![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/05\/iceberg-Victor-Article.jpg\")
<\/h3>\n<\/h3>\n<\/p>\n
La mayor\u00eda de los directores de tecnolog\u00eda en 2026 est\u00e1n dise\u00f1ando la estrategia de IA en la capa visible de la pila. Est\u00e1n comprando asientos de Copilot, desplegando chatbots empresariales y reuniendo una cartera de licencias de proveedores. El trabajo es real, y en muchas empresas ha producido un aumento apreciable de la productividad. Tambi\u00e9n es, en cualquier lectura honesta del panorama, la 20% del iceberg que todo el mundo puede ver. El 80% que se encuentra bajo la l\u00ednea de flotaci\u00f3n es donde realmente se construye una organizaci\u00f3n ag\u00e9ntica.<\/strong> Los equipos que nunca miran hacia abajo seguir\u00e1n pagando por chatbots mientras sus competidores se convierten silenciosamente en otra cosa.<\/p>\n La arquitectura de una empresa nativa de la IA se asienta en cuatro capas: Aplicaci\u00f3n, Plataforma de IA, Infraestructura LLM y Hardware.<\/strong> La capa de aplicaci\u00f3n es la que la mayor\u00eda de las juntas directivas ya han discutido. En las otras tres es donde se tomar\u00e1n las verdaderas decisiones estrat\u00e9gicas de los pr\u00f3ximos 24 meses.<\/p>\n La capa de aplicaci\u00f3n es la superficie donde se encuentran los humanos y la IA.<\/strong> Incluye los chatbots integrados en las herramientas de productividad, los copilotos para desarrolladores, los creadores de agentes de bajo c\u00f3digo y los agentes aut\u00f3nomos m\u00e1s avanzados que algunos equipos han empezado a comercializar. Comprar acceso a ello es un ejercicio de adquisici\u00f3n. Los proveedores son bien conocidos. Los precios est\u00e1n publicados. El despliegue es sobre todo un problema de gesti\u00f3n del cambio.<\/p>\n Esta es la raz\u00f3n por la que la mayor\u00eda de las conversaciones sobre la estrategia de la IA se detienen aqu\u00ed. La capa de aplicaci\u00f3n es legible para el comit\u00e9 ejecutivo, f\u00e1cil de presupuestar y visible para el resto de la empresa en un trimestre. Produce historias que se traducen bien en un ayuntamiento.<\/p>\n Tambi\u00e9n es la capa en la que la diferenciaci\u00f3n competitiva es m\u00e1s dif\u00edcil de construir. Todas las empresas de un sector compran a la misma lista reducida de proveedores. La interfaz est\u00e1 cada vez m\u00e1s estandarizada. La experiencia del usuario converge. Un despliegue de Copilot, por s\u00ed solo, no constituye todav\u00eda una estrategia. Es el acceso a una capacidad para la que la empresa no ha dise\u00f1ado una arquitectura. Sin las capas subyacentes, ese acceso produce un chatbot, no un agente que pueda actuar dentro de la empresa.<\/strong><\/p>\n Hasta hace poco, el argumento de dejar el resto de la pila a los hiperescaladores era defendible. En 2024, una empresa pod\u00eda enviar un asistente interno \u00fatil sobre una API de frontera y considerar el trabajo hecho. Este a\u00f1o han convergido tres presiones que hacen que esa postura sea mucho m\u00e1s dif\u00edcil de mantener.<\/p>\n 1- Presi\u00f3n en la plataforma<\/strong><\/p>\n La primera presi\u00f3n es que el La capa de la plataforma de IA ya no es opcional.<\/strong> Esta es la capa que define lo que un sistema de IA sabe y lo que puede hacer. Incluye los avisos maestros y las bibliotecas de habilidades, la recuperaci\u00f3n contra bases de vectores data y bases de conocimientos estructuradas, los protocolos de conexi\u00f3n que permiten a los agentes actuar a trav\u00e9s de los sistemas empresariales y la memoria persistente que les permite mantener el estado a trav\u00e9s de las sesiones. 2- Presi\u00f3n de los costes<\/strong><\/p>\n La segunda presi\u00f3n es econ\u00f3mica. Los precios subvencionados de los laboratorios de IA de frontera est\u00e1n llegando a su fin.