{"id":3012,"date":"2026-06-20T03:12:18","date_gmt":"2026-06-20T03:12:18","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/06\/20\/la-verdadera-razon-por-la-que-la-inteligencia-artificial-empresarial-esta-estancada-las-metaforas-no-son-modelos\/"},"modified":"2026-06-20T03:12:18","modified_gmt":"2026-06-20T03:12:18","slug":"la-verdadera-razon-por-la-que-la-inteligencia-artificial-empresarial-esta-estancada-las-metaforas-no-son-modelos","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/06\/20\/la-verdadera-razon-por-la-que-la-inteligencia-artificial-empresarial-esta-estancada-las-metaforas-no-son-modelos\/","title":{"rendered":"La verdadera raz\u00f3n por la que la inteligencia artificial empresarial est\u00e1 estancada: las met\u00e1foras no son modelos"},"content":{"rendered":"
\n
\n

Una met\u00e1fora puede inspirar un producto. Un modelo formal crea una industria.<\/h3>\n

La raz\u00f3n por la que la inteligencia artificial empresarial sigue siendo obstinadamente artesanal no es que los modelos sean demasiado d\u00e9biles.<\/p>\n

No es porque las ventanas de contexto sean demasiado peque\u00f1as, ni porque los agentes necesiten mejores prompts<\/em>, ni porque las empresas se resistan a adoptar la tecnolog\u00eda. Todos esos son problemas visibles. Pero no son el m\u00e1s profundo.<\/p>\n

El problema m\u00e1s profundo es que la industria sigue construyendo a partir de met\u00e1foras. Y las met\u00e1foras no industrializan nada.<\/p>\n

Durante los dos \u00faltimos a\u00f1os, la inteligencia artificial empresarial se ha llenado de analog\u00edas humanas. Hablamos de memoria, reflexi\u00f3n, planificaci\u00f3n, delegaci\u00f3n, retroalimentaci\u00f3n e incluso sue\u00f1o. Business Insider<\/em> describ\u00eda recientemente la t\u00e9cnica de \u00abso\u00f1ar\u00bb de Anthropic para agentes de inteligencia artificial, un ejemplo revelador de hasta qu\u00e9 punto la industria recurre de forma natural a met\u00e1foras humanas para describir sistemas que son, en realidad, arquitecturas computacionales.<\/p>\n

Las met\u00e1foras son \u00fatiles. Hacen que los sistemas complejos sean m\u00e1s f\u00e1ciles de entender. Ayudan a los equipos de producto a explicar lo que hacen sus sistemas. Ayudan a los directivos a creer que est\u00e1n comprando algo familiar.<\/p>\n

Pero existe una diferencia entre una met\u00e1fora y un modelo: una met\u00e1fora describe algo. Un modelo lo formaliza. Y esa distinci\u00f3n puede explicar por qu\u00e9 la inteligencia artificial empresarial sigue atrapada entre demostraciones asombrosas y despliegues frustrantes.<\/p>\n

El software se industrializa cuando se formaliza<\/strong><\/h3>\n

Todas las grandes revoluciones del software han seguido el mismo patr\u00f3n: primero lleg\u00f3 la capacidad. Despu\u00e9s la formalizaci\u00f3n. Solo entonces apareci\u00f3 la plataforma.<\/p>\n

Las bases de datos relacionales no surgieron porque alguien construyera un archivador mejor. Surgieron porque Edgar F. Codd<\/a> introdujo un modelo relacional formal de los datos<\/a>, definiendo toda una forma de pensar sobre relaciones, operaciones, redundancia, consistencia e independencia de los datos. El SQL, las aplicaciones, los proveedores y los ecosistemas llegaron despu\u00e9s. Primero apareci\u00f3 la abstracci\u00f3n.<\/p>\n

La web no se volvi\u00f3 transformadora porque los navegadores se hicieran m\u00e1s atractivos. Se volvi\u00f3 transformadora porque los recursos adquirieron identidades formales. El documento \u00abarquitectura de la World Wide Web<\/a>\u00bb del W3C define la web como un espacio de informaci\u00f3n en el que los recursos se identifican mediante URI. El HTTP, formalizado en la RFC 9110<\/a>, es un protocolo sin estado cuyas peticiones pueden interpretarse de forma independiente. El HTML, las URL, los m\u00e9todos HTTP o los c\u00f3digos de estado no eran detalles decorativos. Eran la gram\u00e1tica que permiti\u00f3 industrializar la web.<\/p>\n

