Fui buscando nuevas ideas sobre inteligencia artificial. Regresé con una conclusión diferente, muchas empresas ya están entrando en la etapa de pasar de experimentar con IA a integrarla en su operación.

Hace unos días estuve en Google Cloud Summit México, en Ciudad de México.

Llegué con una pregunta bastante concreta:

¿Hacia dónde está avanzando la siguiente etapa de la inteligencia artificial empresarial?

Durante el evento escuché mucho sobre agentes de IA, conectores, automatización, datos y la evolución hacia sistemas capaces no solamente de responder preguntas, sino de ejecutar tareas dentro de las empresas.

Y mientras avanzaban las presentaciones tuve una sensación interesante:

muchos de esos problemas ya los estamos intentando resolver.

No con la escala ni con la infraestructura de Google, naturalmente, sino desde otro lugar: construyendo soluciones para necesidades concretas de empresas reales.

Eso me hizo reflexionar.

Durante los últimos años hemos trabajado en agentes de IA, automatizaciones, integraciones con WhatsApp, CRM, datos y herramientas aplicadas particularmente a real estate y otros negocios.

Escuchar hacia dónde se está moviendo la industria me ayudó a poner ese trabajo en perspectiva.

Salí del Summit con muchas notas y tecnologías por estudiar, pero sobre todo con tres ideas muy claras:

1. Los agentes de IA están pasando del experimento a la operación.

2. El verdadero valor no estará solamente en tener acceso a un modelo de IA, sino en integrarlo correctamente con datos, procesos y herramientas.

3. Para quienes ya estamos construyendo, el reto ahora es convertir esas capacidades en productos escalables.

Y quizá esa fue mi principal conclusión del Summit:

no necesito cambiar de dirección. Necesito profundizarla.

1. Del chatbot al agente, la IA empieza a participar en el trabajo

Durante los últimos años, para muchas personas utilizar inteligencia artificial ha significado algo bastante sencillo:

Abrir un chat.

Hacer una pregunta.

Recibir una respuesta.

Ese cambio ya ha sido enorme.

Pero dentro de una empresa existe una diferencia importante entre responder una pregunta y participar en un proceso.

Imaginemos algo cotidiano.

Una cosa es preguntarle a una IA:

“¿Cuáles son los prospectos que debería atender esta semana?”

Otra muy distinta es construir un sistema que pueda, bajo reglas y permisos definidos, consultar información del CRM, revisar conversaciones anteriores, analizar datos, identificar prioridades y ayudar a ejecutar el siguiente paso.

Ahí cambia la conversación.

Ya no estamos hablando solamente de una interfaz para consultar inteligencia artificial.

Estamos hablando de agentes capaces de interactuar con las herramientas donde ocurre el trabajo.

Y esa fue una de las ideas que apareció una y otra vez durante el evento.

2. El modelo de IA es solamente una parte del sistema

Una de las diapositivas que fotografié durante el Summit mostraba una arquitectura alrededor de Gemini Enterprise con tres conceptos que me parecieron especialmente relevantes:

Agents. Skills. Connectors.

La imagen resume bastante bien algo que hemos ido descubriendo al construir soluciones de inteligencia artificial.

El modelo importa.

Pero no es suficiente.

Durante mucho tiempo la conversación se ha concentrado en comparar modelos:

¿Cuál razona mejor?

¿Cuál tiene mayor contexto?

¿Cuál genera mejores respuestas?

¿Cuál es más rápido?

Son preguntas válidas.

Pero cuando intentas llevar IA a una empresa real aparecen otras preguntas:

¿A qué información tiene acceso?

¿Cómo consulta los datos?

¿Cómo se conecta al CRM?

¿Cómo interactúa con WhatsApp?

¿Qué herramientas puede utilizar?

¿Qué acciones puede ejecutar?

¿Qué permisos tiene?

¿Qué sucede cuando encuentra una excepción?

¿Dónde debe intervenir una persona?

Es ahí donde conectores, datos, herramientas, reglas y procesos empiezan a ser tan importantes como el propio modelo.

Y creo que esto cambia dónde debemos buscar el valor.

El futuro de la IA empresarial probablemente no dependerá solamente de quién tenga acceso al modelo más avanzado.

Cada vez dependerá más de qué tan bien logremos integrar esos modelos con el contexto y la operación de una empresa.

3. La verdadera oportunidad está dentro de los procesos

Por eso creo que hay una pregunta que las empresas deberían dejar de hacerse:

“¿Cómo meto inteligencia artificial en mi empresa?”

Yo empezaría con otra:

“¿Qué proceso de mi empresa consume tiempo, información y decisiones repetitivas que podría rediseñarse utilizando IA?”

La diferencia parece semántica.

No lo es.

En la primera pregunta estamos buscando dónde colocar una tecnología.

En la segunda estamos buscando un problema que valga la pena resolver.

Y cuando empiezas por los problemas, aparecen oportunidades mucho más interesantes.

Lo vemos, por ejemplo, en sectores que conocemos de cerca como real estate, construcción y valuación.

Son industrias donde una enorme cantidad de trabajo depende de recopilar información, consultar documentos, comparar datos, responder mensajes, dar seguimiento a prospectos, preparar análisis y coordinar personas.

