Hay un cambio de fondo que conviene leer despacio: la conversación sobre inteligencia artificial en las empresas pasó de «¿qué modelo compro?» a «¿cómo gobierno lo que ya consumo?». Las organizaciones que extraen valor tangible de la IA no lo hacen acumulando licencias ni desplegando pilotos aislados, sino rediseñando su arquitectura subyacente para controlar los costos de inferencia, blindar sus operaciones contra amenazas autónomas e implementar marcos de cumplimiento de alcance global.
Este artículo sintetiza las tendencias que definen el segundo semestre de 2026 desde una óptica de gestión —rentabilidad, mitigación de riesgos y operacionalización—, con las cifras que un directorio puede usar para tomar decisiones. Es la misma lógica que aplico cuando asesoro a empresas paraguayas en consultoría de transformación digital y gobernanza de TI con PMO: la tecnología es el medio, el criterio de negocio es el fin.
1. La economía de la inferencia: el token más barato es el que nunca se envía
El gasto en IA corporativa escala a un ritmo que amenaza la viabilidad financiera de múltiples iniciativas. La proyección de Gartner es contundente: para 2028, el costo operativo del consumo de tokens en tareas de desarrollo superará el salario promedio de un programador si no se aplican controles arquitectónicos estrictos. En esa línea, cerca de una cuarta parte de los líderes de tecnología ya gasta entre 200 y 500 dólares por desarrollador al mes solo en consumo.
El paradigma inicial —enviar todas las solicitudes al modelo de frontera más potente y costoso— demostró ser insostenible. La madurez actual exige una transición hacia arquitecturas de enrutamiento dinámico, donde la inteligencia del sistema reside en la capa de orquestación que decide qué modelo usar para cada subtarea. La viabilidad financiera quedó demostrada empíricamente: Spotify publicó que redujo el consumo de tokens de modelos costosos en aproximadamente un 90% en tareas de lectura masiva de archivos, y Sword reportó una reducción de costos operativos del 94% mediante una pasarela centralizada de inteligencia artificial.
La lección para la alta dirección es inequívoca: no todas las tareas merecen el mismo modelo. La gran mayoría del trabajo de un agente no requiere razonamiento avanzado, sino operaciones masivas de entrada y salida de datos. Emplear un modelo de frontera para eso es desperdiciar recursos en tareas de bajo valor cognitivo. A escala, la matemática es ineludible: en aplicaciones con 100.000 a 500.000 usuarios activos diarios, la diferencia entre enrutar inteligentemente o no oscila entre 200.000 y 400.000 dólares mensuales; por encima de ese umbral, el enrutamiento deja de ser una optimización opcional y se convierte en el factor que separa un modelo de negocio viable de uno quebrado.
Antes de profundizar en el costo, vale la pena notar que este patrón —delegar lo rutinario y reservar lo caro para lo que exige criterio— ya lo analicé en detalle en el caso de Spotify y el enrutamiento de modelos, donde el ahorro del 90% no vino de escribir menos, sino de enviar cada tarea al modelo correcto.
2. Agentes autónomos y la guerra de los «arneses»
La transición tecnológica más profunda del año no es la mejora marginal en el razonamiento de los modelos fundacionales, sino la evolución de los asistentes conversacionales pasivos hacia agentes autónomos persistentes. Un asistente tradicional responde a un estímulo y cesa al terminar la interacción. Un agente autónomo opera a través de un arnés (harness): la capa de infraestructura que le permite mantener contexto a lo largo de los días, usar herramientas del sistema operativo mediante protocolos como el Model Context Protocol (MCP), planificar tareas de forma continua y ejecutar acciones en segundo plano sin intervención humana. Para la alta dirección, comprender esta distinción es vital: una empresa no adquiere un modelo de lenguaje, despliega una identidad digital autónoma dentro de su red.
El mercado de arneses de código abierto está dominado por dos filosofías arquitectónicas divergentes. OpenClaw —con más de 389.000 estrellas en repositorios— apuesta por la amplitud: funciona como una pasarela multicanal que permite a un agente corporativo interactuar a través de más de 29 canales de mensajería, correos y sistemas de planificación, orquestando flujos compartidos entre equipos humanos y trabajadores en la nube. Hermes Agent, en contraste, apuesta por la profundidad operativa y el aprendizaje continuo: reside persistentemente en infraestructura gestionada por el usuario, acumula contexto sobre las convenciones corporativas y refina sus propias habilidades a partir de las tareas complejas que resuelve.
