{"id":196141,"date":"2026-08-21T17:51:53","date_gmt":"2026-08-21T20:51:53","guid":{"rendered":"https:\/\/www.itsitio.com\/mx\/?p=196141"},"modified":"2026-08-21T17:51:53","modified_gmt":"2026-08-21T20:51:53","slug":"coca-cola-femsa-y-sap-explican-por-que-los-datos-son-el-verdadero-motor-de-la-inteligencia-artificial-empresarial","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/mx\/inteligencia-artificial\/coca-cola-femsa-y-sap-explican-por-que-los-datos-son-el-verdadero-motor-de-la-inteligencia-artificial-empresarial\/","title":{"rendered":"Coca-Cola FEMSA y SAP explican por qu\u00e9 los datos son el verdadero motor de la inteligencia artificial empresarial"},"content":{"rendered":"

La inteligencia artificial puede responder preguntas en segundos, generar textos, analizar documentos y hacer recomendaciones. Pero cuando una empresa quiere que esa IA vaya un paso m\u00e1s all\u00e1 y tome acciones dentro del negocio<\/strong>, aparece un problema mucho m\u00e1s complejo: necesita entender c\u00f3mo funciona realmente la compa\u00f1\u00eda.<\/p>\n

Ese fue uno de los principales mensajes compartidos durante el SAP Innovation Tour<\/strong>, donde representantes de SAP y Coca-Cola FEMSA explicaron por qu\u00e9 la calidad de los datos, el contexto empresarial y la conexi\u00f3n con los sistemas de ejecuci\u00f3n ser\u00e1n determinantes para que la IA genere resultados reales.<\/p>\n

En el mundo del consumidor, basta con abrir una herramienta de IA generativa, escribir una pregunta y recibir una respuesta. En una empresa, el problema es diferente.<\/p>\n

Una organizaci\u00f3n puede tener informaci\u00f3n repartida entre correos electr\u00f3nicos, Microsoft Teams, Slack<\/strong>, documentos, hojas de Excel, sistemas ERP, plataformas de ventas, bancos y otras aplicaciones. El reto no consiste solamente en conectar esas fuentes, sino en conseguir que la IA entienda qu\u00e9 significa cada dato y c\u00f3mo se relaciona con los dem\u00e1s.<\/p>\n

SAP plantea precisamente esta diferencia como uno de los elementos centrales de su estrategia de Business AI. Su plataforma busca combinar datos empresariales armonizados, contexto de procesos y gobernanza para que los agentes de IA puedan pasar de generar recomendaciones a ejecutar tareas dentro de los sistemas de la compa\u00f1\u00eda.<\/p>\n

En otras palabras, una IA puede saber qu\u00e9 es una factura, pero necesita mucho m\u00e1s contexto para determinar si una empresa puede emitir una orden de compra, si tiene adeudos pendientes o si esa operaci\u00f3n representa un riesgo financiero.<\/p>\n

Ah\u00ed est\u00e1 una de las diferencias entre una IA gen\u00e9rica y una IA empresarial.<\/p>\n

\"\"
SAP apuesta por una nueva generaci\u00f3n de IA capaz de comprender procesos empresariales y ejecutar tareas, no solo generar recomendaciones.<\/figcaption><\/figure>\n

El ERP se convierte en el \u201ccerebro\u201d de la compa\u00f1\u00eda<\/span><\/h2>\n

Durante la conversaci\u00f3n, SAP puso como ejemplo la relaci\u00f3n entre diferentes registros de un mismo cliente. Una empresa podr\u00eda aparecer con nombres ligeramente distintos en diferentes sistemas, aunque en realidad se trate de la misma organizaci\u00f3n.<\/p>\n

Para una persona que conoce el negocio, esa relaci\u00f3n puede ser evidente. Para una inteligencia artificial, no necesariamente. Por eso, adem\u00e1s de datos estructurados, la IA necesita sem\u00e1ntica empresarial<\/strong>: saber qu\u00e9 representa cada dato, c\u00f3mo se relaciona con otros y qu\u00e9 consecuencias tiene una determinada acci\u00f3n.<\/p>\n

SAP sostiene que su experiencia acumulada en procesos empresariales y su integraci\u00f3n con sistemas ERP permiten proporcionar ese contexto. Actualmente, Joule, su capa de asistentes y agentes de IA, utiliza datos empresariales, conocimiento de procesos y herramientas de integraci\u00f3n para coordinar acciones entre sistemas SAP y aplicaciones de terceros.<\/p>\n

La apuesta es que una persona pueda expresar una intenci\u00f3n y que la tecnolog\u00eda pueda identificar los datos relevantes, razonar sobre ellos y ejecutar los pasos necesarios, siempre bajo reglas de seguridad y gobernanza.<\/p>\n

