Cuando la IA empresarial realmente funcione, no será igual

En un artículo publicado hace un par de semanas, argumenté que el fracaso de la IA empresarial no se debía realmente al entusiasmo, adopción o incluso a la capacidad de los modelos. Era una cuestión arquitectónica: los grandes modelos de lenguaje nunca se diseñaron para gestionar una empresa. Las compañías funcionan con memoria, contexto, retroalimentación y restricciones; mientras que los modelos de lenguaje natural (MLN, por sus siglas en inglés) siguen siendo, en esencia, sistemas para predecir texto. 

En un segundo artículo, comenté que la solución no radicaba en “mejores indicaciones”, sino en un cambio más profundo: de herramientas a sistemas, de respuestas a resultados, de copilotos a sistemas de acción y de indicaciones a restricciones. La IA empresarial no puede basarse en sesiones. Tiene que recordar. 

Ese argumento ahora necesita un tercer paso, porque algo importante empieza a suceder: los sistemas que comienzan a funcionar en la IA empresarial no se parecen a chatbots mejorados, copilotos mejorados ni siquiera a cadenas de mensajes mejoradas. Se asemejan más a algo completamente distinto. Y si se observa con atención, la evidencia ya está ahí. 

El cambio de herramientas a sistemas ya no es teórico

En los últimos dos años, la industria de la inteligencia artificial se ha centrado principalmente en optimizar la capa visible: modelos más grandes, mejores interfaces, asistentes virtuales más sofisticados y, ahora, agentes más ambiciosos. Sin embargo, las señales más claras de valor no provienen únicamente de esa capa visible, sino también de organizaciones que están rediseñando sus flujos de trabajo, integrando dicha tecnología en sus procesos y tratándola no como una herramienta, sino como una infraestructura.

La última encuesta global de McKinsey lo deja claro: el uso de la IA está muy extendido, pero la mayoría de las organizaciones aún no la han integrado lo suficiente en sus flujos de trabajo y procesos como para generar beneficios sustanciales a nivel empresarial. También revela que el rediseño de los flujos de trabajo es uno de los factores que más contribuyen a un impacto empresarial significativo. 

Esto es importante porque confirma el argumento central de mis dos primeros artículos: el problema nunca fue solo si los modelos podían responder bien, sino también dónde los estábamos implementando. Las organizaciones que están progresando no se limitan a “usar más IA”. Están rediseñando la empresa en torno a ella. 

Los sistemas que funcionan no parten de indicaciones

Aquí es donde comienza el verdadero cambio.

Los sistemas de IA empresariales más interesantes que surgen hoy en día no parten de una instrucción en sentido estricto, sino del contexto: un contexto persistente, estructurado y controlado. El propio equipo de ingeniería de Anthropic describe ahora la ingeniería de contexto como la progresión natural más allá de la ingeniería de instrucciones, esto bajo el argumento de que el verdadero desafío ya no reside solo en cómo formular las instrucciones, sino en cómo gestionar todo el estado del contexto que rodea al modelo: instrucciones del sistema, herramientas, datos externos, historial de mensajes y entorno. 

Se trata de un cambio profundo. Significa que el centro de gravedad se está desplazando de “¿qué debo preguntarle al modelo?” hacia “¿qué entorno, estado y restricciones debería conocer el sistema antes de formular cualquier pregunta?”.

Anthropic refuerza este mismo punto en su guía para agentes de larga duración, donde enfatiza la gestión del entorno y la necesidad de configurar los agentes futuros con el contexto que necesitarán para trabajar eficazmente en múltiples ventanas y horizontes temporales más amplios. 

Esto empieza a acercarse a lo que planteaban mis dos artículos anteriores. Una empresa no es una sesión: es un sistema en constante evolución con memoria. La IA empresarial que reconstruye el contexto desde cero parte de una premisa errónea. 

El mayor cambio no es la inteligencia, sino la desaparición

Esta es la parte que mucha gente todavía no ve. 

La siguiente fase de la IA empresarial no se definirá necesariamente por sistemas que parezcan más inteligentes a simple vista, sino por sistemas menos visibles. Cuando la inteligencia artificial se integra en los flujos de trabajo, se vincula a los sistemas de registro, se alinea con las reglas y se actualiza continuamente según los resultados, deja de comportarse como una capa independiente a la que los usuarios acceden. Se convierte en parte del funcionamiento interno de la organización. 

El Índice de Tendencias Laborales de Microsoft para 2025 apunta en esa dirección al afirmar que las empresas están pasando de organigramas rígidos a estructuras más dinámicas y orientadas a resultados, impulsadas por personas y agentes que colaboran en torno a objetivos en lugar de funciones. Esto no es solo una afirmación sobre nuevas herramientas, sino acerca de un nuevo sustrato organizativo. 

Accenture plantea un argumento similar desde una perspectiva diferente, describiendo la IA como algo que está empezando a aplanar las estructuras y a crear formas de trabajo más adaptativas y autoorganizadas, en lugar de simplemente añadir inteligencia a las antiguas jerarquías. 

Por lo tanto, el cambio más profundo no radica en que los modelos se vuelven más inteligentes, sino en que la inteligencia empieza a integrarse en la estructura misma de la empresa. 

Por qué los copilotos y los agentes siempre fueron figuras de transición

Nada de esto significa que la última oleada fuera irrelevante. Los copilotos, asistentes y agentes fueron formas de transición importantes. Hicieron tangible la IA. Enseñaron a las personas a interactuar con estos sistemas. Ayudaron a las organizaciones a descubrir casos de uso. Pero también sirvieron de base para el debate en la capa de interfaz. 

