El papel de la IA en los negocios está evolucionando rápidamente. Lo que comenzó como una herramienta para generar ideas está avanzando hacia la ejecución, con sistemas ahora capaces de actuar sobre las decisiones, no sólo de informarlas. Este cambio hacia la IA agéntica marca una nueva etapa de madurez operativa. Gartner predice que para 2028, 33% de aplicaciones de software empresarial incorporarán IA agéntica, frente a menos de 1% en 2024. Esto señala un rápido cambio de las herramientas de asistencia a los sistemas autónomos integrados en los flujos de trabajo cotidianos.
En esta edición, exploramos cómo está tomando forma esta transformación con artículos sobre:
- Agentes de IA remodelar el compromiso y las operaciones minoristas
- Plataformas Data permitiendo una autonomía escalable
- Cadena de suministro y finanzas desplegar la IA para la orquestación en tiempo real
- Agentes a largo plazo redefinir la gobernanza y la delegación
La IA agencial y el futuro del comercio minorista: Entrevista con Edouard de Mézerac, director general del grupo Artefact.
La IA agencial y el futuro del comercio minorista: Entrevista con Edouard de Mézerac, director general del grupo Artefact.
“Con agentic, todas las funciones se ven afectadas”.”
¿Cómo influirán los agentes de IA en los comportamientos de compra?:
- Los consumidores utilizarán agentes personales de IA para buscar, comparar y comprar productos, lo que crea nuevas expectativas en cuanto a la preparación de la marca y del sitio web.
- Los minoristas se están integrando en los ecosistemas de IA. Edouard cita la asociación entre OpenAI y Walmart, en la que las interfaces conversacionales se convierten en nuevos canales de comercio impulsados por una visión del consumidor más rica que la que proporciona el data transaccional tradicional.
- El comercio agentico transformará las operaciones internas del comercio minorista, apoyo a los equipos de ventas, negociaciones, promociones y gestión de proveedores. ¿Cuáles son los requisitos previos clave para el despliegue de agentes de IA?
- Preparación Data, con conjuntos data gobernados, estandarizados y alineados semánticamente.
- Preparación del proceso, con flujos de trabajo definidos en los que los agentes puedan operar con eficacia.
- Preparación tecnológica, Desde la elección de la plataforma hasta la decisión de construir o comprar. ¿Dónde surgirá primero el ROI en el sector de los TCG?
- Atención al cliente ofrece rendimientos inmediatos a través del autocuidado impulsado por la IA.
- Marketing y automatización de contenidos están acelerando la adaptación de las campañas.
- Operaciones informáticas, desde la migración de código hasta la supervisión de anomalías, representan importantes oportunidades de ahorro de costes.
Data y las plataformas agenticas: los motores de la innovación en IA.
Data y las plataformas agenticas: los motores de la innovación en IA.
Las arquitecturas tradicionales de elaboración de informes tienen dificultades para soportar las exigencias actuales de la IA, mientras que los modelos modernos como Armazones de lago data, de malla data y de bóveda data permiten crear ecosistemas regulados y preparados para el ámbito empresarial. Al unificar los datos estructurados y no estructurados data, estas plataformas impulsan análisis predictivo, Aplicaciones GenAI, y automatización de decisiones. Ya están transformando la previsión, el compromiso con el cliente y la optimización operativa. Sin embargo, la tecnología por sí sola no es suficiente. El éxito depende de superar retos de integración del legado, reforzar la gobernanza, y incrustar una sólida administración del data mediante una implementación por fases. Agentic data platforms marca la siguiente etapa evolutiva, permitiendo que los sistemas de IA desencadenar decisiones y flujos de trabajo casi en tiempo real. Las organizaciones que invierten ahora están construyendo la capa de inteligencia necesaria para competir en un Economía impulsada por la IA.
Del coste al valor: la revolución de la cadena de suministro con la IA.
Del coste al valor: la revolución de la cadena de suministro con la IA.
