Puntos clave de Vicente Luciani, cofundador y presidente ejecutivo de Artefact, intervino en el evento «Tech Up du Hub» de Bpifrance el 17 de septiembre.

El 17 de septiembre, Bpifrance reunió al ecosistema tecnológico con motivo de su evento anual “Tech Up”, centrado en la adopción operativa de la inteligencia artificial en las empresas. Vincent Luciani, cofundador y presidente ejecutivo de Artefact, fue invitado a abordar el tema central de la inteligencia artificial y el futuro del trabajo, y pronunció un discurso inaugural de diez minutos titulado: «La inteligencia artificial y el futuro del trabajo».

Alejándose de las especulaciones abstractas y los discursos alarmistas, Vincent Luciani compartió perspectivas contrastadas sobre el terreno y extraídas de implantaciones en empresas: el impacto tangible en el empleo, la realidad del modelo de colaboración entre personas y máquinas, el auge de los agentes autónomos y el marco de gobernanza esencial necesario para una transformación sostenible.

El mercado laboral y su evolución: Por qué no se ha producido el “apocalipsis laboral”

Al iniciar su intervención, Vincent Luciani destacó la enorme magnitud de la penetración de la tecnología en todos los sectores. La inteligencia artificial se ha introducido hoy en día en prácticamente todas las empresas: el 90% de las organizaciones utilizan actualmente la IA en al menos una función empresarial, según el informe «State of AI (2026)» de McKinsey, y Europa lidera actualmente las tasas de adopción a nivel mundial.

Los efectos medidos en las empresas son sustanciales. Entre las pequeñas empresas estadounidenses con los niveles más altos de utilización de la IA, el informe data de la Reserva Federal (Fed, 2026) destaca los beneficios operativos directos: mejoras cuantificables en la productividad, un aumento del 39% en la calidad de los productos y servicios entregados, y un incremento del 31% en las ventas.

Es fundamental destacar que esta rápida difusión no ha provocado una reducción generalizada de la plantilla. Basándose en su experiencia directa sobre el terreno, Vincent Luciani señaló que aún no ha observado ninguna ola a gran escala de despidos motivados por la inteligencia artificial. Varios estudios de mercado independientes corroboran esta observación:

  • Un estudio destacado por El Economista Se calcula que se han creado aproximadamente un millón de puestos de trabajo en todo el ecosistema de la IA de EE. UU., frente a los cerca de 200 000 puestos de trabajo que se han perdido a causa de la IA desde mediados de 2023, incluso en sectores muy expuestos como la ingeniería de software y los servicios jurídicos.
  • Un estudio riguroso publicado en la revista Financial Times indica que las grandes empresas que adoptan la IA registran un aumento de plantilla del +10,21 TP47T dos años después de la adopción, incluido un incremento del +121 TP47T en los puestos de nivel junior.

Para el presidente ejecutivo de Artefact, la conclusión es inequívoca: el “apocalipsis laboral” no se ha producido y es poco probable que llegue a materializarse.

Promesa frente a realidad: la colaboración entre personas y máquinas se enfrenta a las fricciones organizativas

Aunque el debate público suele centrarse en la automatización integral de las tareas y en la sustitución generalizada de la mano de obra humana, Vincent Luciani ha subrayado que el modelo empresarial predominante en la actualidad sigue siendo la colaboración híbrida entre expertos humanos e inteligencia artificial.

Persiste una brecha considerable entre los agentes autónomos aislados que funcionan con éxito en entornos de prueba de concepto y su integración práctica en las estructuras empresariales. Una función profesional no puede reducirse a una cadena de tareas puramente secuencial; se basa fundamentalmente en la colaboración interfuncional, el contexto tácito y los flujos de trabajo informales. En consecuencia, las mejoras en la productividad operativa se ven obstaculizadas de manera significativa a medida que la implementación se amplía:

  • Desarrollo personal: La implantación de la inteligencia artificial permite multiplicar por cuatro o por cinco la velocidad de ejecución de las tareas.
  • A nivel de equipo: Las ganancias netas de productividad se moderan hasta situarse en aproximadamente +80%.
  • Nivel empresarial: Las ganancias netas de productividad se reducen hasta situarse en aproximadamente +20%, frenadas por los cuellos de botella organizativos, las dependencias y los complejos procedimientos internos. A medida que las organizaciones se expanden, la complejidad sistémica acaba inevitablemente por superar los avances tecnológicos.

En consecuencia, los agentes autónomos auténticos de extremo a extremo siguen siendo escasos en el entorno de producción. Las organizaciones implementan principalmente lógicas de decisión automatizadas, combinadas con inteligencia artificial supervisada por personas, en segmentos específicos de procesos más amplios:

  • Sector de los servicios públicos: Los equipos de operaciones de una empresa de suministro de agua utilizan la inteligencia artificial para extraer, revisar y agrupar las obligaciones contractuales de cientos de contratos, lo que supone un ahorro de tiempo considerable y una mayor precisión analítica.
  • Construcción e ingeniería: Los responsables de obra automatizan la inspección rutinaria reports y la documentación de las visitas a obra.

En todos estos casos de uso, las principales ventajas residen en una ejecución más rápida y una mayor calidad del resultado, lo que permite llevar a cabo tareas que, de otro modo, se habrían abandonado debido a limitaciones de ancho de banda, al tiempo que se mejora de forma eficaz la cualificación del personal con menos experiencia. No obstante, estas herramientas siguen estando explícitamente vinculadas a profesionales humanos y supervisadas por ellos.

