{"id":180661,"date":"2026-08-21T12:52:37","date_gmt":"2026-08-21T15:52:37","guid":{"rendered":"https:\/\/www.itsitio.com\/co\/?p=180661"},"modified":"2026-08-21T12:52:37","modified_gmt":"2026-08-21T15:52:37","slug":"no-empieces-por-el-modelo-de-ia-que-necesitan-las-empresas-para-convertir-la-tecnologia-en-resultados","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/co\/inteligencia-artificial\/no-empieces-por-el-modelo-de-ia-que-necesitan-las-empresas-para-convertir-la-tecnologia-en-resultados\/","title":{"rendered":"\u201cNo empieces por el modelo de IA\u201d: qu\u00e9 necesitan las empresas para convertir la tecnolog\u00eda en resultados"},"content":{"rendered":"

La IA empresarial entra en una etapa menos espectacular, pero m\u00e1s decisiva: pasar de los experimentos que demuestran que la tecnolog\u00eda funciona a soluciones capaces de generar productividad, eficiencia y retorno de inversi\u00f3n medible<\/strong>. Para Francisco Larez<\/strong>, vicepresidente de Progress para Am\u00e9rica Latina y el Caribe, 2026 representa precisamente ese punto de inflexi\u00f3n.<\/p>\n

El desaf\u00edo, sin embargo, no consiste simplemente en implementar m\u00e1s modelos de inteligencia artificial. La verdadera pregunta es otra: \u00bfc\u00f3mo convertir la IA en una capacidad \u00fatil y sostenible para el negocio?<\/p>\n

IA empresarial: del experimento al resultado<\/span><\/h2>\n

Durante los \u00faltimos a\u00f1os, muchas compa\u00f1\u00edas han desarrollado pilotos para explorar las posibilidades de la IA. El problema aparece cuando esos experimentos deben convertirse en iniciativas escalables.<\/p>\n

\u201cLas empresas que liderar\u00e1n la era de la IA no ser\u00e1n necesariamente aquellas que la adopten m\u00e1s r\u00e1pido, sino las que lo hagan con un prop\u00f3sito comercial claro\u201d, se\u00f1ala Larez.<\/p>\n

El ejecutivo identifica varios errores recurrentes: comenzar por la tecnolog\u00eda antes que por el problema de negocio<\/strong>, multiplicar proyectos piloto sin una estrategia com\u00fan y subestimar los costos permanentes asociados con datos, operaci\u00f3n y gobernanza.<\/p>\n

La consecuencia es una colecci\u00f3n de iniciativas dif\u00edciles de medir y todav\u00eda m\u00e1s dif\u00edciles de escalar.<\/p>\n

Agentes de IA: m\u00e1s all\u00e1 del asistente tradicional<\/span><\/h2>\n

Uno de los grandes protagonistas de esta nueva etapa son los agentes de IA<\/strong>. A diferencia de los asistentes tradicionales, estos sistemas pueden comprender contexto, coordinar diferentes tareas e interactuar con m\u00faltiples plataformas empresariales para participar en procesos completos.<\/p>\n

Su impacto ya se observa en desarrollo de software, atenci\u00f3n al cliente, operaciones de TI y gesti\u00f3n del conocimiento. Un caso especialmente relevante es la modernizaci\u00f3n de aplicaciones: pueden analizar c\u00f3digo heredado, recomendar mejoras y generar nuevo c\u00f3digo para acelerar proyectos y reducir deuda t\u00e9cnica.<\/p>\n

Pero hay una condici\u00f3n cr\u00edtica: la calidad de la informaci\u00f3n.<\/p>\n

\u201cSi se basan en informaci\u00f3n incompleta, desactualizada o no verificada, simplemente cometer\u00e1n errores m\u00e1s r\u00e1pido\u201d, advierte Larez.<\/p>\n

