En los últimos años, la IA ha pasado del hype a ser una prioridad estratégica, ¿qué está viendo Experis en el mercado?
Estamos viendo un enorme interés por implantar IA a gran velocidad, pero también una brecha importante entre ambición y resultados. Muchas organizaciones quieren desplegar modelos cuanto antes, pero no han trabajado los cimientos: datos preparados, revisión de procesos, talento adaptado y formado y una gobernanza sólida. La conversación ya no debería ser solo “qué modelo usar”, sino “sobre qué datos se apoya ese modelo”.
¿Diría entonces que el principal problema no es tecnológico?
Exacto. El reto no es tanto el algoritmo como la fiabilidad de la información y el uso que se le quiera dar, revisando el proceso y adaptando capacidades. Nos encontramos con definiciones inconsistentes, falta de metadata, problemas de calidad o ausencia de ownership claro del dato. Sin gobierno ni trazabilidad, la IA puede generar resultados aparentemente válidos, pero que en realidad amplifican el desorden. Sin fundamentos sólidos, la IA puede aparentar valor mientras esconde riesgos.
Existe la percepción de que trabajar el dato ralentiza la innovación, ¿es así?
Es justo al contrario. Invertir en fundamentos acelera la innovación. Cuando las organizaciones estructuran bien sus datos, pueden escalar casos de uso de forma mucho más ágil y segura. Si no lo hacen, cada iniciativa se convierte en un experimento aislado que no escala.
Experis habla de “capacidades aumentadas con IA”, ¿a qué se refieren?
Nuestro enfoque va más allá de la tecnología. Apostamos por combinar tres elementos: talento especializado, IA y datos fiables. La IA no sustituye a los profesionales, sino que multiplica su capacidad. Equipos bien formados, apoyados por agentes de IA, pueden ser exponencialmente más productivos y tomar mejores decisiones.
¿Cómo se materializa esta visión en la práctica?
Lo articulamos a través de nuestro marco global IA Excelerate, que define cómo integrar la IA en procesos reales, tanto técnicos como de negocio. Trabajamos en tres niveles: por un lado, ayudamos a nuestros clientes a mejorar la base del dato (calidad, gobernanza y estructuración); por otro, desarrollamos soluciones específicas que aplican IA a procesos concretos cuestionados y revisados; y, por último, generamos el talento necesario para implantarlo y gobernarlo.
¿Puede poner algún ejemplo tangible?
Uno muy claro es Sophie CODE, un producto basado en agentes de IA aplicado al desarrollo de software. Cuenta con alrededor de 30 agentes especializados que ayudan a los equipos a programar, testear o documentar de forma más eficiente. El objetivo no es sustituir a los desarrolladores, sino aumentar su capacidad técnica y su productividad.
En un mercado cada vez más saturado de asistentes de código basados en IA, ¿qué aporta un enfoque como Sophie CODE en términos de industrialización del desarrollo (velocidad, métricas, seguridad o gobernanza) frente a herramientas más aisladas?
Es hasta 10 veces más rápido gracias a la automatización del pipeline. Pero esa velocidad va acompañada de calidad: generamos documentación estructurada en cada sprint y trabajamos con estándares como CMMI.
Además, integramos seguridad desde el origen y un modelo de gobernanza (HILT) claro, con validación humana obligatoria. A esto se suma la visibilidad: métricas en tiempo real sobre productividad y deuda técnica. Y, sobre todo, equipos aumentados, donde la IA elimina tareas repetitivas y permite a los profesionales centrarse en aportar valor.
En resumen, no es solo generar código más rápido, sino hacerlo de forma segura, controlada y escalable.
Más allá del desarrollo, ¿dónde están viendo mayor impacto?
En muchos procesos de negocio que hay que revisitar y reinventar y en todos los casos hay un denominador común: los resultados solo son sostenibles si los datos están bien estructurados desde el inicio y se cuenta con el talento adaptado.