Los ERP siguieron exactamente el mismo camino. SAP no se convirti\u00f3 en dominante porque dise\u00f1ara interfaces m\u00e1s bonitas que los consultores. Tuvo \u00e9xito porque formaliz\u00f3 la empresa alrededor de procesos, transacciones, datos maestros, l\u00f3gica contable, inventarios, compras y relaciones operativas. Esa gram\u00e1tica compartida hizo que las implementaciones fueran suficientemente repetibles como para permitir la aparici\u00f3n de socios, integradores, plantillas, extensiones y, finalmente, ecosistemas completos.<\/p>\n

As\u00ed es como escala el software: no mediante mejores met\u00e1foras, sino mediante abstracciones formales. La inteligencia artificial empresarial tiene capacidad. Lo que todav\u00eda le falta es formalizaci\u00f3n.<\/p>\n

La memoria no es un modelo de datos<\/strong><\/h3>\n

Consideremos uno de los conceptos m\u00e1s habituales en la inteligencia artificial actual: la memoria.<\/p>\n

La mayor\u00eda de las plataformas modernas de inteligencia artificial ofrecen ya alguna versi\u00f3n de ella. La documentaci\u00f3n de Microsoft para Azure OpenAI Assistants describe hilos persistentes <\/a>que almacenan el historial de mensajes y lo truncan cuando supera la longitud de contexto del modelo. El equipo de ingenier\u00eda de Anthropic, al hablar de agentes de larga duraci\u00f3n (long-running agents<\/em>)<\/a>, describe el desaf\u00edo de trabajar a trav\u00e9s de m\u00faltiples ventanas de contexto y la necesidad de preservar continuidad entre sesiones.<\/p>\n

Todo eso es \u00fatil. Pero nada de eso es, por s\u00ed solo, un modelo de datos. Una memoria te dice qu\u00e9 ocurri\u00f3. Un modelo te dice qu\u00e9 puede ocurrir. Un modelo adecuado define identidad, estado, relaciones, permisos, restricciones y transiciones v\u00e1lidas. Crea invariantes: propiedades que el sistema garantiza independientemente de qui\u00e9n lo utilice o cu\u00e1ntas veces se ejecute.<\/p>\n

La memoria, por s\u00ed sola, no proporciona eso: puede recuperar contexto, puede reconstruir historial, puede resumir decisiones. Pero no representa formalmente un cliente, un contrato, una cadena de aprobaciones, una regla de cumplimiento, un umbral de riesgo o el estado de un workflow<\/em>.<\/p>\n

Y esa diferencia importa porque las empresas no operan sobre recuerdos: operan sobre estructuras.<\/p>\n

Por qu\u00e9 los agentes siguen siendo artesanales<\/strong><\/h3>\n

Esto ayuda a explicar uno de los fen\u00f3menos m\u00e1s extra\u00f1os de la inteligencia artificial empresarial: a medida que los modelos de frontera se vuelven m\u00e1s capaces, los despliegues requieren cada vez m\u00e1s intervenci\u00f3n humana.<\/p>\n

OpenAI, Anthropic, Google y otros dependen cada vez m\u00e1s de personas que trabajan directamente con los clientes para mapear workflows<\/em>, definir restricciones, conectar sistemas y traducir la realidad organizativa a algo sobre lo que la inteligencia artificial pueda operar.<\/p>\n

En un art\u00edculo anterior argumentaba que, si la inteligencia fuera realmente una utility<\/em>, los proveedores no necesitar\u00edan enviar ingenieros a cada cliente para hacer funcionar el grifo<\/a>. La persistencia de ese modelo nos dice algo importante: la capa que falta sigue siendo suministrada manualmente: alguien que cobra por horas tiene que decidir qu\u00e9 es importante, qu\u00e9 restricciones aplican, qu\u00e9 sistemas son la fuente de verdad, c\u00f3mo funcionan los permisos, c\u00f3mo se rastrean las decisiones y c\u00f3mo se miden los resultados.<\/p>\n

En una plataforma madura, gran parte de eso ya estar\u00eda representado formalmente. Hoy, con frecuencia, no lo est\u00e1. El resultado es una categor\u00eda sorprendentemente dependiente de despliegues personalizados y traducci\u00f3n organizativa. No inteligencia industrial: inteligencia artesanal.<\/p>\n