<\/strong> Los costes de inferencia que sol\u00edan absorberse a nivel del proveedor del modelo se est\u00e1n repercutiendo cada vez m\u00e1s, y las primeras se\u00f1ales no son sutiles. Al parecer, Uber ha consumido todo su presupuesto para el LLM 2026 en los cuatro primeros meses del a\u00f1o. Ese tipo de sobrecoste ya no es una an\u00e9cdota de aprovisionamiento, es una se\u00f1al de que la econom\u00eda de la inferencia merece un lugar en la revisi\u00f3n trimestral del director de tecnolog\u00eda.<\/p>\n La respuesta no es utilizar menos IA. La respuesta es una estrategia de inferencia deliberada que utiliza el encaminamiento inteligente entre la frontera y modelos m\u00e1s peque\u00f1os, modelos afinados o especializados<\/strong> para tareas de gran volumen que no requieren razonamiento de frontera y, en algunos casos, arneses personalizados construidos en torno a pesos de c\u00f3digo abierto. Lo que casi ninguna empresa tiene a\u00fan en su hoja de ruta es la formaci\u00f3n o el ajuste de sus propios modelos para las cargas de trabajo cuyo volumen lo justifique.<\/strong> Los peque\u00f1os modelos ling\u00fc\u00edsticos, los ajustes al estilo LoRA y las arquitecturas espec\u00edficas de cada dominio empiezan a parecerse menos a una curiosidad de investigaci\u00f3n y m\u00e1s a una decisi\u00f3n de coste operativo.<\/p>\n 3- Presi\u00f3n soberanista<\/strong><\/p>\n La tercera presi\u00f3n es pol\u00edtica y normativa. Los requisitos de residencia Data, la Ley de IA de la UE, las normas espec\u00edficas del sector en los servicios financieros y la atenci\u00f3n sanitaria, y la fragmentaci\u00f3n geopol\u00edtica m\u00e1s amplia de la computaci\u00f3n son empujando por primera vez las decisiones sobre hardware e infraestructura a la mesa del director de tecnolog\u00eda.<\/strong> La cuesti\u00f3n de qui\u00e9n tiene las llaves de la infraestructura sobre la que se ejecutan sus modelos sol\u00eda ser un detalle de aprovisionamiento inform\u00e1tico. En 2026 se ha convertido en una cuesti\u00f3n de nivel directivo para cualquier empresa que maneje data regulados o que opere a trav\u00e9s de jurisdicciones.<\/p>\n Esta presi\u00f3n tambi\u00e9n es diferente en especie de la conversaci\u00f3n cloud-soberan\u00eda de hace una d\u00e9cada, y merece la pena detenerse en esa diferencia. El debate sobre la cloud giraba en torno a la inform\u00e1tica de consumo: servidores, almacenamiento y ancho de banda. Los humanos permanec\u00edan en el bucle en cada decisi\u00f3n significativa que la infraestructura soportaba. La infraestructura de la IA no es inform\u00e1tica de consumo.<\/strong> Lo que se ejecuta en estas GPU es inteligencia, y para una parte cada vez mayor de los procesos empresariales, la infraestructura no se limitar\u00e1 a apoyar una decisi\u00f3n humana, sino que tomar\u00e1 la decisi\u00f3n.<\/strong><\/p>\n Eso cambia el peso pol\u00edtico de qui\u00e9n controla el hardware. De las tres presiones, la soberan\u00eda es hoy la m\u00e1s ensombrecida, ya que La mayor\u00eda de los consejos de administraci\u00f3n a\u00fan no han interiorizado lo que significa dirigir una empresa con inteligencia que no les pertenece.<\/strong> Esto quedar\u00e1 mucho m\u00e1s claro cuando la IA f\u00edsica empiece a comercializarse a gran escala. Las empresas que hayan construido una estrategia deliberada de Hardware para entonces, y que entiendan c\u00f3mo configurarla para su contexto, probablemente se encontrar\u00e1n con una ventaja competitiva que tarda a\u00f1os en cerrarse.<\/strong><\/p>\n En conjunto, estas tres presiones disuelven la c\u00f3moda postura de 2024. Ninguna de ellas puede abordarse en la capa de aplicaci\u00f3n. Cada una arrastra al CTO a una parte diferente de la pila.