Las cadenas de suministro han pasado de ser una columna vertebral operativa a una campo de batalla competitivo. Sin embargo, a pesar de la creciente volatilidad, muchas organizaciones siguen infrautilizando la IA en la planificación, la logística y la distribución. Esta guía práctica está dirigida a los líderes que buscan transformar sus cadenas de suministro de centros de costes en impulsores del valor estratégico mediante la adopción selectiva de la IA. La transformación comienza con la planificación: la IA mejora tanto Planificación de ventas y operaciones (S&OP) y ejecución (S&OE), permitiendo a las empresas pasar de una previsión reactiva a orquestación dinámica, data-driven. En un estudio de caso del sector de los electrodomésticos, la inteligencia artificial automatizó los análisis interfuncionales de la demanda, el inventario y los cuellos de botella, lo que dio lugar a un 40% aumento de la eficacia operativa, mejora de la visibilidad a nivel de SKU y reducción del inventario.
Más allá de la planificación, La IA desbloquea la optimización en toda la cadena de valor:
- Políticas de inventario inteligentes equilibrar los niveles de servicio con el control de costes.
- Aplicaciones logísticas Mejorar los flujos de entrada de material y el rendimiento de las entregas de salida.
- Gemelos digitales y modelos de simulación mejorar aún más la planificación de escenarios y la gestión de riesgos.
GenAI e IA agéntica en la transformación del sector de los servicios financieros.
GenAI e IA agéntica en la transformación del sector de los servicios financieros.
Artefact muestra cómo la convergencia de la IA generativa y agéntica es remodelar las operaciones y la creación de valor para bancos, aseguradoras y empresas de tecnología financiera. Entre los casos de uso con un elevado retorno de la inversión se incluyen la negociación y la optimización de carteras, la fidelización de clientes, el procesamiento de documentos y la elaboración automatizada de informes. Los primeros en adoptarla informan de beneficios tangibles: desde 25%: reducción de la duración de los ciclos de I+D a 40% aumento de la productividad en TI, así como un ahorro significativo en los costes del servicio de atención al cliente basado en la inteligencia artificial. El verdadero cambio llega con los sistemas de IA con capacidad de agencia que pueden controlar las transacciones en tiempo real, detectar el fraude de forma proactiva, optimizar la gestión del riesgo, y automatizar los flujos de trabajo con una intervención humana mínima, lo que permite que la IA pase de ser un apoyo en la toma de decisiones a encargarse de la ejecución. Estas nuevas capacidades están acelerando la innovación y la capacidad de respuesta, pero su ampliación requiere sólidos marcos de gobernanza, seguridad data y cumplimiento normativo.
Agentes de IA a largo plazo: de las instrucciones breves a la autonomía sostenida. Perspectivas tecnológicas: una serie de tres partes.
Agentes de IA a largo plazo: de las instrucciones breves a la autonomía sostenida. Perspectivas tecnológicas: una serie de tres partes.
Víctor Coimbra, socio y responsable de la plataforma Data y de TI en Artefact Latinoamérica, ha sido incluido en la lista «Forbes Under 30 Brasil» por sus destacadas contribuciones a la innovación en inteligencia artificial. Aporta una amplia experiencia en la ampliación de soluciones de inteligencia artificial y en la creación de equipos tecnológicos de alto rendimiento en mercados internacionales.
Agentes de IA a largo plazo, Parte 1: El problema del que nadie habla.
Agentes de IA a largo plazo, Parte 1: El problema del que nadie habla.
¿Cuánto tiempo puede la IA mantener un trabajo significativo antes de venirse abajo? La investigación muestra la duración de las tareas se duplica cada siete meses. Pero la realidad de la producción va por detrás de los puntos de referencia. En las pruebas empresariales, ninguna salida de la IA era utilizable sin limpieza humana. Las lagunas en la documentación, los problemas de verificación y las deficiencias de calidad eran sistemáticos. El tiempo dedicado a la corrección supuso, de media, un tercio de la duración de la tarea. Esto da lugar a una paradoja de la productividad. En estudios controlados, Los usuarios de IA fueron 19% más lentos debido a la depuración, el cambio de contexto y la corrección de la calidad. La causa principal es de carácter arquitectónico. A medida que las tareas se alargan, la memoria de trabajo de la IA se satura, lo que provoca la pérdida de contexto, contradicciones y la acumulación de errores. La capacidad también varía mucho según el dominio. La IA a largo plazo está mejorando rápidamente, pero la autonomía sostenida sigue siendo limitada.
Agentes de IA a largo plazo, Parte 2: Tres enfoques que realmente funcionan.
Agentes de IA a largo plazo, Parte 2: Tres enfoques que realmente funcionan.
