{"id":1405348,"date":"2026-09-25T14:12:56","date_gmt":"2026-09-25T13:12:56","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=news&#038;p=1405348"},"modified":"2026-09-25T14:12:56","modified_gmt":"2026-09-25T13:12:56","slug":"enterprise-ai-platform-scaling","status":"publish","type":"news","link":"https:\/\/www.artefact.com\/es\/news\/enterprise-ai-platform-scaling\/","title":{"rendered":"Plataforma de IA de \u00faltima generaci\u00f3n: c\u00f3mo desarrollarla y ampliarla"},"content":{"rendered":"<div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-blend:overlay;--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1\"><p><em>En la reciente conferencia \u00abBig Data &amp; AI Paris\u00bb, celebrada el 15 de septiembre, Hanan Ouazan, director de estrategia de IA del grupo Artefact, comparti\u00f3 su visi\u00f3n sin tapujos sobre la transformaci\u00f3n impulsada por la IA. En su presentaci\u00f3n, Hanan explic\u00f3 c\u00f3mo ir m\u00e1s all\u00e1 de las simples mejoras en la productividad individual para crear una plataforma de conocimiento empresarial y mantener una ventaja competitiva.<\/em><\/p>\n<h2>De la adopci\u00f3n individual al retorno de la inversi\u00f3n empresarial<\/h2>\n<p>En la actualidad, una importante paradoja define el mercado de la inteligencia artificial y la forma en que las organizaciones generan valor:<\/p>\n<ul>\n<li><strong>Inversiones masivas<\/strong>: Se prev\u00e9 que en 2025 las inversiones en inteligencia artificial alcancen aproximadamente $582 mil millones (casi el 0,5% del PIB mundial), con modelos capaces de abordar problemas que llevan d\u00e9cadas sin resolverse.<\/li>\n<li><strong>Impacto real limitado<\/strong>: Seg\u00fan un<a href=\"https:\/\/www.mckinsey.com\/capabilities\/quantumblack\/our-insights\/the-state-of-ai\" target=\"_blank\" rel=\"noopener\"> Estudio de McKinsey<\/a>, solo el 6% de las empresas consigue realmente obtener beneficios empresariales gracias a la inteligencia artificial.<\/li>\n<\/ul>\n<p>Esta brecha se explica por las limitaciones de los dos enfoques tradicionales de implantaci\u00f3n. El enfoque descendente (proyectos de transformaci\u00f3n impulsados por la direcci\u00f3n) se topa r\u00e1pidamente con limitaciones humanas y con la carga que supone la tecnolog\u00eda heredada. Por encima de todo, la ecuaci\u00f3n financiera es implacable: un proyecto de un mill\u00f3n de euros debe generar un retorno de la inversi\u00f3n (ROI) de un mill\u00f3n de euros en el plazo de un a\u00f1o, ya que, en tres a\u00f1os, la tecnolog\u00eda habr\u00e1 cambiado en m\u00faltiples ocasiones. Como resultado, solo entre el 10% y el 20% de los procesos de la empresa cumplen realmente los requisitos para estos grandes proyectos de transformaci\u00f3n.<\/p>\n<p>Por el contrario, el enfoque ascendente (proporcionar herramientas de IA generativa a todos los empleados) crea una ilusi\u00f3n de productividad. El individuo se vuelve \u201chiperproductivo\u201d, pero este valor apenas se traslada al conjunto de la organizaci\u00f3n. Como se se\u00f1al\u00f3 en junio <a href=\"https:\/\/www.ft.com\/\" target=\"_blank\" rel=\"noopener\">Financial Times<\/a> Como ilustra el estudio, se trata de un efecto en cadena: un desarrollador produce tres veces m\u00e1s c\u00f3digo, esa ganancia se reduce a 1,5 a nivel del equipo de producto y, en \u00faltima instancia, se traduce en tan solo 30% de funcionalidades adicionales para la empresa. Incluso las organizaciones con mejor rendimiento solo aprovechan una fracci\u00f3n de las ganancias individuales.<\/p>\n<h2>El ejemplo de San Francisco: redefinir el trabajo<\/h2>\n<p>La verdadera transformaci\u00f3n no consiste simplemente en distribuir licencias, sino en redefinir en profundidad la forma en que se lleva a cabo el trabajo.<\/p>\n<p>En San Francisco, las principales empresas tecnol\u00f3gicas han cambiado su forma de dise\u00f1ar productos. Los gestores de producto utilizan la inteligencia artificial para crear ellos mismos los primeros prototipos funcionales. Como resultado, el tiempo que transcurre desde que se identifica una necesidad del usuario hasta que se pone en producci\u00f3n se ha reducido de una media de entre 3 y 6 meses a tan solo entre 3 y 6 semanas.<\/p>\n<p>Para lograr un aumento de la productividad, no basta con proporcionar una herramienta; los empleados deben redefinir sus funciones laborales.<\/p>\n<blockquote>\n<p>\u201c<em>Implementar plataformas de inteligencia artificial simplemente por el atractivo tecnol\u00f3gico que presentan no sirve de nada. El \u00e9xito de una iniciativa de este tipo depende, ante todo, de que se ajuste a casos de uso empresariales reales.<\/em>\u201d \u2014 <a href=\"https:\/\/www.linkedin.com\/in\/hmouazan\/\" target=\"_blank\" rel=\"noopener\"><strong>Hanan Ouazan<\/strong><\/a>, director de estrategia de IA del grupo en Artefact.