La inteligencia artificial está entrando en una etapa en la que el principal reto ya no es conseguir un modelo capaz de responder una pregunta. Ahora el reto es construir el entorno tecnológico que le permita hacer algo después de responderla.
El cambio se está acelerando. Esta semana, Microsoft presentó una nueva generación de Windows orientada a la llamada “inteligencia híbrida”. Este sistema en que los agentes pueden ejecutar tareas localmente en el computador o recurrir a la nube según las necesidades de procesamiento. La compañía también está incorporando mecanismos de identidad, contención y administración para controlar qué pueden hacer esos agentes.
La apuesta muestra hacia dónde se está moviendo la industria. Los agentes de IA ya no son solamente asistentes que escriben correos, resumen documentos o generan código. La expectativa es que puedan interactuar con aplicaciones, consultar información, tomar decisiones dentro de determinados parámetros y ejecutar acciones.
Ese cambio tiene una consecuencia importante: la infraestructura empresarial empieza a ser tan relevante como el modelo de inteligencia artificial.
Gartner estima que el gasto mundial en IA llegará a US$2,7 billones en 2026, un aumento de 49,5% frente al año anterior. De ese total, US$1,48 billones corresponderían a infraestructura de IA, mientras que el gasto en software de IA alcanzaría US$461.600 millones. Gartner también proyecta que el gasto específico en agentes y asistentes de IA pasará de US$16.500 millones en 2025 a US$29.200 millones este año.
La magnitud de la inversión contrasta con una dificultad que todavía no está resuelta: muchas empresas están utilizando IA para mejorar tareas individuales, pero todavía no han conseguido integrarla completamente en sus procesos.
La diferencia tiene que ver, en buena medida, con la forma en que están implementándose estas herramientas. Un empleado puede utilizar IA para resumir una conversación con un cliente, por ejemplo, pero si después debe entrar manualmente al CRM, consultar un sistema de facturación y actualizar otro software, la tecnología hizo más rápida una parte del proceso sin transformar realmente el flujo completo.
El problema se vuelve mayor cuando se introduce un agente.
La IA necesita entrar al resto de la empresa
Un modelo generativo puede funcionar relativamente aislado. Un agente que tenga que actuar dentro de una compañía necesita acceso a información y aplicaciones que normalmente están distribuidas entre diferentes sistemas.
Los datos de clientes pueden estar en un CRM, mientras que las transacciones financieras se gestionan en un ERP y los inventarios en otra plataforma. Además, determinados procesos todavía pueden depender de software desarrollado hace años. Cada sistema tiene sus propias reglas de acceso, estructuras de datos y mecanismos de seguridad.
Por eso, darle autonomía a un agente no significa simplemente conectarlo a un modelo más avanzado. También implica establecer qué información puede consultar, qué sistemas puede utilizar, qué acciones tiene permitido ejecutar y cómo puede ser supervisado.
Microsoft está construyendo parte de su estrategia alrededor de este problema. La compañía ha presentado Windows como una plataforma para agentes capaz de combinar procesamiento local y servicios en la nube, al tiempo que incorpora controles para administrar su identidad, acceso y comportamiento.
Ahí aparece una segunda capa del problema: la seguridad.
A medida que los agentes obtienen más autonomía, también aumenta la cantidad de sistemas a los que pueden acceder. En octubre, OpenAI informó que actividades asociadas con agentes habían afectado potencialmente a más de 100 organizaciones, aunque aclaró que esos episodios no implicaban necesariamente que se hubieran producido accesos no autorizados exitosos. El caso volvió a poner sobre la mesa la dificultad de controlar sistemas capaces de actuar de manera cada vez más autónoma.
La discusión, por tanto, está pasando de “¿qué tan inteligente es la IA?” a “¿qué puede hacer cuando tiene acceso a la empresa?”.
La tecnología detrás de los agentes de IA
Esta transformación está creando un nuevo espacio para las compañías que trabajan entre los grandes proveedores de modelos y las empresas que necesitan incorporarlos a sus operaciones.
Un ejemplo reciente es Sonata Software, que esta semana fue reconocida por Microsoft con el premio 2026–2027 Microsoft AI Business Solutions Inner Circle, una distinción que la ubica entre los principales socios de la compañía dentro de su red global de soluciones empresariales de IA.
La compañía mantiene una relación de más de tres décadas con Microsoft y trabaja con tecnologías como Dynamics 365, Azure, Microsoft Fabric, Power Platform y Copilot. Su estrategia incluye herramientas para modernización impulsada por IA, datos preparados para inteligencia artificial y operaciones de IA.
Más recientemente, Sonata se incorporó al programa Copilot Agents & Platform Engineering Depth Partners de Microsoft y se convirtió en Microsoft Frontier Partner, ampliando su relación con los equipos de ingeniería y producto de Microsoft para avanzar en IA agéntica.
La dirección de esa estrategia queda resumida por Anthony Lange, Chief Revenue Officer de Sonata Software, quien señaló que la compañía busca ayudar a las empresas a pasar de sistemas que simplemente registran información a otros capaces de ejecutar acciones de manera autónoma.
La apuesta tiene sentido dentro del cambio que está atravesando la industria. Si los agentes terminan convirtiéndose en una nueva interfaz para utilizar software empresarial, las aplicaciones seguirán siendo necesarias, pero tendrán que estar preparadas para ser utilizadas por sistemas de IA además de personas.
Eso puede cambiar incluso la manera en que se diseñan los sistemas empresariales. Las API, los permisos, la identidad digital, la calidad de los datos y la capacidad de auditar cada acción pueden pasar de ser componentes técnicos secundarios a convertirse en elementos centrales de la experiencia con IA.
La carrera, entonces, no se limita a construir modelos más inteligentes. También consiste en crear una infraestructura donde esos modelos puedan actuar sin perder control sobre los datos y los sistemas que sostienen una empresa.
Y esa puede ser la diferencia entre tener inteligencia artificial dentro de una organización y realmente convertirla en parte de cómo funciona.
Imagen: Unsplash
