La inteligencia artificial está dejando atrás la etapa en la que las empresas la probaban para entender qué podía hacer y comienza a incorporarse directamente a sus procesos, desde compras y atención al cliente hasta tareas que antes requerían horas de trabajo manual.
“Estamos pasando de qué se puede hacer con la inteligencia artificial, a qué estamos haciendo con la inteligencia artificial”, dijo Abelardo Colunga, líder especialista de ventas en IA para Google Cloud México, durante el Google Cloud México 2026.
De acuerdo con Colunga, las compañías ya están pasando de los experimentos de las áreas de innovación a aplicaciones que forman parte de la operación cotidiana, mientras que el siguiente paso está en los llamados agentes de inteligencia artificial: sistemas capaces no solo de responder una pregunta, sino de ejecutar acciones dentro de un proceso.
En compras, por ejemplo, estos sistemas pueden analizar grandes volúmenes de información en minutos, una tarea que anteriormente podía tomar horas o días. La diferencia está en que la IA deja de ser una herramienta aislada para convertirse en una pieza conectada con otros sistemas de la empresa.
De los chats a los agentes
Un agente puede conectarse con herramientas como un CRM o un ERP y realizar una acción para conseguir un resultado determinado. En términos prácticos, puede recibir una instrucción, procesar información y ejecutar parte de un flujo de trabajo sin que una persona tenga que intervenir en cada paso.
Ese cambio también modifica la forma en que las empresas deben medir la adopción de IA. Para Colunga, ya no basta con saber cuánto tiempo ahorra una herramienta: las compañías necesitan establecer indicadores antes de implementar un proyecto y comparar sus resultados después.
“Siempre recomiendo definir los famosos indicadores de rendimiento y los indicadores de éxito”, explicó.
El retorno de inversión es una de las variables centrales. La productividad, la calidad del trabajo y la posibilidad de reasignar horas de tareas repetitivas hacia actividades de mayor valor son algunos de los indicadores que las empresas comienzan a observar.
El reto, sin embargo, no está solamente en integrar estas herramientas. También está en controlar cómo se utilizan.
La IA también está entrando por fuera del área de TI
Armando Estrada, líder de Google Workspace México, señaló que el 87% de las personas en México ya utiliza inteligencia artificial generativa y que el 44% utiliza una herramienta de IA personal dentro de la empresa, fenómeno que identificó como “Shadow AI”.
El dato apunta a uno de los problemas que enfrentan las organizaciones: los empleados ya están utilizando herramientas de IA, aunque la empresa todavía no haya definido cuáles pueden utilizarse ni bajo qué reglas.
“Si no provees de una manera una herramienta oficial corporativa con gobierno, la gente al final lo va a solucionar”, señaló Estrada.
Para las compañías, esto implica riesgos relacionados con la información que sus empleados introducen en herramientas externas, pero también una discusión sobre costos. Estrada llamó “tokenomics” a la administración del consumo de modelos de IA y planteó que no todas las tareas requieren utilizar los modelos más sofisticados.
“No todo tiene que ser los modelos frontera, son los Ferrari”, dijo.
Además de decidir para qué quieren utilizar IA, las empresas tendrán que determinar qué modelo es adecuado para cada tarea y cuánto están dispuestas a pagar por hacerlo.
La adopción también está llevando la discusión hacia la infraestructura, el talento y la regulación. Julio Velázquez, director de Google Cloud México, destacó que la compañía ha incrementado su presencia de ingeniería en el país y que equipos mexicanos participan en el desarrollo de productos que, en muchos casos, son utilizados por clientes globales.
En sectores regulados, particularmente la banca, el siguiente reto está en encontrar un equilibrio entre innovación, protección de datos y cumplimiento normativo. Velázquez señaló que la resiliencia tecnológica y el cumplimiento de la regulación son fundamentales para avanzar.
La siguiente etapa de adopción de la IA no dependerá solamente de tener acceso a modelos más potentes, también estará marcada por la capacidad de las organizaciones para integrarlos en sus operaciones, controlar su uso y demostrar que la inversión genera resultados.