

¿Qué está ocurriendo realmente? El problema radica en cómo medimos el éxito o el fracaso de los proyectos de IA. Y dado que la IA se está convirtiendo rápidamente en una prioridad para los CIO, si es que no lo es ya, es fundamental que estos comprendan dónde reside el valor, cómo medirlo y qué métricas son significativas para la empresa. Cuando se trata de una disrupción empresarial como esta, las cifras no siempre son lo más importante.

Los proyectos piloto están destinados a fracasar

Comencemos con el dato que ha acaparado los titulares: los grandes proyectos de IA fracasan. La implicación es que esto es algo malo. Pero las pruebas de concepto y los proyectos piloto no están destinados a tener éxito siempre. Su objetivo es descartar las ideas menos prometedoras para que las empresas puedan centrarse en las que sí lo son en gran medida. Las altas tasas de fracaso significan que las empresas están experimentando y probando muchas posibilidades diferentes, por lo que, en realidad, son algo positivo.

Cuantos más proyectos fracasen en las primeras etapas, más probable será que, cuando los proyectos entren en plena producción, aporten un valor empresarial positivo. Y cuantas más empresas tengan éxito con proyectos concretos, más probable será que realicen aún más experimentos y encuentren más oportunidades para crear valor.

De hecho, si todas las pruebas de concepto y los proyectos piloto de una empresa entran en producción, eso podría significar que la empresa no está siendo lo suficientemente creativa, innovadora o experimental con sus ideas de IA. Mirar el número de proyectos que entran en producción no es una buena medida del éxito, por mucha presión que ejerzan la junta directiva y otros altos ejecutivos, los líderes de las unidades de negocio, los empleados, los socios o los clientes.

Por lo tanto, no es una contradicción que la mayoría de los proyectos piloto fracasen y que, al mismo tiempo, las empresas informen de un retorno de la inversión positivo. No se trata de un error, sino de una realidad. El objetivo es tener los proyectos de IA adecuados en producción, no el mayor número posible. Y el mayor error que puede cometer una empresa es pasar directamente a la implementación completa, sin un proyecto piloto o sin examinar adecuadamente los resultados de la prueba de concepto, afirma Rosha Pokharel, arquitecta jefe de IA en UST Healthproof, una empresa de operaciones sanitarias.

“La prueba de concepto solo suele funcionar con unos pocos cientos de puntos de datos. Pero cuando lo escalamos a la producción, tenemos que demostrar que realmente funciona y que ofrece el nivel de precisión que cumple con los estándares empresariales y los requisitos de los usuarios en millones de puntos de datos”, dice. Si ese problema con los datos no se resuelve, el proyecto fracasa y la empresa pierde todo el dinero que invirtió en ampliarlo. Del mismo modo, si los diseñadores de IA no tuvieron plenamente en cuenta las necesidades de los usuarios en su prueba de concepto y la implementan a gran escala y nadie la utiliza, eso también supone un coste enorme.

Las empresas también deben tener cuidado con el punto en el que comienzan a medir el retorno de la inversión (ROI), afirma. “No debemos tener en cuenta la inversión realizada en la prueba de concepto. La prueba de concepto no es el lugar para calcular el ROI. Es la zona de fracaso rápido. Queremos comprender qué es factible, viable, utilizable y valioso, y qué se puede ampliar. Ese es el objetivo de la prueba de concepto, y el presupuesto para ello proviene de I+D o de los laboratorios de innovación”.

Al menos, así es como se ha hecho en las empresas en las que ha trabajado, relata. Pero no es la única que cree en la experimentación rápida y en reducir las pérdidas cuanto antes.

“El mantra era ‘fracasar rápido”, dice Eric Johnson, director de informática de PagerDuty, una empresa de respuesta a incidentes que ha implementado IA generativa y agentes de IA tanto para operaciones internas como en sus productos y servicios. “Poníamos las cosas en marcha y, si funcionaban bien, genial, seguíamos adelante con ellas”. Pero también había ideas que no funcionaban. “Muchas veces se trataba de elegir casos de uso poco adecuados, o no comprendíamos del todo la cantidad de trabajo que suponía crear algo, o no tenía un impacto significativo”.

Crear o comprar

Para reducir los costes del proyecto piloto, PagerDuty decidió no crear la tecnología desde cero. De hecho, las soluciones comerciales, en lugar de tener un coste inicial, suelen ofrecer pruebas gratuitas. O se pueden negociar pruebas gratuitas. “Si queremos poner en marcha un nuevo agente de IA, diremos que no pagaremos por él hasta que demuestre su valor”, afirma  Johnson. “Y muchos de estos proveedores están dispuestos a mantener esa conversación, porque saben que si no pueden demostrar su valor, no vas a seguir renovando el contrato. Por lo tanto, quieren asegurarse de que obtienes el valor que esperas”.

Otra empresa que no creó desde cero y encontró un valor inmediato en los productos comerciales fue Flexential, dedicada a servicios de colocation. “Utilizo servicios estándar que se ajustan a nuestra política de IA, lo que significa que no entrenan modelos públicos”, afirma Ryan Mallory, director de operaciones de la empresa. Además, el uso de las funciones de IA de los productos existentes, que forman parte de flujos de trabajo bien establecidos, facilita el cálculo del ROI, ya que existe una base de referencia con la que comparar, especialmente en lo que se refiere a la atención al cliente o las ventas. “Todo lo que hacemos nos proporciona un retorno de la inversión directo, cumpliendo nuestras previsiones o superándolas”, afirma Mallory.

En concreto, la mayoría de las nuevas herramientas de IA son módulos complementarios de la tecnología existente de la empresa. Esto hace que sean muy fáciles de implementar y escalar. “Con el tiempo, llegaremos a nuestro propio modelo”, añade. “Probablemente nos quede unos 18 meses para ello”.

La métrica clave: el cliente

La mejor métrica de ROI es, por supuesto, el impacto en los resultados finales. Sin embargo, cuando hay múltiples proyectos de IA, así como muchas otras iniciativas en marcha, además de cambios en el panorama empresarial y la economía en general, puede resultar difícil determinar el efecto de un proyecto concreto.

Según un informe de marzo de McKinsey, solo el 17% de las empresas afirman que el 5% o más de su EBIDA es atribuible a la IA generativa, mientras que más del 80% no reportan ningún impacto tangible de esta. Por lo tanto, las empresas se ven obligadas a utilizar métricas proxy. ¿La mejor? La satisfacción del cliente, la retención y las recomendaciones boca a boca.

Flexential, por ejemplo, ha estado implementando la IA generativa en múltiples funciones de ventas y atención al cliente. “Es absolutamente fundamental”, afirma Mallory. “Estamos observando una reducción en la pérdida de clientes. Cuando la satisfacción de los clientes aumenta y la capacidad para responder a sus solicitudes, requisitos o retos es más rápida, los clientes no tienen tanta propensión a marcharse”. Y desde que la empresa incorporó agentes de atención al cliente basados en IA a su flujo de trabajo, los tiempos de respuesta se redujeron en un 20% de media y se produjo un aumento del 25 % en el tiempo medio necesario para resolver las incidencias.

No son la única empresa que encuentra valor en la IA para la satisfacción del cliente. Según la encuesta de IBM, el 65% de los directores generales afirma que establecer y mantener la confianza de los clientes tendrá un mayor impacto en el éxito de su organización que cualquier característica específica de los productos y servicios. Y, en todos los sectores, la fidelidad de los clientes es el factor diferenciador clave que impulsa el retorno de la inversión.

Reducción de costes

Pero a corto plazo, la reducción de costes es una victoria rápida para muchas empresas y la principal prioridad de los primeros en adoptar esta tecnología, según el 51% de los encuestados por ESG. Y está funcionando: el 88 % afirma que ya ha observado mejoras sustanciales en la eficiencia.

“Algunos clientes se centran especialmente en los costes en este momento porque hay muchas presiones en diversos sectores”, afirma David Martin, socio sénior de Boston Consulting Group. “Y tienen la obligación de generar valor para los accionistas a corto plazo, así como de invertir en el futuro”.

Hay muchas áreas en las que las empresas pueden encontrar mejoras en la productividad y traducirlas directamente en valor monetario, afirma. “En algo como el servicio de atención al cliente, si se pueden desviar más llamadas, capacitar a los agentes para que hagan su trabajo más rápido o si se paga a un tercero por los costes del centro de llamadas, eso se traduce inmediatamente en dinero”, añade Martin.

Según la encuesta de BCG, el 47% de los empleados afirma que ahorra más de una hora al día gracias a la IA generativa, y la mayoría utiliza ese tiempo para realizar más trabajo. Además, el 44% dice que se dedica a tareas estratégicas y el 34% a su desarrollo profesional. Sin embargo, muchas empresas están haciendo ambas cosas al mismo tiempo, afirma Martin, reduciendo costes y obteniendo beneficios en productividad, al tiempo que invierten en el futuro. “Realmente están pensando en las implicaciones de la IA en la empresa”, afirma.

Crecimiento empresarial

El valor que una empresa puede obtener al reducir costes es limitado. Sin embargo, las ventajas son casi ilimitadas si una empresa encuentra formas de generar nuevos negocios o entrar en nuevos mercados.

En la encuesta de ESG, el tercer factor más importante para las empresas que adoptan la IA generativa es la mejora de los resultados en materia de innovación. De hecho, el 84% afirma que la IA ya está acelerando su ritmo de innovación. Esto puede dar lugar a nuevas oportunidades de negocio, que en algunos casos pueden cuantificarse, incluso a corto plazo. Por ejemplo, Flexential es capaz de generar más clientes potenciales gracias a los chatbots de IA de su sitio web, que están asociados a tipos de contenido concretos. “Estamos viendo cómo se ha multiplicado por cinco el número de reuniones concertadas con clientes potenciales”, afirma Mallory. “Luego lo vinculamos al proceso de ventas y al índice de cierre de oportunidades. Así que tenemos datos muy cuantificables y está funcionando muy bien para nuestros equipos”.

Flexential también se apresuró a implementar la funcionalidad de soporte de ventas con IA para su personal de ventas, que ahora tiene acceso a notas de reuniones, inteligencia de ingresos y otros recursos que necesitan para conseguir nuevos negocios. “Estamos obteniendo un mayor nivel de productividad de nuestros representantes cuando disponen de la información adecuada”, señala. Y los índices de cierre también son más altos cuando los representantes pueden utilizar la IA para anticipar mejor cómo pueden atender al cliente.

En general, más empresas deberían centrarse en el crecimiento potencial, afirma Todd Lohr, director nacional para clientes y mercados estadounidenses de KPMG, y en el riesgo de la disrupción impulsada por la IA. “La IA está llegando a su modelo de negocio. Está alterando su negocio y las barreras de entrada. Deberían pensar más en el lado del modelo de negocio de la ecuación que en el modelo operativo para la sostenibilidad, el éxito y la viabilidad a largo plazo de la organización”, afirma.

Según la encuesta de IBM, el 68% de los directores generales afirma que la IA cambia aspectos de su negocio que consideran fundamentales. Estos cambios no se reflejan necesariamente en el retorno de la inversión inmediato, pero son fundamentales para la supervivencia a largo plazo de la empresa a medida que cambian los modelos de negocio. Y muchos de esos cambios son causados por la IA. Por lo tanto, no es de extrañar que el 61% de los directores generales afirme que la ventaja competitiva depende de quién tenga la IA generativa más avanzada.

“Nuestros clientes ya no se preguntan si la IA transformará su negocio”, reflexiona Lohr. “Se preguntan cuánto tardará en implementarse. No se trata solo de adoptar una tecnología, sino de una transformación empresarial fundamental que requiere replantearse cómo se realiza el trabajo y cómo se mide”.

Aceptar la incertidumbre

La verdad es que los CIO a menudo no saben cuál es el retorno de la inversión de sus proyectos de IA, afirma Jackson Ader, analista de investigación de renta variable en KeyBanc Capital Markets. En su investigación sobre los directores de TI descubrió que las expectativas de retorno de la inversión eran muy dispares. “No creo que los CIO estén gastando muchos millones de dólares en inteligencia artificial y esperando un retorno de la inversión de un solo dígito. Creo que lo más probable es que todavía estemos en una fase experimental”, concluye.

El turismo constituye uno de los principales motores económicos de España. Según los últimos datos de Exceltur, asociación sin ánimo de lucro formada por empresas del sector, en 2025 el aporte del turismo en el PIB del país será del 13,2%, con una previsión de facturación de 220.000 millones de euros. Será, además, uno de los sectores que impulsará el crecimiento con un incremento del 3,3%, más que el 2,4% previsto para el conjunto de la economía española por el Banco de España en junio. Con estos volúmenes de negocio, no es de extrañar que el sector mire hacia la tecnología como una vía de explorar nuevas oportunidades y monetizar las ya existentes.

Tendencias actuales

La comunión entre turismo y digitalización viene de atrás. El comercio electrónico tuvo en este sector uno de sus primeros y principales aliados, marcando el camino a la innovación tecnológica tanto por la parte de la demanda como por la oferta. Distintas herramientas han ido tomando el relevo en esa trayectoria innovadora hasta llegar a la actualidad, en la que marca el ritmo es también una de las tendencias tecnológicas del año: la inteligencia artificial.

Así lo explica un reciente informe de OBS Business School, dirigido por el profesor de la institución Joan Barceló, quien además es CIO de la compañía W2M, perteneciente a Iberostar. “En 2025, las tecnologías que más destacan son principalmente las de inteligencia artificial avanzada”, explica el propio Barceló. “Aquí podemos hablar de inteligencia normal o de inteligencia inicial generativa, siempre orientado a dos vertientes: por una parte, a personalizar la experiencia de ese viajero y, por otra, a la mejora de la eficiencia operativa de las empresas”. Para estas últimas, en resumen, se busca un desempeño más ágil, rápido y productivo, mientras que para quienes viajan la tecnología se traduce en desarrollar una oferta a medida de cada persona. “Lógicamente, la inteligencia artificial necesita datos, de ahí que la parte de big data siga potenciada”.

“En 2025, las tecnologías que más destacan son principalmente las de inteligencia artificial avanzada”

Joan Barceló

En relación a una forma concreta de IA, los agentes virtuales, Barceló destaca que “cada vez se utilizarán más, pero teniendo en cuenta que los viajeros, cuando tienen problemas, necesitan un trato humano”. En 2025 se emplearán principalmente a nivel interno de organización, defiende, aunque comenzará su despliegue para usos fuera de la compañía.

Desde una compañía nativa digital, Booking.com, también se reconoce la inteligencia artificial como una de las tendencias del momento. Pilar Crespo, responsable de España y Portugal de la empresa, destaca cómo la IA y el aprendizaje automático “están revolucionando la forma en que se personalizan experiencias, se automatizan procesos y se anticipan las necesidades del viajero. Estas tecnologías permiten adaptar las recomendaciones en tiempo real según el perfil, el contexto y hasta el estado emocional del usuario, elevando la calidad y pertinencia de la experiencia turística”. Crespo incluye también las herramientas generativas para crear contenidos a medida en tiempo real y las soluciones de contextualización, “que ajustan las recomendaciones según el momento o entorno del usuario”. Destaca el trabajo de Booking.com en “el desarrollo de soluciones que mejoren cada etapa del viaje del cliente”, como filtros de búsqueda inteligentes para alojamientos o chatbots que conectan al usuario con su hospedaje. “De cara al futuro, nuestra visión es que esta tecnología acompañe a los viajeros en cada paso de su recorrido”.

Las tecnologías inteligentes “están revolucionando la forma en que se personalizan experiencias, se automatizan procesos y se anticipan las necesidades del viajero”

Pilar Crespo

Barceló añade en un segundo término otras tendencias como las superapps, que engloban varias funcionalidades en una única herramienta; o los eVTOL o aeronaves eléctricas de aterrizaje y despegue vertical, que prometían estrenarse en los Juegos Olímpicos de París pero han quedado pospuestas por temas de regulación y costes. Otras que prometían y por ahora están en espera son la biometría y reconocimiento facial en aeropuertos, cuyo despliegue se ralentizó por el debate que generaron sobre protección de datos. Crespo, por su parte, apunta al vínculo entre la tecnología y la sostenibilidad, con “herramientas que facilitan la identificación de opciones responsables y plataformas que conectan la oferta turística con experiencias locales auténticas, fomentando una relación más significativa con el destino”. Reconoce, sin embargo, que el ritmo de adopción en el sector es desigual.

Para completar la digitalización del sector quedan retos pendientes, como la inversión económica y el cambio cultural necesarios para habilitarla, la adaptación a entornos móviles y de rápida decisión, la regulación —que puede llegar a frenar la innovación, coinciden Barceló y Crespo— o la sostenibilidad. Barceló suma el problema de la interoperabilidad. “Hay muchas soluciones digitales que no se comunican entre sí. Hay una brecha de digitalización entre grandes empresas y pymes. Para poder manejar información en tiempo real y personalizar al máximo nivel esa experiencia de usuario necesitas datos, que a ser posible estén aportados en tiempo real. Y para eso hay que superar esta brecha”.

Crespo alude a “importantes oportunidades de mejora, sobre todo en lo que respecta a la digitalización de pequeñas y medianas empresas turísticas”. El sector muestra “diferentes niveles de adopción tecnológica según la región, el tipo de empresa y el marco regulatorio. En muchas áreas, especialmente en Europa, vemos ejemplos de liderazgo y sofisticación digital. En otras, se necesita más apoyo, inversión y políticas públicas que acompañen el cambio”.

El sector público en turismo

Por esta parte puede hablar Laura Flores, directora de Desarrollo de Negocio y Nuevas Tecnologías de SEGITTUR —sociedad mercantil estatal centrada en tecnología aplicada a turismo—, quien entiende la industria como una de las “que llama mucho a la innovación”. Como Barceló y Crespo, reconoce entre las tendencias que más se están implantando la inteligencia artificial unida al big data, así como a los gemelos digitales, que puede permitir la predicción de flujos de turistas. Lo enlaza con uno de los últimos proyectos que se han presentado desde SEGITTUR: la Plataforma Inteligente de Destinos, que en su web define su objetivo como “integrar, relacionar y combinar datos públicos y privados para generar más inteligencia competitiva en los ecosistemas de los destinos españoles”. La plataforma quiere cubrir a todos los agentes del ecosistema —turista, destinos y empresas—, garantizando así “elevar el nivel de digitalización básico y transversal a todos los subsectores del turismo”.