<\/p>\n<\/blockquote>\n<h2>L\u00f3gica contextual: conexi\u00f3n y difusi\u00f3n de la informaci\u00f3n<\/h2>\n<p>Uno de los retos asociados a la inteligencia artificial es la conservaci\u00f3n y la difusi\u00f3n de la informaci\u00f3n. Hoy en d\u00eda, si un empleado se entera en una reuni\u00f3n de que un cliente va a destinar un nuevo presupuesto o va a cambiar de direcci\u00f3n, esta informaci\u00f3n crucial suele quedar relegada a sus notas personales o a un resumen de la reuni\u00f3n que no se utiliza.<\/p>\n<p>Convencida de que es imposible vender la transformaci\u00f3n a los clientes sin ser capaz de transformarse internamente, Artefact redise\u00f1\u00f3 su arquitectura interna en torno a una iniciativa denominada \u201cACE\u201d (una plataforma contextual). El principio fundamental consiste en crear una l\u00f3gica de contexto empresarial: conectar los objetos de conocimiento (clientes, empresas, \u00e1reas de especializaci\u00f3n) all\u00ed donde se encuentran, en lugar de agruparlos en una \u00fanica base de datos data, de modo que la informaci\u00f3n fluya de forma predeterminada y sea accesible para todos.<\/p>\n<p>En la pr\u00e1ctica, ACE se limita a calificar la informaci\u00f3n en funci\u00f3n de los hechos: a qu\u00e9 cliente, proyecto o personas se refiere una nota, y qui\u00e9n tiene permiso para consultarla. A continuaci\u00f3n, cada producto recupera la informaci\u00f3n que le resulta relevante y extrae lo que necesita.<\/p>\n<blockquote>\n<p>\u201c<em>El principal activo de su empresa reside en su tecnolog\u00eda patentada data y en sus conocimientos. En un mundo en el que los modelos de inteligencia artificial se est\u00e1n convirtiendo en productos de uso generalizado, son precisamente estos conocimientos \u00fanicos los que marcan la diferencia.<\/em>\u201d \u2014 <strong><a href=\"https:\/\/www.linkedin.com\/in\/hmouazan\/\" target=\"_blank\" rel=\"noopener\">Hanan Ouazan<\/a><\/strong>, director de estrategia de IA del grupo en Artefact.<\/p>\n<\/blockquote>\n<h2>Los tres pilares de una estrategia de IA rentable y segura<\/h2>\n<p>Para garantizar el retorno de la inversi\u00f3n y evitar la proliferaci\u00f3n de plataformas desconectadas del uso real, una estrategia de inteligencia artificial debe basarse en tres pilares concretos:<\/p>\n<ul>\n<li><strong>El valor reside en su data, no en los modelos<\/strong>: Los modelos de IA son cada vez m\u00e1s potentes, mientras que sus costes se reducen dr\u00e1sticamente. Lo que constituye su verdadera ventaja competitiva es su data interno y su experiencia en el sector (sus conocimientos), algo de lo que el resto del mundo carece.<\/li>\n<li><strong>Captura natural de informaci\u00f3n<\/strong>: No conf\u00ede en el trabajo manual para alimentar sus bases de conocimientos. La informaci\u00f3n Data debe recopilarse de la forma m\u00e1s natural posible, directamente en los entornos de trabajo de los empleados (Google Chat, transcripciones de reuniones, etc.), con el fin de minimizar las dificultades.<\/li>\n<li><strong>Proteja su \u201cequipo\u201d (sus conocimientos t\u00e9cnicos)<\/strong>: Su valor reside en c\u00f3mo gestiona y regula el uso de la IA (competencias, normas de gobernanza, seguridad, costes y gesti\u00f3n de tokens). No ceda estos conocimientos a las plataformas p\u00fablicas para que aprendan de usted. Cree y controle su propio entorno.<\/li>\n<\/ul>\n<p>En \u00faltima instancia, el \u00e9xito de una iniciativa de inteligencia artificial no consiste simplemente en combinar tecnolog\u00edas; requiere estar respaldada por casos de uso reales y necesidades aut\u00e9nticas de los usuarios.<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>Descubra c\u00f3mo crear una plataforma empresarial de IA escalable, integrar la tecnolog\u00eda propia data y obtener un retorno de la inversi\u00f3n real para la empresa que vaya m\u00e1s all\u00e1 de las mejoras en la productividad individual.<\/p>","protected":false},"author":[],"featured_media":1405403,"template":"","meta":{"_acf_changed":false},"news-category":[2819],"news-language":[311,316],"class_list":["post-1405348","news","type-news","status-publish","has-post-thumbnail","hentry","news-category-news-france","news-language-en","news-language-fr"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/news\/1405348","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/news"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/1405403"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1405348"}],"wp:term":[{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/author?post=1405348"},{"taxonomy":"news-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/news-category?post=1405348"},{"taxonomy":"news-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/news-language?post=1405348"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}