IA generativa

IA agéntica

Noticias

Cómo las empresas pueden ponerse al día con el rápido ritmo de los avances en IA

Para tener éxito al usar una tecnología de IA en constante evolución, las empresas necesitan un conocimiento profundo de sus procesos de negocio y flexibilidad en los modelos y agentes que utilizan.

18 de agosto de 2026

La IA generativa y agéntica ha tenido un uso amplio por parte de las empresas en los últimos años. Pero ahora, al igual que al inicio del auge de la IA con el lanzamiento de ChatGPT por OpenAI en 2022, parece que el rápido ritmo de desarrollo tecnológico no ha ido de la mano de la adopción. El enfoque actual en el costo de usar IA significa que las empresas deben examinar con detenimiento la forma en que están aplicando la IA generativa y asegurarse de que están obteniendo valor de ella.

Sin embargo, recientemente ha comenzado un cambio, a medida que las empresas han moderado su escepticismo sobre cómo la IA generativa y agéntica podría ayudarlas. En los últimos tiempos, las compañías han sentido una necesidad urgente de implementar la tecnología a la luz del fenómeno del agente personal de código abierto OpenClaw, del lanzamiento por Anthropic de Claude Cowork, adaptable al dominio, y de los potentes modelos Mythos, así como del llamado del CEO de Nvidia, Jensen Huang, a que las empresas adopten una “estrategia OpenClaw”.

En esta entrevista realizada en la conferencia Ai4 2026 en Las Vegas a principios de este mes, Jed Dougherty, vicepresidente senior de IA y plataforma en el proveedor de plataformas de IA empresarial y aprendizaje automático Dataiku, analiza algunos de los obstáculos que enfrentan las empresas con la autonomía agéntica y con la elección de los modelos o agentes adecuados. Para Dougherty, sin importar la marca de IA que elija una empresa, esta debe gestionarla para que funcione para su organización. Dataiku, fundada en 2013 y valorada en 3.7 mil millones de dólares en su ronda de financiación de 2022, vende una plataforma centralizada para crear, implementar y gobernar IA empresarial, una postura que coincide con su argumento a favor de una capa de orquestación centralizada y agnóstica.

¿Deben las empresas aceptar ahora por completo la autonomía de los agentes de IA, dado el éxito de OpenClaw, o sigue siendo necesaria más intervención humana en el proceso?

Dougherty: Sigue habiendo necesidad de guía humana. Las mayores ganancias y éxitos que se ven al usar agentes siguen estando en empresas que todavía mantienen a las personas en el proceso. Toda compañía necesita una estrategia para identificar qué puede pasar por completo a sistemas totalmente autónomos. Es importante identificar qué políticas y procesos dentro de la organización pueden automatizarse, o qué subconjuntos podrían automatizarse.

Su cautela se ve reflejada en la investigación del sector: Gartner prevé que más del 40% de los proyectos de IA agéntica serán cancelados a fines de 2027 después de que las pruebas de concepto no logren resultados, debido al aumento de los costos, el valor de negocio poco claro y controles de riesgo inadecuados.

¿Qué papel desempeñan los FDE, o ingenieros desplegados en el terreno, en ayudar a que las empresas adopten la IA?

Dougherty: Hemos invertido mucho tiempo y dinero en contratar y conformar un sólido equipo de ingeniería desplegada en el terreno con el que ayudamos a nuestros clientes. Es muy importante. Por ejemplo, yo estaba ayudando a un cliente. Intentábamos desarrollar algunos sitios web relativamente simples. No anticipé la cantidad de pequeños obstáculos técnicos que yo doy totalmente por sentados porque los hago todos los días, y que detienen a las personas en seco o simplemente ralentizan de forma drástica el primer punto en el que podrías implementar un sitio web. Contar con un ingeniero desplegado en el terreno que entienda cómo hacer las cosas simples de infraestructura sigue siendo valioso.

El modelo de ingeniería desplegada en el terreno fue popularizado por Palantir y luego se ha extendido por el panorama de proveedores de IA a medida que buscan traducir las capacidades de laboratorio en implementaciones empresariales reales.

¿Cuánta necesidad hay de expertos para que la IA agéntica funcione? ¿Y diría que los proveedores se equivocaron en su mensaje al inicio del uso masivo de la IA generativa al intentar presentarla como una herramienta que no requiere expertos?