El auge de los agentes autónomos: casos de uso emergentes y señales de alerta

A pesar de estas limitaciones, está empezando a surgir una nueva generación de agentes autónomos. Estos sistemas, que se caracterizan por unos objetivos claros, un mayor margen de maniobra en la toma de decisiones y un comportamiento no determinista, cuentan con capacidades directas de ejecución operativa.

Esta evolución se originó inicialmente en la ingeniería de software. Ahora, los equipos pueden activar flujos de trabajo automatizados directamente a través de Slack para detectar y resolver problemas en el código fuente. Artefact ha implementado esta tecnología a nivel interno en sus herramientas propias: un agente analiza de forma independiente los registros de errores analíticos, diagnostica el incidente subyacente y abre una solicitud de incorporación de cambios (Pull Request, PR) sin intervención manual. La revisión de código se ha convertido rápidamente en un campo de pruebas fundamental para la autonomía de los agentes en entornos de producción.

Más allá del desarrollo de software, los flujos de trabajo basados en agentes se están extendiendo tanto a las interacciones con los clientes como a las operaciones administrativas. En entornos comerciales, empresas como Heineken están implantando agentes de ventas automatizados, mientras que las funciones de apoyo empresarial están introduciendo progresivamente agentes especializados en los ámbitos de Recursos Humanos, Adquisiciones y Finanzas.

A medida que avanza la autonomía, Vincent Luciani ha señalado varios retos fundamentales y lecciones que hay que tener en cuenta, extraídos de las primeras implantaciones:

  1. El escalado sigue siendo una cuestión compleja: Pasar de proyectos piloto controlados a una escala que abarque toda la empresa conlleva la aparición de dependencias inesperadas y dificultades operativas.
  2. Gestión de riesgos y calibración de la criticidad: Es fundamental definir los límites de delegación y las medidas de control operativas. Un error de cálculo en un pedido por parte de un agente de Heineken puede ser gestionable dentro de una cadena de suministro del sector hostelero; sin embargo, una desviación equivalente en un entorno clínico conlleva una grave responsabilidad civil.
  3. Inflación de los costes de inferencia: La ejecución de flujos de trabajo autónomos sofisticados puede resultar costosa (más de 15 € por ejecución compleja). A medida que múltiples agentes se coordinan e interactúan, el consumo de recursos informáticos se multiplica rápidamente. Vincent Luciani destacó los desbordamientos presupuestarios generalizados en el mercado observados entre los principales actores tecnológicos (Microsoft, Uber), así como entre clientes empresariales como L’Oréal, cuyas previsiones operativas iniciales se superaron de forma significativa.
  4. Los perfiles de competencias en constante evolución: El trabajo profesional se mueve a lo largo de un espectro: desde la intervención humana continua, pasando por la ampliación con participación humana, hasta la automatización parcial y, en última instancia, la supervisión de alto nivel. Para adaptarse a esta evolución es necesario mantener unos sólidos conocimientos básicos y unas habilidades prácticas; de lo contrario, los profesionales corren el riesgo de que se vean mermadas sus cualificaciones fundamentales.
  5. Horizontalización organizativa: Los agentes autónomos no se ajustan a los compartimentos estancos tradicionales; sus flujos de trabajo traspasan las fronteras corporativas establecidas. Por ejemplo, un agente de supervisión de inventario que detecte una escasez en un proveedor anterior puede emitir de forma autónoma una orden de compra de reposición a través del departamento de Adquisiciones, recalcular las previsiones de flujo de caja trimestrales para el departamento de Finanzas y reprogramar los plazos de entrega para el departamento de Logística en tiempo real.

Cinco recomendaciones estratégicas para la transformación colectiva

Para concluir su ponencia principal en Tech Up, Vincent Luciani expuso cinco prioridades estratégicas para convertir los experimentos técnicos aislados en una transformación empresarial estructurada y a largo plazo:

  • Priorice el contexto organizativo: Para que los agentes de IA generen un valor empresarial diferenciado, deben basarse en el conocimiento institucional específico de la empresa, en las convenciones internas y en el contexto estructural.
  • Establezca un marco de gobernanza de la IA y trate a los agentes como si fueran nuevos empleados: Los agentes de IA deben someterse a un proceso de incorporación estructurado, a una formación contextual, a evaluaciones continuas del rendimiento y a un riguroso control de acceso y gestión de privilegios.
  • Fomente una comunidad interna de desarrolladores de IA: La transformación sostenible debe ser impulsada y asumida por las unidades de negocio operativas a través de la práctica experiencial y activa (aprender haciendo).
  • Invierta de forma sistemática en las competencias de la plantilla mediante la planificación estratégica de la plantilla: La mejora de las competencias no puede considerarse una iniciativa puntual; requiere un ajuste continuo y casi en tiempo real. Ya se observan dos cambios estructurales: en primer lugar, una aceleración de los conocimientos técnicos en disciplinas ajenas a la ingeniería (como se aprecia en OpenAI, donde los gestores de producto dedican ahora aproximadamente el 50% de su tiempo de trabajo a generar código, frente al 0% anterior); en segundo lugar, una formación específica en materia de delegación de responsabilidades y supervisión directiva.
  • Potenciar y proteger el capital humano: La gestión eficaz del cambio depende de la confianza mutua. Las empresas deben garantizar la transparencia en las decisiones estratégicas relativas a la implantación de la inteligencia artificial, así como el acceso a una formación continua de calidad, de modo que se asegure que los equipos evolucionen al mismo ritmo que sus profesiones.