{"id":2757,"date":"2026-06-08T03:17:33","date_gmt":"2026-06-08T03:17:33","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/06\/08\/inteligencia-artificial-del-grifo-pero-con-los-fontaneros-incluidos\/"},"modified":"2026-06-08T03:17:33","modified_gmt":"2026-06-08T03:17:33","slug":"inteligencia-artificial-del-grifo-pero-con-los-fontaneros-incluidos","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/06\/08\/inteligencia-artificial-del-grifo-pero-con-los-fontaneros-incluidos\/","title":{"rendered":"Inteligencia artificial del grifo\u2026 pero con los fontaneros incluidos"},"content":{"rendered":"
\n
\n

La promesa de la inteligencia artificial m\u00e1s avanzada siempre ha sonado como la de un servicio p\u00fablico: inteligencia abundante, disponible bajo demanda, tan f\u00e1cil de utilizar como la electricidad, el agua o la computaci\u00f3n en la nube. La met\u00e1fora es potente, y con raz\u00f3n. Los servicios p\u00fablicos escalan porque abstraen la complejidad: no necesitas un ingeniero de la compa\u00f1\u00eda el\u00e9ctrica sentado en tu oficina cada vez que enciendes la luz.<\/p>\n

Y, sin embargo, las empresas de inteligencia artificial m\u00e1s sofisticadas del mundo est\u00e1n haciendo cada vez m\u00e1s algo muy diferente: enviar personas.<\/p>\n

OpenAI anunci\u00f3 recientemente la OpenAI Deployment Company<\/a>, dise\u00f1ada expl\u00edcitamente para integrar Forward Deployed Engineers<\/a> dentro de organizaciones que trabajan sobre problemas complejos en entornos exigentes. Seg\u00fan OpenAI, estos ingenieros colaborar\u00e1n con directivos, responsables operativos y equipos de primera l\u00ednea para identificar d\u00f3nde la inteligencia artificial puede generar mayor impacto, redise\u00f1ar flujos de trabajo y convertir esas mejoras en sistemas duraderos. Anthropic est\u00e1 contratando Forward Deployed Engineers para su equipo de inteligencia artificial aplicada<\/a>, profesionales que se integran directamente con clientes estrat\u00e9gicos para impulsar la adopci\u00f3n empresarial y desplegar aplicaciones reales. Google est\u00e1 haciendo exactamente lo mismo<\/a>. \u00bfCasualidad?<\/p>\n

Resulta revelador. Porque si la inteligencia fuese ya una aut\u00e9ntica utility<\/em>, nada de esto ser\u00eda necesario. No tendr\u00edas que enviar tus propios ingenieros a cada cliente para conseguir que el grifo funcione.<\/p>\n

La paradoja de la inteligencia artificial como utility<\/em><\/h3>\n

Esta es la paradoja en el centro del modelo actual de inteligencia artificial empresarial: la industria habla el lenguaje de la escala, la abundancia y las plataformas, pero el modelo de implementaci\u00f3n se parece cada vez m\u00e1s al de la consultor\u00eda de alto nivel.<\/p>\n

Eso no significa que el trabajo carezca de importancia, m\u00e1s bien al rev\u00e9s. Los Forward Deployed Engineers suelen estar resolviendo el problema real: sacar los modelos m\u00e1s avanzados del entorno de demostraci\u00f3n y hacer que funcionen dentro de organizaciones complejas, reguladas y fragmentadas. Se ocupan de permisos, sistemas heredados, cumplimiento normativo, calidad de datos, flujos de trabajo, restricciones operativas y de todas esas cosas que hacen que las empresas reales se parezcan muy poco a los benchmarks<\/em>.<\/p>\n

Pero precisamente ah\u00ed est\u00e1 la cuesti\u00f3n. La necesidad de estas personas no es simplemente una innovaci\u00f3n comercial. Es un s\u00edntoma. Nos dice que el producto, tal y como est\u00e1 empaquetado hoy, todav\u00eda no es suficiente.<\/p>\n

En art\u00edculos anteriores de esta serie argument\u00e9 que los grandes modelos de lenguaje nunca fueron dise\u00f1ados para dirigir una empresa<\/a>, que la inteligencia artificial empresarial debe evolucionar de herramientas a sistemas<\/a>, y que los sistemas que finalmente funcionen no se parecer\u00e1n a chatbots<\/em> ni copilots<\/em>, sino a inteligencia integrada en la propia organizaci\u00f3n<\/a>. El fen\u00f3meno de los Forward Deployed Engineers confirma ese argumento desde el lado de los proveedores. Si el laboratorio de inteligencia artificial tiene que enviar ingenieros para reconstruir contexto, redise\u00f1ar procesos y hacer que el sistema opere bajo restricciones reales, entonces la capa que falta no es imaginaria. Est\u00e1 ah\u00ed, y est\u00e1 siendo suministrada manualmente.<\/p>\n

El patr\u00f3n pre-plataforma<\/h3>\n

Toda gran industria tecnol\u00f3gica atraviesa una fase artesanal antes de convertirse en industrial.<\/p>\n