<\/p>\n Para tomar una decisi\u00f3n deliberada sobre la pila, hay que reducir cada capa a la pregunta a la que realmente responde.<\/p>\n La capa de aplicaci\u00f3n es la superficie donde se encuentran los humanos y la IA.<\/strong> La cuesti\u00f3n es: \u00bfd\u00f3nde se encuentran los humanos con la IA en nuestras operaciones y c\u00f3mo colaboran? Las opciones van desde chatbots incrustados en herramientas de productividad, a agentes activados por un mensaje en Teams o Slack, a agentes activados por eventos del flujo de trabajo, a agentes incrustados dentro de sistemas empresariales como SAP o Salesforce. El patr\u00f3n adecuado depende de cu\u00e1nta presencia humana en el bucle tolere el trabajo.<\/p>\n La plataforma de IA es la capa que define lo que la IA sabe y lo que puede hacer.<\/strong> La cuesti\u00f3n es: \u00bfde d\u00f3nde sacan nuestros agentes el contexto empresarial y qu\u00e9 autoridad podemos delegar en ellos?<\/strong> Las opciones son el contexto est\u00e1tico (indicaciones maestras, habilidades, archivos de reglas estructuradas), la recuperaci\u00f3n contra bases de conocimiento y almacenes de vectores, la toma de acciones a trav\u00e9s de protocolos estandarizados de conexi\u00f3n de agentes y la memoria persistente a trav\u00e9s de las sesiones. Cada opci\u00f3n corresponde a un nivel diferente de autonom\u00eda que se concede al agente.<\/p>\n La infraestructura LLM es la capa en la que se accede a los modelos, se enrutan, se gobiernan y se optimizan.<\/strong> La cuesti\u00f3n es: \u00bfc\u00f3mo dirigimos el modelo adecuado al trabajo adecuado, al coste adecuado?<\/strong> Las opciones van desde los LLM de frontera para razonamientos complejos, pasando por modelos peque\u00f1os o afinados para tareas de gran volumen bien definidas, hasta modelos de modalidad especializados para la comprensi\u00f3n de voz o documentos, o modelos de borde para trabajos de latencia cr\u00edtica. Esta es la capa en la que vive realmente la econom\u00eda de la inferencia.<\/p>\n La capa de hardware incluye las GPU, los servidores de inferencia y la orquestaci\u00f3n que ejecutan los modelos.<\/strong> La cuesti\u00f3n es: \u00bfd\u00f3nde se ejecutan realmente nuestros modelos y qui\u00e9n tiene las llaves de esa infraestructura?<\/strong> Las opciones van desde la inform\u00e1tica gestionada por hyperscaler, a la infraestructura privada cloud o dedicada, a los cl\u00fasteres de inferencia in situ, al silicio personalizado o la inform\u00e1tica integrada. Para la mayor\u00eda de las empresas, la respuesta es el hiperescalador gestionado. Para las industrias sensibles al data, es cada vez m\u00e1s otra cosa.<\/p>\n Estas cuatro capas no son estrategias separadas. Son una sola estrategia expresada en cuatro niveles de profundidad.<\/strong><\/p>\n La lectura honesta del panorama no es que todas las empresas deban poseer todas las capas. Algunas de las posiciones m\u00e1s defendibles de la IA en 2026 pertenecer\u00e1n a empresas que hayan elegido conscientemente montar abstracciones hiperescalares en la parte inferior de la pila y concentrar su inversi\u00f3n en otro lugar. Poseer m\u00e1s de la pila no es el argumento. El argumento es que la elecci\u00f3n tiene que ser deliberada.<\/strong><\/p>\n Un CTO que ha decidido d\u00f3nde se sit\u00faa Microsoft, AWS, Google u otro socio en su pila, y que ha decidido en qu\u00e9 capa invertir\u00e1 su propio equipo este a\u00f1o, tiene una estrategia. Un CTO que nunca tom\u00f3 la decisi\u00f3n est\u00e1 pagando por una sin poseerla. El coste de esa omisi\u00f3n se agrava: el equipo acaba con una cartera de pilotos desconectados, una factura de adquisiciones que crece m\u00e1s r\u00e1pido que el valor y ninguna respuesta clara cuando la junta directiva pregunta ad\u00f3nde debe ir el pr\u00f3ximo a\u00f1o de inversi\u00f3n.