Coca-Cola FEMSA ya utiliza IA para vender, distribuir y producir mejor<\/span><\/h2>\n

El caso de Coca-Cola FEMSA permite entender c\u00f3mo esta discusi\u00f3n pasa de la teor\u00eda a operaciones cotidianas. La compa\u00f1\u00eda ha convertido a Juntos+<\/strong> en uno de los pilares de su estrategia de transformaci\u00f3n digital. Al cierre de 2025, la plataforma superaba los 1.3 millones de usuarios activos mensuales y 1.6 millones de clientes inscritos en su programa de lealtad Premia Juntos+. Adem\u00e1s, Juntos+ Advisor ya estaba desplegado en M\u00e9xico y Brasil y alcanzaba a m\u00e1s de 70% de su fuerza de ventas.<\/p>\n

La plataforma utiliza inteligencia artificial y anal\u00edtica avanzada para ayudar a los peque\u00f1os comercios a tomar decisiones. Una de sus funciones es el llamado \u201cPedido sugerido\u201d<\/strong>, que utiliza informaci\u00f3n hist\u00f3rica de compras, comportamiento y contexto comercial para recomendar qu\u00e9 productos podr\u00eda necesitar un establecimiento.<\/p>\n

Esto cambia la relaci\u00f3n entre Coca-Cola FEMSA y las tradicionales \u201ctienditas\u201d. En lugar de limitarse a recibir un pedido, el sistema puede anticipar necesidades.<\/p>\n

Por ejemplo, si un negocio suele comprar determinadas bebidas en ciertos periodos, la tecnolog\u00eda puede identificar patrones y sugerir productos antes de que el tendero se quede sin inventario. El objetivo no es simplemente vender m\u00e1s. Tambi\u00e9n se busca que el comerciante ahorre tiempo, tenga un mejor inventario y pueda concentrarse en atender a sus propios clientes.<\/p>\n

\"\"
Para SAP, el verdadero valor de la IA empresarial est\u00e1 en conectar los modelos con los datos y procesos que sostienen el negocio.<\/figcaption><\/figure>\n

La IA tambi\u00e9n est\u00e1 entrando a la log\u00edstica y las f\u00e1bricas<\/span><\/h2>\n

En Coca-Cola FEMSA, la inteligencia artificial tambi\u00e9n se utiliza como parte de la optimizaci\u00f3n de la cadena de suministro. Entre los casos mencionados se encuentran la planeaci\u00f3n de la demanda, la optimizaci\u00f3n de rutas y el mantenimiento predictivo.<\/p>\n

Esto significa que los algoritmos pueden analizar informaci\u00f3n para identificar posibles problemas antes de que una l\u00ednea de producci\u00f3n se detenga o para encontrar rutas de distribuci\u00f3n m\u00e1s eficientes.<\/p>\n

La l\u00f3gica es especialmente importante para una compa\u00f1\u00eda que opera a gran escala. Coca-Cola FEMSA report\u00f3 un volumen consolidado de 4,150.4 millones de cajas unidad durante 2025. Una caja unidad equivale a 24 porciones de 236 mililitros.<\/p>\n

En una operaci\u00f3n de este tama\u00f1o, peque\u00f1as mejoras en inventarios, combustible, mantenimiento o distribuci\u00f3n pueden tener un impacto considerable.<\/p>\n

Uno de los mensajes m\u00e1s relevantes de la conversaci\u00f3n fue que las empresas no deber\u00edan adoptar inteligencia artificial \u00fanicamente porque sea la tecnolog\u00eda de moda. El verdadero desaf\u00edo es identificar qu\u00e9 problema del negocio se quiere resolver<\/strong>.<\/p>\n

Coca-Cola FEMSA explic\u00f3 que su estrategia parte de casos concretos: mejorar la experiencia de los clientes, ayudar a los vendedores, optimizar la log\u00edstica, anticipar la demanda y evitar interrupciones en manufactura.<\/p>\n

Esta visi\u00f3n coincide con el concepto de \u201cAutonomous Enterprise\u201d<\/strong> que SAP est\u00e1 impulsando en 2026: una empresa en la que las personas establecen la direcci\u00f3n y los sistemas de IA pueden ejecutar procesos, con gobernanza y supervisi\u00f3n humana.<\/p>\n

El cambio es importante porque durante a\u00f1os el software empresarial funcion\u00f3 principalmente como un sistema que almacenaba informaci\u00f3n, procesaba operaciones y entregaba resultados para que una persona tomara la siguiente decisi\u00f3n.<\/p>\n

Con los agentes de IA, la aspiraci\u00f3n es diferente: que el software pueda entender una intenci\u00f3n, consultar informaci\u00f3n, razonar sobre el contexto y ejecutar una parte del proceso<\/strong>.<\/p>\n

