Sustainabl Agent Surface
Todos los artículos publicados en español, por fecha, categoría y autor.
178 artículos · Página 1 de 8
La promesa que se repitió durante los últimos diez años fue tentadora: con videoconferencia y mensajería instantánea, la distancia dejaba de ser un obstáculo real. Cualquier empresa podía construir equipos globales sin pagar el precio de la dispersión geográfica. Esa promesa era parcialmente verdadera y completamente insuficiente.
Según investigación de CIO&Leader de 2026, el 52% de las empresas encuestadas reportó que menos de uno de cada cuatro pilotos de IA llega a convertirse en un sistema operativo. Solo el 8% logró que más de tres cuartos de sus experimentos cruzaran esa línea. Y apenas el 12% pudo demostrar retorno de inversión significativo y medible.
El director de tecnología de una gran corporación global le contó hace poco a Abhijit Kakhandiki, vicepresidente senior de BMC Software, algo que resume el estado del mercado con una precisión incómoda: sus equipos de ciencia de datos habían construido más de 200 modelos de inteligencia artificial. Menos de diez estaban en producción. Una tasa de conversión inferior al cinco por ciento.
El directivo promedio que asume la conducción de una empresa pública hoy tiene 55 años, siete más que en el año 2000. Un estudio del National Bureau of Economic Research que analizó más de 50,000 trayectorias ejecutivas llegó a esa cifra y la explicó con una lógica aparentemente razonable. Las juntas directivas, enfrentadas a mayor incertidumbre económica y a una complejidad regulatoria y geográfica creciente, prefieren apostar por ejecutivos con experiencia acumulada y amplia sobre ejecutivos con talento sin probar.
Hay un momento en la vida de cualquier gran organización en el que la ambición de escalar se topa con una pregunta incómoda: ¿a quién le pertenece realmente el conocimiento que hace funcionar el sistema? EDF lleva décadas operando reactores en Francia con una densidad de saber técnico que pocas instituciones pueden igualar. El problema es que ese saber vive, en buena medida, dentro de personas, procedimientos en papel y sistemas fragmentados que no fueron diseñados para viajar.
Hay una diferencia entre una empresa que reestructura y una empresa que desensambla en cámara lenta sin saber bien qué quiere construir. Disney, bajo el mando de su nuevo director ejecutivo Josh D'Amaro, está navegando ese límite con más urgencia que claridad. El 29 de septiembre de 2026, Deadline reportó que la compañía eliminaba varios cientos de posiciones adicionales, concentradas principalmente en recursos humanos y tecnología.
El 27 de septiembre de 2026, Challa Sreenivasulu Setty, presidente del State Bank of India, subió al estrado del 13.° Conclave Bancario y Económico del SBI y condensó la estrategia del banco más grande de India en nueve palabras: digital first, customer first, nation always. La declaración circuló rápido. Pero antes de que cualquier analista la convirtiera en elogio o en blanco fácil, vale la pena hacer lo que rara vez se hace con los mantras corporativos: examinar qué estructura de decisiones hay detrás, si la hay.
Hay una cifra que los CIOs están memorizando con incomodidad: el 72% de las organizaciones admite que sus inversiones en IA están, en el mejor de los casos, en el punto de equilibrio. En el peor, perdiendo dinero. Lo que está fallando no es la inteligencia de la máquina. Lo que está fallando es la arquitectura del negocio que la rodea.
Cuando Bjørn Gulden asumió la conducción de Adidas en enero de 2023, la compañía cargaba con 1.200 millones de dólares en inventario de zapatillas Yeezy sin vender, un mercado chino en retirada y marcas como Hoka y On ganando terreno en el segmento donde Adidas había construido su reputación técnica durante décadas. Lo que Gulden encontró adentro, sin embargo, no era solo un problema de balance. Era una arquitectura organizacional que producía inmovilidad de manera sistemática.
Larry Ellison canceló en septiembre de 2026 un plan para vender hasta 50 millones de acciones de Oracle, equivalentes a unos 7.500 millones de dólares al precio de cierre de ese viernes. No hubo explicación oficial. Lo que sí quedó en un expediente regulatorio presentado esa misma semana fue otra cifra: Oracle amplió su plan de reestructuración fiscal 2026 en 700 millones de dólares adicionales, llevando el costo total esperado del programa a aproximadamente 2.800 millones de dólares.
Hay tecnologías que existen mucho antes de que alguien las haga utilizables. El correo electrónico llevaba décadas antes de que Hotmail le enseñara a su madre cómo usarlo. La navegación GPS existía en dispositivos militares años antes de que un aparato de cien dólares le dijera a un conductor de reparto por dónde girar.