“Los agentes públicos y privados primero tienen que hablar el mismo idioma para poder compartir datos”

Laura Flores

En el marco de esta plataforma se ha presentado recientemente el grupo de trabajo de enoturismo inteligente, en el que se integran diversos agentes que colaborarán, por ejemplo, en identificar fuentes de datos o estandarizar su recogida, de tal modo que se avance hacia un modelo unificado de gestión basada en datos. “Todos los agentes públicos y privados que quieran gestionar digitalmente el producto enoturismo primero tienen que hablar el mismo idioma para poder compartir datos”, sintetiza Flores. Este es uno de los verticales a través de los que trabajará la plataforma, pero no el único, con previsión de extenderse a una veintena de subsectores ya identificados.

En la gestión de los destinos, las administraciones públicas regionales y locales se erigen como agentes indispensables del sector. Desde estos organismos también se reconoce la necesidad de avanzar en digitalización para poder planificar correctamente la oferta y, así, optimizar la experiencia en destino, como explica Xosé Merelles, director de Turismo de Galicia. “La tecnología está revolucionando la estadística pública y el conocimiento que tenemos sobre el turismo”, señala. “En el ámbito turístico, donde el público busca una experiencia ad hoc, es fundamental un amplio grado de conocimiento y de manejo de la información, por eso, es fundamental tener en cuenta todas estas herramientas para asegurar una planificación y ordenación del destino”.

La agencia gallega traduce esta necesidad en el Observatorio de Sostenibilidad Turística, una nueva herramienta para monitorizar la evolución de los destinos gallegos mediante un sistema estadístico de observación integral, para así plantear distintas actuaciones. Otra de las tecnologías, SIMADA, en la que se está trabajando en colaboración con el Clúster de Turismo de Galicia, facilitará el tratamiento de datos turísticos por parte de las empresas.

“En el ámbito turístico, donde el público busca una experiencia ad hoc, es fundamental un amplio grado de conocimiento y de manejo de la información”

Xosé Merelles

Estas medidas conectan directamente con uno de los retos que tanto Flores como el resto de participantes reconocen en el sector: la existencia de silos tecnológicos entre destinos, con unos territorios con competencias ya avanzadas —generalmente los que tienen una tradición ya como lugar de vacaciones—y otros en unos niveles aún básicos de digitalización, pese a haber mejorado en los últimos años. Flores plantea como uno de los beneficios de la plataforma el poder “democratizar el uso de la tecnología e igualar a un nivel decente todas las pymes y todos los destinos de España, y con eso, a partir de ahí, construir”. En el ciclo de vida del viaje, la tecnología es esencial, pero para alcanzar su verdadero potencial todo el sector debe avanzar de la mano.

Con 2026 en el horizonte, año en el que Ibercaja cumple la friolera de 150 años de vida, el equipo de la entidad bancaria zaragozana trabaja, desde el pasado año, en la ejecución de un plan estratégico lanzado en abril de 2024 con el que aspira a impulsar su foco en el cliente, incrementar su actividad comercial, mejorar la resiliencia y culminar una ambiciosa transformación que se apalanca en la apuesta por las tecnologías de la información y que implica explorar –y, en el caso pertinente, adoptar a gran escala desde 2027– los beneficios que puede traer al banco la adopción de tendencias de última ola como la inteligencia artificial.

Para materializar esta estrategia, unos meses antes de la presentación de la misma, el propio consejero delegado de Ibercaja, Víctor Iglesias, acometió cambios en el organigrama de la entidad, entre los que destacan la creación de tres nuevas direcciones, entre las que se encuentra la de Estrategia, Transformación y Dato, que lidera Nacho Torre. Éste, máximo responsable también de la estrategia de inteligencia artificial del banco, repasa en una entrevista con CIO ESPAÑA, realizada este mes de julio en Madrid –aprovechando la presencia del ejecutivo en la presentación del primer Observatorio Anual de IAON, iniciativa promovida por el propio banco y su fundación, el Gobierno de Aragón y Microsoft, socio tecnológico del primero– este último año y medio en el que Ibercaja está aún descubriendo el potencial y los riesgos que implica apostar por una tecnología que está llamada a disrumpir por completo los procesos empresariales, la forma de trabajar de los empleados y la sociedad en su conjunto.

2022, el punto de inflexión

Después de superar el periodo 2015-2022, “muy duro”, recuerda Torre, para todo el sector de las entidades financieras, “muy afectadas por la crisis de la burbuja inmobiliaria, que obligó a reducir oficinas, personal y activos improductivos; un tiempo de intereses negativos que repercutió en los beneficios y en el que el cliente experimentó todo un cambio al calor de la digitalización y se hizo mucho más selectivo”, Ibercaja, “tras haber hecho los deberes, entró en una fase diferente en torno a 2022 y 2023”.

Llegaba un nuevo periodo al mercado que requería abordar cambios, propiciados por el propio consejero delegado de la entidad, Víctor Iglesias, que planteó una nueva estructura de dirección para dar respuesta a la estrategia que se iba a abordar “porque en Ibercaja no hacemos ‘personigramas’, sino organigramas que dan respuesta a la estrategia de cada momento”, matiza Torre.

Los cambios se materializaron en 2024, entre otras acciones, en la creación de tres direcciones generales: una Dirección de Negocio Minorista, para establecer e implementar la estrategia comercial para banca de particulares, banca personal y privada, autónomos, comercios, microempresas e instituciones; una Dirección de Negocio de Pagos y Consumo, que engloba las operaciones y la financiación de pagos, las actividades de financiación al consumo y de renting y nuevas funcionalidades de valor añadido y que se creó combinando los equipos de comercial y marketing, porque el objetivo era “poner al cliente en el centro”; y la Dirección de Estrategia, Transformación y Dato, que lidera el propio Torre, que recaló en esta tras liderar, los anteriores siete años la estrategia de marketing de la entidad, encargada de desarrollar las capacidades competitivas a futuro del banco y de impulsar su transformación e innovación.

“La dirección de Estrategia, Transformación y Dato integra tres equipos que antes funcionaban de forma separada pero que es preciso que estén alineados y que trabajen con un foco claro”, expone Torre. La estrategia, añade, “es hacia dónde camina el banco”; la transformación abarca “los proyectos (más de 300) y los procesos en los que se trabaja para hacer realidad la primera”; y la última parte, que engloba el dato y su gobernanza, incluye también las competencias en innovación, donde se enmarca la inteligencia artificial y las alianzas estratégicas “porque en Ibercaja tenemos una fuerte creencia, muy profunda, en que saber colaborar y querer colaborar es fuente de ventaja competitiva. Y lo practicamos”.

El propósito último de esta Dirección que emplea directamente a unas 50 personas es “ser un facilitador de la consecución de los objetivos a las direcciones de negocio y a las áreas de soporte al negocio”.

Relación con el CIO y el área de TI

Preguntado por la relación que mantiene con el CIO de Ibercaja, al ser la tecnología un elemento claro del impulso de transformación del banco y al estar el área de innovación y datos tan imbricada con las TI, Torre contesta: “En Ibercaja tenemos una fuerte cultura de colaboración y, en concreto, la relación que mantenemos el CIO, Leandro Hermida, y yo es extraordinaria. Todos entendemos que a quien servimos es al cliente y al negocio”.

Además, añade, “en el área de Estrategia, Transformación y Dato somos agnósticos de la tecnología que se utiliza. El CIO es quien toma estas decisiones. Es decir, es él quien decide si es mejor adoptar una solución de cloud u otra, por ejemplo. De hecho, en la actualidad está inmerso en el desafío de abordar toda la transformación tecnológica de la entidad. Lo que yo tengo claro es la estrategia del banco, qué proyectos y procesos son relevantes para hacerla realidad y cuál es la estrategia de gobierno del dato a seguir”.

¿Dónde se centra entonces la colaboración fundamental entre la Dirección de Estrategia, Transformación y Dato y la de TI? “Las áreas de negocio y de soporte a negocio nos remiten sus peticiones, que convertimos en proyectos. Entonces hablamos con tecnología para ver si estas iniciativas encajan con la transformación tecnológica que se está acometiendo en el core bancario. Porque puede ocurrir que propongamos un caso de uso para un segmento de cliente en una tecnología que se quiere descontinuar o en otra que no esté lo suficientemente madura”, desgrana Torre.

Adopción de la IA y cambio cultural

En una organización de casi 150 años, adoptar una tecnología como la inteligencia artificial es todo un reto, según Torre, que tiene el cometido de afrontar cómo extraer valor de esta tecnología. “En tres años queremos alcanzar el suficiente entendimiento sobre la oportunidad que representa la IA para Ibercaja y, en el caso de que exista un valor neto claro, crear las capacidades suficientes para explotarla a partir de 2027”.

Para ello, indica, en la actualidad el banco está inmerso en poner en marcha pilotos y primeros casos productivos. En 2024, cuenta, abordaron un proyecto para definir cuál va a ser su estrategia y el modelo operativo y de gobierno para emprender proyectos de inteligencia artificial. “Tenemos que tener muy en cuenta el marco regulatorio”, subraya, explicando que crearán un laboratorio interno, “una especie de chatbot” propio para realizar casos de uso; “vamos a dotar de recursos a una oficina de IA y analizar qué capacidad extendida necesitaremos de manos de los socios”, añade.

Asegura que la entidad ya ha montado ocho casos, cinco con Copilot y otros tres casos más específicos. De estos últimos, Torre destaca uno relativo a la traducción de contratos de asesoría jurídica al lenguaje B2, es decir, un español sencillo, acorde con la Ley de Accesibilidad. “El sistema que hemos desarrollado y entrenado nosotros internamente es mucho más económico (cinco veces menos) a algunos despachos expertos en esta práctica, además de más rápido y más flexible”.

“[En IA] la estrategia es desplegar soluciones que resuelvan los problemas diarios que los usuarios afrontan en su vida real, no desplegar licencias. Al usuario le tiene que dar igual si la tecnología que se le proporciona es un Copilot, magia o una funcionalidad de Excel”

Ya este año, cuenta el directivo, Ibercaja ha creado una comunidad de usuarios de Copilot de mayor tamaño para seguir analizando el valor real que aporta esta IA generativa a cada empleado en términos de productividad, colaboración y eficacia, “pero todo en base a casos de uso; no queremos adoptar esta tecnología porque sí, sólo para decir al mercado que ahora tenemos miles de licencias de IA generativa. De hecho, en la actualidad tendremos unos 100 usuarios en esta comunidad de Copilot y otros tantos beneficiándose de los sistemas específicos. ¿Podríamos correr más? Quizá sí pero, ¿nuestro deseo es hacerlo? No en este momento”.

La estrategia, insiste, es “desplegar soluciones que resuelvan los problemas diarios que los usuarios afrontan en su vida real, no desplegar licencias. Al usuario le tiene que dar igual si la tecnología que se le proporciona es un Copilot, magia o una funcionalidad de Excel. Lo relevante es la mejora en productividad que esto conlleve”.

Preocupaciones y retos de abrazar la IA

Torre es muy consciente de que cuando haya un despliegue masivo de soluciones de inteligencia artificial en el mercado, esto va a conllevar un coste relevante para las empresas. “Hay un coste de licenciamiento, de consumo de capacidad de cómputo y de mantenimiento, además de otros añadidos como los aspectos de seguridad e identidad, temas de datos… Los gastos van a ser razonablemente ciertos. Los retornos pueden ser también relevantes, pero hay que cuantificarlos y hacer los casos de negocio”.

Les preocupa, reconoce, la incertidumbre que existe sobre los costes de la IA. “Pensamos que los modelos de negocio que hay detrás de las soluciones de IA de las tecnológicas aún no se han asentado; aún se están redefiniendo”.

Otra preocupación es el uso de la IA sin control por parte de los empleados, el llamado ‘shadow AI’. “Esto no es nuevo, aunque ahora se aplique a la IA. Ha ocurrido en el pasado con las soluciones de colaboración, por poner un ejemplo, o el uso de dispositivos personales. La respuesta de las empresas debe ser la formación y sensibilización sobre los riesgos que entraña utilizar herramientas externas a la política de la empresa sin un control y eso es algo que solemos hacer nosotros”.

Para evitar el ‘shadow AI’ también es importante, agrega, “compartir con toda organización de manera transparente a qué ritmo se quiere ir en esto de la IA y cuál es la estrategia”. Preguntado por la potencial reducción de puestos de trabajo que puede conllevar la adopción de la IA, Torre es rotundo: “Yo pienso que no, y es una opinión compartida por todo el equipo directivo. Gracias a las soluciones de inteligencia artificial podemos alcanzar una mayor productividad y eficacia, pero esto no tiene por qué llevarnos inequívocamente a menos gente. Sí creemos que se transformarán algunos puestos y funciones, sobre todo los de carácter más administrativos, aunque en Ibercaja de estos quedan muy pocos. Diría que, en general, en las entidades financieras y en particular en Ibercaja, apenas quedan puestos en los que o la creatividad, la empatía o la experiencia, es decir, el toque humano, no sean críticos porque más del 85% de los compañeros trabajan atendiendo a los clientes”.

Torre asegura que, al ser un sector muy regulado, no le cuesta adoptar la profusa normativa que ha llegado en los últimos años de la UE, como Dora o la Ley de IA, por ejemplo. “Vemos que, con sus iniciativas, la UE quiere equilibrar de manera muy razonable la protección de los derechos de los ciudadanos con la competitividad de las empresas europeas o las que operan en Europa. Nosotros lo vemos de forma positiva”. Cree que la banca, de hecho, no estará en el foco del uso de la IA, al contrario que otros como el gran consumo.

Un ‘smart follower’ con foco en la innovación

Torre resalta que, en materia tecnológica, Ibercaja camina con pies de plomo. “Nosotros no tenemos una estrategia de pioneros, como nuestro compañero de sector BBVA, que ha definido una extraordinaria estrategia para ser el líder tecnológico y digital de banca a nivel global. Este banco sí tiene que estar en la frontera de la innovación y apostar por todo, incluso aunque no salga bien, pues le compensa por posicionamiento en marketing. Pero no es nuestro caso”.

Ibercaja, dice, tiene una estrategia de ‘smart follower’ basada en ir adoptando lo que el cliente necesita, “sea esto la banca móvil, la IA o volver a las señales de humo. Preferimos ver qué se consolida tecnológicamente y qué valor real podemos aportar a nuestros clientes sobre esa base”.

El riesgo de esta estrategia, reconoce, es quedarse atrás. Para evitarlo en la compañía han emprendido iniciativas como los observatorios de ética e IA responsable y la práctica de innovación de Krea, “donde se investiga a fondo las soluciones de IA que se están implantando a nivel global, tanto en empresas de todo tipo como en banca en particular para identificar oportunidades de innovación y después convertirlas en proyectos (que llamamos cápsulas) que más tarde, si tiene sentido, pasamos a productivo. Este comité de innovación lo preside el propio consejero delegado de Ibercaja”.

El papel de las alianzas y la colaboración

Una de las alianzas más longevas del banco, además de la que tiene (más ligada al negocio) con la aseguradora Caser, es la que mantiene con Microsoft desde 2016, su socio tecnológico y destacado jugador en el ámbito de la inteligencia artificial. “Ibercaja no es el cliente que más facturación aporta a Microsoft, pero sí es uno de los clientes que más oportunidades le ofrece para poner en valor su propuesta porque en el mundo hay muchas más ‘Ibercajas’. Les gustó nuestra estrategia y nuestro modelo de banca minorista claro y también la determinación para hacer cosas”.

Por parte de Ibercaja, según el portavoz, tener a Microsoft como socio supone “un aprendizaje continuo muy valioso”. “Además, Microsoft en ningún momento ha cuestionado nuestra estrategia, ni nuestro modelo de banca minorista ni nunca ha pretendido decirnos qué hay que hacer. Simplemente se ha comprometido a ayudarnos a llegar más lejos y más deprisa, a ser más ambiciosos y a impactar más en el cliente”, añade.

Pero la del gigante de Redmond no es la única alianza tecnológica forjada por el banco en los últimos años. “También hemos establecido alianzas con Avanade, Fujitsu, NTT, Hiberus… Colaborar es clave; quien piense en el siglo XXI que se puede hacer todo solo y en todo momento se estrellará.

Preguntado por la relación entre Ibercaja y AWS, el gran hiperescalar de la industria de TI –rival, de hecho, de Microsoft en este ámbito– que cuenta con una fuerte presencia en Aragón, donde ha abierto su región cloud y está desplegando centros de datos, Torre desvela que el banco está trabajando ya en forjar otras alianzas con esta multinacional. “Aunque tenemos una alianza estratégica con Microsoft desde 2016, desde la llegada de AWS a Aragón hemos tendido varios lazos con esta compañía y viceversa, porque estamos observando que su compromiso con el desarrollo del territorio que compartimos, que es Aragón, está muy en línea con el nuestro; ya hemos encontrado varios puntos de colaboración que están haciendo que AWS también sea un colaborador relevante para nosotros”, argumenta.

“Creo que podemos combinar la colaboración con Microsoft y AWS que, por otro lado, también están compartiendo territorio en Aragón”

Interpelado en concreto por los puntos de colaboración con AWS, Torre responde: “Aún no puedo contarlo, pero creo que podemos combinar la colaboración con Microsoft y AWS que, por otro lado, también están compartiendo territorio en Aragón. Hoy hemos presentado una iniciativa en colaboración con el Gobierno de Aragón y Microsoft, pero también tendremos otras entre Ibercaja y AWS. En Ibercaja siempre hemos sabido crear ecosistemas de colaboración y seguiremos haciéndolo. Nuestra idiosincrasia es muy aragonesa y Aragón es un territorio de entendimiento, concordia, pactos… algo que se puede ver en el panorama político, empresarial y social”.