Aqu\u00ed aparece Agentic RAG (Generaci\u00f3n Aumentada por Recuperaci\u00f3n Basada en Agentes)<\/strong>, enfoque que busca conectar los agentes con conocimiento corporativo confiable, recuperar informaci\u00f3n relevante de manera segura y permitir que las respuestas puedan verificarse mediante la atribuci\u00f3n de sus fuentes.<\/p>\n

El conocimiento corporativo se convierte en activo estrat\u00e9gico<\/span><\/h2>\n

El problema que frena a muchas organizaciones no es la falta de inversi\u00f3n. Seg\u00fan Larez, el reto est\u00e1 en llevar los casos de \u00e9xito aislados hacia una adopci\u00f3n empresarial m\u00e1s amplia.<\/p>\n

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 informaci\u00f3n confiable, la IA dif\u00edcilmente podr\u00e1 producir resultados consistentes y explicables.<\/p>\n

Un ejemplo ayuda a dimensionarlo: una empresa manufacturera puede tener ingenieros que pierden tiempo buscando informaci\u00f3n en documentaci\u00f3n t\u00e9cnica, SharePoint y repositorios internos para diagnosticar problemas de producci\u00f3n.<\/p>\n

\"Larez
Larez sostiene que el pr\u00f3ximo salto de la IA empresarial depender\u00e1 de la capacidad de convertir el conocimiento corporativo en resultados de negocio.<\/figcaption><\/figure>\n

Un asistente conectado con esas fuentes podr\u00eda recuperar la informaci\u00f3n relevante, respaldar sus respuestas y reducir el tiempo necesario para resolver incidentes.<\/p>\n

El valor, entonces, no est\u00e1 solamente en tener un asistente m\u00e1s inteligente. Est\u00e1 en acelerar decisiones y productividad<\/strong>.<\/p>\n

\u201cLas organizaciones no aprovechar\u00e1n todo el valor de la IA al implementar m\u00e1s modelos. Lo lograr\u00e1n al hacer que su conocimiento corporativo sea accesible, confiable y aplicable.\u201d<\/p>\n

Datos, seguridad y gobernanza: el m\u00ednimo indispensable<\/span><\/h2>\n

A medida que la IA entra en procesos cr\u00edticos, la gobernanza de datos<\/strong> deja de ser un asunto secundario.<\/p>\n

Para Larez, una organizaci\u00f3n debe comenzar por conocer d\u00f3nde est\u00e1 su informaci\u00f3n, verificar que sea precisa y actualizada y establecer pol\u00edticas claras sobre acceso, privacidad, seguridad y uso responsable.<\/p>\n

Tambi\u00e9n resulta fundamental que los empleados puedan conocer de d\u00f3nde provienen las respuestas generadas por la IA. En sectores regulados, adem\u00e1s, las decisiones pueden requerir explicaci\u00f3n y auditor\u00eda.<\/p>\n

\u201cLa IA debe funcionar dentro de los controles existentes de una organizaci\u00f3n, no eludirlos\u201d, afirma.<\/p>\n

Eso implica que la seguridad de la inteligencia artificial no deber\u00eda agregarse al final del proyecto, sino formar parte de su arquitectura desde el principio.<\/p>\n

Latinoam\u00e9rica tiene una oportunidad particular<\/span><\/h2>\n

La regi\u00f3n tambi\u00e9n tiene una carta importante para jugar. Muchas organizaciones latinoamericanas ya han avanzado en transformaci\u00f3n digital, aplicaciones empresariales y nube. El siguiente paso es aprovechar el conocimiento acumulado durante esos procesos mediante IA.<\/p>\n

Manufactura, servicios financieros, salud y sector p\u00fablico<\/strong> aparecen entre las \u00e1reas con mayor potencial, precisamente porque dependen de informaci\u00f3n confiable y decisiones oportunas.<\/p>\n