Yazmin Ruiz no espera al vendedor de PepsiCo para reponer su inventario. Cuando la tienda se queda sin papas fritas a las diez de la noche, abre una aplicación en su teléfono, coloca el pedido y sigue con su turno. Detrás de ese gesto cotidiano hay una transformación que PepsiCo lleva construyendo desde 2022 en México, su segundo mercado global después de Estados Unidos y el más fragmentado en términos de distribución.
Hay un patrón que se repite en las organizaciones que llevan dieciocho meses desplegando agentes de inteligencia artificial: saben que los sistemas funcionan, porque los vieron funcionar en la demo. Lo que no saben es si siguen funcionando hoy, en producción, sobre los datos de sus clientes, dentro de los flujos que importan. Esa distancia entre la certeza del piloto y la opacidad del entorno real es donde se pierden los presupuestos, la confianza y el tiempo que nadie tiene.
La cifra es difícil de ignorar: el 95% de los pilotos empresariales de inteligencia artificial generativa no produce ningún impacto financiero medible. No es una estimación pesimista de analistas críticos de la tecnología. Es el hallazgo central del reporte The GenAI Divide: State of AI in Business 2025, elaborado por la iniciativa NANDA del MIT, con base en cerca de 300 implementaciones públicas y más de 150 entrevistas ejecutivas.
Hay un número que merece detenerse a leer dos veces: 542.000 robots industriales instalados en fábricas durante 2024, más del doble de los que se instalaban una década atrás. No es una estadística de tendencia; es una fotografía de un umbral ya cruzado. El stock operativo global de robots industriales alcanzó los 4,66 millones de unidades, creciendo cerca de un 9% interanual, y la Federación Internacional de Robótica proyecta que las instalaciones superarán las 575.000 unidades en 2025.
Hay una conversación que los equipos directivos de industrias pesadas llevan años posponiendo. No es sobre tecnología. Es sobre qué significa, con precisión, tomar una buena decisión operativa cuando los datos que la sustentan viven dispersos en doce sistemas distintos, cuatro departamentos incomunicados y un historial de mantenimiento que nadie ha digitalizado del todo.
Hay un momento preciso en la vida de cualquier organización en crecimiento donde las prácticas que construyeron el éxito comienzan a socavarlo. No es un momento dramático. No hay una reunión donde alguien declare que el modelo ya no funciona.
La narrativa dominante sobre los Centros de Capacidades Globales en India ha sido, durante la última década, una historia de éxito casi sin matices. Mil novecientos centros operativos, presencia en ocho industrias, ambiciones de llegar a los cien mil millones de dólares en contribución económica. Y sin embargo, debajo de ese crecimiento acelerado, hay una fisura que el sector lleva meses tratando de procesar sin demasiado éxito: el perfil de talento que los GCCs necesitan hoy ya no coincide con el talento que India produce en cantidad suficiente.
Tres años lleva ServiceNow midiendo la madurez de la IA en las grandes empresas. En 2026, el índice que construyen con encuestas a más de 4.500 ejecutivos y 2.000 empleados en todo el mundo registró una mejora notable: 16 puntos de avance, llegando a 51 sobre 100. Suena bien hasta que se lee la línea siguiente: mientras el gasto corporativo en IA creció un 110% interanual, las capacidades fundacionales que necesita esa IA para funcionar a escala simplemente no acompañaron.
Hay una diferencia que pocas organizaciones han procesado del todo: un asistente de IA espera que le hablen. Un agente actúa solo. Esa distinción, que parece técnica, arrastra consecuencias económicas y psicológicas que están redefiniendo cómo los ejecutivos piensan sus presupuestos de tecnología y, más silenciosamente, cómo sus equipos sienten el trabajo.
Hayagreeva Rao, profesor de comportamiento organizacional en Stanford Graduate School of Business, ofreció hace poco una definición de liderazgo que se sostiene mejor que la mayoría de los libros sobre el tema: 'Los grandes líderes son personas que se piensan a sí mismas como custodios del tiempo de los demás.' No hay metáforas de guerra. No hay referencias a la visión transformadora ni al carisma como activo gerencial.
Hay una línea en casi todos los presupuestos empresariales del momento. Tiene un nombre como
Hay un momento en el que la acumulación de pilotos de inteligencia artificial deja de parecer ambición y empieza a parecer desorden. Ese momento llegó a muchas grandes empresas en 2026, y la señal más clara no fue un colapso tecnológico ni un fracaso de modelo. Fue algo más mundano y más difícil de defender en una reunión de directorio: el consumo de tokens corrió por delante del presupuesto sin generar valor proporcional.
Hay una conversación que la mayoría de los líderes evita con una precisión casi quirúrgica. No la de las metas no alcanzadas, ni la del despido difícil. Hay otra, más silenciosa y más costosa: la del empleado que perdió a alguien y simplemente dejó de rendir como antes.