Respecto al momento dulce de esta comunidad con el establecimiento de múltiples tecnológicas en este territorio, Torre argumenta que este escenario es fruto de “la gran certidumbre que ofrecen las instituciones. Esto es lo que más está gustando a las grandes empresas tecnológicas. Es cierto que Aragón tiene extensión territorial, energía renovable, recursos hídricos… pero no vienen solo por eso, sino porque tenemos unas instituciones que proporcionan certidumbre jurídica, entendimiento y facilidades para su implantación”.

“No hemos visto la entrada de las tecnológicas en los servicios financieros; nadie daría a Meta o Google el dinero que está guardando para los estudios de sus hijos”

Futuro

¿Cómo será la banca del futuro con la ola de disrupción digital que viene? Según Torre, “en realidad, aunque parece lo contrario, en el mundo de la banca los cambios se suceden despacio, mucho más de lo que pudiéramos imaginar jamás, quizás por el negocio al que nos dedicamos y por el factor de confianza de los clientes que lleva implícito. Por eso no hemos visto la entrada de las tecnológicas en los servicios financieros; nadie daría a Meta o Google el dinero que está guardando para los estudios de sus hijos”.

Es más, asegura, “transcurrida una década desde que empezó el movimiento ‘fintech’, al final no ha sido tan fácil que estas empresas entren en el mundo banca; esto se debe a que está muy supervisado y muy regulado y a que las rentabilidades del sector son muy estrechas en Europa. Al final, no ha sido un negocio tan apetecible como podía aparecer: es un negocio de céntimos y es difícil escalar. Dicho esto, sí ha habido algunos verticales, como el crédito al consumo, donde estas empresas –ya sean fintech, neobancos o grandes tecnológicas– sí han conseguido meter cabeza y lo están haciendo muy bien”.

De hecho, recuerda, la Dirección de Negocio de Pagos y Consumo, que lidera su excompañero del área de marketing Víctor Royo, persigue buscar este tipo de fuentes de colaboración. “De aquí surgió precisamente nuestra compra de la plataforma tecnológica del neobanco Orange Bank, gracias a la que nos hemos quedado con una plataforma tecnológica muy interesante, basada en Mambu y, lo que es más importante, con las más de 40 personas que la operaban; un movimiento que nos ha permitido acelerar toda nuestra estrategia en el ámbito del crédito al consumo un montón de años”.

En definitiva, concluye, la perspectiva de Ibercaja “sigue siendo la de siempre”: poner a las personas en el centro, clientes a los que habrá que dar servicio de muy distinta maneras, sea presencial o no. “Para aquello que el usuario, ya sea un particular o una empresa, considere que puede autogestionar, demandará más soluciones: omnicanales, sencillas, semiautomatizadas… A lo mejor ahí la inteligencia artificial y los agentes tendrán un papel. No obstante, las relaciones directas entre personas seguirán siendo fundamentales”.

Nadie duda de que la IA es toda una bendición para el análisis de datos. A los profesionales les permite automatizar tareas rutinarias tales como el procesamiento de datos y la detección de anomalías, a la para que las grandes operaciones matemáticas son cuestión de segundos. Como resultado, tienen acceso a la información más rápido que nunca, y el ciclo tradicional de toma de decisiones se ha reducido de semanas a segundos gracias a los conocimientos impulsados por la IA. Eso ha llevado a Gartner a predecir que el 50% de las decisiones empresariales serán automatizadas por agentes de IA o incrementarán si número para 2027.

Una maravilla de acceso sí, pero que también crea expectativas sobre el ritmo de la toma de decisiones y aumenta el riesgo de pasar por alto aspectos clave en el camino. Algo así le ha pasado por la cabeza a Satpal Chana, subdirector de análisis de datos de Visit Britain, una organización que utiliza la tecnología de Databricks y la IA para analizar la opinión, las tendencias de viaje y el turismo en el Reino Unido.

 “Toda esta tecnología pone la información en manos de los responsables de la toma de decisiones mucho antes de lo que nunca habían tenido, lo que da lugar a un debate interesante porque ahora sienten que tienen que pensar las cosas.”. El resultado es que “hay mucha información, pero ¿es demasiada?”.

Jakob Rissmann, responsable principal de productos de servicios de datos en la empresa de transporte FlixBus, también reconoce la magnitud del problema. Como ejemplo pone una conversación reciente con uno de los científicos de datos de su empresa en la que hablaron de los retos que plantea confiar en los resultados, antes de plantear una pregunta retórica sobre la explotación de la IA.

“Me preguntó si deberíamos hacerlo menos, lo pensé y le respondí: “Nunca había pensado en eso”, afirma. “Normalmente, la tendencia es la contraria y todo gira en torno a cómo podemos utilizar más la IA”, añade.

Independientemente de la cantidad de uso, las pruebas hasta ahora apuntan sin duda a una inversión cada vez mayor en IA. Gartner también predijo recientemente que el gasto mundial en IA general aumentará más del 76% este año hasta alcanzar los 644.000 millones de dólares, lo que indica que se avecina un momento en el que la IA será aún más integral para las operaciones empresariales y los productos de consumo de lo que ya lo es.

Sin embargo, seguir invirtiendo en tecnología no es una decisión que garantice el éxito. Mientras que el Índice de Madurez de los Datos anual de Carruthers y Jackson reveló que el 68% de los líderes digitales cree que la tecnología de sus organizaciones apoya de forma abrumadora o mayoritaria el uso de datos, por el contrario casi un tercio de los CDO afirmó que lo dificulta.

 La directora general de la consultora, Caroline Carruthers, afirma que invertir en IA es sólo el punto de partida. “La mayoría de los líderes empresariales con los que hablo ven la conexión entre la IA y los datos. Están entusiasmados con estos avances, pero también reconocen que su negocio necesita alimentar estas tecnologías con los elementos adecuados. Existe un reconocimiento cada vez mayor de que otras cuestiones, como la gobernanza de los datos y su gestión, son importantes”.

Establecer expectativas para el aprovechamiento de la IA

La formación es esencial, y hay que hacerla bien. Mientras las empresas siguen invirtiendo en IA, herramientas como ChatGPT y Gemini son probadas gratuitamente por los empleados en sus casas.

Amit Patel, director de digitalización de banca mayorista de Truist, que participó en una mesa redonda en la reciente Snowflake Summit celebrada en San Francisco, afirma que es probable que los líderes digitales se encuentren con usuarios testigos del rápido ritmo de cambio fuera del trabajo, y que ahora se sienten frustrados por la lentitud de la transformación empresarial.

En dicho evento reconoció que “la facilidad con la que se pueden utilizar estos grandes modelos de lenguaje en la vida personal ha influido en la percepción de la rapidez con la que la gente cree que se deberían poder implementar en un entorno empresarial. Creo que hay un proceso educativo que dice que no se puede encender la IA sin más, apuntarla a una base de datos o una aplicación y generar respuestas al día siguiente”.

Patel dice encontrarse habitualmente con empleados que esperan que las herramientas de IA sean accesibles y estén disponibles. Sin embargo, los departamentos de TI existen por una razón: garantizar que las nuevas tecnologías se adopten de forma segura. Por eso cree que los directores de informática deben colaborar con los socios comerciales para establecer expectativas y garantizar que los empleados comprendan que cualquier uso de las herramientas de IA cumple con las políticas de la empresa y las normas y regulaciones del sector.

Rissmann, de FlixBus, también reconoce los retos que plantea la implementación de nuevas tecnologías en un entorno empresarial y la importancia de la formación. Sugiere que la introducción de la IA en una empresa debe implicar un proceso bien ensayado con cada innovación. «Al principio desborda, pero luego, como sociedad, aprendemos a utilizarla correctamente y también sabemos dónde puede ser peligrosa. Ese proceso se lleva a cabo a través de la formación, utilizando estas tecnologías y comprendiéndolas”.

De ahí que recomiende que las personas deben tomar sus propias decisiones informadas sobre dónde quieren utilizar la IA y dónde no.

El mensaje que se desprende de los debates con los líderes digitales es que el aprovechamiento de la información generada a través de la IA implica matices. Es una evidencia: los empleados están ansiosos por utilizar herramientas que puedan generar respuestas rápidas a preguntas difíciles. Sin embargo, el papel de los CIO en este equilibrio consiste en ayudar a garantizar que la información generada por la IA se aplique en los lugares más adecuados para crear el máximo valor empresarial.

Precisamente es el enfoque que está adoptando Antony Hausdoerfer, director de informática del grupo británico especializado en asistencia en carretera The AA. Hausdoerfer está impulsando un programa de transformación digital en el que colabora con socios clave como Ericsson y Vixa, el asistente para el mantenimiento de vehículos de la empresa, con el fin de ofrecer servicios basados en datos. Su experiencia le lleva a sugerir que los directores de informática deben adoptar un enfoque específico.

Lo que le da pie a reconocer: “No creo que haya que temer a la IA, porque es probable que la tecnología nos proporcione más información que nunca”. No obstante, en su opinión “el éxito está relacionado con la forma en que se toma esa información y se convierte en una decisión significativa, de modo que se sea coherente. Ese proceso tiene que ver con cómo los datos contribuyen a ese tipo de toma de decisiones, en lugar de limitarse a pasar constantemente de una cosa a otra”.

Adoptar una actitud estratégica hacia la información

Se trata de un enfoque específico que será la clave del éxito para los CIO que quieran ayudar a sus empresas a convertir la información en decisiones innovadoras. Como tantos otros, el CIO global de HPE, Rom Kosla, comprende la magnitud de ese reto. Se refiere a la IA como un igualador, ya que los empleados de todas las empresas puede acceder con facilidad a herramientas enormemente potentes.

A su juicio, “el conocimiento estará en todas partes y se convertirá en un producto muy básico, pero es necesario mantener los derechos de decisión. Creo que, aunque ahora dispongamos de sistemas de IA con capacidad de agencia, sigue siendo necesario que existan derechos de decisión sobre lo que pueden y no pueden hacer. No veo todavía claro cómo se definen esas barreras de protección”.

Ya hay organizaciones lidiando con ello. De todas formas, Mikko Jarva, director de Cartera y Arquitectura de Nokia, está dando pasos de gigante al ayudar a desarrollar API de red que aportan capacidades de red móvil a áreas pioneras del transporte, como los coches autónomos, los robotaxis y los vuelos con drones.

Jarva y su equipo han combinado Snowflake AI Data Cloud con la plataforma Network as Code de Nokia para crear un algoritmo de ruta óptima que predice los KPI de red relevantes, lo que garantiza que los vehículos autónomos dispongan de una conectividad de alta calidad. De ahí que esté deseando establecer las barreras de seguridad para investigar cómo la IA puede ayudar a mejorar aún más los procesos operativos.

Incluso afirma que “estamos explorando el uso de herramientas generativas conectadas a nuestros datos. Podríamos utilizar esa tecnología para ayudar a plantear preguntas a nivel empresarial y, a continuación, obtener la información adecuada para ver qué cambios hay que optimizar. Por lo tanto, consideramos que las herramientas de IA son una interfaz que simplifica el acceso a los datos y los hace más comprensibles y fáciles de entender”.

Hacer que los datos trabajen para usted

Vivek Bharadwaj, CIO del fabricante de ropa Happy Socks, sugiere que una de las cosas clave que los CIO deben priorizar al explorar sus opciones es un proceso para encontrar una aguja en el pajar de información que bombardea a las empresas modernas. Su mantra es no hacer datos por hacer datos; y aconseja a otros líderes empresariales que sean claros sobre sus objetivos.

“Hay que pensar en cómo los datos conducen a los conocimientos que se están creando y qué tipo de conocimientos conducen a una acción concreta que se quiere llevar a cabo—desarrolla su explicación—. Entonces, el éxito consiste en pasar de los datos a los conocimientos y de éstos a la acción, donde ésta impulsa el tipo de datos que se recopilan y analizan, y cómo se dirige la estrategia”.

Richard Masters, vicepresidente de datos e inteligencia artificial de Virgin Atlantic, es otro líder digital centrado en la creación de una estrategia de datos. Virgin utiliza Unity Catalog de Databricks para reunir fuentes dispares y crear una ubicación centralizada para la información que alimenta la toma de decisiones basada en la IA de la empresa.

Reconoce la importancia de establecer las expectativas de los empleados con estas palabras: “El mayor reto al que nos enfrentamos es que, en algunas áreas, se puede obtener la información rápidamente, pero aún es necesario modelar esos datos y añadirles semántica para establecer el contenido. Algunos datos pueden requerir un poco más de trabajo antes de estar listos”.

Al igual que otros líderes digitales, Masters recomienda formar a los empleados sobre el equilibrio adecuado entre el aprovechamiento de la IA y el respeto de los marcos de gobernanza. En Virgin, aquéllos ya mejoran los procesos operativos y perfeccionan los servicios al cliente con la información obtenida de los datos. Ahora, la prioridad es ayudarlos a sacar aún más partido a la información.

“Los analistas de datos tienen ahora acceso a una gran cantidad de información gracias a los procesos y la gobernanza adecuados. Pueden empezar a sentir curiosidad mientras sus responsables estudian los siguientes pasos a seguir. La toma de decisiones eficaz basada en la IA crea un ciclo de curiosidad muy positivo en todos los equipos”, dice Masters para concluir.

Como sabe cualquier director de TI, el ritmo del cambio tecnológico lleva años en alza. El resultado ha sido una avalancha de tecnologías nuevas y transformadoras que llegan rápidamente al mercado y mejoras casi constantes de la tecnología existente.

Con la inteligencia artificial y la robótica convirtiéndose en algo habitual a un ritmo vertiginoso y la informática cuántica acercándose al uso comercial, es fácil entusiasmarse con todos los avances; no obstante, los CIO reconocen que muchas tecnologías no están aportando los beneficios esperados, al menos por ahora. Se trata de una tendencia típica, en la que las expectativas de una tecnología superan lo que realmente puede hacer en este momento. El ciclo de ‘hype’ de Gartner denomina a esta etapa el “pico de expectativas infladas”, que se produce justo antes de que llegue la desilusión.

“Cada tecnología innovadora ofrece un potencial. En torno a ese potencial se genera un entusiasmo inicial a medida que la tecnología pasa por un ciclo de madurez, usos aplicados iniciales, desarrollo técnico, errores, medidas de retorno de la inversión y, finalmente, una adopción más amplia y la integración en los usos empresariales”, afirma Karen Campbell, directora de informática del bufete de abogados Foley Hoag, subrayando que expresa su opinión personal y no la de la empresa.

Los directores de TI suelen estar en primera línea de todo esto. O bien se dejan llevar por el entusiasmo o bien tienen que gestionar las expectativas cuando los planes esperados superan la realidad. “Es importante adoptar una perspectiva realista de las capacidades de la tecnología, sopesándolas con los matices”, afirma Campbell.

Hay muchos factores que contribuyen a inflar las expectativas. Algunas tecnologías alcanzan un estatus de sobrevaloración cuando sus capacidades reales no están a la altura de lo que los usuarios esperan de ellas. Otras llegan a ese punto cuando se necesita demasiado tiempo, esfuerzo y dinero para que alcancen su máximo potencial.

Hemos preguntado a responsables de TI qué creen que está sobrevalorado hoy en día y esto es lo que nos han respondido.

1. IA generativa

Los CIO vuelven a citar la IA generativa como una tecnología sobrevalorada, lo que la convierte en el tercer año consecutivo en que ésta aparece en esta lista. Las fuentes coinciden casi unánimemente en que las expectativas respecto a la IA generativa superan lo que realmente es capaz de hacer —y de hacer bien— en este momento.

Campbell señala los retos que plantea el uso de la IA generativa en su campo como ejemplo, y señala que “la preocupación específica en torno a la sustitución a gran escala de los abogados por tecnologías de IA generativa está sobrevalorada hoy en día, dado el estado actual de las capacidades técnicas”. “La IA generativa tiene un gran potencial en las operaciones de las empresas y los servicios aumentados relacionados con la práctica del derecho”, afirma. “Existen oportunidades para mejorar la productividad, optimizar los procesos operativos y los procesos relacionados con la práctica jurídica, y mejorar los resultados y la experiencia de los clientes. También hay oportunidades para explorar nuevas vías de ingresos y reducir los costes operativos mediante la automatización. Sin embargo, el estado actual de la tecnología de IA generativa tal y como se utiliza en la práctica del derecho aún se enfrenta a algunos retos. Sigue habiendo dudas sobre la precisión de los resultados y la inversión de tiempo que deben dedicar los profesionales jurídicos y empresariales para verificar y equilibrar los resultados con su experiencia”.

Según la empresa de investigación IDC, casi nueve de cada diez proyectos piloto de IA generativa no llegan a la fase de producción, por lo que no es de extrañar que los directores de informática estén reorientando cada vez más sus estrategias en torno a esta tecnología hacia soluciones prácticas en lugar de hacia la experimentación. Sin embargo, la falta de métricas de éxito sigue afectando a los resultados, y el estado actual de la tecnología está empezando a moderar las expectativas.

2. IA agentiva

Otros dicen que la IA agentiva también está sobrevalorada y citan muchas de las mismas razones que Campbell da para incluir la IA generativa en esta lista. Dhaval Moogimane, líder del área de alta tecnología y software de West Monroe, una empresa de servicios digitales, dice lo siguiente sobre la IA agentiva: “Creo que esta es transformadora, pero va a llevar más tiempo del que la gente cree que los agentes trabajen con otros agentes. Vamos a ver mucha innovación por parte de las empresas tecnológicas y los proveedores de software, pero el mundo que se imagina, en el que los agentes trabajan con otros agentes sin intervención humana, está más lejos de lo previsto”.

No es el único que piensa así. La empresa de investigación Gartner predijo en junio de 2025 que más del 40% de los proyectos de IA agentiva se cancelarán a finales de 2027 “debido al aumento de los costes, la falta de claridad sobre el valor empresarial o los controles de riesgo inadecuados”.