Aunque la IA se degrada con flujos de trabajo largos, el funcionamiento de los agentes a largo plazo puede ampliarse mediante tres enfoques arquitectónicos: 1. Ciclismo de arranque: Reinicia la IA cuando disminuye el rendimiento. El trabajo se guarda externamente, las sesiones se reinician limpias y el progreso continúa de forma incremental. 2. Memoria selectiva: Conserva sólo el contexto esencial entre sesiones. 2. 2. Los rastreadores de progreso, los resúmenes y los historiales de cambios mantienen la continuidad a la vez que reducen la sobrecarga de información. 3. Coordinación del equipo: Distribuye el trabajo entre varios agentes especializados gestionados por un coordinador central. Al desglosar las tareas y canalizar únicamente la información relevante, los sistemas multiagente superan con creces el rendimiento de los agentes individuales en tareas complejas. Cada enfoque externaliza la información que la IA no puede retener de forma fiable a nivel interno. El ciclismo favorece la simplicidad, los sistemas de memoria favorecen la continuidad y los equipos favorecen la escala y la especialización. La mayoría de las implantaciones de producción combinan las tres.
Agentes de IA a largo plazo, Parte 3: Lo que esto significa realmente para las organizaciones.
Agentes de IA a largo plazo, Parte 3: Lo que esto significa realmente para las organizaciones.
A medida que la IA a largo plazo se hace operativa, Los asistentes de IA pasarán a ser trabajadores de IA. Surgirán flujos de trabajo de hasta ocho horas con entregas e implementaciones completas.
:
- Las interfaces pasarán de ser herramientas conversacionales a convertirse en sistemas de delegación, en los que los paneles de control, los puntos de verificación, los registros de auditoría y los mecanismos de recuperación sustituirán a las indicaciones en tiempo real.
- La calidad y la gobernanza de Data cobrarán una importancia fundamental, ya que una IA que funcione durante largos periodos de tiempo puede acumular errores, sobrepasar los permisos o basar su funcionamiento en supuestos erróneos.
- Los marcos de autonomía limitada, que incluyen controles de acceso, mecanismos de escalación y registro de decisiones, pasarán a ser obligatorios.
La IA a largo plazo aún no está totalmente madura, pero hoy en día es viable desde el punto de vista operativo para casos de uso específicos. Las oportunidades realistas residen en trabajo estructurado y de atención intensiva con resultados mensurables. Las organizaciones que experimentan deliberadamente, con sólidos guardarraíles en su lugar, conseguirán obtener una ventaja temprana.
Caso práctico de Nexans: Elaboración de una estrategia global para 2028 en materia de data e inteligencia artificial.
Caso práctico de Nexans: Elaboración de una estrategia global para 2028 en materia de data e inteligencia artificial.
Líder mundial en electrificación, Nexans opera en 40 países para apoyar la transición energética y la electrificación sostenible. Basándose en su exitoso programa de rendimiento SHIFT, Nexans lanzó SHIFT AI para hacer de la data y la IA los motores principales del rendimiento empresarial. Definieron un 2028 AI visión, estableció un unificado data platform, y desplegado fuerte data governance. Desafío: La estructura data y la IA para impulsar la transformación empresarial a gran escala. Con SHIFT AI, el objetivo de Nexans era impulsar el uso de data en la empresa de 20% a 90%. Para ello, necesitaban:
- Evaluar el nivel de madurez de data y la IA
- Definir una estrategia en consonancia con las prioridades empresariales
- Identificar y priorizar los casos de uso de IA de alto valor
- Aumentar la flexibilidad en toda la cadena de valor
- Equilibrar el crecimiento, la sostenibilidad y los resultados económicos Solución: Nexans desplegó un data platform centralizado y gobernado.
- Se han identificado más de 70 casos de uso de data, BI y IA en distintas funciones empresariales
- Se han priorizado 25 casos de uso estratégicos con horizonte en 2028
- Se han implementado cinco casos de uso en 2025 Resultados: Un modelo operativo data y de IA escalable que ya aporta valor empresarial, y una estrategia de IA industrial alineada con el rendimiento empresarial a largo plazo.
“Nexans opera actualmente con un marco data de nivel industrial y de inteligencia artificial que respalda directamente el rendimiento empresarial a largo plazo, la excelencia operativa y los objetivos de sostenibilidad. En la actualidad, el data se gestiona como un activo estratégico integrado en las operaciones empresariales fundamentales de Nexans’.” Guillaume Eymery, Director de Estrategia y Compras y Miembro del Excom en Nexans
