Las empresas que esperan obtener un valor real de la IA e implementarla con éxito deben concentrarse en la gobernanza práctica y sistemática necesaria para construir flujos de trabajo de IA fundamentados en la confianza, la transparencia y la interoperabilidad, según un directivo de Google Cloud.

La constante corriente de nuevos modelos de IA que aparecen cada semana puede hacer que el sector parezca un largo ciclo publicitario, un panorama confuso para las organizaciones que intentan descifrar qué necesitan realmente para que sus flujos de trabajo de IA sean eficaces. Para ir más allá de la promesa de los modelos, herramientas y agentes de IA, las empresas deben evitar colocar expectativas poco realistas en la tecnología y, en cambio, establecer la base adecuada para construir aplicaciones de IA prácticas basadas en la confianza, la transparencia y la interoperabilidad.

"La interoperabilidad y la apertura son dos conceptos realmente clave, y también la transparencia", dijo Michael Clark, director de gestión de productos de Google Cloud, en el pódcast Targeting AI de AI Business.

El énfasis en la apertura refleja un cambio más amplio en la industria: a medida que las empresas pasan de hacer pruebas piloto con herramientas de IA individuales a desplegar sistemas multiagente, proveedores como Google han respaldado estándares abiertos de interoperabilidad como el protocolo Agent2Agent, que Google presentó en 2025 junto a decenas de empresas asociadas para permitir que agentes de IA de distintos proveedores intercambien información.

Según Clark, los sistemas capaces de conectarse con otros sistemas son fundamentales para el éxito de las aplicaciones de IA generativa y agéntica. Para que un agente de IA tenga éxito en un entorno de atención al cliente, por ejemplo, las empresas necesitan interoperabilidad con sistemas dispares.

"En muchos call centers, la gente hace las cosas de forma muy manual, sin usar APIs ni otras herramientas cuando resuelven los problemas de los clientes", dijo Clark. "Por eso era necesario contar con agentes o con otro contexto sobre lo que ocurre en otras partes del negocio y poder tomar medidas".

El contexto también puede ser un diferenciador clave entre una aplicación agéntica que funciona y una que no, añadió Clark.

"Vemos que el contexto incluye audio y video, incluso en algunos casos cosas como el lidar y otro tipo de información, datos financieros en tiempo real y demás, para ayudar a los agentes a tomar decisiones a diario", dijo.

Más allá de la interoperabilidad y el contexto, las empresas también necesitan gobernanza y confianza, un tema que se ha vuelto más apremiante a medida que los reguladores de la Unión Europea y otras regiones introducen normas de IA que imponen obligaciones a las empresas que despliegan sistemas de IA de alto riesgo.

"Como empresa, entiendan claramente sus resultados y su tolerancia al riesgo", dijo Clark. "Una vez identificado ese riesgo, coloquen a un humano en el circuito para todo lo que lo supere".