Por qué los agentes de IA obligan a repensar la coordinación interna de las empresas

Análisis plantea que los agentes de IA no podrán operar de forma confiable sobre sistemas empresariales fragmentados. Para hacerlo, las compañías necesitarán una nueva “capa de inteligencia” que armonice datos, reglas, contexto y flujos de trabajo entre áreas.

La inteligencia artificial empresarial no debería entenderse como una simple continuación del cambio que llevó a las compañías desde el software instalado localmente hacia el modelo SaaS. Esa es la tesis central de un análisis de David Vellante, George Gilbert y David Floyer, publicado por SiliconANGLE el 23 de mayo de 2026.

Según los autores, el paso al software como servicio transformó la manera en que los proveedores entregan, actualizan y monetizan sus productos. También obligó a los departamentos de TI a modernizar sus procesos de compra, implementación y operación. Sin embargo, en la mayoría de las empresas, SaaS no alteró de forma sustantiva el modo en que se genera valor ni cómo se ejecuta el trabajo cotidiano.

La actual ola de inteligencia artificial, argumentan, es distinta porque alcanza áreas más profundas de la empresa: la toma de decisiones, la ejecución de tareas, la gestión del riesgo y la asignación de capital. El problema de fondo, según el análisis, es que muchas organizaciones siguen operando como “federaciones de departamentos, cada uno con sus propias aplicaciones, modelos de datos y lógicas de negocio”.

Aunque esos sistemas pueden comportarse de manera determinista dentro de cada silo, el funcionamiento general de la empresa depende con frecuencia de conciliaciones manuales, reuniones, hojas de cálculo, aprobaciones y conocimiento informal. SiliconANGLE describe esa carga como un impuesto organizacional, no solo como un problema de TI.

El artículo sostiene que la promesa de la IA no consiste en añadir copilotos a aplicaciones existentes, sino en introducir sistemas probabilísticos dentro de un marco gobernado por restricciones deterministas. Los modelos fundacionales seguirán siendo relevantes, pero no bastarán por sí solos. Las organizaciones que obtengan mejores resultados, según los autores, serán aquellas que construyan una arquitectura completa alrededor de esos modelos.

Esa arquitectura debería conectar las aplicaciones deterministas existentes, crear una capa compartida de verdad empresarial, controlar la actuación de los agentes y utilizar retroalimentación humana para mejorar de forma continua.

Uno de los conceptos centrales del análisis es el “sistema de inteligencia” o SoI, por sus siglas en inglés. Esta capa se ubicaría entre los sistemas de verdad —históricos y operacionales— y los sistemas de agencia, donde los agentes perciben, razonan, deciden, actúan y aprenden. Su función sería armonizar entidades, significados, reglas y estados de negocio en tiempo real.

Para los autores, sin esa capa común, los agentes tenderán a producir automatizaciones locales, limitadas a un área o aplicación específica, pero no una transformación transversal de la empresa. El SoI permitiría pasar desde tableros retrospectivos hacia orientación operacional capaz de responder preguntas como por qué ocurrió algo, qué podría ocurrir a continuación y qué debería hacerse.

El análisis también distingue entre tratar los datos como un activo y tratar las reglas como un activo. Según SiliconANGLE, la siguiente etapa consiste en extraer y normalizar las reglas de negocio que hoy están embebidas en ERP, CRM, sistemas de recursos humanos, plataformas de seguridad, herramientas analíticas y flujos departamentales. Esa normalización sería parte de lo que los autores llaman un “gemelo digital de la empresa”: una representación en tiempo real del estado, las entidades y los procesos, no solo una capa analítica más sofisticada.

El artículo subraya que el aprendizaje continuo es una condición necesaria para esta arquitectura. Los agentes operarían hasta encontrar incertidumbre; en ese punto intervendrían personas. Lo relevante, según el análisis, es que esas intervenciones no queden aisladas, sino que alimenten el sistema mediante aprobaciones, correcciones, razonamientos y escalaciones. De esa forma, las excepciones se convertirían en material de entrenamiento para mejorar la operación futura.

SiliconANGLE también plantea que se está produciendo una disputa estratégica por esa capa de inteligencia. La pregunta es si surgirá dentro de silos de aplicaciones —como CRM, ERP, gestión de servicios de TI o recursos humanos— o si se consolidará como una capa empresarial capaz de armonizar esos sistemas.

El artículo también recoge una discusión surgida en VeeamON, donde Anand Eswaran, director ejecutivo de Veeam, planteó que la capa faltante en IA es la de “confianza en datos e IA”. SiliconANGLE matiza esa idea: confianza, cumplimiento, privacidad y seguridad son elementos esenciales, pero actuarían como infraestructura de soporte alrededor del sistema de inteligencia, no como el sistema de inteligencia en sí mismo.

Otro punto relevante es la noción de “gemelo digital full-stack”. Según el análisis, la empresa necesitaría primero una base determinista que establezca qué es verdadero y qué está permitido. Sobre esa base podría construirse una capa cognitiva capaz de capturar cómo los expertos toman decisiones cuando las reglas no son suficientes.

El artículo organiza esa evolución en cinco capas: una capa de mapeo para reconocer objetos de negocio entre sistemas; una capa de reglas prescriptivas, incluidas normas regulatorias y de cumplimiento; una memoria institucional que registre cómo razonan los expertos; una capa de guía de decisiones; y un sistema de aprendizaje y retroalimentación que evalúe la calidad del razonamiento y detecte desviaciones.

Los autores advierten que las empresas no pueden saltar directamente a las capas cognitivas simplemente añadiendo IA sobre sistemas existentes. La parte cognitiva solo tendría valor si está anclada en el estado determinista del negocio. De lo contrario, el resultado sería una acumulación de narrativas sin una base verificable por máquina.

La gobernanza también tendría que evolucionar. Hoy, señalan, se basa principalmente en recursos: quién puede acceder a un conjunto de datos, una columna o una fila. Ese enfoque seguirá siendo necesario, pero sería insuficiente cuando los agentes comiencen a ejecutar acciones. La gobernanza deberá incorporar intención: políticas codificadas que definan qué puede hacer un agente, qué herramientas puede invocar y qué límites no debe cruzar.

Para SiliconANGLE, el valor no está en individuos más productivos de forma aislada, sino en una organización que comparte un modelo común del estado del negocio y coordina actividades hacia resultados colectivos. Los autores cuestionan la idea, frecuente en el debate sobre IA, de empresas de mil millones de dólares operadas por una sola persona. Su argumento es que la coordinación sigue siendo difícil y valiosa; por eso, las empresas existen.

La conclusión del análisis es que el modelo operativo de IA implica una migración desde la coordinación humana sobre sistemas fragmentados hacia una coordinación mediada por IA, basada en una verdad compartida. En esa transición, el cuello de botella no sería únicamente la capacidad de cómputo o la elección de modelos, sino el costo de coordinación que hoy mantiene unidas a las organizaciones mediante trabajo humano, interpretación y conciliación.