“La mayoría de los proyectos de IA agentiva actuales son experimentos en fase inicial o pruebas de concepto impulsados principalmente por el bombo publicitario y que a menudo se aplican de forma incorrecta”, explica Anushree Verma, directora sénior de análisis de Gartner, en un comunicado de prensa. “Esto puede impedir que las organizaciones vean el coste real y la complejidad de implementar agentes de IA a gran escala, lo que retrasa la puesta en marcha de los proyectos. Necesitan superar el bombo publicitario para tomar decisiones cuidadosas y estratégicas sobre dónde y cómo aplicar esta tecnología emergente”.

Además, Gartner afirma en ese mismo comunicado que “muchos proveedores están contribuyendo al bombo publicitario mediante el ‘lavado de agentes’, es decir, el cambio de marca de productos existentes, como los asistentes de IA, la automatización robótica de procesos (RPA) y los chatbots, sin capacidades agenticas sustanciales”, y “estima que solo unos 130 de los miles de proveedores de IA agentica son reales”.

Lo que no ayuda es la falta de una definición estándar de lo que constituye un agente de IA. Los directores de informática tendrán que aprender en qué se diferencian los agentes de IA y la IA con capacidad agentiva, así como determinar si un proceso empresarial es un buen candidato para la IA con capacidad de agencia, con el fin de aprovechar los primeros casos de uso prometedores.

3. Empleados digitales

En un informe relacionado, Yugal Joshi, socio de la empresa de investigación y consultoría Everest Group, considera que los empleados digitales son una tecnología sobrevalorada. “Estamos haciendo un acto de fe al llamar ‘empleados digitales’ a los agentes simples, que son chatbots o agentes de flujo de trabajo envueltos en LLM. Aunque el concepto tiene mérito y es revolucionario, estamos lejos de conseguir un verdadero empleado digital. De manera similar, los agentes de propósito general también han sido muy promocionados. Se supone que estos deben realizar múltiples tipos de tareas con agencia y autonomía. Pero actualmente contamos con agentes específicos para cada tarea, y parece que la industria se está moviendo en esa dirección. Los agentes de propósito general serán más bien coordinadores múltiples que agentes independientes por sí mismos».

Así pues, aunque Microsoft predijo recientemente que los empleados digitales en forma de agentes de IA pronto darán un vuelco a los organigramas, anunciando el nuevo papel de ‘jefe agente’ para supervisar equipos formados por personas y empleados digitales de IA, es probable que ese futuro esté más lejos de lo que se anuncia.

4. AIOps y observabilidad

Esta es otra entrada de IA que debuta en la lista este año. AIOps es una disciplina emergente en la que los sistemas de IA no solo ayudan a identificar problemas en la infraestructura operativa, sino que reaccionan de forma inteligente a los eventos para mitigarlos.

“La promesa de AIOps, combinada con la observabilidad que ejecuta operaciones autogestionadas a través de mejores enlaces de datos y conocimientos, no se ha materializado”, dice Joshi. “El excesivo ruido en torno a estas herramientas, combinado con telemetría irrelevante, ha supuesto un gran obstáculo. Se ha dedicado mucho tiempo a clasificar y comprender, en lugar de responder a las empresas. A medida que los agentes de IA se multiplican, estas plataformas también cubrirán la observabilidad de los agentes, lo que puede hacer que las cosas sean aún más difíciles”.

5. La IA en general

Algunos consideran que la IA en general es una tecnología sobrevalorada. Al igual que ocurre con la vertiente generativa, los CIO creen que ésta merece esta calificación porque, en este momento, las expectativas superan a la realidad. “Hay tanta desinformación e información malinterpretada que la IA ha terminado en mi lista de tecnologías sobrevaloradas”, afirma Drew DeNardo, que como director técnico supervisa las operaciones de TI en la empresa de atención virtual JOGO Health. “Sí, es una tecnología muy transformadora, pero la gente cree que va a resolver mágicamente todos sus problemas. Creen que pueden introducir la IA en el ecosistema y todos los problemas de la empresa se resolverán”.

Los líderes tecnológicos saben que la realidad es muy diferente, afirma. “Hay que ser prudente y reflexivo, y las empresas que utilizan la IA para ampliar y complementar sus equipos, para potenciarlos y hacerlos más productivos son las que tendrán éxito, mientras que aquellas que piensan que pueden utilizar la IA para reducir personal, las empresas que han probado ese enfoque, están fracasando estrepitosamente”.

Aun así, la IA está empezando a remodelar el panorama laboral, y los consejos de administración de las empresas presionan cada vez más a los directores generales para que reduzcan la plantilla en favor de la IA.

6. Computación cuántica

Sí, los líderes de TI reconocen el potencial de la computación cuántica, que utiliza los principios de la mecánica cuántica para realizar cálculos y, como resultado, es exponencialmente más rápida y potente que la clase actual de ordenadores. Pero también afirman que la computación cuántica aún está más lejos en el futuro de lo que sugiere el bombo publicitario, lo que la sitúa de nuevo en esta lista este año.

“Hemos dado algunos pasos importantes, pero la computación cuántica no va a tener un impacto significativo en nosotros a corto plazo”, afirma Brendan Arbuckle, director de informática de The Jackson Laboratories. Dicho esto, Arbuckle, al igual que otros líderes tecnológicos, ve avances cuánticos en el horizonte y cree que los directores de informática deben planificar un mundo poscuántico, especialmente en lo que respecta al cifrado. Sin embargo, no ve la necesidad de planes concretos para poner en práctica la computación cuántica en los flujos de trabajo empresariales en los próximos años.

7. Metaverso, RA/RV/XR y computación espacial

Esta es otra categoría tecnológica que vuelve a aparecer en la lista anual de tecnologías sobrevaloradas. Los analistas y los líderes de TI coinciden en que las expectativas sobre la computación espacial —ya sea realidad aumentada, realidad virtual, realidad extendida o el metaverso— siguen superando su valor a pesar de los avances logrados en los últimos años. “El metaverso, la tecnología espacial, la RA/RV… nada de eso ha despegado realmente”, afirma Moogimane, de West Monroe.

Sin embargo, no descarta por completo el valor de estas tecnologías: al igual que otras tecnologías que ahora se consideran sobrevaloradas, la computación espacial tiene un gran potencial, pero se necesitará mucho tiempo e inversión para cosechar los beneficios que podría producir. “Cualquier cambio tecnológico importante que requiera un cambio en la forma de trabajar, que requiera diferentes formas de participación y diferentes flujos de trabajo, tarda más tiempo en ser adoptado por las personas”, afirma Moogimane. “Por lo tanto, creo que las expectativas respecto a esta tecnología son correctas, pero llevará más tiempo de lo previsto alcanzarlas”.

Joshi, de Everest Group, tiene una opinión similar y cita específicamente el metaverso industrial como un caso de exageración. “Las promesas han sido mayores que las implementaciones reales”, recalca. Joshi cree que hay casos de uso claros, como el diseño y el mantenimiento de plantas de producción, con gemelos digitales de dispositivos de alta gama, y la formación. Sin embargo, los retos relacionados con los costes de infraestructura, la formación del personal, la interoperabilidad y la mala experiencia de usuario han lastrado su adopción.

8. Multicloud

Muchos directores de TI apuestan por el multicloud, pero Joshi afirma que pocos están obteniendo todos los beneficios que promete esta estrategia de nube. “El objetivo [de las empresas] de tener cargas de trabajo interoperables y sincronizadas de manera uniforme para las multiclouds que les permitan abordar la dependencia de un proveedor no ha funcionado”, afirma. “La mayoría de las empresas son multicloud, pero su apuesta por los proveedores de nube rara vez cambia. Tampoco interoperan necesariamente sus cargas de trabajo entre diferentes plataformas de nube”.

Así pues, aunque los directores de informática persiguen de forma más intencionada estrategias multicloud, mientras que antes muchos se encontraban en esa situación casi por casualidad, la interoperabilidad y otras cuestiones clave añaden complejidad al cálculo.

9. Vehículos eléctricos

Es cierto que no se trata de una tecnología con la que suelen trabajar los directores de informática, pero algunos la siguen incluyendo en su lista de tecnologías sobrevaloradas.

Chris Grebisz, CIO de la empresa tecnológica Welocalize, es uno de ellos. Describió cómo tuvo que averiguar cómo poner su Tesla en punto muerto cuando lo llevó al túnel de lavado por primera vez, y dijo que hay que volver a aprender acciones rutinarias con los vehículos eléctricos. Y mientras lo hace, se da cuenta de que la interfaz de usuario no es tan intuitiva como se promociona. “Es como pasar de 30 años conduciendo un coche a algo parecido a un iPad, y yo soy un tipo tecnológico. Hay que entenderlo todo. Tengo que ir a leer el manual”.

Grebisz afirma que ahora considera su Tesla un “aparato de transporte” en lugar de un coche, un cambio de mentalidad que le ayuda con la gestión del cambio necesaria al pasar de un coche convencional a un vehículo eléctrico. Señala que fue un cambio drástico, lo que sugiere que a los verdaderos nativos digitales les puede resultar más fácil dar el salto. La experiencia también le ha permitido comprender cómo se sienten los trabajadores cuando una tecnología altera los flujos de trabajo tradicionales. “Me sorprendió mucho mi experiencia. Pensé que iba a ser mucho más fácil”, añade.

10. Energía verde

David Williamson, director de informática de Abzena, una empresa de ciencias de la vida, va aún más lejos y sitúa la energía verde en la categoría de tecnologías sobrevaloradas. Para que quede claro: no está en contra. De hecho, él también tiene un Tesla y energía solar en su casa.

Son esas experiencias personales las que le han llevado a concluir que la energía verde no es la panacea que algunos prometen. Para empezar, al igual que Grebisz, descubrió que hay una curva de aprendizaje para conducir su vehículo eléctrico. “Mi mayor queja es que cambian la interfaz de usuario constantemente”, afirma, y añade que ha “visto muchos vídeos para saber qué hacer con el coche”.

También ha descubierto que tanto el calor como el frío desgastan la batería, “así que crees que tienes una autonomía determinada, pero no es así”. También ha descubierto que tanto el calor como el frío desgastan la batería, “así que crees que tienes una autonomía determinada, pero no es así”.

Ha tenido una experiencia similar con los paneles solares, y afirma que “la promesa y la realidad son diferentes”. Se ensucian y pierden eficiencia, por lo que hay que limpiarlos. Además, la diferencia entre su rendimiento en verano y en invierno es significativa. Además, hay costes inesperados, y Williamson señala que tuvo que pagar para conectarse a la red y que todavía le cobran una tarifa de entrega.

Williamson afirma que estas experiencias le recuerdan que “subestimamos el impacto de la tecnología en el individuo” y que “hay inconvenientes con las tecnologías que no se discuten”.

En el artículo anterior analizamos por qué el CIO necesita tener una posición estratégica para mantener el liderazgo y control sobre la IA generativa y los agentes. Pero antes de ser influyente, el CIO tiene que ser visible. En esta tribuna abordamos una paradoja que muchos CIO reconocen, y cómo resolverla: cuanto mejor hacen su trabajo, menos aparecen en el relato del negocio.

La paradoja del éxito silencioso

En 2013, Barclays incorporó por primera vez a su recién fichado CIO global, Shaygan Kheradpir, al comité ejecutivo con una misión clara: acelerar la transformación digital. En menos de dos años, consiguió unos resultados espectaculares. Los préstamos digitales se duplicaron y la banca móvil creció un 56%; sin embargo, cuando este salió de la institución, su nombre y contribución apenas trascendieron, comunicándose casi como una nota al margen. La tecnología se había implementado tan bien que se volvió invisible.

Una década después, esa paradoja sigue vigente. La IA generativa y los agentes han puesto al CIO en el centro de las operaciones, pero no necesariamente en el centro de las conversaciones. Según el informe State of the CIO 2025 de esta publicación (CIO.com), el 40% de los CIO de la región EMEA indica que reporta directamente al CEO, muy por debajo de la cifra global del 58%. Además, como advierte en un blog el exCIO y experto en liderazgo tecnológico Mark Settle: “En realidad, reportar directamente al CEO no siempre se traduce en una verdadera influencia política”.

En otras palabras, aunque el CIO avance en el organigrama, persiste el riesgo de que se normalice el éxito silencioso del CIO. Pero, si el relato no incluye al CIO, la organización pierde la dirección a la hora de innovar. Y el CIO, su capacidad de influencia. Por ello, este necesita saber si se está volviendo invisible.

Señales de que el CIO está perdiendo visibilidad

Un CIO no se vuelve invisible de forma repentina, se trata de un fenómeno que se cuece a fuego lento. Esto hace que no se detecte con facilidad, y pueda instalarse en la cultura de la empresa. A continuación, presentamos un conjunto de señales de una posible deriva del CIO fuera del espacio estratégico.

Una de las señales más claras se percibe cuando los proyectos estratégicos de innovación comienzan a definirse sin el CIO en la conversación. En lugar de liderar, a TI se le asigna el rol de implementar. Existen casos en empresas españolas de gran tamaño donde departamentos como Marketing, Servicio al cliente o Soporte al empleado han lanzado, incluso escalado, proyectos de IA sin involucrar a TI hasta la fase final. No obstante, el reto es global: según el estudio Inside the C-Suite llevado a cabo por Foundry en 2024, solo el 48% de los responsables tecnológicos participa activamente en la definición de oportunidades y decisiones tecnológicas.

Otra señal revela una herencia cultural que persiste en muchas organizaciones: el negocio no tiene una visión precisa de la contribución de TI. Hay una percepción de que todo funciona, o de que TI participa en muchos proyectos, pero se queda en un terreno genérico e indefinido. Incluso si se producen ganancias de productividad o mejoras en la experiencia del cliente, estas se etiquetan internamente como implementación u optimización.

En consecuencia, los resultados de negocio no se atribuyen ni conectan con el Departamento de TI. La visibilidad se la llevan las demás áreas, porque es allí donde se ve el impacto. Esto es una alerta temprana de desplazamiento del CIO, que se percibe menos como líder en la transformación y más como soporte.

Esta difusión del rol del CIO se acrecienta con la aparición gradual de roles emergentes en el organigrama, como Chief Digital Officer, Chief Data Officer o Chief AI Officer, que pueden solaparse con la función del CIO. Estos cargos nacen con una misión claramente definida: avanzar en la transformación digital, monetizar los datos o acelerar la adopción de IA generativa. Además, van acompañados de un mandato de transformación y una conexión directa con el negocio. En ese contexto, el CIO corre el riesgo de quedar asociado a una percepción más difusa, como alguien que opera en segundo plano.

Afortunadamente, el CIO puede revertir esta dinámica. Cuenta con el espacio y la capacidad para consolidarse como el referente de la estrategia tecnológica en la organización.

Recuperar el espacio de influencia

Recuperar ese espacio no depende de impulsar campañas ni reorganizaciones, sino de posicionarse. Para ello, planteamos tres líneas de acción: redefinir los indicadores, construir alianzas y liderar el relato digital.

Desarrollar KPI de negocio acompañados de relato

El primer elemento a revisar son las métricas, porque son un pilar de la visibilidad de TI en el negocio. Según el IDC CIO Sentiment Survey 2024, solo 2 de las 7 métricas principales del CIO están vinculadas a innovación o crecimiento. Hacen falta nuevos KPI, alineados con las prioridades de la dirección, como generación de ingresos, eficiencia o time-to-market.

Además, el dato por sí mismo ya no es suficiente, debe ir acompañado de un relato. Por ejemplo, un dato de disponibilidad del 99,98 % va a tener impacto si vincula con la capacidad de sostener los ingresos en picos de demanda sin interrupciones. Es esta combinación de métrica y relato la que hace visibles los resultados del CIO.

Crear alianzas con las unidades de negocio

En un momento en el que la innovación es digital, no tiene sentido que la participación del CIO se limite a la entrega de la tecnología. El verdadero valor emerge cuando el CIO se sienta con las unidades de negocio desde la fase cero de cada proyecto y cocrea las iniciativas, aportando su perspectiva completa y criterio.

Para que esto ocurra, es necesaria una evolución en la relación con las áreas de negocio, desarrollando un conocimiento mutuo y construyendo una base de confianza. Si el CIO da el primer paso de acercamiento, se abrirá de forma natural un espacio en el que será percibido como un socio estratégico.

Liderar el relato digital

El CIO no puede delegar el relato tecnológico de la organización. Cuenta con una visión transversal única que abarca los sistemas, datos y procesos. Esto le permite conectar todas las iniciativas mediante una narrativa coherente.

Esa narrativa no solo es necesaria para la dirección general. También la exigen los inversores, y la sociedad, que necesita entender unos cambios que se producen a gran velocidad. El CIO tiene una oportunidad única para proyectar el valor de TI más allá de la ejecución, y posicionar su liderazgo de pensamiento.

El contexto actual necesita que el CIO entregue algo más que resultados: le reclama una presencia visible. Si el CIO no ocupa ese espacio, se generará un vacío que ocuparán otros roles, que no cuentan con su perspectiva. El negocio necesita su papel como interlocutor estratégico para avanzar con solidez en la IA y en la economía digital.

En las próximas entregas, exploraremos con más detalle cómo construir alianzas con el negocio, desarrollar los KPI alineados con la dirección o construir la narrativa.

El autor de este artículo es Alberto Bellé, analista principal de Foundry Research

Uno de los retos de las operaciones de TI en una consultora global como Accenture es que gestiona una cartera enorme y diversa de tecnologías para impulsar su núcleo digital. Mantener y operar ese núcleo requiere desarrollar continuamente profundas capacidades que son cada vez más escasas, ya que todas las industrias compiten por un número limitado de talento.

La respuesta de Accenture es una plataforma de integración basada en IA (llamada Accenture Advanced Technology Agent o AATA), que se sitúa entre la plantilla humana de la empresa y sus plataformas tecnológicas, y que le ha valido a la empresa el premio CIO 100 Award 2025 a la excelencia en TI en Estados Unidos.

