{"id":2256,"date":"2026-05-26T03:16:43","date_gmt":"2026-05-26T03:16:43","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/05\/26\/cuando-la-inteligencia-artificial-empresarial-funcione-de-verdad-no-parecera-inteligencia-artificial\/"},"modified":"2026-05-26T03:16:43","modified_gmt":"2026-05-26T03:16:43","slug":"cuando-la-inteligencia-artificial-empresarial-funcione-de-verdad-no-parecera-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/05\/26\/cuando-la-inteligencia-artificial-empresarial-funcione-de-verdad-no-parecera-inteligencia-artificial\/","title":{"rendered":"Cuando la inteligencia artificial empresarial funcione de verdad, no parecer\u00e1 inteligencia artificial"},"content":{"rendered":"
\n
\n

En un art\u00edculo de hace un par de semanas, argument\u00e9 que el fracaso de la inteligencia artificial empresarial no ten\u00eda realmente que ver con el entusiasmo, la adopci\u00f3n o incluso la capacidad de los modelos. Era un problema arquitect\u00f3nico: los grandes modelos de lenguaje nunca fueron dise\u00f1ados para dirigir una empresa<\/a>. Las empresas funcionan con memoria, contexto, retroalimentaci\u00f3n y restricciones, mientras que los LLM siguen siendo, en esencia, sistemas para predecir texto.<\/p>\n

En un segundo art\u00edculo, defend\u00ed que la respuesta no eran \u00abmejores prompts<\/em>\u00ab, sino un cambio m\u00e1s profundo: pasar de herramientas a sistemas, de respuestas a resultados, de copilots<\/em> a sistemas de acci\u00f3n y de prompts<\/em> a restricciones<\/a>. La inteligencia artificial empresarial no puede basarse en sesiones. Tiene que recordar.<\/p>\n

Ese argumento necesita ahora un tercer paso, porque algo importante est\u00e1 empezando a ocurrir: los sistemas que empiezan a funcionar en la inteligencia artificial empresarial no se parecen a mejores chatbots<\/em>, mejores copilots<\/em> ni siquiera a mejores cadenas de prompts<\/em><\/a>. Se parecen a algo completamente distinto. Y, si se observa con atenci\u00f3n, la evidencia ya est\u00e1 a la vista.<\/p>\n

El cambio de herramientas a sistemas ya no es te\u00f3rico<\/h3>\n

Durante los dos \u00faltimos a\u00f1os, la industria de la inteligencia artificial se ha dedicado sobre todo a optimizar la capa visible: modelos m\u00e1s grandes, mejores interfaces, copilots<\/em> m\u00e1s pulidos y, ahora, agentes m\u00e1s ambiciosos. Pero las se\u00f1ales m\u00e1s claras de valor no provienen solo de esa capa visible: vienen de organizaciones que est\u00e1n redise\u00f1ando flujos de trabajo, integrando inteligencia artificial dentro de procesos y tratando la inteligencia no tanto como una herramienta sino como una infraestructura<\/strong>. La \u00faltima encuesta global de McKinsey<\/a> lo dice claramente: el uso de inteligencia artificial es amplio, pero la mayor\u00eda de las organizaciones a\u00fan no la ha integrado lo suficiente en sus procesos y workflows<\/em> como para generar beneficios materiales a nivel empresarial. Tambi\u00e9n concluye que el redise\u00f1o de workflows<\/em> es uno de los factores que m\u00e1s contribuyen a un impacto real en el negocio.<\/p>\n

Eso importa porque confirma el argumento central de mis dos art\u00edculos anteriores: el problema nunca fue s\u00f3lo si los modelos pod\u00edan responder bien. El problema era d\u00f3nde los est\u00e1bamos colocando. Las organizaciones que avanzan m\u00e1s no son simplemente las que \u00abusan m\u00e1s inteligencia artificial\u00bb. Son las que est\u00e1n redise\u00f1ando la compa\u00f1\u00eda alrededor de ella.<\/p>\n

