Tecnología

🌐 SAP redefine la IA empresarial para integrarla en modelos operativos

17 de noviembre de 2026 ⏱ 3 min lectura
Compartir 𝕏 in WhatsApp ✉ Email

Building AI that can work across the enterprise

Durante años, las empresas han abordado la inteligencia artificial (IA) como una serie de experimentos aislados. Sin embargo, a medida que los agentes de IA comienzan a integrarse en los flujos de trabajo empresariales, este enfoque se está volviendo insuficiente. Las organizaciones que están pasando de pilotos aislados a agentes de IA y flujos de trabajo autónomos enfrentan un desafío más profundo: repensar cómo se integran los datos, los procesos empresariales, la gobernanza y las personas, transformando la IA de una colección de herramientas a una parte integral del modelo operativo de la empresa.

Para Thorsten Leiduck, vicepresidente sénior y jefe global del Ecosistema de la Plataforma de IA Empresarial de SAP, este cambio comienza al tratar la IA como una plataforma empresarial en lugar de una serie de proyectos desconectados. «La IA depende absolutamente de la base de datos», afirma, argumentando que las empresas necesitan una capa conectada y semánticamente rica que refleje su negocio antes de poder desplegar la IA de manera confiable a través de los procesos. Las apuestas también cambian a medida que la IA se integra en flujos de trabajo críticos. Para algunas aplicaciones cotidianas, «un 80% podría ser suficiente», dice, pero en áreas como las cadenas de suministro o el cierre financiero, ese nivel de precisión es «un resultado muy terrible».

Esta base también determina qué aplicaciones de IA valen la pena perseguir. Satinder Pal Singh, vicepresidente asociado para América del Norte de SAP BAIP y Estrategia de IA de SAP en Infosys, describe a los agentes de IA como «compañeros de trabajo digitales» y recomienda evaluar los casos de uso potenciales a través de tres lentes: impacto, viabilidad y escalabilidad. Las empresas deben identificar dónde un agente puede mover métricas comerciales significativas, determinar si sus datos y talento pueden respaldar el caso de uso, y luego establecer si las aplicaciones exitosas se pueden replicar. «Un piloto que no puede escalar es solo un experimento», dice.

La escalabilidad también pone un enfoque más nítido en la gobernanza. Se necesitan políticas claras, controles de acceso, monitoreo y supervisión para garantizar que los agentes sigan siendo confiables y estén alineados con los requisitos comerciales. «La ausencia de gobernanza no acelera la adopción de la IA», dice Singh. «Crea una acumulación de riesgos» que, en última instancia, puede obligar a una parada y auditoría más disruptiva.

Estas consideraciones se volverán más importantes a medida que los agentes de IA asuman más responsabilidades como compañeros de trabajo digitales. Ambos ejecutivos ven un futuro en el que los sistemas agénticos coordinen el trabajo a través de aplicaciones, mientras que los gráficos de conocimiento específicos del cliente y los datos gobernados se convierten en activos empresariales críticos. Para Singh, la oportunidad a largo plazo es un cambio de la IA como herramienta de productividad a «IA como socio de toma de decisiones», ayudando a los líderes a entender lo que está sucediendo, anticipar lo que viene a continuación y determinar cómo responder.

Fuente: https://www.technologyreview.com/2026/11/16/1146070/building-ai-that-can-work-across-the-enterprise/

Leer en

¿Te ha interesado esta noticia?

Recibe cada mañana el resumen de IA y sociedad directo en tu email.

Suscríbete gratis →