“Las operaciones de TI se ejecutan en gran medida mediante la automatización, ya sea RPA, scripts o canalizaciones CICD”, afirma Steven Courtney, director general de TI global, visión tecnológica y estrategia de Accenture. “¿No sería estupendo si pudiéramos añadir una capa de coordinación por encima de eso, como una agregación de agentes de IA, que pudiéramos aplicar a todas nuestras operaciones de TI, una por una, a medida que los agentes estuvieran disponibles?”.

El núcleo es sinónimo de eficiencia

Al igual que muchas grandes empresas, Accenture tiene un núcleo digital muy complejo que contiene una variedad de soluciones de TI que van desde arquitecturas de oficina y multicloud hasta plataformas de seguridad y estructura de datos. El núcleo digital es esencial para gestionar el negocio y permitir la rápida incorporación de tecnologías emergentes, pero las complejas cadenas de servicios y las múltiples pilas tecnológicas requieren una cantidad significativa de apoyo humano. Esto, a su vez, ha dificultado la rápida adopción de nuevas tecnologías en toda la empresa.

Para facilitar ese proceso, AATA es un sistema abierto y agnóstico con una arquitectura agentiva que permite a los equipos de TI y a los usuarios finales interactuar con el core para resolver problemas o ofrecer soluciones a los clientes sin tener que conectarse con un agente o presentar una sola solicitud.

Accenture comenzó a trabajar en AATA en 2023, empezando por un modelo arquitectónico conceptual. “Entonces empezamos a pensar en cómo la gente consumiría la tecnología para obtener valor, por lo que queríamos que se democratizara en gran medida”, afirma Courtney. “Se podría tener una capa de orquestación de estándares abiertos y una capa de avisos coherente, pero luego permitir a los equipos consumir agentes disponibles de forma nativa, conectar procesos de automatización o IA generativa existentes, o incluso crear agentes personalizados si fuera necesario”.

Algunas áreas de interés específicas para AATA incluían variaciones en la madurez de la IA. Reconociendo que no todas las organizaciones se encuentran en el mismo punto en lo que respecta a la IA, Accenture creó AATA con una arquitectura abierta y la flexibilidad de intercambiar modelos, lo que le permite mantenerse independiente de los modelos y seguir el ritmo del mercado.

También era importante la disponibilidad y la precisión de los datos. La AATA no solo tenía que rastrear los recursos y repositorios de contenido internos de Accenture, sino también ejecutar tareas basadas en la información de los sistemas activos de la empresa. Para ello era necesario un acceso seguro a los datos adecuados. El departamento de TI global de Accenture ya había creado una plataforma para reunir todos los datos empresariales de la compañía en una estructura, por lo que la AATA pudo aprovechar ese trabajo con registros comunes de datos críticos necesarios para las decisiones operativas.

AATA también admite indicaciones de audio y chat de texto integrados en las herramientas de colaboración de Accenture, con una plataforma de automatización de flujos de trabajo basada en la nube detrás de la interfaz de usuario. Esa plataforma actúa como un coordinador entre diversas tecnologías y soluciones de copiloto para recopilar datos, crear código, ejecutar procesos o proporcionar información sobre el estado en función de las necesidades operativas del usuario.

Un esfuerzo por la mejora continua

La creación de AATA no estuvo exenta de problemas. La mejora de las habilidades fue un área de interés, ya que el consumo de IA generativa requiere que los equipos de Accenture se comporten y operen de manera diferente. Pero Courtney señala que la cultura de innovación continua de la empresa significaba que la mejora de las habilidades era parte del ciclo regular de las operaciones tecnológicas. Otra área de preocupación eran los datos.

“Uno de los mayores retos que encontramos a la hora de poner esto en práctica fue el de los datos y su precisión”, afirma Courtney. “No es nada nuevo, pero es el motor de todos los problemas que se encuentran con la IA generativa y las arquitecturas agentivas”.

Señala que el marco requiere enormes cantidades de telemetría. “Teníamos que estar seguros de que toda la telemetría que se obtenía de todas nuestras plataformas de infraestructura y de algunas de nuestras plataformas de software era buena, precisa y conforme a la normativa, y de que la estábamos utilizando de forma responsable y segura”, añade Courtney.

El truco, agrega Rajendra Prasad, director de información e ingeniería de activos de Accenture, es no implementar la tecnología por el simple hecho de hacerlo. “Es necesario reinventar los procesos empresariales antes de incorporar la tecnología. Si tienes un proceso empresarial muy ineficiente, añadir tecnología agentiva muy potente a ese proceso ineficiente solo hace que tu ineficiencia funcione de forma más eficiente”.

Prasad también afirma que los directores de información deben utilizar la IA agentiva como una lente innovadora para reinventar y redefinir los procesos.

Nuevo ritmo

Hoy en día, AATA cuenta con más de 100 agentes activos, y algunos de los resultados incluyen la capacidad de facilitar la configuración de conexiones VPN con mucha mayor velocidad y precisión. La configuración de estas conexiones solía requerir 30 minutos de un ingeniero altamente cualificado, pero ahora AATA puede hacerlo en dos minutos, lo que supone una reducción de más del 93% con un menor riesgo de error. La plataforma también ayuda a los aproximadamente 800.000 empleados de Accenture en todo el mundo con la resolución de problemas. Los usuarios pueden chatear con AATA y recibir una respuesta casi inmediata, lo que facilita la resolución automática de problemas para cerrar los tickets más rápidamente. Además, los ingenieros de la nube también utilizan AATA como socio integrado.

“La adopción ha sido fantástica”, afirma Courtney. “Estamos observando un aumento de alrededor del 80% en términos de velocidad de aprovisionamiento y cambio, y la tasa de crecimiento de los agentes es de alrededor del 15% semanal en este momento. También estamos descubriendo que, a medida que la gente se acostumbra más a crear un agente en lugar de utilizar técnicas heredadas, las cosas se aceleran”.

Maribel Solanas es toda una veterana en MAPFRE, la multinacional aseguradora donde lleva trabajando desde hace más de 25 años en muchas posiciones ligadas a las tecnologías de la información. Hace cinco años a esta matemática –es Licenciada en Ciencias Exactas por la Universidad Complutense de Madrid– la nombraron CDO del grupo, es decir, máxima responsable de la estrategia de datos de este. Pero cinco años dan para mucho, sobre todo los últimos en los que, desde finales de 2022 y tras la irrupción de ChatGPT, el auge de la inteligencia artificial en sus versiones generativa y agentiva está marcando el paso a todas las empresas, también en la multinacional española, que ha abrazado el nuevo escenario sin perder de vista el foco, subraya la directiva, en las personas.

CIO ESPAÑA ha charlado con ella para conocer de primera mano el viaje en materia de gobernanza del dato que la compañía ha realizado en el último lustro y su apuesta por la inteligencia artificial desde un punto de vista “humanista, ético y responsable”, que le ha llevado a lanzar un manifiesto para posicionarse pública y formalmente sobre las intenciones que tiene con el empleo de una tecnología que también está marcando un punto de inflexión en el sector asegurador.

25 años en MAPFRE dan para mucho. ¿Cómo ha vivido esta carrera en un escenario como es el de TI, que cambia a un ritmo tan rápido, especialmente en el último lustro en el que se ha convertido en la CDO del grupo?

En estos 25 años, no ha habido un ejercicio en el que no haya habido transformación y cambio. Los datos, además, siempre han sido una parte esencial de la compañía, al ser ésta una aseguradora. En mi caso, como matemática de formación que soy, a lo largo de mi carrera siempre he intentado aplicar los datos a la vida real. Mi visión es que el dato, la analítica o la IA per se no valen para nada en las empresas si no se aplican enmarcados en unos objetivos de servicio y de consecución de resultados.

Hace cinco años, tras una reflexión sobre la relevancia del gobierno del dato, la compañía decidió arrancar esta función en el grupo; ya entonces nos dimos cuenta del gran movimiento que había en el mercado en ese sentido y vimos oportuno institucionalizar el rol de CDO, que desempeño. Además, creamos oficinas de gobierno del dato tanto en la matriz como en los principales países donde operamos y empezamos a trabajar en la base del actual modelo de inteligencia artificial.

En los últimos años, hemos vivido todo un tsunami a raíz de la irrupción de ChatGPT y la democratización de la IA generativa, que nos ha cambiado la vida y nos está haciendo sufrir como benditos. Eso sí, para los que nos gusta este mundo, la situación actual es un absoluto sueño, pero… ¡va tan rápido! Las innovaciones tecnológicas y las necesidades regulatorias y la velocidad a la que va el mercado en general han acortado muchísimo los tiempos previstos para el desarrollo de proyectos e implantaciones, que en muchas ocasiones tenemos que cambiar al mes de haberlos iniciado.

¿Cuántas personas son en el área de datos del grupo, que ahora también engloba toda la parte de inteligencia artificial?

A nivel de grupo somos cientos de personas porque nuestro concepto es el de centro de inteligencia artificial, de forma que contamos con distintos equipos deslocalizados que trabajan juntos.

El centro de IA, liderado por Diego Bodas, director corporativo de IA, está en cuatro bloques de la compañía: corporación, España, Estados Unidos y Brasil. Pero, por ejemplo, el equipo de tecnología de Vanessa Escrivá [la CIO global de MAPFRE] depende de también de ese centro de IA aunque su área esté ubicada en la sede de María Tubau [la segunda gran sede operativa de MAPFRE en Madrid].

Por otro lado, los países considerados estratégicos para MAPFRE (además de España, Estados Unidos y Brasil, otros como México, Alemania o Portugal, etc.) tienen también sus propios equipos de IA; sólo el que lidera Ubaldo González Benítez [CDO de MAPFRE España] cuenta con unas 90 personas.

El área de datos y la de IA están, entonces, completamente integradas en MAPFRE.

Así es. El centro de IA [presentado el pasado mes de marzo] está ubicado en la Oficina corporativa del dato, la primera oficina que transformamos y que no está ubicada en el área de tecnología, sino de negocio: en la transformación de la operación.

Todo ha cambiado radicalmente en los últimos años debido al auge de la inteligencia artificial y la mayor capacidad tecnológica, que ahora permite a los matemáticos –los profesionales de esa disciplina antes considerada poco atractiva y que, en las empresas, se dedicaban a la minería de datos– realizar modelos y grafos sofisticados hasta ahora impensables.

Y sí. Nuestra estrategia de datos y la de IA están totalmente entrelazadas porque la mejor forma para evitar los riesgos de la inteligencia artificial es tener un control efectivo de los datos. Es más, sin datos buenos la IA no sirve para nada.

Es justo lo que nos cuentan muchos directivos, que han vivido proyectos fallidos en inteligencia artificial por tener estos como base una arquitectura de datos inadecuada o manejar datos de poca calidad.

Esto es una realidad y ocurre en muchas ocasiones con los proyectos de IA generativa, que parecen mucho más del tipo ‘plug and play’ pero después no son tan sencillos de realizar.

A nosotros mismos nos ha ocurrido, sobre todo al empezar a trabajar con IA generativa cuando ésta surgió, que veíamos cómo se alargaban a meses proyectos que estaba previsto que apenas duraran unas semanas. Esta experiencia nos ha llevado a cambiar nuestra metodología al abordar estos proyectos. Primero revisamos que se dan las condiciones mínimas para abordarlos, y en este aspecto el dato es una parte muy importante. Si todo está correcto, nos lanzamos, pero si no, primero trabajamos en adecuar la información antes de afrontar un proyecto de IA generativa.

Con la llegada de la IA generativa ha habido una disrupción real: nos ha cambiado el paso, las prioridades, la forma de trabajar y de aproximarnos a esta tecnología… Dicho esto, se trata de una tecnología maravillosa que nos ayuda a mejorar nuestro servicio y nuestras capacidades internas, aunque también nos exige tomar decisiones de forma mucho más rápida y entender que el contexto de mercado y de evolución es inmaduro muchas veces, lo que hace necesario supervisar cómo hay que abordar este escenario. En definitiva, todo esto implica tener capacidad de adaptación.

“Con la llegada de la IA generativa ha habido una disrupción real: nos ha cambiado el paso, las prioridades, la forma de trabajar y de aproximarnos a esta tecnología“

Imagino que dentro de la apuesta por la última generación de la IA está la adopción de agentes.

Sí, pero esto implica una capacidad de gobierno importante. Porque muchos proveedores facilitan la tecnología de agentes pero no la del gobierno de estos. Esta tecnología se encuentra en un estadio muy inmaduro en lo que respecta a gobernanza. Y esto nosotros lo tenemos en cuenta. Nunca hemos expuesto a nuestros clientes a la IA sin que tengamos un control claro sobre esta.

¿Qué pediría a los proveedores de agentes de IA?

Gobierno, controles, previsión… Nosotros estamos a favor del uso de la IA pero no de cualquier manera. Hay muchos aspectos que hay que atender, como la parte regulatoria, por ejemplo.

En MAPFRE son conscientes de esto y, de hecho, han lanzado incluso un ‘Manifiesto por una IA humanista, ética y responsable’ hace unos meses…

Sí, somos la primera empresa del IBEX 35 en lanzar un manifiesto de este tipo. Pero no hemos hecho esto solo para ser los primeros, sino por necesidad. Nuestro Manifiesto va más allá del cumplimiento de la normativa, que en MAPFRE, como compañía muy regulada que somos cumplimos escrupulosamente. Se trata de una reflexión estratégica al más alto nivel para analizar cómo queremos transformar MAPFRE con la IA; es una visión humanista sobre el uso de esta tecnología que persigue ir más allá de lo que nos dicta la ley y con el que queremos salvaguardar los derechos de las personas, sean estas un cliente, un colaborador o un empleado.

Lo hemos hecho porque queremos apostar por la IA pero no de cualquier manera. Y esto implica establecer unos principios de actuación, unos roles, un modelo de coordinación y de comunicación… No va de desplegar tecnología sino de cambios de procesos y en las personas de mucho calado.

Para dirigir este manifiesto creamos el centro de IA del que hablaba, un equipo especializado que, como dice José Manuel Inchausti, vicepresidente primero en MAPFRE, es el director de esta orquesta de IA que tenemos que tocar y que no sólo implica al mundo de la tecnología sino también al del dato y a profesionales de otras áreas como recursos humanos o seguridad.

“Queremos apostar por la IA pero no de cualquier manera. Y esto implica establecer unos principios de actuación, unos roles, un modelo de coordinación y de comunicación… No va de desplegar tecnología sino de cambios de procesos y en las personas de mucho calado”

La aportación de eficiencia de la IA a los procesos empresariales y al ámbito laboral es indiscutible, pero… ¿hasta qué punto afectará a los empleos? ¿Se reducirán puestos de trabajo en MAPFRE?

En nuestro caso esto nunca ha ocurrido cuando hemos ido adoptando diferentes tecnologías a lo largo de nuestra historia. No estamos viendo que vayamos a reducir puestos de trabajo a corto o medio plazo debido a la IA. Nuestro modelo es de hibridación, de complementariedad.

Es más, justo ahora estamos en proceso de abrir más oficinas en España en los próximos tres años. Unas oficinas más modernas donde nuestros agentes [humanos] tendrán nuevas capacidades gracias al uso de la IA. Porque aunque hay muchos procesos que se pueden resolver solo con IA, para labores más complejas se necesita el asesoramiento de personas.

Desde luego, la evolución y el cambio cultural que esto conlleva no debe ser fácil.

No, y llevar 90 años en el mercado nos exige un esfuerzo constante de actualizar nuestra imagen y nuestros servicios para adaptarnos a los nuevos tiempos.

Han comunicado que ya tienen más de 100 casos de uso de IA. Imagino que de inteligencia artificial en general, ¿verdad?

Sí. La IA generativa no es más que una rama del deep learning, que tiene su base en las redes neuronales. Y de esa IA generativa hemos empezado a desarrollar los distintos modelos fundacionales. Nosotros sobre esto construimos soluciones; estas suelen tener una pieza de IA generativa pero también un machine learning para controlar la respuesta. Porque este ‘bicho’ [el sistema conversacional], al contrario que el anterior, basado en analítica avanzada, siempre te contesta. Y las respuestas son mucho más difíciles de explicar. Ahora parece que solo existe la IA generativa, pero para muchos procesos ésta no es tan robusta como otras tecnologías de IA más clásica que tenemos.

Hay que tener claro que no hay que empeñarse en implantar IA porque sí, sino sólo cuando tiene sentido y atendiendo a aspectos como la sostenibilidad o la protección del medio ambiente, porque el uso de esta tecnología tiene un impacto en estos aspectos.

Tenemos suerte que en MAPFRE todo esto se haya entendido muy bien. A esto está ayudando que tengamos un rol, el corresponsal de IA, que está en cada una de las áreas de negocio. Porque en MAPFRE no tenemos una estrategia de IA sino una estrategia de negocio y de compañía, cuyos objetivos son rentabilidad, el crecimiento, la sostenibilidad, las personas y la cultura. Y en lo que trabajamos es en cómo la IA puede aportar valor a toda esta estrategia.

Seguro que tienen casos de uso de IA interesantes. ¿Puede mencionar alguno?

En nuestro sector la IA impacta en la línea de flotación para mejorar en todo. No hay punto de la cadena de valor donde no se aplique. MAPFRE ya tiene más de 60 casos de IA en producción en la Península Ibérica y estos han facilitado más de 16 millones de interacciones con los clientes, desde la cotización de un producto asegurador a la renovación de una póliza, pasando por la apertura de un siniestro, etc. Hay muchos casos curiosos para verificación de identidad del asegurado, en materia de salud, para eficientar la labor de nuestro personal del contact center…

Uno especialmente bonito es que, gracias al uso de la IA, en MAPFRE pudimos agilizar la tramitación de las reclamaciones de siniestros durante la dana.

No sé si puede desvelar la inversión que la aseguradora realiza en tecnologías vinculadas a la inteligencia artificial…

Datos concretos no, pero diría que estamos en línea con otras grandes empresas. Dicho esto, he de apuntar que no solo invertimos en la parte tecnológica sino cultural, en formación, transformación… Nuestro objetivo es que la IA forme parte de nuestros procesos como tantas otras tecnologías, aunque es cierto que dentro de unos años no habrá una aplicación o solución que usemos en MAPFRE que no lleve IA integrada, por lo que debemos entender bien qué es, hacerla parte de nosotros y actuar con criterio, lo que supone una inversión altísima.

