Los modelos de lenguaje grandes son asombrosamente capaces. Resumen, traducen, razonan y programan (mejor que yo). Pero a diferencia de mí, también se han hecho notorios por inventar hechos con una confianza inquietante.
Aunque se dice en tono irónico, siempre he considerado que el consejo de ‘nunca hagas predicciones, sobre todo sobre el futuro’ es muy acertado, y nunca más que en el mundo de AI. Hace tres años, AI se promocionó como un acelerador para las empresas de software modernas, nativas de cloud; un impulsor que potenciaba a equipos de desarrolladores líderes en el sector y bien dotados de personal para ofrecer mejores productos a un ritmo cada vez más acelerado.
A medida que avanzamos en el segundo trimestre de 2026, el debate mundial en torno a AI ha llegado a un punto de inflexión crucial. La fascinación inicial por los modelos generativos ha madurado hasta convertirse en una demanda de impacto industrial cuantificable. En Oriente Medio, una región que actualmente sirve de laboratorio global para los giga y megaproyectos digitales más ambiciosos del mundo, la cuestión ya no es el potencial de AI, sino su rendimiento a gran escala.
Desde el éxito de DeepSeek R1 hasta la tendencia viral de “criar langostas” (adopción de OpenClaw), todo ello en tan solo un año, la tecnología AI en China se está adoptando y ampliando de una forma radicalmente diferente, lo que se traduce rápidamente en un valor comercial tangible.
En la reciente Cumbre Minorista de TCG, Edouard de Mézerac se propuso aclarar el ruido que rodea a la tecnología AI. Su mensaje: la era de los casos de uso dispersos ha llegado a su fin. Lo que viene ahora es algo mucho más estructural y exigente. Durante años, las empresas han experimentado con la tecnología AI en nichos aislados, descritos como “puntos de color” repartidos por toda la organización. ¿Útil, tal vez? ¿Transformador? No del todo. Ahora, el panorama está cambiando. El AI de Agentic no consiste en añadir otra capa de tecnología. Se trata de replantearse cómo se realiza el trabajo, de principio a fin.
Un paciente se despierta con un dolor de espalda recurrente y le pregunta a un asistente de AI qué debe hacer. La aplicación revisa su historial, detecta una receta anterior y sugiere cambiar a otro antiinflamatorio. Tu molécula no aparece mencionada. Para cuando el paciente acuda al médico esa misma tarde para que le recete algo, el panorama ya está claro.
Imaginemos a un director financiero revisando el gasto trimestral de cloud. El equipo de AI presenta un gráfico convincente: los costes de inferencia por token han bajado un 75% con respecto al año anterior. Los modelos son más rápidos, las API son más baratas y el proveedor ofrece descuentos por volumen. Todo apunta a un ahorro. Entonces llega la factura real, y el total es más alto que el del trimestre anterior.
El nuevo libro electrónico de Artefact, «Ampliar la colaboración Data en la era AI», analiza cómo las organizaciones pueden generar un mayor valor al romper los silos data y facilitar una colaboración fluida entre equipos. A medida que se acelera la adopción de AI, el éxito no solo depende de la tecnología, sino también de la capacidad de conectar eficazmente data, las personas y los procesos. El libro electrónico destaca cómo los enfoques modernos de la colaboración en data permiten obtener información más rápidamente, una gobernanza más sólida y resultados impulsados por AI de mayor impacto, convirtiendo data en un verdadero activo estratégico.
El departamento de Recursos Humanos está experimentando un cambio fundamental, pasando de ser un centro de costes reactivo a convertirse en un motor proactivo de valor. Sin embargo, muchas organizaciones siguen ancladas en un enfoque minimalista del análisis de datos sobre el personal. Aunque la tecnología generativa AI y los agentes autónomos están ganando terreno en toda la empresa, el uso que hace RR. HH. de la tecnología data sigue limitándose a menudo a la simple predicción de la rotación de personal.
