En este episodio de «The Bridge» de Artefact, Hanan Ouazan comparte sus conocimientos sobre AI y su impacto en la automatización de los procesos empresariales y en el aumento de la productividad en la empresa.
Caroline Goulard, directora ejecutiva y fundadora de dos data , le entrevistó tanto sobre su análisis de esta importante transformación que se está produciendo como sobre los nuevos casos de uso que surgirán a raíz de ella.
Hanan se unió a Artefact desde sus inicios, hace 10 años, y siempre ha sido un apasionado de AI . Desempeña un papel clave en el desarrollo de AI generativa en Artefact nuestros clientes, aprovechando tecnologías avanzadas en constante evolución para satisfacer mejor sus necesidades de acuerdo con los imperativos de su sector.
Licenciado por la Centrale Lille y la École Normale Supérieure (ENS), completó su máster de investigación MVA (Matemáticas, Visión y Aprendizaje) en la ENS, uno de los programas más avanzados en aprendizaje automático, Data y aprendizaje estadístico. Hanan dirige un equipo de ingenieros de gran talento en el diseño, el desarrollo y la industrialización de casos Inteligencia Artificial .
El AI : una nueva era en la automatización.
AI ya no son meras herramientas que realizan tareas automatizadas. A diferencia de la RPA (automatización robótica de procesos), que ejecuta tareas predefinidas en una secuencia precisa, AI pueden adaptarse a su entorno, tomar decisiones y optimizar procesos sin intervención humana.
Esto supone un verdadero avance hacia AI más autónoma, flexible e inteligente. Estos AI aportan un enfoque nuevo y más adaptable, ya que pueden:
- Observa su entorno y adapta su comportamiento en función de los data.
- Interactúa con múltiples sistemas para realizar tareas complejas.
- Optimizar y automatizar los procesos sin necesidad de una intervención humana constante.
AI y el concepto de "Agentic" serán los términos tecnológicos más comentados en 2025. Esta evolución en la automatización aprovecha el rendimiento excepcional que AI aportado AI generativa. Me gusta llamarla RPA 2.0, capaz de integrarse en flujos de trabajo dinámicos e ir más allá del simple papel de asistente».Hanan Ouazan, socia directora Artefact responsable global AI
La tecnología RPA (automatización robótica de procesos) consiste en automatizar un proceso desglosándolo en una sucesión de tareas, que se encadenan entre sí hasta obtener el resultado, a menudo mediante un proceso sencillo: leer, extraer, escribir.
AI generativa se componen de tres elementos:
- LLM: En primer lugar, contábamos con modelos que nos permitían responder preguntas basándonos en sus conocimientos.
- Asistente: Luego llegó la era de los asistentes capaces de interactuar con sistemas de conocimiento para ayudarnos en nuestra vida cotidiana (uso de RAG, etc.): el famoso «COPILOT». En este caso, AI «ejecuta» nada, sino que amplía sus conocimientos y ayuda al usuario.
- Agente: Un agente es una aplicación que busca alcanzar un objetivo observando el entorno y actuando sobre él con las herramientas de que dispone. La novedad radica en esta «percepción» del entorno, que permite al agente adaptarse a acontecimientos imprevistos.
¡Y ahí es donde contrasta con el concepto de RPA! ¡Es precisamente la capacidad del agente para adaptarse a lo imprevisto lo que a menudo le vale la etiqueta de «RPA 2.0»!
Caso práctico: cómo marcan la diferencia AI .
AI tienen aplicaciones en muchos campos.
- Relaciones con los clientes: chatbots inteligentes capaces no solo de responder preguntas, sino también de realizar acciones (actualizar un contrato, generar una factura, gestionar una solicitud concreta).
- Administración: EDM 2.0, gestión automatizada de documentos, gestión de incidencias y solicitudes internas.
- Programación: las IA ayudan a los desarrolladores generando código, optimizando scripts o automatizando pruebas.
«Habrá que replantearse los casos de uso en términos de procesos y no limitarse a trasladarlos a AI. El objetivo no es superponer AI, sino redefinir el proceso sin las limitaciones que pudieran haber existido».Hanan Ouazan, socia directora Artefact responsable global AI
El impacto de AI en el desarrollo de software: automatización, interoperabilidad y nuevos retos.
«Estamos asistiendo a la aparición de AI capaces de generar código, implementarlo e incluso automatizar procesos complejos. Estas tecnologías están revolucionando profundamente el desarrollo de software, lo que hace que la evolución de las aplicaciones sea mucho más rápida y accesible».Hanan Ouazan, socia directora Artefact responsable global AI
AI tienen dos usos principales:
- Arranque rápido (p. ej., Bolt): transformación inmediata de conceptos en prototipos.