“No estamos viendo que vayamos a reducir puestos de trabajo a corto o medio plazo debido a la IA. Nuestro modelo es de hibridación, de complementariedad”

¿Han observado que se disparen los costes de los proyectos de IA?

No diría que se disparan, pero sí que son menos predecibles. Cuando empezamos con ChatGPT no se sabía ni cuál era el modelo de licenciamiento, de costes, de consumo… hasta qué punto ejercer un mal prompting tiene impacto en los costes (que lo tiene), el impacto de jugar con las imágenes… Pero ya somos conscientes y, de hecho, estamos desplegando un sistema conversacional de MAPFRE. Lo arrancamos de forma muy primitiva en 2023 pero ya es una herramienta de uso universal en toda la compañía, que puede usar cualquier empleado.

¿Ven mucho shadow IT debido a esta fiebre por la IA generativa? ¿Y les preocupa?

Sí lo hay y sí nos preocupa. De hecho, el Manifiesto, en parte, trata de poner freno a este ‘shadow AI’. Claro que cuando esto sucede es porque existe una necesidad; también hay que entenderlo. Pero hay que orientar para que el uso de la IA sea adecuado y concienciar sobre los regalos envenenados que nos hacen a las empresas muchos proveedores, sobre todo consultoras, ofreciendo proyectos de este tipo sin coste. Hay que estar muy atentos porque no hay nada gratis en este mundo.

¿Qué le quita el sueño en el viaje a la nueva era marcada por la inteligencia artificial?

Lo que acabo de mencionar: hay que concienciar al usuario de que cuando utiliza estas herramientas de forma gratuita está pagando con su expertise y sus datos y esto es una línea roja completa y absoluta para nosotros. Me quita el sueño que no se tenga esa percepción. Pero también me quitan el sueño otros aspectos, como la lucha por el talento (aunque estamos trabajando mucho en readaptar perfiles, etc.) y el propio modelo de trabajo, que tenemos que ser capaces de mejorar. Estamos trabajando en equipos multidisciplinares para fluir de la forma más ágil posible porque esto no va de edades, sino de integración, de diversidad…

Por supuesto, los datos y la calidad de estos también me preocupan. Porque el dato ya no es el que era, estructurado y alojado en bases de datos, ahora no es estructurado y lo hay de muy distinto tipo. Y, finalmente, me preocupa el retorno de la inversión de los proyectos porque todas las empresas hacemos pilotos de IA, pero tenemos que ser capaces de escalarlos.

¿Y la soberanía del dato?

Sí. También. Y mucho los temas de privacidad y de consentimiento. Hay que dejar muy claro al cliente para qué le pedimos sus datos y qué beneficio vamos a ofrecerle a cambio. Porque el sector seguros funciona a base de confianza.

“El sector asegurador está viviendo toda una revolución con la IA generativa y no hay vuelta atrás“

En este camino y respecto a la banca, históricamente un sector más avanzado tecnológicamente, ¿cómo ve la transformación digital del mercado asegurador?

Conozco bien la banca porque cuando era consultora trabajaba para este sector. La ventaja que ha tenido la banca es que, desde el principio, ha articulado toda su propuesta de productos alrededor de la identidad de sus clientes, mientras que en el caso de los seguros esto nunca ha pasado, pues sus redes estaban distribuidas por cada uno de los ramos (automóvil, salud, etc.). Esto tiene una repercusión directa en la visión que en nuestro sector se tiene del cliente, muy parcial según el tipo de seguro que se le vendía a este. Esto es una lastra que durante años ha agrandado la brecha que teníamos respecto al mundo de la banca. Porque… ¿cuántas interacciones tiene un cliente con su seguro? Con suerte una al año.

Lo que hemos hecho en el sector asegurador durante los últimos años es generar otros canales de interacción con los clientes, como los clubs de fidelización, gracias a los que hemos generado más información del cliente. Aun así,  seguimos sin tener la capacidad que tiene la banca de conocer las necesidades del cliente. Dicho esto, con las nuevas tecnologías de las que hablábamos cambia por completo el escenario. Ahora, con la IA generativa podemos sacar partido a la riqueza de información que tenemos en documentos o que se genera en el contact center y en los abundantes procesos de servicio con los que contamos. Ahora podemos empezar a empatar con la banca en la visión única del cliente.

Para concluir, ¿cómo será el futuro del sector?

El sector asegurador está viviendo toda una revolución con la IA generativa y no hay vuelta atrás. Nuestro sector es radicalmente distinto al que era hace dos años y a los dos anteriores. Hemos entrado en un ciclo de mejora continua hiperacelerado y motivado por el hecho de que el cliente, la sociedad, es distinta. El cliente no entendería que MAPFRE no pusiera a su alcance las facilidades para la tramitación de un siniestro, de su salud, etc. que brinda la tecnología. Porque el giro que se produjo en 2022 ha hecho que una tecnología que era de laboratorio ahora esté al servicio de la sociedad.

---

PERFIL DE MARIBEL SOLANAS

La CDO de MAPFRE desde 2020 es Maribel Solanas González, que también pertenece al Comité de Transformación e Innovación del grupo asegurador. Licenciada en Ciencias Exactas por la Universidad Complutense de Madrid, Solanas inició su actividad profesional en MAPFRE en 1999. En 2009 se integró en el área de Tecnología en el departamento de Big Data y CRM, donde desempeñó diferentes puestos de responsabilidad. En 2016 fue promocionada a directora de Desarrollo de Negocio, posteriormente de Negocio y Clientes y, más tarde, como directora corporativa de Clientes. La directiva, que compaginó un tiempo su puesto de CDO con la responsabilidad dentro del Área Corporativa de Negocios y Clientes, es la responsable de desarrollar la política de gobierno del dato en MAPFRE y garantizar que la apuesta por la inteligencia artificial se realiza de forma humanista y ética.

El último informe del Instituto de Investigación de Capgemini, El auge de la IA agéntica: por qué la confianza es clave para la colaboración entre humanos e IA, concluye que la IA basada en agentes está preparada para aportar hasta 450.000 millones de dólares en valor económico para 2028.

Esa oportunidad de 450.000 millones de dólares incluye tanto el aumento de ingresos como la reducción de costes, impulsados por la implementación de agentes de IA semiautónomos y totalmente autónomos. Se ha comprobado que la adopción a gran escala tiene un potencial mucho mayor, ya que se prevé que las organizaciones con una implementación a gran escala generen aproximadamente 382 millones de dólares de media en los próximos tres años, mientras que otras pueden obtener alrededor de 76 millones de dólares.

La preparación para la IA sigue siendo un desafío

Tal y como se puede leer en el informe, en la actualidad la mayoría de las organizaciones no está preparada para ampliar de forma efectiva la IA basada en agentes. El 80% carece de una infraestructura de IA madura, y menos de una de cada cinco reporta altos niveles de preparación en el uso de datos. Las preocupaciones éticas —como la privacidad de los datos, el sesgo algorítmico y la falta de explicabilidad— siguen siendo generalizadas, pero pocas organizaciones están tomando medidas decisivas.

Para aprovechar todo el potencial de los agentes de IA, las organizaciones deben ir más allá del entusiasmo inicial, recomienda el informe. Es necesario avanzar hacia el rediseño de procesos y la reinvención de los modelos de negocio, transformar la estructura organizativa y encontrar el equilibrio adecuado entre la autonomía de los agentes y la implicación humana.

La confianza disminuye

Sin embargo, tal y como destaca el informe, sólo el 2% de las organizaciones ha logrado una implementación a escala completa y la confianza en los agentes de IA está disminuyendo. Las organizaciones están descubriendo que los agentes de IA generan el mayor impacto cuando los humanos se mantienen activamente involucrados. Casi tres cuartas partes de los ejecutivos afirman que los beneficios de la supervisión humana superan los costes, y el 90% considera que la participación humana en los flujos de trabajo impulsados por IA es positiva o neutra desde el punto de vista de los costes

El informe también destaca que la brecha entre la intención y la preparación se ha convertido en uno de los mayores obstáculos para materializar esa oportunidad económica.

Hay que recordar que la IA basada en agentes es una de las tendencias tecnológicas de más rápido crecimiento, pero las organizaciones aún se encuentran en las primeras etapas de aplicación. Según constata el informe, aunque casi una cuarta parte ya ha puesto en marcha proyectos piloto y una pequeña proporción (14%) ha comenzado con su implementación, la mayoría todavía permanece en fase de planificación. Este avance gradual contrasta con la ambición de los ejecutivos: casi todos los líderes empresariales (93%) creen que ampliar el uso de los agentes de IA en los próximos 12 meses les dará una ventaja competitiva, pero casi la mitad de las organizaciones aún carece de una estrategia para implementarlos.

Franck Greverie, director de Cartera y Tecnología, de Líneas de Negocio Globales y miembro del Comité Ejecutivo del Grupo en Capgemini, ha declarado acerca de las conclusiones del informe que “para tener éxito, las organizaciones deben permanecer centradas en los resultados, reimaginando sus procesos con una mentalidad centrada en la IA. Un elemento central de esta transformación es la necesidad de generar confianza en la IA, garantizando que se desarrolle de manera responsable, con principios éticos y de seguridad incorporados desde el inicio. También implica rediseñar las organizaciones para favorecer una colaboración eficaz entre humanos e IA, creando las condiciones adecuadas para que estos sistemas potencien el juicio humano y contribuyan a lograr mejores resultados empresariales”.

Otra de las conclusiones del informe es que las organizaciones dan prioridad a la transparencia a medida que se amplía la brecha de confianza en la IA basada en agentes. En este sentido, la confianza en los agentes de IA totalmente autónomos ha caído drásticamente, pasando del 43% al 27% sólo en el último año. Casi dos de cada cinco ejecutivos creen que los riesgos de implementar agentes de IA superan los beneficios. Sólo el 40% de las organizaciones afirma confiar en que los agentes de IA puedan gestionar tareas y procesos de forma autónoma, mientras que la mayoría no confía plenamente en esta tecnología.

Asimismo, el informe revela que, a medida que las organizaciones pasan de la fase de exploración a la de implantación, la confianza en los agentes de IA aumenta: el 47% de las organizaciones en fase de implementación presenta un nivel de confianza superior al promedio, frente al 37% de aquellas que aún están en fase de exploración. Por ello, las organizaciones están dando prioridad a la transparencia, la claridad sobre cómo los agentes de IA toman decisiones y la incorporación de salvaguardas éticas para impulsar una mayor adopción.

La importancia de la química entre humanos e IA

Como clave para una adopción duradera de la IA basada en agentes, el informe refuerza la idea de que dichos agentes ya no pueden considerarse simplemente herramientas, sino que están pasando a ser participantes activos dentro del equipo.

Es más, concluye también que la verdadera promesa de la IA basada en agentes reside en abordar los desafíos empresariales fundamentales y reimaginar la forma en que se realiza el trabajo. En los próximos 12 meses, más del 60% de las organizaciones espera conformar equipos humano-agente, en los que los agentes de IA funcionen como subordinados o bien como ampliadores de las capacidades humanas. Esto implica que los agentes de IA

Incluso, el 70% de las organizaciones cree que los agentes de IA requerirán una reestructuración organizacional, lo que está llevando a los líderes a replantearse las funciones, las estructuras de los equipos y los flujos de trabajo. Las empresas están descubriendo que los agentes de IA aportan más valor cuando los humanos se mantienen involucrados en el proceso. Con una colaboración eficaz entre humanos y la IA, las organizaciones esperan un aumento del 65% en la dedicación a tareas de alto valor, un incremento del 53% en la creatividad y una mejora del 49% en la satisfacción de los empleados.

A corto plazo, se espera que los agentes de IA tengan su adopción más amplia en áreas como atención al cliente, TI y ventas, con una expansión prevista hacia operaciones, I+D y marketing en los próximos tres años. Sin embargo, la mayoría de las implementaciones aún se encuentran en etapas tempranas de autonomía: solo el 15% de los procesos empresariales opera actualmente en niveles de autonomía parcial o total. Aunque se espera que esta cifra aumente al 25% para 2028, la mayoría de los agentes hoy en día funcionan como asistentes basados en reglas o copilotos, apoyando tareas rutinarias en lugar de gestionar flujos de trabajo complejos de forma independiente.

En un futuro próximo en el que la inteligencia artificial será omnipresente, las empresas utilizarán decenas, si no cientos, de agentes de IA, y los directores de informática se encargarán de orquestarlos y conectarlos para ayudar a los empleados a navegar por una serie de procesos empresariales interconectados.

Tomemos como ejemplo la incorporación de un nuevo empleado. En un futuro no muy lejano, un responsable de RR. HH. podría pedir a un chatbot que configurara la esta incorporación. Mediante la coordinación de varios agentes, introduciría al empleado en el sistema de nóminas, le explicaría las opciones de seguro médico y configuraría su correo electrónico y sus servicios de videoconferencia. Una mayor coordinación de los agentes también podría proporcionar formación al nuevo trabajador, emitir una tarjeta de acceso al edificio e incluso enviarle un ordenador portátil o asignarle un escritorio, todo ello con una intervención humana mínima.

Esta visión de la orquestación e integración de la IA ya la están poniendo en práctica algunas empresas y, a medida que las organizaciones implementen múltiples modelos de lenguaje grandes (LLM) y docenas de agentes de IA en los próximos años, es probable que se produzca una adopción masiva de herramientas de integración y orquestación de IA.

Para 2028, el 70% de las organizaciones que crean aplicaciones multiLLM y agentes de IA utilizarán plataformas de integración para optimizar y orquestar la conectividad y el acceso a los datos, según predice Gartner en un informe reciente. Menos del 5% de las organizaciones similares utilizaban plataformas de integración de IA en 2024.

Algunos expertos en IA consideran que la función de orquestación, en la que muchos agentes de IA se unen para crear flujos de trabajo amplios y autónomos, es el punto en el que los agentes se convierten en agentes.

Conectar los datos y los responsables de la toma de decisiones

Las herramientas de integración y coordinación de IA serán vitales para la mayoría de las empresas, ya que los agentes de IA y los LLM deben estar conectados para alcanzar todo su potencial, afirma Andrew Humphreys, director sénior y analista de Gartner. Las recientes versiones de varios protocolos de agentes dan el primer paso hacia esta integración generalizada, señala. “La IA tiene que tener acceso a los datos para tomar decisiones y tiene que tener la capacidad de llevar a cabo algún tipo de acción”, afirma. “Un agente es inútil si no puede acceder a los datos y no puede tomar decisiones”.

La integración y la orquestación de agentes ayudarán a los directores de informática a abordar varias cuestiones emergentes sobre el futuro mundo de la IA agentiva, añade. “¿Cómo puedo facilitar que mi desarrollador de IA o mi agente se conecten a las cosas y obtengan datos?”, se pregunta Humphreys. “¿Cómo puedo observar lo que realmente está sucediendo dentro de mi arquitectura de TI?”.

A medida que las estrategias de IA de los CIO se vuelven más complejas, la necesidad de plataformas de orquestación de agentes es evidente, añade Beth Scagnoli, vicepresidenta de gestión de productos del proveedor de soluciones de preparación de datos Redpoint Global. “La mayoría de las organizaciones actuales no solo están experimentando con un único modelo de IA, sino que están trabajando simultáneamente con múltiples LLM, sistemas heredados y agentes de IA más nuevos”, relata. “Sin orquestación, ese ecosistema corre el riesgo de fragmentarse, volverse redundante e ineficiente rápidamente”.

La capa de orquestación gestionará cómo las herramientas de IA acceden, mueven y actúan sobre los datos en todos los sistemas, añade. “Esto no es solo para los resultados, sino también para mantener los estándares empresariales en materia de gobernanza y confianza”, afirma Scagnoli. “La orquestación de la IA se está convirtiendo rápidamente en el eslabón fundamental entre la estrategia de datos y la ejecución de la IA”.

El emerger de un mercado

Los directores de TI que añadan herramientas de orquestación deben buscar la interoperabilidad, afirma Scagnoli. “Las capas de orquestación que sean flexibles e independientes de la IA serán las que realmente destaquen por su valor. Las herramientas que puedan situarse por encima de cualquier LLM o agente, permitiendo a las organizaciones conectar el modelo adecuado para el trabajo, al tiempo que gestionan la seguridad, el control de versiones y el linaje de los datos entre bastidores” serán la mejor apuesta de los responsables de TI.

Humphreys, de Gartner, ve un mercado en auge para las plataformas de integración y orquestación de IA, con muchos pequeños actores que actualmente ofrecen soluciones listas para usar. A medida que el mercado se vuelva más rentable, los grandes actores de TI e IA entrarán en juego. Algunas empresas también crearán sus propias herramientas de orquestación, asegura, pero insta a los líderes de TI a aprender de las lecciones extraídas de los esfuerzos de integración anteriores, incluida la orquestación de llamadas API.

“Probablemente ya haya reunido sus integraciones API existentes”, señala. “Modifíquelas en lugar de pensar que tiene que reinventar todo por completo. Simplemente ajústelas para que se adapten a la forma en que su IA necesita comunicarse con ellas, en lugar de pensar: ‘Oh, es IA, mejor reescribo todo lo que he aprendido en el pasado”.

Experimentar con la orquestación

IBM es una empresa que está llevando a cabo la integración de agentes de forma interna. El gigante tecnológico comenzó a experimentar con herramientas similares a los agentes hace ocho años y ahora cuenta con agentes implementados en varios flujos de trabajo, incluidos los departamentos de ventas y TI de IBM, según afirma Suzanne Livingston, vicepresidenta de IBM Watsonx Orchestrate Agent Domains. El departamento de RR. HH. fue el primer caso de prueba y, ahora, los agentes se encargan de muchas funciones de RR. HH.

“Hay muchos procesos en RR. HH. y a los empleados les resulta difícil entender cómo trabajar con el sistema de RR. HH.”, afirma. “Utilizamos una [aplicación] cada vez, y si alguna vez has utilizado uno de estos sistemas de RR. HH. empresariales, tenías que buscar las instrucciones para saber exactamente lo que querías hacer. Y, por cierto, esas instrucciones cambiaban cada mes”.