<\/p>\n El trabajo, por tanto, es la secuenciaci\u00f3n. La cuesti\u00f3n no es qu\u00e9 capa poseer y cu\u00e1l externalizar<\/strong>, ya que en un horizonte lo suficientemente largo cada empresa nativa de la IA tendr\u00e1 que adoptar una posici\u00f3n en las cuatro. La cuesti\u00f3n es qu\u00e9 capa priorizar ahora y cu\u00e1l volver a revisar en 12, 24 y 36 meses.<\/strong><\/p>\n El arquetipo de la empresa es la se\u00f1al m\u00e1s fuerte para esa secuenciaci\u00f3n:<\/strong> Las empresas de nueva creaci\u00f3n, los servicios especializados m\u00e1s peque\u00f1os y las boutiques normalmente pueden mantener su inversi\u00f3n centrada en las capas de Aplicaci\u00f3n y Plataforma.<\/p>\n No se trata de que un arquetipo sea m\u00e1s avanzado que otro. Se trata de que el La secuencia de las cuatro capas es diferente para cada una.<\/strong> Una empresa farmac\u00e9utica que intente comportarse como SpaceX en la capa de Hardware est\u00e1 malgastando capital. Un banco que se comporta como una start-up en la capa Plataforma est\u00e1 dejando sin gestionar su activo principal, su contexto data.<\/p>\n La forma de esta transici\u00f3n ya se ha visto antes. En 2012, la conversaci\u00f3n cloud en la mayor\u00eda de las salas de juntas era binaria: \u00bfdeber\u00edamos usar AWS o no? En 2018, esa \u00fanica pregunta se hab\u00eda convertido en una decisi\u00f3n multiaxial sobre qu\u00e9 cargas de trabajo pertenec\u00edan a d\u00f3nde, qu\u00e9 proveedores encajaban en qu\u00e9 casos de uso, qu\u00e9 multi-cloud y d\u00f3nde importaba la residencia data. Las empresas que trataron el cloud como una decisi\u00f3n de adquisici\u00f3n \u00fanica en 2012 pasaron los seis a\u00f1os siguientes alcanzando a las que lo trataron como una decisi\u00f3n de arquitectura desde el principio.<\/strong><\/p>\n La pila de IA est\u00e1 pasando por la misma maduraci\u00f3n en un reloj mucho m\u00e1s r\u00e1pido. El cloud tard\u00f3 casi una d\u00e9cada en pasar de una pregunta \u00fanica a una decisi\u00f3n por capas. La pila de IA lo est\u00e1 haciendo en tres o cuatro a\u00f1os. Los CTO que traten la IA en 2026 como los mejores trataron el cloud en 2012, como una decisi\u00f3n de arquitectura y no de adquisici\u00f3n, son probablemente se encuentren varios a\u00f1os por delante de sus hom\u00f3logos a finales de la d\u00e9cada.<\/strong><\/p>\n Tres movimientos, en particular, merecen un lugar en la agenda.<\/p>\n La primera es que la capa de la Plataforma de IA merece una apropiaci\u00f3n expl\u00edcita.<\/strong> Para la mayor\u00eda de las empresas que han realizado trabajos del tipo Copilot en los \u00faltimos dos a\u00f1os, \u00e9sta es la capa en la que los pr\u00f3ximos 12 meses de inversi\u00f3n producir\u00e1n el rendimiento m\u00e1s diferenciado. El contexto es la parte de la pila cuya digitalizaci\u00f3n no resulta m\u00e1s barata. Los modelos seguir\u00e1n mejorando y los precios seguir\u00e1n movi\u00e9ndose. El propio conocimiento estructurado de la empresa, las reglas de decisi\u00f3n y los puntos de conexi\u00f3n con sus sistemas operativos son lo que dan sentido a un modelo de negocio.<\/p>\n La segunda es que la econom\u00eda de la inferencia ya forma parte de la agenda trimestral<\/strong>. Una estrategia de inferencia seria incluye un enrutamiento inteligente, modelos peque\u00f1os o afinados para el nivel de volumen y, al menos, una conversaci\u00f3n exploratoria sobre la formaci\u00f3n interna para las cargas de trabajo en las que la econom\u00eda unitaria lo justifique. La curva de costes de la inferencia en la frontera no se mover\u00e1 en una \u00fanica direcci\u00f3n, y cualquier estrategia que dependa de los precios de un \u00fanico proveedor es estructuralmente fr\u00e1gil.