El factor humano no desaparece<\/span><\/h2>\n

Que la IA pueda ejecutar procesos tampoco significa que las personas dejen de ser relevantes. De hecho, la gobernanza se vuelve todav\u00eda m\u00e1s importante cuando una tecnolog\u00eda puede actuar sobre sistemas empresariales.<\/p>\n

Una recomendaci\u00f3n incorrecta puede ser molesta. Una acci\u00f3n incorrecta ejecutada autom\u00e1ticamente puede generar un problema financiero, operativo o de cumplimiento. Por ello, SAP incorpora mecanismos de seguridad, control de acceso y gobernanza dentro de su arquitectura de IA. Joule, por ejemplo, est\u00e1 dise\u00f1ado para operar con controles empresariales y conservar las pol\u00edticas de acceso y manejo de datos de las organizaciones.<\/p>\n

Para Coca-Cola FEMSA, adem\u00e1s, la adopci\u00f3n tecnol\u00f3gica implica cambiar la manera en que los empleados trabajan con estas herramientas. La compa\u00f1\u00eda ha impulsado capacitaci\u00f3n para que sus equipos aprendan no solamente a utilizar IA, sino tambi\u00e9n a formular mejores preguntas y encontrar aplicaciones concretas para su trabajo.<\/p>\n

La carrera por la inteligencia artificial empresarial podr\u00eda parecer una competencia entre modelos cada vez m\u00e1s capaces. Sin embargo, para compa\u00f1\u00edas grandes, el verdadero diferenciador puede estar en otro lugar.<\/p>\n

No necesariamente ganar\u00e1 quien tenga el modelo que responde mejor una pregunta gen\u00e9rica, sino quien consiga conectar la IA con datos confiables, procesos empresariales, sistemas de ejecuci\u00f3n y reglas de negocio<\/strong>.<\/p>\n

El caso de Coca-Cola FEMSA muestra por qu\u00e9 esa infraestructura importa. Juntos+ ya gestiona millones de interacciones comerciales y utiliza IA para recomendaciones, ventas y operaci\u00f3n. En paralelo, SAP busca convertir el conocimiento empresarial almacenado en sus sistemas en una base para agentes capaces de actuar sobre procesos completos. En 2024, Juntos+ gestion\u00f3 40.4 millones de \u00f3rdenes digitales, equivalentes a 34% de las \u00f3rdenes totales de la compa\u00f1\u00eda, y gener\u00f3 3,100 millones de d\u00f3lares en ventas digitales.<\/p>\n

Preguntas frecuentes<\/span><\/h2>\n

\u00bfPor qu\u00e9 los datos son importantes para la inteligencia artificial empresarial?<\/h3>\n

Porque la IA necesita conocer no solo los datos, sino tambi\u00e9n su significado y relaci\u00f3n con los procesos de una compa\u00f1\u00eda. Una base de datos desordenada o sin contexto puede provocar recomendaciones incorrectas o limitar la capacidad de la IA para ejecutar acciones.<\/p>\n

\u00bfC\u00f3mo utiliza Coca-Cola FEMSA la inteligencia artificial?<\/h3>\n

Coca-Cola FEMSA utiliza IA en herramientas como Juntos+ y Juntos+ Advisor para personalizar recomendaciones, optimizar pedidos, apoyar a su fuerza de ventas y mejorar la experiencia de los clientes. Tambi\u00e9n emplea anal\u00edtica avanzada e IA en \u00e1reas relacionadas con demanda, log\u00edstica y mantenimiento predictivo.<\/p>\n

\u00bfQu\u00e9 es SAP Business AI?<\/h3>\n

SAP Business AI es la estrategia de inteligencia artificial empresarial de SAP, que integra IA con datos, procesos y aplicaciones de negocio. Su propuesta busca que herramientas como Joule y sus agentes puedan comprender el contexto empresarial y ejecutar flujos de trabajo, en lugar de limitarse a generar respuestas.<\/p>\n","protected":false},"excerpt":{"rendered":"

Coca-Cola FEMSA cerr\u00f3 2025 con m\u00e1s de 1.3 millones de usuarios activos mensuales en Juntos+ y despleg\u00f3 Juntos+ Advisor en M\u00e9xico y Brasil.<\/p>\n","protected":false},"author":235,"featured_media":196142,"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":[72],"tags":[38],"class_list":["post-196141","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","tag-sap"],"_links":{"self":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts\/196141","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/users\/235"}],"replies":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/comments?post=196141"}],"version-history":[{"count":1,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts\/196141\/revisions"}],"predecessor-version":[{"id":196148,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/posts\/196141\/revisions\/196148"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/media\/196142"}],"wp:attachment":[{"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/media?parent=196141"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/categories?post=196141"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.itsitio.com\/mx\/wp-json\/wp\/v2\/tags?post=196141"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}