- Herramientas de desarrollo (por ejemplo, Copilot, Cursor): autocompletado de código, refactorización, generación de pruebas.
Sin embargo, esta evolución no sustituye a la experiencia humana. Estas herramientas requieren una supervisión rigurosa para evitar errores estructurales y, en particular, el riesgo de que el código se convierta en un «castillo de naipes», que puede parecer de alto rendimiento pero resulta inestable en producción.
Cómo AI resolverán el problema de la interoperabilidad entre aplicaciones.
Hoy en día, la conexión entre un AI y el software se basa principalmente en API específicas de cada servicio. Para comunicarse con sistemas como Google Drive, Slack y Confluence, por ejemplo, esto implica:
- Integrar tres API distintas, cada una con sus propias particularidades técnicas.
- Configuración del AI con tres conectores, cada uno de los cuales requiere una autenticación y una configuración independientes.
- Realizar tres consultas independientes, cuyas respuestas son posteriormente agregadas o sintetizadas por el agente.
Este proceso no solo es complejo, sino que también resulta difícil de mantener y desarrollar, especialmente a gran escala. Este es precisamente el problema que pretende resolver la iniciativa puesta en marcha por Anthropic con el Protocolo de Contexto de Modelos (MCP). Este nuevo protocolo actúa como una API universal estandarizada, diseñada específicamente para simplificar las interacciones entre AI y el software.
Por último, es importante comprender que AI ponen en tela de juicio la estructura del software SaaS, que se basa en tres pilares fundamentales (experiencia de usuario, inteligencia yData). Esta tecnología cuestiona estos tres componentes:
- Experiencia de usuario: Con AI , la interacción con el usuario está evolucionando. Las indicaciones y la automatización sustituyen al clic tradicional, lo que hace que la experiencia de usuario clásica pierda protagonismo. La experiencia se redefine en torno a flujos de trabajo invisibles o adaptados a las necesidades de los agentes.
- Inteligencia: Las automatizaciones suelen implicar acciones entre varios sistemas. Una lógica abierta y estandarizada podría sustituir a los flujos de trabajo encerrados en ecosistemas aislados.
- Data: Data sigue siendo un obstáculo para la plena integración.
«Hoy en día, los proveedores de SaaS integran niveles de automatización en sus plataformas, pero este enfoque está mostrando sus limitaciones ante las necesidades multiplataforma. El futuro del SaaS probablemente resida en lógicas abiertas, interconectadas y adaptativas, al servicio de las empresas».Hanan Ouazan, socia directora Artefact responsable global AI
AI : adopción, retos e impacto en el trabajo.
Los primeros AI , como Copilot de Microsoft, Google y Salesforce, se están generalizando, pero siguen limitándose a tareas sencillas. Los agentes más avanzados tienen dificultades para implantarse a gran escala debido a la falta de control y confianza, mientras que los agentes autónomos siguen siendo experimentales.
Hace unos meses, en el Salón de la Electrónica de Consumo (CES) de Las Vegas, el director ejecutivo de Nvidia, Jensen Huang, afirmó que «las tecnologías de la información se convertirán en el departamento de recursos humanos de AI ».
Según Hanan Ouazan, aunque esta visión resulta interesante y estimulante, no es ni del todo realista ni deseable.
En su opinión, las tecnologías de la información desempeñarán un papel fundamental en la implantación de estos AI , pero no podrán asumir por sí solas la gestión de estas herramientas. Se necesitará una transformación organizativa más amplia y la participación indispensable de las líneas de negocio:
- Un reto empresarial ante todo: AI automatizan los procesos empresariales. Su supervisión requerirá la participación de data operativos y data .
- Un cambio organizativo profundo: el departamento de TI se encargará del mantenimiento técnico, pero la gestión y la optimización de los agentes serán responsabilidad de las líneas de negocio.
AI generativa ya AI transformando las empresas: menos tareas de ejecución y más de supervisión y optimización. Al igual que ocurrió con la automatización industrial, las competencias deben evolucionar para integrar estas herramientas de manera eficaz.
«La automatización por sí sola no basta: ya es necesario replantearnos los procesos empresariales para evitar una complejidad innecesaria. AI no AI ser solo una capa más, sino una herramienta para concebir modelos más eficientes y adaptados a las necesidades empresariales».Hanan Ouazan, socia directora Artefact responsable global AI
