La inteligencia artificial ha dejado de ser una tecnología experimental para convertirse en una nueva capa transversal de las organizaciones. Su incorporación al negocio, sin embargo, plantea retos que van mucho más allá de elegir un modelo o desplegar un agente.
La calidad del dato, la gobernanza, la formación de los empleados, el control del Shadow AI, la seguridad y la sostenibilidad económica de las arquitecturas son condiciones necesarias para que la IA genere valor real.
Estas fueron algunas de las principales conclusiones de un encuentro organizado por Computing en colaboración con Infor, y más concretamente a través de la participación de Eladio Valencia, director general de la compañía, y que congregó a los siguientes portavoces: Juan Miguel Gil, IT manager corporate Spain de ArcelorMittal, Alberto López, CISO para Europa de Campofrío (Sigma Alimentos), Miguel Ángel González-Gallego, global CIO & CISO del Grupo IMESAPI, Juan Manuel Martínez, CIO del Grupo Monbake, Jesús Antonio Garrido, director de Tecnologías de la Información y las Comunicaciones de INTA, Almudena Fernández, head of Data Office and Artificial Intelligence de Navantia, Ramón Ortiz, CISO de Rheinmetall y Miriam Murillo, DPO/ISO/ Compliance Officer de Vorwerk.
El debate puso de manifiesto que las empresas han superado la fase inicial de curiosidad y experimentación, pero todavía están definiendo cómo integrar la IA de forma ordenada en sus procesos, sistemas y estructuras de gobierno.
La cuestión ya no es si las organizaciones utilizarán inteligencia artificial, sino cómo lo harán, con qué garantías, sobre qué datos, con qué arquitectura y bajo qué criterios de rentabilidad.
Índice de temas
No todo problema necesita inteligencia artificial
En muchas ocasiones, el negocio plantea una necesidad bajo la etiqueta de ‘IA’ cuando el problema podría resolverse mediante automatización tradicional, integración de sistemas o reglas de negocio. La función tecnológica debe actuar como filtro entre la necesidad empresarial y la solución tecnológica más adecuada. No se trata de incorporar IA por el mero hecho de que esté disponible, sino de seleccionar aquellos casos de uso que aporten un beneficio concreto: ahorro de tiempo, reducción de errores, mejora de la experiencia del cliente, optimización de recursos o mayor capacidad de análisis.
Esta evaluación debe realizarse junto con las áreas de negocio, los responsables de procesos, los departamentos jurídicos y los equipos de seguridad. La IA debe convertirse en una herramienta al servicio de objetivos empresariales previamente definidos, y no en un fin en sí misma.
El dato, la base de cualquier estrategia
La verdadera base de cualquier iniciativa de IA continúa siendo el dato, según quedó reflejado a lo largo del evento. El mensaje fue que una inteligencia artificial solo puede ofrecer resultados fiables si recibe información adecuada, actualizada, contextualizada y correctamente estructurada.
Si los datos están incompletos, desactualizados, dispersos en distintos sistemas o carecen de contexto, la respuesta generada será igualmente limitada. El problema no se soluciona necesariamente utilizando un modelo más avanzado.
En el ámbito empresarial no basta con disponer de grandes volúmenes de información. Es necesario conocer su origen, determinar quién es responsable de ella, establecer su nivel de calidad, definir quién puede acceder y garantizar que se mantiene actualizada.
Por ello, los directivos indicaron que una solución de IA puede ofrecer resultados inicialmente llamativos y perder utilidad con rapidez si no existe un proceso continuo de mantenimiento y revisión. El mensaje es que la gobernanza del dato se convierte en una condición previa para la gobernanza de la inteligencia artificial. No es posible construir sistemas inteligentes confiables sobre información que la organización no conoce, no controla o no sabe interpretar.
El ERP seguirá siendo el núcleo empresarial
El encuentro también permitió constatar que el ERP no desaparecerá por la llegada de la IA, sino que evolucionará hacia una plataforma más abierta, conectada y accesible mediante interfaces conversacionales y agentes inteligentes.
Su papel seguirá siendo fundamental porque estructura, ordena y mantiene la información crítica de la compañía. La IA podrá facilitar el acceso a esos datos, interpretar peticiones en lenguaje natural, automatizar tareas y coordinar actividades, pero el sistema empresarial continuará actuando como fuente estructurada y controlada de información.
Tal y como explica Eladio Valencia de Infor, los agentes se situarán alrededor del ERP y de otras aplicaciones corporativas para ejecutar determinadas acciones, proponer decisiones o agilizar procesos. La interfaz será más sencilla para el usuario, pero seguirá siendo imprescindible contar con una base de datos fiable, un sistema transaccional sólido y procesos coherentes. “La especialización sectorial y verticalizada en estas herramientas es y será imprescindible en el contexto de la IA, ya que hace que los proyectos tengan una implantación más rápida, requieren menos desarrollos a medida y simplifican el mantenimiento”.
La transformación no consistirá en sustituir el ERP, sino en integrarlo en una arquitectura donde convivirán aplicaciones empresariales, agentes, modelos de IA, automatizaciones y distintas fuentes de información.
