China y Estados Unidos han convertido la automatización apoyada en inteligencia artificial en una prioridad estratégica, obligando a las empresas del resto del mundo a acelerar su transformación. En esta entrevista, Pablo Trilles, CEO de AuraQuantic, analiza por qué integrar la IA en los procesos ya no es una opción, sino una condición para competir. También aborda los retos que plantea su adopción estructural: desde el gobierno y la calidad del dato hasta la seguridad, la orquestación tecnológica y el control de los nuevos agentes inteligentes.
No es una novedad que Estados Unidos es un referente tecnológico, dado que ha liderado el campo de la innovación durante décadas. Sin embargo, ya no está solo. Hace más de 30 años, China se marcó el objetivo de convertirse en una potencia económica y tecnológica por medio de una estrategia sustentada en la innovación, la industrialización y la transformación digital. Hoy, ambos países compiten por el liderazgo tecnológico mundial y comparten un mismo objetivo estratégico: automatizarlo todo. Con esto me refiero a llevar la automatización al mayor número posible de sectores. Los responsables políticos y los líderes empresariales de estos países son conocedores de que la automatización es el motor del crecimiento económico y que la integración de la IA en dicha automatización es el combustible que lo acelera. Tanto es así que, en un futuro muy cercano, agentes de IA y trabajadores intervendrán de forma coordinada en los procesos automatizados, combinando capacidades en equipos híbridos.
Las empresas del sector tecnológico ejemplifican mejor que ninguna otra esta realidad, al situarse a la cabeza del ranking de marcas más valiosas del mundo, según revela el informe Kantar BrandZ 2026 Top 100 Most Valuable Global Brands. Google ocupa la primera posición, seguida de Apple, Microsoft, Amazon y Nvidia. Un liderazgo que no es fruto de la casualidad, sino que responde a una combinación de innovación, mejora continua y una capacidad excepcional para ejecutar con agilidad procesos y anticiparse a los cambios del mercado.
Por tanto, las empresas del resto de sectores han de seguir el mismo camino y avanzar en la automatización para no ser devoradas por la ineficiencia y la obsolescencia. Desde esta perspectiva, resulta secundario debatir si Europa logrará alcanzar al binomio China-EE. UU. en la carrera tecnológica. Lo importante es que las organizaciones ya tienen a su alcance las tecnologías necesarias para favorecer la transformación digital, como son la automatización de procesos y la incorporación de la IA en la gestión de estos.
El primer paso, y el más importante, es establecer un modelo de gobierno de la IA dentro de la empresa. Esto supone definir quiénes serán los responsables de liderar la implementación y su escalado. Una vez constituido este equipo, deberá centrarse en tres aspectos fundamentales: gestionar la inversión y optimizar el coste asociado al consumo de tokens; garantizar la obtención de un retorno tangible en la organización y establecer un marco de gestión de riesgos para proteger los datos y evitar brechas de seguridad.
Además, es imprescindible disponer de una tecnología desde la que orquestar todos los elementos involucrados (personas, datos, reglas de negocio, procesos, modelos de lenguaje de gran tamaño, seguridad, etc.) en la adopción de la IA. Esta tecnología debe ser escalable, ágil y modular. También debe ser flexible, en lo que atañe a la posibilidad de integrar nuevas tecnologías a medida que estas irrumpen en el mercado. Debemos ser conscientes del rápido ritmo al que evoluciona el mercado y cómo esto influye en el surgimiento de nuevas tecnologías, funcionalidades, versiones, etc. Por ello, las organizaciones necesitan una arquitectura flexible que les permita evolucionar sin tener que replantear continuamente su estrategia tecnológica, tan vinculada a la idea de que lo que hoy es tendencia mañana puede quedar obsoleto.
Según una encuesta de Gartner, el 63 % de las organizaciones carecen de prácticas de gestión de datos adecuadas para la IA o desconocen si disponen de ellas. Una situación que pone en peligro el éxito de los proyectos de IA. Los líderes empresariales deben comprender la diferencia que existe entre la gestión de datos tradicional y los datos preparados para el uso de la IA, tanto a nivel de calidad, disponibilidad o gobernanza de los datos. Esto es debido a que los modelos de lenguaje basan su capacidad de razonamiento en la información que reciben. Por consiguiente, si los datos de la organización están incompletos, desestructurados y son poco fiables, también lo serán los resultados obtenidos. La clave del éxito reside en garantizar datos confiables y estructurados.
Para lograrlo, tal y como he mencionado antes, es necesario disponer de una tecnología desde la que orquestar todos los elementos que intervienen en los procesos. Así se garantiza que cada interacción con los datos se produzca conforme a las políticas definidas por la organización, pudiendo establecer distintos niveles de criticidad, permisos de acceso y condiciones de uso.
Los casos de uso más consolidados se concentran en el sector servicios. En concreto, en empresas consultoras, tecnológicas, banca, seguros, servicios legales, etc. En todas ellas, la IA ya se utiliza tanto a nivel de operativa interna como de atención al cliente.
Asimismo, en el sector farmacéutico se están realizando importantes avances gracias a la aplicación de esta tecnología, como en el caso del desarrollo de nuevos fármacos.
Al margen del sector, los mayores beneficios de la IA se obtienen cuando se integra en los procesos para resolver necesidades concretas de la organización. Este es el caso de la gestión de contratos, la tramitación de altas, bajas y reclamaciones o la atención al cliente. En todo ellos, la IA puede clasificar y extraer información de documentos, acceder a la base de conocimiento de la organización para generar respuestas, analizar datos y proporcionar asistencia en la toma de decisiones. Por tanto, el éxito no radica en utilizar la IA de forma aislada, sino en aplicarla dentro de los procesos y cuando puede generar un impacto tangible.
Como es sabido, la información es poder y cuando esa información permite anticiparse a lo que va a suceder, se convierte en uno de los activos de mayor valor. La IA que apareció hace más de 50 años tenía ese objetivo: identificar patrones y tendencias en océanos de datos para predecir posibles escenarios y facilitar la toma de decisiones. Hoy, la IA predictiva ha llevado esa capacidad a un nuevo nivel, dando como resultado análisis cada vez más refinados que ayudan a prever situaciones antes de que se produzcan. Un ejemplo de ello es la detección del riesgo de incumplimiento de un SLA antes de que este ocurra. Aunque nunca será posible predecir el futuro con exactitud, sí que podremos, con la ayuda de la IA, aumentar la probabilidad de acierto y elegir la mejor alternativa en cada situación.
La incorporación de agentes de IA en los procesos de negocio requiere establecer mecanismos de control a diferentes niveles, como el uso de guardarraíles para garantizar que su comportamiento esté dentro de unos límites seguros, éticos y predecibles.
Junto a estos mecanismos, el contexto desempeña un papel muy importante, ya que proporciona a los modelos la información necesaria para interpretar de manera correcta los datos y generar resultados fiables. No debemos olvidar que el significado de un dato puede variar en función del entorno operativo vigente. Por ejemplo, las políticas de aprobación de viajes no son las mismas en circunstancias normales que durante una situación excepcional como la causada por la COVID-19. Aunque el dato sea el mismo, el contexto cambia y, con ello, también las decisiones que deben adoptarse.
Por esta razón, no basta con proporcionar a la IA acceso a los datos, es necesario que comprenda el contexto en el que se generan y las relaciones que existen entre ellos. Esta es la única vía posible para incorporar agentes de IA en procesos con garantías.