Mientras OpenClaw se posiciona como el plano de control central para equipos distribuidos, Hermes es la herramienta de elección cuando la entidad del agente y su evolución histórica constituyen el activo principal. La selección no debe basarse en métricas de popularidad, sino en evaluaciones formales de riesgo y rendimiento: los marcos emergentes estipulan que los pilotos deben someter a los agentes a pruebas de estrés rigurosas que midan no solo la corrección de las tareas, sino la trazabilidad de las acciones, la capacidad de detenerse ante inyecciones de instrucciones maliciosas y la adherencia estricta a los límites del espacio de trabajo autorizado.
3. Ciberseguridad a velocidad de máquina: el incidente Unit 42
La delegación de autonomía a sistemas de IA ha expandido drásticamente la superficie de ataque de las organizaciones. Los controles tradicionales fueron diseñados bajo la premisa de que los adversarios son humanos, limitados por la velocidad biológica para teclear, analizar la topología de una red y ejecutar escalamientos de privilegios. Esa presunción quedó invalidada. Unit 42 documentó un caso en el que un atacante utilizó modelos de frontera y un marco de ataque agéntico para comprometer los entornos de nube, la gestión de identidades, las defensas SaaS y los conductos CI/CD de una corporación en menos de diez horas —un trabajo que a un equipo humano coordinado le habría llevado dos semanas—, con más de 50 técnicas MITRE ATT&CK.
Lo más alarmante fue la capacidad de los agentes para secuestrar la cadena de suministro de software interna: al activar construcciones no autorizadas dentro de los conductos de CI/CD, demostraron la habilidad de interferir directamente con el ciclo de vida del desarrollo. Los analistas equiparan la gravedad de esa vulneración con la histórica ruptura de las barreras entre las redes de IT y las tecnologías de operación (OT). Para los ejecutivos, esto implica que la prevención basada en firmas estáticas o el monitoreo humano de alertas en un SOC convencional son contramedidas insuficientes. La directiva estratégica exige la adopción profunda de arquitecturas de Confianza Cero: limitar matemáticamente el radio de acción de las cuentas de servicio, aislar criptográficamente los contenedores de ejecución de los agentes internos e imponer aprobaciones humanas obligatorias para cualquier acción que modifique el estado de sistemas externos.
Este escenario —agentes que comprometen una empresa entera a velocidad algorítmica— lo desgrané con el detalle técnico del informe en el análisis del ransomware en diez horas. La conclusión es la misma: el plan de respuesta de tu empresa no puede seguir suponiendo que tenés días.
4. Productividad corporativa: el retorno real de Microsoft 365 Copilot
A pesar de los riesgos inherentes a las arquitecturas autónomas, la adopción masiva se vehiculiza principalmente a través de asistentes integrados en plataformas de productividad. Hacia finales de 2026, Microsoft 365 Copilot alcanzó una penetración superior al 90% entre las corporaciones del Fortune 500, con más de 20 millones de licencias comerciales activas y expansiones en multinacionales que superan los 100.000 usuarios por organización —una señal de que las grandes corporaciones transitaron de la validación conceptual a la operación estandarizada.
La justificación financiera es atractiva cuando las implementaciones son exitosas. El análisis de Impacto Económico Total de Forrester estima que, para una organización de 25.000 empleados, Copilot puede generar un valor presente neto ajustado por riesgo de 19,7 millones de dólares y un retorno de inversión del 116% a lo largo de tres años, sustentado en ahorros de tiempo de 14 a 26 minutos diarios por usuario —aproximadamente un día laborable completo recuperado al mes por empleado—, junto con reducciones del 25% en tiempos de incorporación de personal y un incremento del 2,6% en ingresos de primera línea.