Eso siempre iba a ser temporal. 

Un copiloto sugiere. Un agente puede planificar y ejecutar. Pero una empresa requiere continuidad, coordinación, gobernanza, permisos, umbrales de riesgo y mecanismos de retroalimentación. Por eso, muchas implementaciones actuales siguen siendo impresionantes en las demostraciones, pero frustrantes en la práctica. La inteligencia es visible, pero la arquitectura subyacente sigue siendo débil. Este patrón se observa no solo en los análisis de fallos relacionados con el MIT que mencioné anteriormente, sino también en trabajos más recientes de McKinsey y Deloitte, que apuntan al mismo problema: integrar la IA en flujos de trabajo tradicionales no es suficiente; las organizaciones deben rediseñar sus operaciones y arquitecturas en torno a ella. 

Deloitte lo deja bien claro en su reciente estrategia de IA basada en agentes: muchas empresas se topan con obstáculos porque intentan automatizar procesos diseñados para humanos en lugar de reinventar el trabajo en sí.

Su conclusión es prácticamente idéntica a la que hemos estado desarrollando: el valor reside en rediseñar las operaciones y crear arquitecturas compatibles con agentes, no en añadir agentes a flujos de trabajo antiguos. 

El verdadero cambio arquitectónico ya está en marcha

Por eso creo que este tercer artículo debe decir algo más contundente que “necesitamos mejores sistemas”. Debe plantear que esos sistemas ya empiezan a surgir. 

Analicemos hacia dónde se dirige la energía. Anthropic escribe sobre ingeniería de contexto y sistemas de control de agentes de larga duración. IBM escribe sobre ingeniería de contexto para IA con agentes confiables, y hace hincapié en que las empresas necesitan linaje, procedencia, auditabilidad, gobernanza en tiempo de ejecución y la capacidad de inspeccionar y redirigir agentes en movimiento. 

McKinsey constanta que las organizaciones que obtienen mayor valor son aquellas que rediseñan sus flujos de trabajo, integran la inteligencia artificial en sus procesos y desarrollan prácticas de gestión centradas en la validación, la gobernanza, los datos y los modelos operativos. 

Microsoft describe explícitamente una transición hacia empresas construidas en torno a la IA disponible en todo momento, equipos formados por humanos y agentes, y estructuras operativas dinámicas en lugar de jerarquías estáticas. 

Deloitte advierte que muchas implementaciones de sistemas basados ​​en agentes se estancan porque los sistemas heredados no pueden satisfacer las demandas de ejecución de la IA moderna y porque las empresas siguen intentando automatizar las cosas equivocadas. 

Estas no son observaciones aleatorias. Todas apuntan en la misma dirección: el cambio arquitectónico ya no es hipotético. 

La verdadera división no será entre “usar IA” y “no usar IA”

Esa división ya no tiene sentido. Los datos de McKinsey muestran que casi nueve de cada diez organizaciones utilizan inteligencia artificial en al menos una función empresarial, pero la mayoría aún se encuentra en fase experimental o piloto, y solo alrededor de un tercio ha comenzado a escalar sus programas de IA. En otras palabras, su uso está muy extendido, pero la transformación aún es desigual. 

Así, la división fundamental se está transformando en algo completamente distinto: la división entre las empresas que tratan la IA como una capa de herramientas visible y las que la consideran una capacidad sistémica. Un grupo seguirá generando resultados. El otro comenzará a modificar los resultados. Unos continuarán añadiendo asistentes e interfaces. Los otros integrarán memoria, restricciones, lógica de flujo de trabajo y aprendizaje en el núcleo operativo de la organización. Esa es la discontinuidad a la que ya apuntaba mi artículo anterior. 

Y cuando esa discontinuidad se haga visible, probablemente se sentirá repentina, incluso si los cimientos se han construido discretamente durante meses. 

En el momento en que se haga visible, no parecerá un progreso

Tendrá otro aspecto. La Escuela de Administración Sloan del MIT ha argumentado que los líderes deben replantearse cómo gestionan a las personas, los procesos y los proyectos en torno a la IA, en lugar de simplemente incorporar la tecnología a las rutinas existentes. Su planteamiento es revelador: el verdadero desafío reside en el rediseño organizacional, no solo en el acceso a los modelos. 

Por eso, las próxima compañías líderes en IA empresarial tal vez no parezcan, desde fuera, empresas con el asistente más sofisticado o los productos con IA más visible. Quizás parezcan organizaciones cuyos sistemas internos se han vuelto, discretamente, más adaptables, más sensibles al contexto, más sensibles a las restricciones y más capaces de actuar de forma coherente en todas las funciones. 

En otras palabras, cuando la IA empresarial finalmente funcione, no se sentirá como otro ciclo más de adopción de herramientas. Dará la sensación de que la propia empresa se ha vuelto más inteligente.

El futuro de la IA empresarial no es algo que se utilice, sino algo en lo que se convierte la empresa

Ese es el cambio que mis dos primeros artículos ya estaban preparando: el primero establecía que los másteres en derecho nunca fueron arquitectura empresarial. El segundo argumentaba que la IA empresarial debe pasar de las herramientas a los sistemas. El siguiente paso es claro, ya que esta transición ya no es teórica: la evidencia en la investigación, la consultoría, la ingeniería de proveedores y el diseño organizacional sugiere que la verdadera frontera se encuentra mucho más allá del chatbot. 

Y cuando esa capa se haga visible, no se parecerá a mejores indicaciones, mejores copilotos o mejores demostraciones. 

Tendrá el aspecto de una empresa diferente.