Antes de que el software<\/em> empresarial se empaquetase como producto, las implantaciones eran completamente a medida. Antes de que las plataformas de cloud computing<\/em> maduras apareciesen, las empresas necesitaban ej\u00e9rcitos de especialistas para configurar sus infraestructuras. Antes de que la web se estabilizase alrededor de navegadores, est\u00e1ndares, proveedores de alojamiento, gestores de contenidos, anal\u00edtica y convenciones de dise\u00f1o, construir una p\u00e1gina web requer\u00eda much\u00edsimo m\u00e1s trabajo personalizado que despu\u00e9s.<\/p>\n

Los Forward Deployed Engineers encajan perfectamente en ese mismo patr\u00f3n hist\u00f3rico. Palantir populariz\u00f3 este modelo hace a\u00f1os<\/a>. De hecho, su propia descripci\u00f3n del puesto de Forward Deployed Software Engineer se basa en ingenieros que trabajan directamente dentro del entorno del cliente para conseguir que el software<\/em> funcione en la realidad operativa.<\/p>\n

Ese modelo ten\u00eda sentido para Palantir porque sus clientes suelen operar en entornos extraordinariamente complejos, de alto riesgo y con requisitos muy espec\u00edficos. Pero cuando OpenAI y Anthropic empiezan a converger hacia patrones similares<\/a>, la se\u00f1al es distinta: la industria de la inteligencia artificial m\u00e1s avanzada est\u00e1 descubriendo que los modelos, por s\u00ed solos, no son capaces de salvar la brecha empresarial.<\/p>\n

Eso no convierte a los FDEs en un fracaso. Los convierte en una forma transitoria. Son lo que aparece antes de que una categor\u00eda encuentre su aut\u00e9ntica capa de plataforma.<\/p>\n

SAP no env\u00eda empleados de SAP a cada cliente<\/h3>\n

Es aqu\u00ed donde la comparaci\u00f3n con el software<\/em> empresarial maduro resulta \u00fatil: SAP no escala enviando empleados de SAP a cada cliente. Cuenta con un enorme ecosistema de socios<\/a>. Salesforce tampoco implanta personalmente cada proyecto. Tiene AppExchange, ahora evolucionando hacia AgentExchange<\/a>, y un amplio ecosistema de partners<\/em>, fabricantes independientes de software<\/em> (ISVs) e integradores de sistemas. La empresa que crea la plataforma construye el sustrato; el ecosistema industrializa la entrega.<\/p>\n

Esa diferencia es importante. Cuando es el propio proveedor quien tiene que aportar la escasa experiencia humana necesaria para que el producto funcione, la categor\u00eda sigue siendo inmadura. Cuando son los socios, los integradores, las plantillas, los est\u00e1ndares y las arquitecturas repetibles quienes toman el relevo, la categor\u00eda empieza a escalar.<\/p>\n

Por eso conviene interpretar con cuidado la actual ola de FDEs. No es la prueba de que la inteligencia artificial m\u00e1s avanzada se haya convertido en una plataforma. Es la prueba de que todav\u00eda no lo ha hecho.<\/p>\n

Una plataforma aut\u00e9ntica reduce la necesidad de intervenciones a medida. Un producto preplataforma depende precisamente de ellas.<\/p>\n

La trampa del modelo de negocio<\/h3>\n

Hay otro problema, y es m\u00e1s sutil: una vez que los Forward Deployed Engineers se convierten en una fuente de ingresos, prestigio, proximidad estrat\u00e9gica y dependencia por parte del cliente, resulta mucho m\u00e1s dif\u00edcil para el proveedor prescindir de ellos. Las mismas personas que est\u00e1n resolviendo las carencias del producto pueden acabar formando parte del modelo de negocio que depende de que esas carencias sigan existiendo.<\/p>\n

Es el territorio cl\u00e1sico del dilema del innovador<\/a>. El gran Clayton Christensen<\/a> sosten\u00eda que las empresas de \u00e9xito suelen tener dificultades no porque sean incapaces de ver el futuro, sino porque sus modelos de negocio actuales hacen que ese futuro resulte poco atractivo o incluso canibalizador. En este caso, el dilema es sencillo: si una empresa de inteligencia artificial avanzada construye la capa que convierte los despliegues en algo repetible, modular y escalable a trav\u00e9s de socios, puede acabar socavando el modelo artesanal y de alto contacto que hoy le permite mantener una relaci\u00f3n estrecha con sus mayores clientes.<\/p>\n

Por eso la verdadera plataforma puede que no surja de las propias empresas que entrenan los modelos. Puede que aparezca en otra capa.<\/p>\n

La capa que falta no es otro modelo<\/h3>\n

La tentaci\u00f3n, como siempre, consiste en asumir que la respuesta es un modelo mejor. Un modelo m\u00e1s grande. M\u00e1s ag\u00e9ntico. Con ventanas de contexto m\u00e1s largas, m\u00e1s herramientas, m\u00e1s memoria, m\u00e1s trazas de razonamiento y m\u00e1s autonom\u00eda.<\/p>\n

Pero el modelo de los FDEs sugiere algo diferente. Si se est\u00e1n enviando ingenieros a los clientes para mapear procesos, comprender restricciones, conectar sistemas, estructurar contexto, gobernar accesos y transformar las salidas de la inteligencia artificial en resultados operativos, entonces la pieza que falta no es simplemente inteligencia. Es arquitectura.<\/p>\n

M\u00e1s concretamente, es la capa que transforma la realidad de la empresa en algo dentro de lo que los sistemas de inteligencia artificial puedan operar:<\/p>\n