Gobernanza y Shadow AI
La adopción desordenada de herramientas de inteligencia artificial está obligando a las empresas a definir políticas específicas de gobierno. No basta con decidir qué aplicaciones están permitidas: es necesario conocer qué modelos se utilizan, para qué finalidad, con qué datos y bajo qué responsabilidades.
La gobernanza tuvo un gran protagonismo en el debate, un aspecto que debería contemplar siempre el inventario de casos de uso, la clasificación de la información, los permisos de acceso, la trazabilidad de las interacciones, la supervisión humana, la evaluación de resultados y la auditoría de los sistemas.
También debe establecer qué información puede procesarse en servicios públicos, cuál debe permanecer en entornos privados y qué garantías deben ofrecer los proveedores. La ubicación física del dato es muy importante, pero no suficiente; también importan la jurisdicción aplicable, las condiciones de acceso, la reutilización de la información y la trazabilidad.
En este contexto, uno de los retos más relevantes que se puso sobre la mesa es el Shadow AI, es decir, el uso de herramientas de IA por parte de empleados sin autorización o supervisión de TI. Los usuarios recurren a servicios externos para redactar documentos, resumir información, analizar contratos o generar código, a menudo sin ser conscientes de los riesgos de confidencialidad.
El problema no se resuelve únicamente mediante prohibiciones. Las empresas deben ofrecer alternativas corporativas seguras, fáciles de utilizar y adaptadas a las necesidades de los empleados. Esto debe complementarse con políticas claras, controles de prevención de fuga de información, clasificación de datos, gestión de identidades y monitorización.
La gestión del Shadow AI exige combinar tecnología, normativa interna y concienciación a los empleados. El usuario debe saber qué datos no puede compartir, por qué existen esas restricciones y qué herramienta segura puede utilizar.
Formación y concienciación
Precisamente, la formación aparece como otro de los factores críticos para las organizaciones. La llegada de la IA genera oportunidades de productividad, pero también incertidumbre entre los empleados. Parte de la plantilla no sabe qué herramientas puede utilizar, qué información es segura, cómo validar una respuesta o cuáles son los límites de la tecnología.
La capacitación debe adaptarse a los diferentes perfiles. Los usuarios de negocio necesitan aprender a interactuar con las herramientas y revisar sus resultados; los responsables de procesos, a identificar oportunidades de automatización; los equipos técnicos, a gestionar arquitectura, seguridad y costes; y las áreas jurídicas y de cumplimiento, a evaluar riesgos y establecer criterios de uso.
La formación debe insistir en que la IA no elimina la responsabilidad humana. Una respuesta generada por un modelo no equivale automáticamente a una respuesta correcta. Es necesario verificar fuentes, revisar errores y mantener supervisión en los procesos relevantes.
Arquitecturas híbridas y control económico
También quedó patente durante el encuentro que las empresas deben decidir cuándo utilizar modelos públicos, servicios cloud, modelos propios o infraestructuras locales. La elección depende de la sensibilidad del dato, los requisitos regulatorios, la soberanía, la capacidad de cómputo, la latencia y el coste.
Los entornos híbridos permiten combinar modelos locales para información crítica con servicios externos para tareas menos sensibles o que requieran capacidades avanzadas. En este escenario pueden adquirir relevancia los AI Gateways, capas que centralizan las interacciones con distintos modelos y permiten dirigir cada petición hacia la opción más adecuada según su complejidad, coste o nivel de seguridad.
Estas plataformas facilitan también el control del consumo, la auditoría de peticiones, el establecimiento de límites y la reducción de la dependencia de un proveedor concreto.
El control económico será especialmente importante. Los asistentes reflejaron que la facilidad de acceso a los servicios de IA puede disparar el consumo y convertir una prueba limitada en un gasto elevado. Por ello, las organizaciones deben conocer cuánto cuesta cada modelo, usuario, petición y proceso, así como evaluar si el beneficio obtenido compensa los recursos utilizados.
Del experimento al modelo operativo
Para que la IA se consolide, debe demostrar resultados concretos. Entre los casos de uso con mayor potencial se encuentran la automatización documental, el análisis de contratos, la clasificación de información, la atención al cliente y la extracción de conocimiento.
El siguiente paso para las empresas consiste en pasar de las pruebas de concepto a un modelo operativo común, con estrategia corporativa, prioridades definidas, plataformas compartidas, responsables claros y criterios de evaluación.
En este proceso, el CIO adquiere un papel más estratégico. Ya no se limita a proporcionar infraestructura y mantener aplicaciones, sino que debe garantizar que la adopción de la IA sea segura, sostenible, interoperable y alineada con los objetivos de negocio.
La conclusión general del encuentro es que la transformación no comienza con el modelo de IA, sino con la preparación de la organización. Sin datos fiables, usuarios formados, control del Shadow AI, una gobernanza clara y una arquitectura capaz de gestionar modelos, costes y riesgos, la inteligencia artificial difícilmente pasará de ser una colección de experimentos a convertirse en una capacidad empresarial estratégica.