Ahora, los empleados de IBM pueden interactuar con un agente de IA para crear solicitudes de aumento de sueldo, trasladar empleados entre departamentos, crear descripciones de puestos de trabajo y realizar otras funciones de RR. HH., afirma. Se necesita una capa de coordinación de IA para interactuar con los agentes que operan todas esas herramientas de RR. HH. individuales para realizar flujos de trabajo de varios pasos, como la incorporación de empleados, señala.

Aun así, para la mayoría de las empresas, una herramienta lista para usar con soporte del proveedor puede ser una forma más fácil de empezar, afirma Livingston. “Es una forma estupenda de no tener que empezar construyendo algo desde cero. Una buena vía de probarlo y hacerse una idea, y luego, como resultado, puede llevarte a proyectos más grandes, pero es útil por sí solo”.

También sugiere que los CIO busquen soluciones fáciles de implementar en áreas donde hay muchos puntos débiles para los empleados, por ejemplo, las solicitudes de permisos. “Todo el mundo tiene que solicitar permisos, y no, nadie quiere hacerlo porque es complicado, pero es fácil empezar con ello y se obtiene un valor inmediato”.

“Es como un reino infinito de agentes subyacentes”, añade. “A medida que las empresas evolucionan e incorporan nuevos procesos, o reducen la complejidad de los mismos, se crea un círculo virtuoso de experiencias positivas”. Se trata de que las empresas adopten la mentalidad de “no tengo que formar a mis empleados en 500 sistemas diferentes, puedo ayudarles a comprender cómo aprovechar las ventajas de estos sistemas a través de un agente”.

Nedgia, compañía distribuidora de gas de Naturgy, ha abordado un proyecto para reforzar la atención al cliente mediante la incorporación de agentes virtuales inteligentes a sus servicios de atención, tanto en el canal telefónico como en el digital. El desarrollo, realizado e integrado por el equipo de IBM Consulting, permite a la empresa “replicar y ampliar los casos de uso de automatización, logrando una mejora del servicio en el que la mayoría de las interacciones sean resueltas de forma satisfactoria por los agentes de IA”, según explica un comunicado emitido por ambas compañías.

La automatización de procesos derivada de este proyecto incluirá, explica el escrito, la incorporación de servicios como la gestión de citas para inspecciones periódicas, información sobre la lectura del contador y, en un futuro, la capacidad de modificar datos del punto de suministro, avances con los que la distribuidora aspira a que sus clientes puedan gestionar sus citas de forma automática y reduciendo drásticamente los tiempos de espera y de resolución de incidencias. La solución implantada, subrayan desde las compañías, es capaz de entender y gestionar solicitudes complejas, derivando las conversaciones entre agentes virtuales especializados según la temática.

Para el CEO de Nedgia, Raúl Suárez, “este nuevo modelo de atención marca un antes y un después en la forma de relacionarnos con nuestros clientes. Con este proyecto estamos ofreciendo respuestas más rápidas, precisas y personalizadas, lo que redunda en una mejora de la experiencia de cliente”.

La compañía ha implementado esta integración de forma gradual, de modo que la nueva solución sea compatible con los sistemas ya existentes, lo que ha permitido que no tenga que realizar “grandes cambios estructurales ni inversiones complejas”.

Deutsche Telekom presta servicio a millones de usuarios en 10 países de Europa, cada uno con sus propias preguntas, necesidades y contextos. Un buen servicio consiste en responder con rapidez y precisión, pues genera confianza, impulsa la eficiencia y repercute en los resultados. Sin embargo, hacerlo de forma coherente depende de que se muestre la información adecuada en el momento y contexto adecuados.

A principios de 2023, me incorporé a un pequeño equipo multifuncional dentro de una iniciativa liderada por nuestro director de Producto, Jonathan Abrahamson. En mi caso, era responsable de la ingeniería y la arquitectura dentro del recién creado Centro de Competencia en IA (AICC). Mi objetivo era claro: mejorar el servicio al cliente en todas nuestras operaciones europeas. A medida que los grandes modelos lingüísticos comenzaron a mostrar resultados prometedores, quedó claro que la IA generativa podía ser un punto de inflexión para conseguir respuestas más rápidas, relevantes y contextuales a gran escala.

Esto supuso el comienzo de un esfuerzo centrado en la resolución de un reto fundamental: cómo implementar asistentes basados en IA de forma fiable en un ecosistema multinacional. Esto condujo al desarrollo de LMOS, una plataforma soberana y fácil de usar para desarrolladores que permite crear y escalar agentes de IA en toda Telekom. Frag Magenta OneBOT, nuestro asistente de atención al cliente para ventas y servicios en toda Europa, fue una de las grandes soluciones creadas sobre esta plataforma. Hoy en día, LMOS da soporte a millones de interacciones, lo que reduce el tiempo de resolución y las tasas de transferencia a humanos de manera significativa.

Pero también es igual de importante que LMOS se diseñó para que los ingenieros pudieran trabajar con herramientas que ya conocían con el propósito de desarrollar agentes de IA. Ahora, ha llegado a un punto en el que los equipos empresariales pueden definir y mantener agentes para nuevos casos de uso. Este cambio ha sido clave para escalar la IA con rapidez, autonomía y propiedad compartida en toda la organización.

Creación de una plataforma de IA agencial soberana y escalable

En medio de la urgencia, también se produjo un cambio de perspectiva que se desarrolló con discreción. No se trataba sólo de una respuesta a corto plazo, sino de una oportunidad para construir algo fundamental: una plataforma soberana, basada en estándares abiertos, que permitiera a nuestros equipos de ingeniería existentes crear aplicaciones de IA más rápidamente y con mayor flexibilidad.

A principios de 2023, escaseaban las aplicaciones de IA generativa listas para la producción. La mayor parte del trabajo se encontraba todavía en la fase inicial de experimentación de generación aumentada por recuperación (RAG), y era difícil obviar el riesgo de depender excesivamente de plataformas cerradas de terceros. Así que, en lugar de reunir una pila de herramientas dispersas, nos centramos en la propia infraestructura, algo que pudiera convertirse en una base a largo plazo para agentes de IA escalables y de nivel empresarial.

Más que resolver el problema inmediato, se trataba de diseñar para lo que vendría después.

LMOS: sistema operativo de modelos de lenguaje

Lo que comenzó como un esfuerzo centrado en el desarrollo de chatbots reveló de inmediato una serie de retos más profundos a nivel de arquitectura. Experimentamos con marcos como LangChain para integrar LLM en aplicaciones, y ajustamos los modelos de recuperación de pasajes densos (DPR) para casos de uso en alemán. Estos primeros prototipos nos ayudaron a aprender rápidamente, pero conforme dejábamos atrás la fase experimental, comenzaron a aparecer las primeras grietas, lo que hizo cada vez más difícil la gestión de la pila tecnológica. Los problemas de memoria, la inestabilidad y la creciente carga de mantenimiento dejaron claro que este enfoque no sería escalable. Al mismo tiempo, nuestros ingenieros ya estaban muy familiarizados con los sistemas, las API y las herramientas basados en JVM de Deutsche Telekom. Introducir abstracciones desconocidas había ralentizado nuestro trabajo.

Así que decidimos cambiar de enfoque. En lugar de forzar la IA generativa en flujos de trabajo fragmentados, nos propusimos diseñar una plataforma que se sintiera nativa en nuestro entorno existente. El resultado fue LMOS, el sistema operativo de modelos de lenguaje, una PaaS soberana para crear y escalar agentes de IA en toda Deutsche Telekom. Ofrece una experiencia similar a Heroku para los agentes, abstrae la gestión del ciclo de vida, los modelos de implementación, los clasificadores, la observabilidad y el escalado, a la vez que admite el control de versiones. Y lo más importante: es multinennant.

En el núcleo de LMOS se encuentra Arc, un marco basado en Kotlin para definir el comportamiento de los agentes a través de un lenguaje específico del dominio conciso (DSL). Los ingenieros podían crear agentes a partir de las API y las bibliotecas que ya conocían. No era necesario introducir pilas completamente nuevas ni reconfigurar los flujos de trabajo de desarrollo. Al mismo tiempo, Arc se diseñó para integrarse a la perfección con las herramientas de ciencia de datos existentes, lo que facilitaba la conexión de componentes personalizados para la evaluación, el ajuste o experimentar cuando fuera necesario.

Arc también introdujo el ADL (lenguaje de definición de agentes), que permite a los equipos empresariales definir directamente la lógica y los flujos de trabajo de los agentes. Así se reduce la necesidad de intervención de los ingenieros en cada iteración y se agiliza la colaboración entre las diferentes funciones. Juntos, LMOS Arc y ADL ayudaron a salvar la brecha entre el negocio y la ingeniería, al tiempo que se integraban perfectamente con los estándares abiertos y las herramientas de ciencia de datos, lo que aceleró la creación, iteración e implementación de los agentes en toda la organización.

Búsqueda vectorial y el papel de la recuperación contextual

Al basar LMOS en estándares abiertos y evitar perder el tiempo en rediseños arquitectónicas innecesarios, creamos una base que permitió diseñar, implementar y escalar agentes de IA en diferentes geografías. Pero la infraestructura de la plataforma por sí sola no era suficiente. Las respuestas de los agentes a menudo dependen de conocimientos del dominio ocultos en la documentación, las políticas y las fuentes de datos internas, lo que requería una infraestructura de recuperación que pudiera escalarse con la plataforma.

Creamos canalizaciones RAG estructuradas a partir de una búsqueda vectorial para proporcionar un contexto relevante de cara a los agentes en tiempo de ejecución. Lo esencial era elegir el almacén vectorial adecuado. Tras evaluar varias opciones, desde extensiones de bases de datos tradicionales hasta sistemas vectoriales completos y dedicados, seleccionamos Qdrant, una base de datos vectorial de código abierto basada en Rust que se ajustaba a nuestros objetivos operativos y de arquitectura. Su simplicidad, rendimiento y compatibilidad multitenant y el filtrado de metadatos la convirtieron en la opción ideal, ya que nos permitía segmentar los conjuntos de datos por país, dominio y tipo de agente. Esto garantizaba el cumplimiento normativo local y la claridad operativa a medida que nos expandíamos por los distintos mercados.

Wurzel: la recuperación basada en la reutilización

Para dar soporte a la recuperación a gran escala, también creamos Wurzel, un marco ETL (extracción, transformación y carga) de código abierto en Python diseñado específicamente para RAG. Esta herramienta, cuyo nombre proviene de la palabra alemana que significa “raíz”, nos permitió descentralizar los flujos de trabajo de RAG y estandarizar la forma en que los equipos preparaban y gestionaban los datos no estructurados. Con soporte integrado para multitenant, programación de tareas e integraciones de backend, fue fundamental para que los procesos de recuperación se pudieran utilizar de nuevo en cualquier momento, fueran coherentes y fáciles de mantener en diversos equipos y mercados.

Wurzel también nos dio la flexibilidad necesaria para conectar las herramientas adecuadas para cada tarea sin fragmentar la arquitectura ni introducir cuellos de botella. En la práctica, esto se tradujo en iteraciones más rápidas, una infraestructura compartida y menos integraciones puntuales.

Creación de agentes con LMOS Arc y enrutamiento semántico

El desarrollo de agentes en LMOS comienza con Arc. Los ingenieros utilizan su DSL para definir el comportamiento, conectarse a las API e implementar agentes utilizando flujos de trabajo de tipo microservicio. Una vez creados, los agentes se implementan en entornos Kubernetes a través de LMOS, que se encarga del control de versiones, la supervisión y el escalado en segundo plano.

Pero definir el comportamiento no era suficiente. Los agentes necesitaban acceder a conocimientos relevantes para responder de forma inteligente. Las canalizaciones de recuperación basadas en vectores proporcionaban a los agentes contexto procedente de la documentación interna, las preguntas frecuentes y las políticas estructuradas. El almacén de vectores multitenant de Qdrant proporcionaba un acceso a los datos localizado, eficiente y conforme a la normativa.

Para que la colaboración entre agentes fuera más eficaz, también introdujimos el enrutamiento semántico. Mediante el uso de incrustaciones y similitudes vectoriales, los agentes podían clasificar y enrutar las consultas, quejas, facturación y ventas de los clientes sin depender por completo de los LLM. Esto aportó una mayor estructura, interpretabilidad y precisión al funcionamiento conjunto de los agentes.

Juntos, Arc, Wurzel, Qdrant y la plataforma LMOS en general nos permitieron crear agentes de una manera muy rápida, operarlos de forma fiable y escalarlos en todos los ámbitos empresariales sin comprometer la velocidad de los desarrolladores ni el control de la empresa.

“Heroku” para agentes

A menudo describo LMOS como “Heroku para agentes”. Al igual que esta herramienta abstrajo la complejidad de la implementación de aplicaciones web, LMOS hace lo propio con la complejidad de la ejecución de agentes de IA de nivel de producción. Los ingenieros no necesitan gestionar modelos de implementación, clasificadores, supervisión o escalado: LMOS se encarga de todo.

En la actualidad, LMOS da servicio a agentes de atención al cliente, como el asistente Frag Magenta OneBOT. Creemos que se trata de una de las primeras plataformas multiagente en entrar en funcionamiento, ya que su planificación y despliegue comenzaron antes de que OpenAI lanzara su SDK para agentes a principios de 2024. Podría decirse que es el mayor despliegue empresarial de múltiples agentes de IA en Europa, ya que actualmente da soporte a millones de conversaciones en los mercados de Deutsche Telekom.

El tiempo necesario para desarrollar un nuevo agente se ha reducido a un día o menos, y los equipos comerciales ahora pueden definir y actualizar los procedimientos operativos sin depender de los ingenieros. Las transferencias al soporte humano para los agentes Arc activados por API son de alrededor del 30%, y esperamos que esta cifra disminuya a medida que mejore la cobertura de conocimientos, la integración del backend y la madurez de la plataforma.

Escalar la IA soberana con código abierto y la colaboración de la comunidad

De cara al futuro, observamos un crecimiento de las aplicaciones potenciales de LMOS, especialmente a medida que maduren la computación agentica y la infraestructura de recuperación. Desde el principio, hemos construido LMOS sobre estándares abiertos y primitivas de infraestructura como Kubernetes, lo que garantiza la portabilidad entre máquinas de desarrolladores, nubes privadas y centros de datos.

Con ese mismo espíritu, decidimos contribuir con LMOS a la Fundación Eclipse, lo que le permite evolucionar con la participación de la comunidad y seguir siendo accesible a organizaciones más allá de la nuestra. Esperamos que aumente el interés por desarrollar LMOS a medida que más equipos comienzan a comprender cómo la búsqueda semántica y la recuperación estructurada basan la IA en información fiable.

Lo que nos ha guiado hasta ahora no es sólo la tecnología. Nos hemos centrado en la experiencia práctica de los desarrolladores, en una arquitectura interoperable y en las lecciones aprendidas con esfuerzo durante la fase de producción. Esa mentalidad nos ha ayudado a pasar de la experimentación centrada en modelos a una pila de IA escalable, abierta y con opiniones propias, algo que consideramos fundamental para llevar la IA agencial al mundo real, a escala empresarial.

Arun Joseph es antiguo director de ingeniería y arquitectura de Deutsche Telekom.

Deutsche Telekom presta servicio a millones de usuarios en 10 países de Europa, cada uno con sus propias preguntas, necesidades y contextos. Un buen servicio consiste en responder con rapidez y precisión, pues genera confianza, impulsa la eficiencia y repercute en los resultados. Sin embargo, hacerlo de forma coherente depende de que se muestre la información adecuada en el momento y contexto adecuados.

A principios de 2023, me incorporé a un pequeño equipo multifuncional dentro de una iniciativa liderada por nuestro director de Producto, Jonathan Abrahamson. En mi caso, era responsable de la ingeniería y la arquitectura dentro del recién creado Centro de Competencia en IA (AICC). Mi objetivo era claro: mejorar el servicio al cliente en todas nuestras operaciones europeas. A medida que los grandes modelos lingüísticos comenzaron a mostrar resultados prometedores, quedó claro que la IA generativa podía ser un punto de inflexión para conseguir respuestas más rápidas, relevantes y contextuales a gran escala.

Esto supuso el comienzo de un esfuerzo centrado en la resolución de un reto fundamental: cómo implementar asistentes basados en IA de forma fiable en un ecosistema multinacional. Esto condujo al desarrollo de LMOS, una plataforma soberana y fácil de usar para desarrolladores que permite crear y escalar agentes de IA en toda Telekom. Frag Magenta OneBOT, nuestro asistente de atención al cliente para ventas y servicios en toda Europa, fue una de las grandes soluciones creadas sobre esta plataforma. Hoy en día, LMOS da soporte a millones de interacciones, lo que reduce el tiempo de resolución y las tasas de transferencia a humanos de manera significativa.

Pero también es igual de importante que LMOS se diseñó para que los ingenieros pudieran trabajar con herramientas que ya conocían con el propósito de desarrollar agentes de IA. Ahora, ha llegado a un punto en el que los equipos empresariales pueden definir y mantener agentes para nuevos casos de uso. Este cambio ha sido clave para escalar la IA con rapidez, autonomía y propiedad compartida en toda la organización.

Creación de una plataforma de IA agencial soberana y escalable

En medio de la urgencia, también se produjo un cambio de perspectiva que se desarrolló con discreción. No se trataba sólo de una respuesta a corto plazo, sino de una oportunidad para construir algo fundamental: una plataforma soberana, basada en estándares abiertos, que permitiera a nuestros equipos de ingeniería existentes crear aplicaciones de IA más rápidamente y con mayor flexibilidad.

A principios de 2023, escaseaban las aplicaciones de IA generativa listas para la producción. La mayor parte del trabajo se encontraba todavía en la fase inicial de experimentación de generación aumentada por recuperación (RAG), y era difícil obviar el riesgo de depender excesivamente de plataformas cerradas de terceros. Así que, en lugar de reunir una pila de herramientas dispersas, nos centramos en la propia infraestructura, algo que pudiera convertirse en una base a largo plazo para agentes de IA escalables y de nivel empresarial.