Dougherty: No lo creo. La IA es una tecnología completamente nueva. Hace cuatro años, la gente se manejaba bastante bien por autoservicio con aprendizaje automático porque llevaba 10 años haciéndolo. Ahora, con nuevas capacidades de agentes extendiéndose por todas partes, los proveedores necesitan dedicar algo de tiempo a ayudar a la gente a superar este obstáculo inicial. En uno o dos años, a medida que más personas hayan trabajado con la tecnología y se hayan acostumbrado a ella, no creo que se necesite el mismo nivel de asistencia práctica. Pero ahora mismo, cuando intento explicarle a alguien que nunca ha usado un agente antes o construido uno, simplemente ayuda tener a un experto de intermediario. Las capacidades transformadoras para el negocio de tener agentes estructurados que repliquen grandes porciones de tus procesos empresariales son relativamente complejas.

¿Cuál es el mejor caso de uso de la IA agéntica para transformar las empresas?

Dougherty: Una empresa necesita conocerse a sí misma antes de poder identificar el mejor caso de uso. El mejor caso de uso de la IA agéntica en cualquier negocio es su proceso central.

Relacionadas: IBM y OpenAI se asocian para acelerar la IA empresarial

Tomemos el caso de los seguros, por ejemplo. Llega una reclamación de seguro y se realiza cierto procesamiento sobre esa reclamación. Debe hacerse una investigación sobre esa reclamación. Se toma una decisión sobre si pagar o no esa reclamación. Probablemente haya alguna auditoría. Tal vez informen al equipo legal. Así que la parte central del negocio de seguros es decidir cómo y si se pagan las reclamaciones, y si se vuelve a hacer negocios con ese cliente. Por lo tanto, cuanto mejor pueda describir una aseguradora, en este momento, cómo hace eso sin IA generativa, mejor podrá entender qué subconjuntos de ese proceso de pago de reclamaciones pueden luego ser replicados o aumentados por la IA agéntica.

Sin embargo, para las empresas, a veces conocen su valor de negocio, pero hay tantas opciones. ¿Cómo pueden elegir con qué proveedor asociarse?

El trabajo óptimo con datos en aprendizaje automático y ahora en IA implica elegir la subherramienta correcta para la tarea correcta y poder intercambiarla o ajustarla con facilidad. A veces Snowflake es la mejor base de datos, y a veces no lo es. A veces OpenAI es la mejor opción, y otras veces un modelo local es la mejor opción para datos muy sensibles o para controlar los costos.

Contar con una capa de orquestación, una plataforma que permita combinar estas herramientas subyacentes de forma segura, controlada y gobernada, es la base.

Se necesita una capa de orquestación centralizada y agnóstica que permita elegir fácilmente la herramienta adecuada para el trabajo adecuado.

¿Cómo pueden las empresas afrontar el aumento del costo de usar IA?

Lo comparo con el impacto de las facturas de la nube que la gente sintió al inicio de la era cloud, cuando trasladaron todo a AWS y luego recibieron una factura enorme al año siguiente.

Eso va a pasar en 2027, a medida que más personas comiencen a usar IA generativa.

No es difícil para mí gastar 1,000 dólares en tokens al día cuando estoy trabajando intensamente en algo, y eso no es barato.

Creo que habrá cierta resistencia a eso, pero también es increíblemente valioso. Si está en manos de la persona adecuada, las cosas que puedes construir son tales que yo podría hacerlas en un día o en dos meses. No hay sustituto para eso.

Por eso es muy importante no tener un solo agente realizando todas las tareas. Hay que descomponerlo en la mayor cantidad posible de pasos pequeños. La otra cosa que hay que vigilar en la gestión de costos es estar abiertos a los cambios del mercado. Mantenerse al tanto de cuáles son los mejores modelos fundacionales y cuáles son sus precios realmente marca una diferencia drástica, potencialmente en la gestión de tus tarifas. Poder cambiar entre ellos es fundamental.

¿Qué hay de los modelos abiertos de Alibaba, DeepSeek y otros proveedores chinos? ¿Cómo deberían responder las empresas a esa tendencia?

Son excelentes. Estamos viendo a muchos proveedores de terceros que ofrecen estos modelos chinos de terceros u otros modelos de código abierto, poniéndolos a disposición de la gente a un precio muy competitivo.

Sin duda puedes incorporar modelos de código abierto de terceros y ahorrarte mucho dinero. Además, en esencia dependen de la capacidad.

A medida que los agentes se multipliquen en toda la organización, gestionarlos será mucho más crítico, dijo Dougherty. “La IA conversacional y el uso de IA para desarrollar aplicaciones han llegado para quedarse. Todo el mundo va a construir estas cosas. Tenemos que averiguar qué funciona y qué no”.

Nota del editor: Esta entrevista fue editada para mayor claridad y concisión.

Fuente: AI Business