Los ecosistemas necesitan invariantes<\/strong><\/h3>\n

Por eso las plataformas actuales de agentes tienen dificultades para generar verdaderos ecosistemas. Los desarrolladores pueden construir sobre SQL porque tablas, transacciones, claves y restricciones se comportan de manera predecible. Pueden construir sobre la web porque las URL, los m\u00e9todos HTTP y los formatos documentales obedecen reglas compartidas. Pueden construir sobre ERP porque los objetos de negocio y las transacciones tienen significados definidos.<\/p>\n

Esas garant\u00edas importan: permiten que aparezcan socios, extensiones, integraciones, marketplaces<\/em> y est\u00e1ndares. Sin invariantes, cada despliegue se convierte en una interpretaci\u00f3n personalizada. Y cuando la interpretaci\u00f3n personalizada se convierte en el modo dominante de entrega, el resultado no es una plataforma: es consultor\u00eda.<\/p>\n

Esa es exactamente la trampa en la que se encuentra hoy la inteligencia artificial empresarial: cada organizaci\u00f3n tiene sus propios datos, workflows<\/em>, vocabulario, pol\u00edticas, aprobaciones, sistemas de registro, rutas de excepci\u00f3n y realidades pol\u00edticas. Sin una capa formal capaz de representar esas cosas de forma reutilizable, cada despliegue se convierte en un ejercicio de traducci\u00f3n.<\/p>\n

El modelo puede ser general, la empresa no lo es.<\/p>\n

La \u00faltima investigaci\u00f3n State of AI<\/em><\/a> de McKinsey apunta al mismo fen\u00f3meno desde otro \u00e1ngulo: el uso de IA est\u00e1 muy extendido, pero la mayor\u00eda de las empresas todav\u00eda no la ha integrado lo suficientemente profundamente en workflows y procesos como para generar beneficios empresariales materiales. Las organizaciones que lo hacen mejor no son simplemente las que usan m\u00e1s inteligencia artificial. Son las que redise\u00f1an workflows<\/em>.<\/p>\n

Y eso importa porque confirma el argumento de fondo: la inteligencia por s\u00ed sola no basta. Tiene que integrarse en una estructura.<\/p>\n

La capa formal que le falta a la inteligencia artificial empresarial<\/strong><\/h3>\n

No es la primera vez que las empresas cometen este error. En su cl\u00e1sico art\u00edculo de Harvard Business Review, titulado \u00abReengineering work: don\u2019t automate, obliterate<\/a>\u00ab<\/em>, Michael Hammer<\/a> advert\u00eda que las empresas suelen utilizar nuevas tecnolog\u00edas para acelerar procesos obsoletos en lugar de redise\u00f1ar el trabajo en s\u00ed mismo.<\/p>\n

Eso era cierto en 1990. Y lo es a\u00fan m\u00e1s ahora. La mayor\u00eda de las empresas sigue pregunt\u00e1ndose: \u00bfc\u00f3mo a\u00f1adimos inteligencia artificial a nuestros procesos existentes?\u00bb Y la pregunta adecuada es: \u00ab\u00bfqu\u00e9 representaci\u00f3n formal del trabajo permitir\u00eda que la inteligencia artificial operara de forma segura, repetible y responsable dentro de la empresa?\u00bb<\/p>\n

Esa capa no ser\u00e1 otra interfaz conversacional. No ser\u00e1 un prompt<\/em> m\u00e1s largo. No ser\u00e1 un copilot<\/em> m\u00e1s bonit,o ni un agente m\u00e1s antropom\u00f3rfico. Ser\u00e1 una capa formal. Una capa que represente identidad, estado, permisos, restricciones, procedencia, workflows<\/em>, resultados y sem\u00e1ntica empresarial de formas comprensibles tanto para m\u00e1quinas como para personas. Una capa que cree invariantes. Que haga que la inteligencia empresarial sea componible, gobernable, auditable y repetible.<\/p>\n

Es entonces cuando surgen los ecosistemas. Es entonces cuando los despliegues se vuelven escalables. Y es entonces cuando la inteligencia artificial empresarial abandona definitivamente su fase artesanal.<\/p>\n

Lo que viene despu\u00e9s<\/strong><\/h3>\n

La siguiente etapa de la inteligencia artificial empresarial no estar\u00e1 definida por qui\u00e9n encuentre el mejor nombre para memoria, agentes, contexto o delegaci\u00f3n. Estar\u00e1 definida por qui\u00e9n los formalice.<\/p>\n

Eso no significa que la arquitectura ganadora sea evidente. No lo es. Seguimos en una fase temprana. Pero sus propiedades empiezan a ser m\u00e1s f\u00e1ciles de describir:<\/p>\n