Pero el éxito proyectado contrasta drásticamente con la realidad operativa de un amplio segmento del mercado. Los reportes de Gartner revelan una polarización pronunciada que depende casi exclusivamente del grado de madurez de la gobernanza: las organizaciones con marcos sólidos de gobernanza tecnológica logran materializar valor el 26% de las veces, frente a un ínfimo 3% en aquellas que despliegan las herramientas sin controles previos de arquitectura de datos. La fricción principal es el riesgo de sobreexposición: Copilot opera con los mismos permisos que el usuario, y al integrar capacidades analíticas avanzadas las empresas descubren que sus políticas de acceso históricas eran profundamente defectuosas. Un empleado puede, con una simple consulta en lenguaje natural, consolidar planes estratégicos de fusiones o compensaciones ejecutivas que siempre estuvieron técnicamente accesibles pero permanecían ofuscadas por la ineficiencia de los buscadores tradicionales.
5. Gobernanza y cumplimiento: la extraterritorialidad ya es una realidad
El entorno operativo global para el despliegue de IA fue permanentemente alterado por la consolidación de obligaciones legales auditables. Agosto de 2026 marcó un punto de inflexión con la activación obligatoria de las disposiciones de transparencia del Artículo 50 de la Ley de Inteligencia Artificial de la Unión Europea. El aspecto estratégico más crítico es su naturaleza de alcance extraterritorial: cualquier organización, con independencia de la ubicación de su sede, que despliegue sistemas cuyos resultados sean consumidos dentro de la Unión Europea queda sujeta a la jurisdicción de la ley. En términos pragmáticos, una corporación paraguaya, brasileña o estadounidense que use algoritmos para evaluar la propensión de compra o interactuar con perfiles de clientes europeos debe adherirse plenamente o enfrentar multas de hasta 35 millones de euros o el 7% de la facturación global anual.
Las obligaciones de transparencia imponen requerimientos técnicos inmediatos: todo sistema automatizado de atención al público debe declarar inequívocamente su naturaleza no humana, y las empresas que usen IA generativa para producir documentos o contenido multimedia están legalmente obligadas a integrar marcadores criptográficos de procedencia. La industria ha convergido hacia el estándar C2PA, que incrusta registros inalterables de origen en los metadatos de los archivos.
Ante esta presión, las corporaciones carecían históricamente de un marco estandarizado y certificable. Esa brecha fue resuelta por la adopción acelerada de la ISO/IEC 42001, el primer Sistema de Gestión de Inteligencia Artificial (AIMS). Diseñada con la Estructura Armonizada (Annex SL), se integra nativamente con ISO 27001 e ISO 9001 preexistentes, y su Anexo A detalla 38 controles en nueve dominios —desde la trazabilidad de datos de entrenamiento y la explicabilidad de las decisiones hasta la mitigación de sesgos y la supervisión humana constante. La certificación proporciona al directorio un mecanismo de defensa legal comprobable (due diligence) de inmenso valor ante reguladores, procesos de fusión y adquisición y auditorías de clientes institucionales.
6. Adopción en América Latina: el purgatorio de los pilotos y el Shadow AI
Mientras los ecosistemas de los centros tecnológicos globales se enfocan en los avances del razonamiento algorítmico, la realidad operativa en América Latina exhibe un marcado contraste. Las investigaciones publicadas en 2026 confirman que cerca del 79% de las organizaciones enfrenta bloqueos sistémicos severos en sus programas de adopción, a pesar de que casi el 60% de las grandes corporaciones declara inversiones en IA que superan el millón de dólares anuales. El déficit no radica en la accesibilidad a la tecnología ni en la falta de capital, sino en la incapacidad organizacional para transformar ese capital en impacto medible y escalable.
El comportamiento predominante se caracteriza por una proliferación entusiasta de proyectos piloto que rara vez superan la fase de experimentación —el llamado «purgatorio de los pilotos»—, con raíces estructurales profundas: la dependencia crónica de infraestructura heredada y la fragmentación extrema de los silos de datos. Los sistemas modernos exigen una base analítica ordenada, limpia y accesible en tiempo real; cuando las empresas superponen agentes cognitivos sobre arquitecturas transaccionales obsoletas y datos no clasificados, el resultado es fricción operativa, latencia inaceptable y recomendaciones imprecisas que destruyen la confianza del usuario final. Ciertos sectores lideran el camino: la banca digital y el ecosistema fintech en Brasil y México, junto con las cadenas minoristas omnicanal, logran mejoras de margen de entre uno y tres puntos porcentuales mediante precios dinámicos y agentes conversacionales integrados a sus sistemas centrales.