Los sistemas que funcionan no empiezan con prompts<\/em><\/h3>\n

Aqu\u00ed es donde empieza el verdadero cambio. Los sistemas de inteligencia artificial empresarial m\u00e1s interesantes que est\u00e1n emergiendo hoy no parten de un prompt<\/em> en sentido estricto. Parten del contexto: un contexto persistente, estructurado y gobernado. El propio equipo de ingenier\u00eda de Anthropic describe ahora la ingenier\u00eda de contexto como la evoluci\u00f3n natural de la ingenier\u00eda de prompts<\/em><\/a>, argumentando que el verdadero reto ya no es solo c\u00f3mo formular instrucciones, sino c\u00f3mo gestionar todo el estado contextual alrededor del modelo: instrucciones del sistema, herramientas, datos externos, historial de mensajes y entorno.<\/p>\n

Es un cambio profundo. Significa que el centro de gravedad se est\u00e1 desplazando desde \u00ab\u00bfqu\u00e9 debo preguntar al modelo?\u00bb hacia \u00ab\u00bfqu\u00e9 entorno, estado y restricciones deber\u00eda conocer ya el sistema antes siquiera de formular la pregunta?\u00bb Anthropic refuerza la misma idea en sus recomendaciones para agentes de larga duraci\u00f3n, donde enfatiza la gesti\u00f3n del entorno y la necesidad de preparar a los futuros agentes con el contexto que necesitar\u00e1n para trabajar eficazmente a trav\u00e9s de m\u00faltiples ventanas y horizontes temporales largos.<\/p>\n

Esto empieza a acercarse mucho a lo que planteaban mis dos art\u00edculos anteriores. Una empresa no es una sesi\u00f3n: es un sistema din\u00e1mico con memoria. La inteligencia artificial empresarial que reconstruye contexto desde cero en cada interacci\u00f3n parte ya de una premisa equivocada<\/strong>.<\/p>\n

El mayor cambio no es la inteligencia. Es la desaparici\u00f3n<\/h3>\n

Esta es la parte que mucha gente sigue sin ver: la pr\u00f3xima fase de la inteligencia artificial empresarial no estar\u00e1 necesariamente definida por sistemas que parezcan m\u00e1s obviamente inteligentes. Estar\u00e1 definida por sistemas que resulten menos visibles. Cuando la inteligencia se integra en workflows<\/em>, se conecta a sistemas de registro, se alinea con reglas y se actualiza continuamente a partir de resultados, deja de comportarse como una capa separada a la que el usuario \u00abacude\u00bb. Pasa a formar parte de c\u00f3mo funciona la propia organizaci\u00f3n.<\/p>\n

El Work Trend Index 2025 de Microsoft<\/a> apunta precisamente en esa direcci\u00f3n cuando afirma que las empresas est\u00e1n pasando de organigramas r\u00edgidos a estructuras de trabajo m\u00e1s din\u00e1micas y orientadas a resultados, impulsadas por humanos y agentes colaborando en torno a objetivos en lugar de funciones<\/a>. No es solo una afirmaci\u00f3n sobre nuevas herramientas. Es una afirmaci\u00f3n sobre un nuevo sustrato organizativo.<\/p>\n

Accenture plantea algo parecido desde otro \u00e1ngulo, describiendo la inteligencia artificial como una fuerza que empieza a aplanar estructuras y crear formas de trabajo m\u00e1s adaptativas y auto-organizadas<\/a>, en lugar de limitarse a a\u00f1adir inteligencia sobre jerarqu\u00edas antiguas.<\/p>\n

As\u00ed que el cambio m\u00e1s profundo no es que los modelos se vuelvan m\u00e1s inteligentes. Es que la inteligencia empieza a desaparecer dentro del tejido mismo de la empresa<\/strong>.<\/p>\n

Por qu\u00e9 los copilots<\/em> y los agentes siempre fueron transicionales<\/h3>\n

Nada de esto significa que la ola anterior fuera irrelevante. Los copilots<\/em>, asistentes y agentes fueron formas transicionales importantes. Hicieron tangible la inteligencia artificial. Ense\u00f1aron a las personas a interactuar con estos sistemas. Ayudaron a las organizaciones a descubrir casos de uso. Pero tambi\u00e9n anclaron la conversaci\u00f3n en la capa de interfaz.<\/p>\n

