La transformación digital está cambiando la forma en que las empresas diseñan sus aplicaciones, gestionan la información y toman decisiones. Javier Díaz, CEO de Innatial, analiza en esta entrevista las claves para construir ecosistemas digitales escalables y seguros, mejorar la experiencia de usuario y garantizar la calidad del dato, la robustez tecnológica y una gobernanza eficaz,
ntegramos el concepto de organización algorítmica desde el minuto cero. Hace tiempo que detectamos que las aplicaciones no solo deben servir para cubrir la necesidad concreta que se demanda, sino que requieren una atención especial hacia el dato que generan para ayudar en la toma de decisiones. Todos los datos que recogemos tienen un valor incalculable si se saben explotar correctamente, y nuestra experiencia involucrados en grandes proyectos nos ha otorgado el conocimiento para definirlos y estructurarlos.
Hoy en día, apoyarse en la IA para la toma de decisiones ha dejado de ser una opción tecnológica para convertirse en el núcleo estratégico del negocio. En esta nueva era, nuestros proyectos tienen la capacidad de que los datos procesados sean interpretados directamente por modelos de inteligencia artificial. Esto permite encontrar patrones ocultos, realizar predicciones exactas y plantear optimizaciones que antes exigían un conocimiento técnico y del modelo de negocio extremadamente profundo. Aquellas organizaciones que mejor expriman esta tecnología, delegando y apoyándose en la IA para interpretar su ecosistema, estarán en posesión de la mejor información a la hora de decidir.
Para que esta toma de decisiones sea cien por cien confiable y se eviten las alucinaciones de los modelos en Innatial Developers diseñamos arquitecturas orientadas a agentes aplicando marcos metodológicos estrictos. Esto nos permite gobernar el comportamiento de la IA y asegurar que las decisiones estratégicas de nuestros clientes estén respaldadas por un tratamiento del dato preciso, escalable y auditable
La diferencia fundamental radica en la interoperabilidad profunda y autónoma. Antes construíamos herramientas para problemas concretos o sistemas que cubrían procesos globales; ahora la solución debe permitir el análisis integral y la interconexión con otros sistemas para obtener un contexto global de la empresa. Esta interconexión, que antes se limitaba a APIs tradicionales, ha experimentado un crecimiento exponencial gracias a la IA y a la integración de Model Context Protocols (MCPs). En Innatial Developers cambiamos el paradigma situando a la IA en el centro operativo.
El factor humano sigue siendo la principal barrera; si un equipo con metodologías arraigadas no ve las ventajas, la implantación fracasará por muy buen diseño o rendimiento que tenga la aplicación. La calidad del dato depende de que el usuario entienda por qué un proceso requiere ciertos pasos y no se salte partes del mismo. Para lograr esto, es vital involucrarlos en la toma de requisitos. Aquí aportamos nuestro valor en las auditorías de procesos operativos: utilizamos herramientas de IA para automatizar la captura de estos requisitos, especialmente en equipos grandes. Nuestra prioridad técnica es que la herramienta ofrezca velocidad, sencillez y un uso intuitivo. Al integrar asistentes de IA directamente en el flujo de trabajo, no solo evitamos que los usuarios tomen atajos que corrompan los datos, sino que logramos una acogida mucho mejor, garantizando así información estructurada y de alta calidad para la toma de decisiones.
La gestión de código y los despliegues continuos son cimientos innegociables para garantizar actualizaciones correctas y evitar efectos colaterales que rompan funcionalidades existentes. Contar con tests unitarios, de integración y funcionales asegura que las nuevas implementaciones convivan perfectamente con lo que ya funcionaba. En nuestra operativa integramos herramientas avanzadas de IA generativa y agentes de codificación que agilizan enormemente la programación y la creación de estos tests. Sin embargo, delegar en la IA requiere control; se necesita un equipo experto para orquestar los sistemas automatizados. Para garantizar que estamos construyendo «un velero de fibra y no un trasatlántico de papel», integramos frameworks como OpenSpec. Esto nos da el rigor necesario para intervenir de forma manual cuando los modelos de IA se bloquean o no comprenden el contexto técnico, logrando aplicaciones de grado empresarial con los máximos estándares de seguridad y mantenibilidad.
Hoy en día, el mayor riesgo no es solo que una caída del sistema paralice la empresa, sino que una implementación descontrolada de modelos de IA acabe filtrando datos corporativos críticos hacia el exterior o exponiendo información confidencial entre distintos departamentos. La securización y la gobernanza deben rediseñarse por completo en dos frentes: el interno y el externo.
A nivel interno, la estrategia central exige una gestión de identidades y un control de accesos extremadamente granular. Los agentes de IA deben operar bajo el principio de mínimo privilegio, heredando y respetando estrictamente los permisos del usuario final. Es decir, la IA solo debe procesar y devolver los datos que esa persona concreta está autorizada a ver.
A nivel externo, la fuga de información hacia los propios creadores de los modelos es una amenaza crítica. Por ello, es innegociable operar bajo acuerdos de Zero Data Retention (ZDR) al conectar nuestros sistemas con proveedores de LLMs. Esta política técnica y legal garantiza que el proveedor no almacena nuestras consultas ni retiene la información procesada para entrenar sus modelos de uso público, blindando el conocimiento estratégico de la empresa frente a terceros.
Todo esto cobra una urgencia vital con la reciente AI Act europea, que impone exigencias severas en cuanto a trazabilidad, gestión de riesgos y gobierno de los datos. Para cumplir con esta regulación y sostener productos digitales críticos, ya no es suficiente garantizar la seguridad general de la información con el ENS o la ISO-27001. Las organizaciones que quieran liderar este cambio tecnológico necesitan integrar también la ISO-42001, el estándar global para los Sistemas de Gestión de Inteligencia Artificial. Esta norma aporta el marco indispensable para demostrar y certificar que los agentes y modelos de IA operan de manera ética, trazable y totalmente segura frente a fugas de información.