Más que resolver el problema inmediato, se trataba de diseñar para lo que vendría después.

LMOS: sistema operativo de modelos de lenguaje

Lo que comenzó como un esfuerzo centrado en el desarrollo de chatbots reveló de inmediato una serie de retos más profundos a nivel de arquitectura. Experimentamos con marcos como LangChain para integrar LLM en aplicaciones, y ajustamos los modelos de recuperación de pasajes densos (DPR) para casos de uso en alemán. Estos primeros prototipos nos ayudaron a aprender rápidamente, pero conforme dejábamos atrás la fase experimental, comenzaron a aparecer las primeras grietas, lo que hizo cada vez más difícil la gestión de la pila tecnológica. Los problemas de memoria, la inestabilidad y la creciente carga de mantenimiento dejaron claro que este enfoque no sería escalable. Al mismo tiempo, nuestros ingenieros ya estaban muy familiarizados con los sistemas, las API y las herramientas basados en JVM de Deutsche Telekom. Introducir abstracciones desconocidas había ralentizado nuestro trabajo.

Así que decidimos cambiar de enfoque. En lugar de forzar la IA generativa en flujos de trabajo fragmentados, nos propusimos diseñar una plataforma que se sintiera nativa en nuestro entorno existente. El resultado fue LMOS, el sistema operativo de modelos de lenguaje, una PaaS soberana para crear y escalar agentes de IA en toda Deutsche Telekom. Ofrece una experiencia similar a Heroku para los agentes, abstrae la gestión del ciclo de vida, los modelos de implementación, los clasificadores, la observabilidad y el escalado, a la vez que admite el control de versiones. Y lo más importante: es multinennant.

En el núcleo de LMOS se encuentra Arc, un marco basado en Kotlin para definir el comportamiento de los agentes a través de un lenguaje específico del dominio conciso (DSL). Los ingenieros podían crear agentes a partir de las API y las bibliotecas que ya conocían. No era necesario introducir pilas completamente nuevas ni reconfigurar los flujos de trabajo de desarrollo. Al mismo tiempo, Arc se diseñó para integrarse a la perfección con las herramientas de ciencia de datos existentes, lo que facilitaba la conexión de componentes personalizados para la evaluación, el ajuste o experimentar cuando fuera necesario.

Arc también introdujo el ADL (lenguaje de definición de agentes), que permite a los equipos empresariales definir directamente la lógica y los flujos de trabajo de los agentes. Así se reduce la necesidad de intervención de los ingenieros en cada iteración y se agiliza la colaboración entre las diferentes funciones. Juntos, LMOS Arc y ADL ayudaron a salvar la brecha entre el negocio y la ingeniería, al tiempo que se integraban perfectamente con los estándares abiertos y las herramientas de ciencia de datos, lo que aceleró la creación, iteración e implementación de los agentes en toda la organización.

Búsqueda vectorial y el papel de la recuperación contextual

Al basar LMOS en estándares abiertos y evitar perder el tiempo en rediseños arquitectónicas innecesarios, creamos una base que permitió diseñar, implementar y escalar agentes de IA en diferentes geografías. Pero la infraestructura de la plataforma por sí sola no era suficiente. Las respuestas de los agentes a menudo dependen de conocimientos del dominio ocultos en la documentación, las políticas y las fuentes de datos internas, lo que requería una infraestructura de recuperación que pudiera escalarse con la plataforma.

Creamos canalizaciones RAG estructuradas a partir de una búsqueda vectorial para proporcionar un contexto relevante de cara a los agentes en tiempo de ejecución. Lo esencial era elegir el almacén vectorial adecuado. Tras evaluar varias opciones, desde extensiones de bases de datos tradicionales hasta sistemas vectoriales completos y dedicados, seleccionamos Qdrant, una base de datos vectorial de código abierto basada en Rust que se ajustaba a nuestros objetivos operativos y de arquitectura. Su simplicidad, rendimiento y compatibilidad multitenant y el filtrado de metadatos la convirtieron en la opción ideal, ya que nos permitía segmentar los conjuntos de datos por país, dominio y tipo de agente. Esto garantizaba el cumplimiento normativo local y la claridad operativa a medida que nos expandíamos por los distintos mercados.

Wurzel: la recuperación basada en la reutilización

Para dar soporte a la recuperación a gran escala, también creamos Wurzel, un marco ETL (extracción, transformación y carga) de código abierto en Python diseñado específicamente para RAG. Esta herramienta, cuyo nombre proviene de la palabra alemana que significa “raíz”, nos permitió descentralizar los flujos de trabajo de RAG y estandarizar la forma en que los equipos preparaban y gestionaban los datos no estructurados. Con soporte integrado para multitenant, programación de tareas e integraciones de backend, fue fundamental para que los procesos de recuperación se pudieran utilizar de nuevo en cualquier momento, fueran coherentes y fáciles de mantener en diversos equipos y mercados.

Wurzel también nos dio la flexibilidad necesaria para conectar las herramientas adecuadas para cada tarea sin fragmentar la arquitectura ni introducir cuellos de botella. En la práctica, esto se tradujo en iteraciones más rápidas, una infraestructura compartida y menos integraciones puntuales.

Creación de agentes con LMOS Arc y enrutamiento semántico

El desarrollo de agentes en LMOS comienza con Arc. Los ingenieros utilizan su DSL para definir el comportamiento, conectarse a las API e implementar agentes utilizando flujos de trabajo de tipo microservicio. Una vez creados, los agentes se implementan en entornos Kubernetes a través de LMOS, que se encarga del control de versiones, la supervisión y el escalado en segundo plano.

Pero definir el comportamiento no era suficiente. Los agentes necesitaban acceder a conocimientos relevantes para responder de forma inteligente. Las canalizaciones de recuperación basadas en vectores proporcionaban a los agentes contexto procedente de la documentación interna, las preguntas frecuentes y las políticas estructuradas. El almacén de vectores multitenant de Qdrant proporcionaba un acceso a los datos localizado, eficiente y conforme a la normativa.

Para que la colaboración entre agentes fuera más eficaz, también introdujimos el enrutamiento semántico. Mediante el uso de incrustaciones y similitudes vectoriales, los agentes podían clasificar y enrutar las consultas, quejas, facturación y ventas de los clientes sin depender por completo de los LLM. Esto aportó una mayor estructura, interpretabilidad y precisión al funcionamiento conjunto de los agentes.

Juntos, Arc, Wurzel, Qdrant y la plataforma LMOS en general nos permitieron crear agentes de una manera muy rápida, operarlos de forma fiable y escalarlos en todos los ámbitos empresariales sin comprometer la velocidad de los desarrolladores ni el control de la empresa.

“Heroku” para agentes

A menudo describo LMOS como “Heroku para agentes”. Al igual que esta herramienta abstrajo la complejidad de la implementación de aplicaciones web, LMOS hace lo propio con la complejidad de la ejecución de agentes de IA de nivel de producción. Los ingenieros no necesitan gestionar modelos de implementación, clasificadores, supervisión o escalado: LMOS se encarga de todo.

En la actualidad, LMOS da servicio a agentes de atención al cliente, como el asistente Frag Magenta OneBOT. Creemos que se trata de una de las primeras plataformas multiagente en entrar en funcionamiento, ya que su planificación y despliegue comenzaron antes de que OpenAI lanzara su SDK para agentes a principios de 2024. Podría decirse que es el mayor despliegue empresarial de múltiples agentes de IA en Europa, ya que actualmente da soporte a millones de conversaciones en los mercados de Deutsche Telekom.

El tiempo necesario para desarrollar un nuevo agente se ha reducido a un día o menos, y los equipos comerciales ahora pueden definir y actualizar los procedimientos operativos sin depender de los ingenieros. Las transferencias al soporte humano para los agentes Arc activados por API son de alrededor del 30%, y esperamos que esta cifra disminuya a medida que mejore la cobertura de conocimientos, la integración del backend y la madurez de la plataforma.

Escalar la IA soberana con código abierto y la colaboración de la comunidad

De cara al futuro, observamos un crecimiento de las aplicaciones potenciales de LMOS, especialmente a medida que maduren la computación agentica y la infraestructura de recuperación. Desde el principio, hemos construido LMOS sobre estándares abiertos y primitivas de infraestructura como Kubernetes, lo que garantiza la portabilidad entre máquinas de desarrolladores, nubes privadas y centros de datos.

Con ese mismo espíritu, decidimos contribuir con LMOS a la Fundación Eclipse, lo que le permite evolucionar con la participación de la comunidad y seguir siendo accesible a organizaciones más allá de la nuestra. Esperamos que aumente el interés por desarrollar LMOS a medida que más equipos comienzan a comprender cómo la búsqueda semántica y la recuperación estructurada basan la IA en información fiable.

Lo que nos ha guiado hasta ahora no es sólo la tecnología. Nos hemos centrado en la experiencia práctica de los desarrolladores, en una arquitectura interoperable y en las lecciones aprendidas con esfuerzo durante la fase de producción. Esa mentalidad nos ha ayudado a pasar de la experimentación centrada en modelos a una pila de IA escalable, abierta y con opiniones propias, algo que consideramos fundamental para llevar la IA agencial al mundo real, a escala empresarial.

Arun Joseph es antiguo director de ingeniería y arquitectura de Deutsche Telekom.

En un mercado de 4,8 billones de dólares nadie quiere quedarse al margen. Este es el volumen total que moverá la inteligencia artificial para 2033, según las previsiones que manejan desde UNCTAD, el órgano de la ONU para Comercio y Desarrollo. Significa multiplicar por 25 el capital en el que se cifraba la IA en 2023, cuando ascendía a 189.000 millones de dólares. De cumplirse con estas previsiones, se convertirá en la principal tecnología de vanguardia global, con el 29% de cuota de mercado y por encima de IoT (internet de las cosas), blockchain o vehículos eléctricos, otras de las analizadas.

Resulta comprensible que, entre las proyecciones de futuro y las historias actuales de éxitos impulsados por IA, las compañías estén buscando apostar por la IA. Esto no siempre es fácil: requiere de una cuidada planificación, en la que la formación del personal y la innovación tecnológica vayan de la mano, o se corre el riesgo de malgastar tiempo y recursos sin lograr resultados. Un reciente informe de The Adecco Group sobre liderazgo en IA detectaba que, en España, un 59% de líderes empresariales encontraban problemas para consensuar estrategias de forma oportuna, 13 puntos porcentuales más que la media global. Aún en este escenario, un 55% de participantes decía que el uso de la IA por parte de su equipo directivo había mejorado la toma de decisiones, frente al 49% del total.

Esta falta de claridad empresarial entre las empresas españolas se pone también de manifiesto en un estudio de 2025 de la consultora Seidor. Aquí son un 32% de las organizaciones las que manifestaban no tener claro cómo aplicar la inteligencia artificial para ganar competitividad. Pese a esto, mantienen la inversión en IA entre sus previsiones: un 73% de compañías estima aumentar entre un 10% y un 80% la inversión en esta tecnología durante el próximo año, sin duda llevadas por la firme creencia de que transformará profundamente la manera de hacer negocios: así lo comunicaban un 72% de participantes.

Estas encuestas plantean un doble escenario, en el cual se reconoce la importancia de la IA y se confía en las promesas de mejoras que brinda, pero se falla en el cómo aplicarlo para poder aprovechar su valor o responder a los retos que plantea. La respuesta que se está dando desde algunas organizaciones pasa por focalizar los esfuerzos a través de un organismo central, transversal al resto de departamentos. Un centro de excelencia o de competencia en la IA.

“Las empresas que aspiren a competir globalmente necesitarán un núcleo especializado que combine ciencia de datos, ingeniería y visión de negocio con un mandato claro: transformar el potencial de la IA en resultados tangibles para el negocio”

Sergio Merchán

Desde septiembre de 2022 lleva en marcha el Centro de Excelencia en Inteligencia Artificial de Iberdrola, creado en el marco del proyecto Inteligencia Artificial para la Transición Energética Sostenible. Sin embargo, el trabajo de la compañía con IA es anterior, como recuerda su CIO global, Sergio Merchán. “En Iberdrola llevamos más de una década aplicando inteligencia artificial en toda nuestra cadena de valor, con más de 150 casos de uso que abarcan desde la predicción de la demanda eléctrica hasta la detección de fraudes o la optimización de rutas”, recuerda. “La irrupción de la IA generativa marcó un punto de inflexión. Su capacidad para acelerar el desarrollo de soluciones y transformar procesos nos llevó a dar un paso más: crear un Centro de Competencia de IA que concentra talento, metodologías ágiles y gobernanza de datos en un único ecosistema”.

En el caso de la energética, este centro se ha diseñado siguiendo un modelo centralizado, “un único hub con estándares comunes, pero profundamente conectado con los negocios”, explica Merchán. “Cada iniciativa arranca con equipos híbridos formados por expertos del Centro (científicos de datos, ingenieros de IA, arquitectos cloud) y perfiles del área de negocio. Esta colaboración garantiza tanto la excelencia técnica como la relevancia estratégica”. También actúa como partner tecnológico transversal, señala, “ofreciendo servicios de gobierno, estándares y acompañamiento en IA responsable”.

Para Merchán, el centro actúa como acelerador de valor en tres ejes estratégicos. “Primero, habilita nuevos productos y servicios, como asistentes inteligentes, validadores automáticos de contratos o copilotos para desarrolladores, que mejora la experiencia de clientes y empleados. Segundo, impulsa la eficiencia operativa mediante algoritmos de optimización energética, agentes autónomos y automatización documental, alineando rentabilidad con sostenibilidad. Y tercero, consolida una auténtica cultura de datos: democratiza la IA para que cualquier área de negocio incorpore la analítica avanzada en su ADN”, sintetiza. Entre los beneficios de su implementación, Merchán destaca la reducción del time-to-market de soluciones que antes tardaban más tiempo o, directamente, no eran viables. “En esencia, es nuestro laboratorio del futuro: un espacio donde la imaginación se convierte en prototipo y el prototipo en valor de negocio”.

El CIO de Iberdrola apunta a la potencial expansión de este tipo de departamentos, con la creciente integración de herramientas inteligentes en entornos empresariales. “La IA ha dejado de ser un experimento para convertirse en el nuevo sistema operativo de las compañías líderes. Las empresas que aspiren a competir globalmente necesitarán un núcleo especializado que combine ciencia de datos, ingeniería y visión de negocio con un mandato claro: transformar el potencial de la IA en resultados tangibles para el negocio”, sintetiza. “Y, al igual que sucedió con la electrificación o la adopción del cloud, quienes se anticipen disfrutarán de una ventaja competitiva”.

“La creación de este centro representa un cambio significativo en la forma en que abordamos la IA, considerándola no solo como una herramienta, sino como un mecanismo transversal que aprovecha sinergias y capacidades en todo el Grupo”

Diego Bodas

Otra de las compañías españolas que sí está integrando ya herramientas inteligentes en distintos grados de su operativa es la aseguradora MAPFRE. En marzo oficializaban algunos datos que revelan su grado de aplicación: más del 40% de operaciones son atendidas por asistentes virtuales; 1,2 millones de clientes tienen ya automatizada su gestión de documentos; siete de cada diez clientes en España han interactuado con soluciones de IA.

A los esfuerzos de la compañía en este campo se le añadía hace unos meses la creación de su Centro de IA, que está aún en fase de despliegue gradual. Cuenta con profesionales de distintas geografías —Brasil, Estados Unidos y España— y concentra iniciativas de 14 países distintos. Diego Bodas, director de IA en la aseguradora y responsable de este nuevo órgano, habla de “hacer un buen gobierno de la IA” mediante este Centro, “desde el que se coordinan todas las iniciativas de IA en el Grupo, de manera transversal, segura y responsable. Este centro es una pieza clave del modelo de gobierno global”. Bodas lo considera “un activo estratégico” tanto para mantenerse al día como para “desarrollar experiencia propia y eficiente”.

Contar con un equipo global y diverso favorece “analizar y adaptar el trabajo y metodologías según las necesidades locales, desde la priorización de casos hasta la propia regulación”. Su carácter transversal queda probado en el trabajo con profesionales de otros departamentos, como operaciones, tecnología, seguridad y privacidad, legal, innovación o RR.HH. “para garantizar que el gobierno de la IA se lleva a cabo bajo nuestros más altos estándares”.

 “La creación de este centro representa un cambio significativo en la forma en que abordamos la IA, considerándola no solo como una herramienta, sino como un mecanismo transversal que aprovecha sinergias y capacidades en todo el Grupo”. Bodas apunta a uno de los aspectos clave en la integración empresarial de tecnologías inteligentes cuando explica que “su estrategia está alineada con las prioridades del Plan Estratégico Global, garantizando una planificación cuidadosa y efectiva”. Una integración de este tipo puede evitar, por ejemplo, que se trate de iniciativas aisladas, con poco recorrido o retorno de la inversión, o que repliquen casos de uso de éxito en otras compañías sin adaptarlos al modelo propio.

Según el director del centro, este se entiende “como un facilitador para la escucha de ideas, asesoramiento, ejecución y control de iniciativas de IA en el Grupo, gestionando el desarrollo de casos de uso, alianzas, metodologías de priorización, inventariado y medición del rendimiento de los modelos. En definitiva”, concluye, “un equipo especializado de confianza para apoya al negocio en toma de decisiones y ejecución, para optimizar los resultados con un uso y adopción de la IA consistente”. 

Bodas destaca como los pilares de actuación la estrategia y organización, los datos y la calidad de los mismos, la tecnología y procesos, el riesgo, cumplimiento y privacidad. “Y un pilar que consideramos transversal, que es el de personas y talento”, destaca. Esto tiene una doble perspectiva: por una parte, “son los equipos los que identifican las necesidades de los clientes y proponen de manera proactiva casos de uso para solucionar retos y desafíos detectados”. Además, el centro impulsa formaciones en IA para toda la plantilla.