Muchas de esas tareas requieren conocimiento y criterio humano.

Otras son repetitivas.

Y otras están en algún punto intermedio.

Ahí es donde los agentes de IA empiezan a tener sentido.

No necesariamente para sustituir el proceso completo, sino para rediseñar cómo se ejecuta.

¿Qué puede hacer una persona mejor?

¿Qué puede acelerar una IA?

¿Qué información puede recopilar automáticamente?

¿Qué decisión requiere supervisión?

¿Qué tarea puede ejecutar un agente?

Estas preguntas me parecen mucho más interesantes que simplemente preguntar qué herramienta de IA deberíamos adoptar.

4. Escuchar los mismos problemas que estamos intentando resolver fue una validación

Esta fue probablemente la parte más personal de mi experiencia en el Summit.

Desde hace tiempo hemos estado experimentando con agentes de IA, automatizaciones, WhatsApp, CRM, datos e integraciones.

Y construir estas soluciones te obliga a enfrentarte con la distancia que existe entre una buena demostración y un producto que realmente funciona.

En un demo todo puede parecer sencillo.

En una empresa real aparecen excepciones, datos incompletos, permisos, usuarios, integraciones, procesos que nunca fueron documentados y situaciones que nadie había previsto.

Ahí es donde realmente empieza el trabajo.

Por eso, mientras escuchaba algunas de las presentaciones, hubo momentos en los que pensé:

“Este problema ya lo hemos encontrado.”

O:

“Esto es muy parecido a algo que estamos intentando resolver.”

No significa que tengamos las respuestas.

Mucho menos que estemos resolviendo los problemas a la escala de las grandes plataformas tecnológicas.

Pero sí fue una validación de algo importante:

estamos haciendo preguntas que vale la pena seguir explorando.

5. Una conversación sobre MKTAG

Uno de los momentos que más disfruté del Summit ocurrió fuera de las presentaciones.

Tuve la oportunidad de conversar sobre MKTAG, uno de los productos que estamos construyendo, y encontrar interés dentro del ecosistema startup.

Para mí eso fue especialmente valioso.

Porque cuando estás construyendo un producto nuevo puedes pasar meses pensando en arquitectura, integraciones, automatizaciones y funcionalidades.

Pero tarde o temprano necesitas salir de tu propia burbuja.

Necesitas explicar lo que estás construyendo.

Escuchar preguntas.

Observar qué despierta interés.

Detectar qué no se entiende.

Y contrastar tu visión con personas que están viendo otros problemas y otras oportunidades.

Ese tipo de conversaciones también forman parte de construir.

Y salir del Summit con nuevas preguntas alrededor de MKTAG fue tan valioso como salir con nuevas tecnologías por investigar.

6. Del experimento al producto

Hay otra conclusión que me parece especialmente importante para quienes ya estamos construyendo con IA.

El reto está cambiando.

Hace un par de años, conseguir que un prototipo hiciera algo sorprendente ya era un logro.

Hoy podemos construir demos impresionantes con una velocidad extraordinaria.

Pero una demostración no es un producto.

Y una automatización que funciona algunas veces tampoco es un sistema empresarial.

Para convertir estas capacidades en productos necesitamos resolver problemas mucho menos llamativos:

confiabilidad, seguridad, costos, integraciones, permisos, experiencia de usuario, mantenimiento y escalabilidad.

En otras palabras:

tenemos que pasar del experimento a la operación.

Y después, de la operación al producto.

Creo que ahí está uno de los grandes retos de esta siguiente etapa.

No solamente demostrar lo que la inteligencia artificial puede hacer.

Sino conseguir que pueda hacerlo de manera repetible, útil y escalable.

No necesito cambiar de dirección. Necesito profundizarla.

Salí del Summit con muchas notas.

Nombres de tecnologías por investigar.

Ideas que quiero probar.

Preguntas que todavía no sé responder.

Pero curiosamente, mi principal conclusión no fue que tengamos que cambiar lo que estamos haciendo.

Fue la contraria.

Necesitamos profundizar.

Profundizar en agentes.

Profundizar en integraciones.

Profundizar en datos.

Profundizar en cómo convertir estas tecnologías en soluciones que resuelvan problemas reales.

Porque el valor no estará en perseguir cada nueva herramienta de inteligencia artificial que aparezca.

Estará en nuestra capacidad para tomar estas tecnologías y convertirlas en algo que funcione dentro de una empresa.

Ahora viene la parte que más me interesa:

implementar lo aprendido, probarlo en nuestras empresas y compartir los resultados.

También quiero empezar a documentar más ese proceso.

En este blog y en mi canal de YouTube compartiré lo que estamos construyendo, los experimentos que funcionan, los que fracasan y lo que vamos aprendiendo al intentar llevar agentes de IA a empresas reales.

No quiero hablar solamente de lo que la inteligencia artificial podría hacer.

Quiero documentar lo que ocurre cuando intentamos hacer que realmente funcione.

Porque después de este Summit me quedó todavía más clara una idea:

la siguiente etapa de la inteligencia artificial no se va a definir solamente por modelos más poderosos.

Se va a definir por lo que seamos capaces de construir con ellos.