En lugar de limitarse a a\u00f1adir IA sobre procesos heredados, algunas compa\u00f1\u00edas pueden aprovechar su modernizaci\u00f3n para construir directamente procesos habilitados por inteligencia artificial.<\/p>\n

\u201cMi consejo para las organizaciones de toda Am\u00e9rica Latina es sencillo: no intenten implementar la IA en todas partes al mismo tiempo.\u201d<\/p>\n

La recomendaci\u00f3n es comenzar con un problema relevante, demostrar valor, construir confianza y escalar.<\/p>\n

El ROI empieza con una pregunta inc\u00f3moda<\/span><\/h2>\n

Quiz\u00e1s el mensaje m\u00e1s importante de la conversaci\u00f3n sea tambi\u00e9n el m\u00e1s sencillo: no comenzar por el modelo de IA.<\/p>\n

\u201cMi consejo es simple: no empieces por el modelo de IA. Empieza por el problema de negocio que intentas resolver.\u201d<\/p>\n

Esto cambia completamente la conversaci\u00f3n. En lugar de preguntar qu\u00e9 modelo utilizar, una organizaci\u00f3n deber\u00eda determinar qu\u00e9 problema quiere solucionar, qu\u00e9 conocimiento necesita la IA y c\u00f3mo medir\u00e1 el \u00e9xito<\/strong>.<\/p>\n

Desde esa perspectiva, el retorno de inversi\u00f3n en IA no depende necesariamente de utilizar el modelo de lenguaje m\u00e1s grande. Depende de conectar tecnolog\u00eda, conocimiento empresarial, gobernanza y casos de uso concretos.<\/p>\n

La verdadera ventaja competitiva est\u00e1 en el conocimiento<\/span><\/h2>\n

La consolidaci\u00f3n de la IA empresarial no parece estar en una carrera por acumular modelos. Est\u00e1 en la capacidad de las organizaciones para transformar informaci\u00f3n dispersa en conocimiento \u00fatil y, finalmente, en mejores decisiones.<\/p>\n

\u201cLa IA debe ayudar a los empleados a tomar mejores decisiones, automatizar tareas repetitivas y aprovechar la informaci\u00f3n que ya existe en toda la organizaci\u00f3n\u201d, explica Larez.<\/p>\n

Y ah\u00ed est\u00e1 probablemente la idea que mejor resume esta nueva etapa: la inteligencia artificial no deber\u00eda convertirse en otra iniciativa tecnol\u00f3gica aislada.<\/p>\n

Debe convertirse en una capacidad empresarial<\/strong>.<\/p>\n

Las compa\u00f1\u00edas que construyan hoy buenos cimientos de informaci\u00f3n, gobernanza y confianza estar\u00e1n mejor preparadas no solo para los modelos actuales, sino tambi\u00e9n para los agentes y nuevas formas de trabajo que llegar\u00e1n despu\u00e9s.<\/p>\n

Porque, al final, el verdadero diferencial no ser\u00e1 qui\u00e9n tenga la IA m\u00e1s sofisticada, sino qui\u00e9n sea capaz de convertir su conocimiento en decisiones m\u00e1s r\u00e1pidas, experiencias m\u00e1s inteligentes y resultados de negocio m\u00e1s s\u00f3lidos.<\/p>\n","protected":false},"excerpt":{"rendered":"

Francisco Larez, vicepresidente de Progress para Am\u00e9rica Latina y el Caribe, analiza c\u00f3mo pasar de los pilotos de IA a resultados de negocio medibles.<\/p>\n","protected":false},"author":256,"featured_media":180664,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[17],"tags":[517],"class_list":["post-180661","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","tag-progress"],"_links":{"self":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/180661","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/users\/256"}],"replies":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/comments?post=180661"}],"version-history":[{"count":2,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/180661\/revisions"}],"predecessor-version":[{"id":180667,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/180661\/revisions\/180667"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/media\/180664"}],"wp:attachment":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/media?parent=180661"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/categories?post=180661"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/tags?post=180661"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}