Paralelamente al estancamiento de los despliegues oficiales, el mercado laboral latinoamericano exhibe una absorción masiva y orgánica desde las bases: aproximadamente el 65% de los trabajadores corporativos admite emplear herramientas de IA generativa de forma extraoficial —el fenómeno del Shadow AI—, exponiendo a la corporación a riesgos legales y operativos masivos cuando información confidencial y código propietario se introducen en modelos de consumo público que pueden usarlos para su propio entrenamiento. Este índice demuestra que el apetito por la eficiencia algorítmica es genuino y masivo, pero expone un vacío de liderazgo directivo: las empresas que asumen una postura puramente restrictiva descubren que sus empleados simplemente eluden los controles. La directiva no puede ser prohibir la adopción, sino canalizarla de manera segura, aprovisionando entornos empresariales cerrados y evaluando el costo total de propiedad entre APIs en la nube bajo contratos estrictos de retención cero de datos o el gasto de capital —amortizable a dos o tres años— de alojar modelos de código abierto de forma local y segregada.
La hoja de ruta ejecutiva: industrializar, gobernar y capturar valor
Para los miembros de la junta directiva, gerentes generales y líderes tecnológicos, el camino a seguir exige un cambio drástico de paradigma operativo. Las organizaciones que reportan transformaciones medibles han abandonado la carrera por implementar superficialmente cada nuevo modelo y aplican un rigor de industrialización implacable sobre un número reducido de casos de uso de alto impacto comercial. La estrategia para asegurar rentabilidad, escalar operaciones y mitigar riesgos debe anclarse en cinco imperativos:
- Imposición de pasarelas y arquitecturas de enrutamiento. Toda iniciativa de IA debe consolidarse a través de infraestructuras centralizadas que optimicen el consumo de tokens y gestionen los costos de inferencia. El enrutamiento automatizado hacia modelos de menor costo para tareas rutinarias debe convertirse en el estándar de diseño por defecto.
- Consolidación de la base analítica y remediación de accesos. La implementación de asistentes corporativos requiere ineludiblemente una auditoría profunda, saneamiento previo de permisos y clasificación de la confidencialidad de los repositorios. Construir plataformas sólidas de consolidación de datos es el prerrequisito estructural que dictará la velocidad de escalamiento.
- Adopción sistémica de estándares de gestión y cumplimiento (ISO 42001). La gestión del riesgo regulatorio, el impacto ético y la fiabilidad algorítmica deben institucionalizarse a nivel de la alta dirección, proporcionando un mecanismo estratégico de defensa corporativa frente a legislaciones extraterritoriales punitivas.
- Implementación de políticas de Confianza Cero para identidades sintéticas. El despliegue de agentes autónomos y sus arneses debe tratarse con la máxima severidad en términos de ciberseguridad: segmentación estricta de la infraestructura, monitoreo algorítmico de los conductos de despliegue y autorización humana obligatoria para cualquier acción destructiva o modificación de sistemas externos.
- Reingeniería funcional y desarrollo de talento estratégico. El verdadero retorno de inversión surge exclusivamente cuando los flujos de trabajo se rediseñan desde sus cimientos alrededor de las nuevas capacidades. Esto exige detener la financiación de experimentos aislados en los departamentos de tecnología y trasladar la responsabilidad del impacto comercial directamente a los líderes operativos de cada unidad de negocio.
El estado actual de la inteligencia artificial corporativa establece una línea divisoria innegable y financieramente punitiva. Las empresas que persistan en tratar la adopción como un ejercicio de adquisición de software novedoso acumularán deuda técnica insostenible, facturas de consumo erosionantes y crisis de ciberseguridad a una escala nunca antes vista. Por el contrario, aquellas cuya alta gerencia imponga disciplina arquitectónica, priorice la economía de la inferencia, blinde sus arquitecturas de datos y adopte controles regulatorios formales consolidarán una ventaja competitiva estructural de largo plazo que será virtualmente imposible de revertir por parte de sus competidores más rezagados. La madurez tecnológica ya está presente; la urgencia actual recae íntegramente sobre la capacidad de ejecución, gobernanza operativa y visión industrial de la alta dirección.
¿Necesitás ayuda para evaluar la madurez de IA de tu empresa o diseñar la gobernanza de estos despliegues? Escribime y trabajemos el diagnóstico antes de la acción.