Eso siempre iba a ser temporal. Un copilot<\/em> sugiere. Un agente puede planificar y ejecutar. Pero una empresa necesita continuidad, coordinaci\u00f3n, gobernanza, permisos, umbrales de riesgo y bucles de retroalimentaci\u00f3n<\/strong>. Por eso tantas implementaciones actuales siguen siendo impresionantes en las demos y frustrantes en la operaci\u00f3n real. La inteligencia es visible, pero la arquitectura subyacente sigue siendo superficial. Ese patr\u00f3n aparece ya no solo en los an\u00e1lisis previos sobre fracasos<\/a> citados anteriormente, sino tambi\u00e9n en trabajos recientes de McKinsey y Deloitte, que apuntan exactamente al mismo problema: a\u00f1adir inteligencia artificial encima de workflows<\/em> heredados no es suficiente; las organizaciones tienen que redise\u00f1ar operaciones y arquitecturas alrededor de ella.<\/p>\n

Deloitte lo plantea de forma especialmente clara en su reciente informe sobre estrategia de inteligencia artificial ag\u00e9ntica<\/a>: muchas empresas est\u00e1n chocando contra un muro porque intentan automatizar procesos dise\u00f1ados para humanos en lugar de replantear el propio trabajo. Su conclusi\u00f3n es pr\u00e1cticamente id\u00e9ntica a la que venimos construyendo aqu\u00ed: el valor surge del redise\u00f1o operativo y de arquitecturas compatibles con agentes, no de a\u00f1adir agentes sobre workflows<\/em> antiguos.<\/p>\n

El verdadero cambio arquitect\u00f3nico ya est\u00e1 en marcha<\/h3>\n

Por eso creo que este tercer art\u00edculo tiene que ir m\u00e1s all\u00e1 de decir simplemente \u00abnecesitamos mejores sistemas\u00bb. Tiene que afirmar algo m\u00e1s fuerte: esos sistemas ya est\u00e1n empezando a emerger.<\/p>\n

Basta mirar hacia d\u00f3nde se dirige la energ\u00eda: Anthropic escribe sobre ingenier\u00eda de contexto y entornos de ejecuci\u00f3n para agentes persistentes. IBM escribe sobre ingenier\u00eda de contexto para inteligencia artificial ag\u00e9ntica fiable<\/a>, insistiendo en que las empresas necesitan trazabilidad, procedencia, auditabilidad, gobernanza en tiempo real y capacidad para inspeccionar y redirigir agentes en funcionamiento.<\/p>\n

McKinsey encuentra que las organizaciones que m\u00e1s valor extraen son aquellas que redise\u00f1an workflows<\/em>, integran inteligencia artificial en procesos y construyen pr\u00e1cticas de gesti\u00f3n alrededor de validaci\u00f3n, gobernanza, datos y modelos operativos.<\/p>\n

Microsoft describe expl\u00edcitamente una transici\u00f3n hacia empresas construidas alrededor de inteligencia bajo demanda, equipos h\u00edbridos humano-agente y estructuras din\u00e1micas en lugar de jerarqu\u00edas est\u00e1ticas.<\/p>\n

Deloitte advierte de que muchas implementaciones ag\u00e9nticas se est\u00e1n estancando porque los sistemas heredados no pueden soportar las exigencias de ejecuci\u00f3n de la inteligencia artificial moderna y porque las empresas siguen intentando automatizar las cosas equivocadas.<\/p>\n

No son observaciones aisladas. Todas apuntan en la misma direcci\u00f3n: el cambio de arquitectura ya no es hipot\u00e9tico.<\/p>\n

La verdadera divisi\u00f3n no ser\u00e1 \u00abusa inteligencia artificial\u00bb frente a \u00abno usa inteligencia artificial\u00bb<\/h3>\n

Esa divisi\u00f3n ya carece de sentido. Los datos de McKinsey muestran que casi nueve de cada diez organizaciones utilizan inteligencia artificial en al menos una funci\u00f3n de negocio, y aun as\u00ed la mayor\u00eda sigue atrapada en experimentos o pilotos, mientras solo aproximadamente un tercio ha comenzado realmente a escalar sus programas de inteligencia artificial. En otras palabras, el uso es masivo, pero la transformaci\u00f3n sigue siendo desigual.<\/p>\n

