Invertir en inteligencia artificial (IA) se ha convertido en la nueva tendencia para cientos de empresas en Latinoamérica. Sin embargo, la pregunta clave es qué tan eficiente es esa adopción. Muchos proyectos no escalan, no generan retorno o permanecen como pilotos sin impacto real, pese a que su adopción sigue creciendo en múltiples áreas del negocio.
Gonzalo Martín, Data & AI Offering Director de Softtek, advirtió que el principal error ocurre desde el punto de partida. “Muchas empresas invierten en inteligencia artificial sin tener claro qué problema quieren resolver”, señaló durante Innovatek 2026, evento organizado por Softtek Perú.
Otro error frecuente es asumir que la IA debe limitarse a responder preguntas básicas o mejorar la productividad individual. Su verdadero potencial empieza a redefinirse en la era agéntica: un modelo en el que sistemas autónomos pueden ejecutar tareas completas, integrarse a flujos de trabajo y colaborar con equipos humanos para acelerar la toma de decisiones.
Así lo explicó Antonio Macías, Digital Services Offering VP de Softtek, durante una conferencia sobre el avance hacia la inteligencia artificial agéntica. Desde su perspectiva, las empresas han atravesado tres grandes olas de adopción: primero, los asistentes inteligentes; luego, las herramientas capaces de generar software mediante lenguaje natural; y, hoy, los agentes autónomos que pueden asumir piezas completas de trabajo.
“Todo el mundo habla de acelerar, escalar y ser más productivo. Pero se nos olvida lo más importante: reinventar. Hacer una empresa diferente, un modelo de negocio distinto y llegar al consumidor de una nueva forma”, sostuvo Macías.
Cabe destacar que, en una encuesta de Softtek a 2,500 ejecutivos, más del 50% declaró tener algún grado de intención de adoptar IA o afirmó que ya avanza en esa dirección. Para Macías, el problema es que ese entusiasmo aún convive con una fuerte desalineación interna.
Los líderes de negocio suelen ver la IA como una herramienta para transformar el modelo de negocio, mientras que los ejecutivos de tecnología tienden a enfocarse en productividad y eficiencia. En otras palabras, en aquello que puede mostrar resultados concretos en el corto plazo.
Por otro lado, el experto planteó que la IA obligará a redefinir perfiles tradicionales en tecnología. En desarrollo de software, por ejemplo, el valor del profesional dejará de estar concentrado exclusivamente en escribir código. Su nueva tarea será validar si lo que genera la IA responde a las necesidades del negocio, reducir riesgos en cada conjunto de instrucciones y asegurar la calidad del resultado.
Ante este panorama, Macías identificó tres perfiles que empiezan a ganar relevancia:
➡️ Product Engineer: enfocado en traducir necesidades de negocio en especificaciones útiles para agentes.
➡️ Agentic Software Engineer: orientado a validar, ajustar y reducir riesgos en el código generado por IA.
➡️ Agentic Quality Engineer: responsable de asegurar que los productos mantengan estándares de calidad.
Asimismo, la velocidad cambia la presión sobre los equipos. Para Macías, si antes una iteración de software podía tomar dos o tres semanas, con IA puede reducirse a cuestión de horas. El reto no está solo en construir más rápido, sino en saber si la organización cuenta con suficientes perfiles capaces de revisar, priorizar y alinear esa producción acelerada con los objetivos del negocio.
Sin estos cuadros técnicos, la adopción de agentes de IA puede convertirse en un riesgo para la ciberseguridad. En un entorno donde se autogenera código y se acelera el desarrollo de productos, las organizaciones necesitan capacidades suficientes para evitar que la IA introduzca vulnerabilidades o abra nuevas brechas de seguridad.
El caso de Joule
En la misma línea, Ignacio Pascual, Country Manager de SAP en Perú y Ecuador, dijo que la IA necesita alimentarse de aplicaciones y datos empresariales realmente confiables. Las aplicaciones de negocio generan información constante en áreas como finanzas, compras, recursos humanos y gestión del talento, pero esos datos deben ser consistentes y coherentes para que la IA opere correctamente.
Hoy, SAP cuenta con más de 230 casos de IA en marcha y prevé más de 400 para 2026 en múltiples industrias. Según Pascual, el objetivo final es llevar la IA al centro de los procesos reales del negocio, y no mantenerla limitada a usos experimentales.
La visión de SAP gira en torno a Joule, su modelo de IA aplicada al negocio. La compañía presenta esta iniciativa como una herramienta capaz de operar sobre información empresarial integrada, a diferencia de los asistentes de uso general.
Esto permitiría, por ejemplo, realizar consultas en lenguaje natural que crucen áreas como finanzas, recursos humanos, compras o gestión del talento. En lugar de buscar reportes en distintos sistemas o archivos durante horas, un usuario podría consultar directamente a la IA y recibir una respuesta conectada con los datos del negocio.
El cambio apunta a redefinir la forma en que las empresas interactúan con su propia información: pasar de reportes fragmentados a conversaciones directas con datos integrados.
Para demostrar este modelo, Pascual presentó el caso de Aeropuertos Argentina, compañía que administra más de 35 aeropuertos, atiende a más de 43 millones de pasajeros al año y gestiona más de 200,000 vuelos anuales. La empresa enfrentaba un desafío operativo concreto: ocho de sus aeropuertos tenían pistas que se congelaban durante el invierno.
La solución consistió en integrar sensores en las pistas para medir la temperatura y detectar condiciones de riesgo. Con apoyo de la IA de SAP, el sistema identifica desviaciones, genera órdenes de trabajo y activa un proceso de verificación con drones, que emiten imágenes térmicas para confirmar si se requiere una intervención. “La tecnología no viene a resolvernos el problema. En realidad, es una parte de esto”, expresó Pascual.
