La IA empresarial entra en una etapa menos espectacular, pero más decisiva: pasar de los experimentos que demuestran que la tecnología funciona a soluciones capaces de generar productividad, eficiencia y retorno de inversión medible. Para Francisco Larez, vicepresidente de Progress para América Latina y el Caribe, 2026 representa precisamente ese punto de inflexión.
El desafío, sin embargo, no consiste simplemente en implementar más modelos de inteligencia artificial. La verdadera pregunta es otra: ¿cómo convertir la IA en una capacidad útil y sostenible para el negocio?
IA empresarial: del experimento al resultado
Durante los últimos años, muchas compañías han desarrollado pilotos para explorar las posibilidades de la IA. El problema aparece cuando esos experimentos deben convertirse en iniciativas escalables.
“Las empresas que liderarán la era de la IA no serán necesariamente aquellas que la adopten más rápido, sino las que lo hagan con un propósito comercial claro”, señala Larez.
El ejecutivo identifica varios errores recurrentes: comenzar por la tecnología antes que por el problema de negocio, multiplicar proyectos piloto sin una estrategia común y subestimar los costos permanentes asociados con datos, operación y gobernanza.
La consecuencia es una colección de iniciativas difíciles de medir y todavía más difíciles de escalar.
Agentes de IA: más allá del asistente tradicional
Uno de los grandes protagonistas de esta nueva etapa son los agentes de IA. A diferencia de los asistentes tradicionales, estos sistemas pueden comprender contexto, coordinar diferentes tareas e interactuar con múltiples plataformas empresariales para participar en procesos completos.
Su impacto ya se observa en desarrollo de software, atención al cliente, operaciones de TI y gestión del conocimiento. Un caso especialmente relevante es la modernización de aplicaciones: pueden analizar código heredado, recomendar mejoras y generar nuevo código para acelerar proyectos y reducir deuda técnica.
Pero hay una condición crítica: la calidad de la información.
“Si se basan en información incompleta, desactualizada o no verificada, simplemente cometerán errores más rápido”, advierte Larez.
Aquí aparece Agentic RAG (Generación Aumentada por Recuperación Basada en Agentes), enfoque que busca conectar los agentes con conocimiento corporativo confiable, recuperar información relevante de manera segura y permitir que las respuestas puedan verificarse mediante la atribución de sus fuentes.
El conocimiento corporativo se convierte en activo estratégico
El problema que frena a muchas organizaciones no es la falta de inversión. Según Larez, el reto está en llevar los casos de éxito aislados hacia una adopción empresarial más amplia.
El conocimiento que necesitan los sistemas de IA suele estar disperso entre documentos, plataformas colaborativas, aplicaciones y bases de conocimiento. Sin una estructura que permita acceder a información confiable, la IA difícilmente podrá producir resultados consistentes y explicables.
Un ejemplo ayuda a dimensionarlo: una empresa manufacturera puede tener ingenieros que pierden tiempo buscando información en documentación técnica, SharePoint y repositorios internos para diagnosticar problemas de producción.
Un asistente conectado con esas fuentes podría recuperar la información relevante, respaldar sus respuestas y reducir el tiempo necesario para resolver incidentes.
El valor, entonces, no está solamente en tener un asistente más inteligente. Está en acelerar decisiones y productividad.
“Las organizaciones no aprovecharán todo el valor de la IA al implementar más modelos. Lo lograrán al hacer que su conocimiento corporativo sea accesible, confiable y aplicable.”
Datos, seguridad y gobernanza: el mínimo indispensable
A medida que la IA entra en procesos críticos, la gobernanza de datos deja de ser un asunto secundario.
Para Larez, una organización debe comenzar por conocer dónde está su información, verificar que sea precisa y actualizada y establecer políticas claras sobre acceso, privacidad, seguridad y uso responsable.
También resulta fundamental que los empleados puedan conocer de dónde provienen las respuestas generadas por la IA. En sectores regulados, además, las decisiones pueden requerir explicación y auditoría.
“La IA debe funcionar dentro de los controles existentes de una organización, no eludirlos”, afirma.
Eso implica que la seguridad de la inteligencia artificial no debería agregarse al final del proyecto, sino formar parte de su arquitectura desde el principio.
Latinoamérica tiene una oportunidad particular
La región también tiene una carta importante para jugar. Muchas organizaciones latinoamericanas ya han avanzado en transformación digital, aplicaciones empresariales y nube. El siguiente paso es aprovechar el conocimiento acumulado durante esos procesos mediante IA.
Manufactura, servicios financieros, salud y sector público aparecen entre las áreas con mayor potencial, precisamente porque dependen de información confiable y decisiones oportunas.
En lugar de limitarse a añadir IA sobre procesos heredados, algunas compañías pueden aprovechar su modernización para construir directamente procesos habilitados por inteligencia artificial.
“Mi consejo para las organizaciones de toda América Latina es sencillo: no intenten implementar la IA en todas partes al mismo tiempo.”
La recomendación es comenzar con un problema relevante, demostrar valor, construir confianza y escalar.
El ROI empieza con una pregunta incómoda
Quizás el mensaje más importante de la conversación sea también el más sencillo: no comenzar por el modelo de IA.
“Mi consejo es simple: no empieces por el modelo de IA. Empieza por el problema de negocio que intentas resolver.”
Esto cambia completamente la conversación. En lugar de preguntar qué modelo utilizar, una organización debería determinar qué problema quiere solucionar, qué conocimiento necesita la IA y cómo medirá el éxito.
Desde esa perspectiva, el retorno de inversión en IA no depende necesariamente de utilizar el modelo de lenguaje más grande. Depende de conectar tecnología, conocimiento empresarial, gobernanza y casos de uso concretos.
La verdadera ventaja competitiva está en el conocimiento
La consolidación de la IA empresarial no parece estar en una carrera por acumular modelos. Está en la capacidad de las organizaciones para transformar información dispersa en conocimiento útil y, finalmente, en mejores decisiones.
“La IA debe ayudar a los empleados a tomar mejores decisiones, automatizar tareas repetitivas y aprovechar la información que ya existe en toda la organización”, explica Larez.
Y ahí está probablemente la idea que mejor resume esta nueva etapa: la inteligencia artificial no debería convertirse en otra iniciativa tecnológica aislada.
Debe convertirse en una capacidad empresarial.
Las compañías que construyan hoy buenos cimientos de información, gobernanza y confianza estarán mejor preparadas no solo para los modelos actuales, sino también para los agentes y nuevas formas de trabajo que llegarán después.
Porque, al final, el verdadero diferencial no será quién tenga la IA más sofisticada, sino quién sea capaz de convertir su conocimiento en decisiones más rápidas, experiencias más inteligentes y resultados de negocio más sólidos.