La divisi\u00f3n relevante est\u00e1 empezando a ser otra completamente distinta: la que separa a las empresas que tratan la inteligencia artificial como una capa visible de herramientas y aquellas que la tratan como una capacidad sist\u00e9mica<\/strong>. Unas seguir\u00e1n generando outputs<\/em>. Las otras empezar\u00e1n a cambiar resultados. Unas seguir\u00e1n a\u00f1adiendo asistentes e interfaces. Las otras integrar\u00e1n memoria, restricciones, l\u00f3gica de workflow<\/em> y aprendizaje en el n\u00facleo operativo de la organizaci\u00f3n. Esa es la discontinuidad hacia la que apuntaba ya mi art\u00edculo anterior<\/a>.<\/p>\n

Y cuando esa discontinuidad se haga visible, probablemente parecer\u00e1 repentina, aunque los cimientos lleven meses construy\u00e9ndose silenciosamente.<\/p>\n

Cuando se haga visible, no parecer\u00e1 progreso<\/h3>\n

Parecer\u00e1 otra cosa. MIT Sloan lleva tiempo argumentando que los l\u00edderes necesitan replantear c\u00f3mo gestionan personas, procesos y proyectos alrededor de la inteligencia artificial, en lugar de limitarse a a\u00f1adir tecnolog\u00eda a rutinas existentes<\/a>. Su enfoque es revelador: el verdadero reto es el redise\u00f1o organizativo, no simplemente el acceso a modelos.<\/p>\n

Por eso los pr\u00f3ximos ganadores en inteligencia artificial empresarial probablemente no parecer\u00e1n, desde fuera, empresas con el asistente m\u00e1s espectacular o los productos m\u00e1s visiblemente \u00abAI-powered\u00bb<\/em>. Parecer\u00e1n empresas cuyos sistemas internos se han vuelto silenciosamente m\u00e1s adaptativos, m\u00e1s conscientes del contexto, m\u00e1s sensibles a restricciones y m\u00e1s capaces de actuar de forma coherente entre funciones.<\/p>\n

En otras palabras, cuando la inteligencia artificial empresarial funcione de verdad, no se sentir\u00e1 como otro ciclo de adopci\u00f3n tecnol\u00f3gica: se sentir\u00e1 como si la propia empresa se hubiera vuelto m\u00e1s inteligente<\/strong>.<\/p>\n

El futuro de la inteligencia artificial empresarial no es algo que uses<\/h3>\n

Es algo en lo que tu empresa se convierte. Ese es el cambio para el que mis dos art\u00edculos anteriores estaban preparando el terreno: el primero establec\u00eda que los LLM nunca fueron arquitectura empresarial<\/a>. El segundo argumentaba que la inteligencia artificial empresarial deb\u00eda pasar de herramientas a sistemas<\/a>. El siguiente paso ya es evidente, porque esta transici\u00f3n ha dejado de ser te\u00f3rica: la evidencia procedente de la investigaci\u00f3n, la consultor\u00eda, la ingenier\u00eda de proveedores y el dise\u00f1o organizativo apunta a que la verdadera frontera est\u00e1 varias capas por debajo del chatbot<\/strong>.<\/p>\n

Y cuando esa capa se haga visible, no parecer\u00e1 mejores prompts<\/em>, mejores copilots<\/em> ni mejores demos: parecer\u00e1 una compa\u00f1\u00eda completamente diferente.<\/p>\n

\n

(This article was previously published on Fast Company<\/a>) <\/em><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Fuente: Art\u00edculo original<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

En un art\u00edculo de hace un par de semanas, argument\u00e9 que el fracaso de la inteligencia artificial empresarial no ten\u00eda realmente que ver con el entusiasmo, la adopci\u00f3n o incluso la capacidad de los modelos. Era un problema arquitect\u00f3nico: los grandes modelos de lenguaje nunca fueron dise\u00f1ados para dirigir una empresa. Las empresas funcionan con […]<\/p>\n","protected":false},"author":1,"featured_media":2255,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[33],"tags":[],"class_list":["post-2256","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia"],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/2256","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/comments?post=2256"}],"version-history":[{"count":0,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/2256\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media\/2255"}],"wp:attachment":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media?parent=2256"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/categories?post=2256"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/tags?post=2256"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}