<\/p>\n La tercera es que Deber\u00edan revisarse las opciones de hardware e infraestructura,<\/strong> aunque la respuesta acabe siendo hyperscaler por ahora. La decisi\u00f3n de montar una pila gestionada es leg\u00edtima, pero deber\u00eda ser una decisi\u00f3n y no un defecto. Para las industrias reguladas, las cuestiones de la inferencia soberana, el despliegue h\u00edbrido y las pilas in situ ya no son hipot\u00e9ticas.<\/p>\n Ninguno de estos movimientos requiere construirlo todo internamente. Requieren pensar en cada capa con la misma seriedad que la mayor\u00eda de las juntas directivas ya aplican a la capa de Aplicaci\u00f3n.<\/p>\n La arquitectura de una empresa nativa de la IA se decide pregunta a pregunta, y cada pregunta vive en una capa diferente. El 20% visible es la parte f\u00e1cil. El trabajo que compone sucede por debajo de la l\u00ednea de flotaci\u00f3n, en las capas que no aparecen en una demostraci\u00f3n de un proveedor.<\/strong><\/p>\n Los CTO que se detienen en la capa visible acaban gestionando herramientas. Los CTO que miran por debajo de la l\u00ednea de flotaci\u00f3n acaban gestionando la capacidad cognitiva. La cuesti\u00f3n no es qu\u00e9 modelo comprar, sino en qu\u00e9 tipo de CTO decide convertirse la empresa: operativo o estrat\u00e9gico.<\/strong><\/p>","protected":false},"excerpt":{"rendered":" La gesti\u00f3n de patrimonios est\u00e1 anclada en el pasado. Los clientes viven en un mundo de recomendaciones hiperpersonalizadas y sin esfuerzo de YouTube, TikTok o Amazon, y sin embargo los bancos impulsan los productos a trav\u00e9s de libros de reglas, segmentaci\u00f3n torpe y conjeturas de los asesores. Los bancos luchan por mantenerse a la altura de las expectativas de los clientes y de la complejidad de las carteras actuales. La IA h\u00edbrida puede cambiar esta situaci\u00f3n. Al fusionar el aprendizaje autom\u00e1tico, la disciplina de optimizaci\u00f3n de carteras y la inteligencia contextual de grandes modelos ling\u00fc\u00edsticos, gobernados por una capa de IA ag\u00e9ntica, los gestores de patrimonios pueden ofrecer recomendaciones que parezcan inteligentes, personales y oportunas.<\/p>","protected":false},"featured_media":1226396,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1226395","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/1226395","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/1226396"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1226395"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=1226395"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=1226395"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Tres presiones que empujan a los CTO por debajo de la l\u00ednea de flotaci\u00f3n<\/h2>\n
\nHace un a\u00f1o, esta capa era una interesante direcci\u00f3n de investigaci\u00f3n. Hoy es portante. Las empresas que han pasado de pilotos de chatbot a agentes desplegados lo han hecho invirtiendo aqu\u00ed. Las empresas que a\u00fan realizan pilotos suelen saltarse esta capa e intentan cablear el contexto empresarial directamente en las indicaciones e integraciones en el lado de la aplicaci\u00f3n. Ese enfoque funciona para un caso de uso bien delimitado. No se adapta a una cartera de agentes que act\u00faan en toda la empresa.<\/strong><\/p>\nLas cuatro capas, reducidas a la pregunta a la que cada una responde<\/h2>\n
La secuenciaci\u00f3n bate la cobertura<\/h2>\n
\n
Transici\u00f3n a la nube, con un reloj m\u00e1s r\u00e1pido<\/h2>\n
Lo que esto significa para el CTO este a\u00f1o<\/h2>\n
Una pregunta cada vez<\/h2>\n