Primero, compañía con sede en México, anunció una ronda semilla de US$12 millones coliderada por Kaszek y General Catalyst. En la operación también participaron Definition, Conviction y 8VC, además de inversionistas vinculados a compañías como FEMSA, Bimbo, Aeroméxico y Kimberly-Clark de México. El anuncio se hizo el 25 de agosto de 2026, junto con el lanzamiento público de la startup.

El dinero será utilizado para ampliar el equipo, desarrollar su plataforma y aumentar las implementaciones de inteligencia artificial en grandes compañías de América Latina. Primero ya tiene operaciones en Colombia y oficinas en Bogotá, además de Ciudad de México y Madrid. Entre las empresas que ha mencionado como clientes están Terpel, Smart Fit, Verde Valle y Kimberly-Clark de México, así como la Secretaría de Desarrollo Económico de Ciudad de México.

La apuesta parte de una dificultad que no desaparece por instalar un nuevo modelo de IA. Las compañías suelen acumular ERP, CRM, sistemas financieros, bases de datos, hojas de cálculo y otras herramientas que fueron incorporadas para resolver necesidades específicas. El resultado puede ser una operación donde la información existe, pero está repartida.

Un estudio de Salesforce y MuleSoft publicado en 2026 muestra la dimensión del problema: las organizaciones encuestadas administran en promedio 957 aplicaciones y apenas 27 % está integrado. La investigación consultó a 1.050 líderes de tecnología de empresas con al menos 1.000 empleados en nueve mercados y fue realizada entre octubre y noviembre de 2025.

Primia quiere conectar lo que las empresas ya tienen

Primero construyó Primia para trabajar sobre esa infraestructura existente, en lugar de plantear que las compañías tengan que reemplazarla. La plataforma conecta sistemas, registros, hojas de cálculo y APIs internas y crea una capa semántica común para organizar la información y el contexto de cada negocio.

Sobre esa capa pueden desplegarse agentes de IA capaces de intervenir en procesos empresariales. La compañía plantea que estos agentes pueden detectar información, tomar decisiones y ejecutar acciones, pero bajo mecanismos de control. Su plataforma permite conservar las entradas de cada ejecución, las aprobaciones y quién autorizó una acción. También ofrece trazabilidad de las interacciones con los modelos y controles de acceso.

Te puede interesar: Revolut vs. Nu: dos bancos digitales se preparan para disputarse al usuario colombiano

Uno de los ejemplos divulgados por Primero corresponde a una empresa del sector de la construcción, donde Primia automatizó 85 % de un proceso de revisión que antes se hacía manualmente. El 15 % restante continuó bajo supervisión humana. En otro caso, la startup afirma que su tecnología permitió detectar más de US$10 millones en deducciones incorrectas dentro de una compañía de bienes de consumo.

La compañía fue fundada por José Murillo, Andrés Rosales y Santiago Buenahora. El colombiano ocupa el cargo de CTO y, según la información publicada por Primero, estudió Ciencias de la Computación en la Universidad de Pensilvania y trabajó anteriormente en Robinhood y Microsoft. Murillo pasó por Harvard, Meta y Goldman Sachs, mientras Rosales tiene formación en Física y Matemáticas en Harvard y experiencia en 8VC.

Ahora, con el nuevo capital, Primero pretende llevar esta infraestructura a más empresas de la región. Su propuesta está dirigida especialmente a organizaciones con operaciones complejas en sectores como servicios financieros, seguros, manufactura, retail y bienes de consumo, donde buena parte del reto consiste en conseguir que la IA pueda actuar sobre los datos y procesos que las compañías ya utilizan.

La información fue revelada por Bloomberg, que citó a personas relacionadas con el proyecto. Según el reporte, la compañía quiere que el equipo sea una “manifestación física de ChatGPT” y opere como un asistente de inteligencia artificial con características más humanas.

A diferencia de las bocinas inteligentes tradicionales, el dispositivo no estaría limitado a responder comandos puntuales. Su funcionamiento se apoyaría en el modelo de voz más reciente de OpenAI, capaz de escuchar y responder de forma simultánea teniendo en cuenta el contexto de una conversación. Con el tiempo, el sistema podría utilizar la información de las interacciones para ofrecer respuestas y acciones más personalizadas.

La propuesta también contemplaría la reproducción de contenido multimedia, la respuesta a preguntas, el envío de mensajes y el control de electrodomésticos. Al contar con una batería recargable, el usuario podría llevarlo de una habitación a otra según la tarea que quiera realizar.

Una bocina que busca sentirse más como un asistente

El dispositivo podría acompañar al usuario en diferentes momentos del día. En la cocina, por ejemplo, serviría para guiar una preparación; en la sala, para recomendar contenido de entretenimiento, y en otro espacio de la casa, para reproducir música.

Uno de los elementos más llamativos estaría en su diseño. De acuerdo con el informe, OpenAI trabaja en componentes mecánicos capaces de realizar ciertos movimientos autónomos, con la intención de que el producto transmita una sensación de presencia y no parezca simplemente un objeto que responde a órdenes.

El equipo también incorporaría cámaras y sensores para interpretar mejor el entorno. La compañía pretende que la inteligencia artificial pueda ofrecer información de manera proactiva y actuar como una especie de experto personal para cada usuario.

La idea forma parte de una ambición más amplia. OpenAI adquirió el año pasado la startup de hardware fundada por Jony Ive, exdiseñador de Apple, en una operación valorada en cerca de 6.500 millones de dólares. Desde entonces, Ive y Sam Altman han hablado de crear una nueva categoría de dispositivos que aproveche las capacidades de la inteligencia artificial generativa.

Te puede interesar: Sonos Play: el parlante premium que adapta el sonido a cada espacio y tiene batería reemplazable

El proyecto no sería una computadora tradicional ni dependería necesariamente de aplicaciones como las que se utilizan en un teléfono. La visión de OpenAI apunta a equipos capaces de ejecutar tareas mediante agentes de inteligencia artificial, como resumir y priorizar mensajes, reconocer objetos o encargarse de procesos complejos.

Hasta ahora, la empresa habría trabajado en cerca de cinco dispositivos para consumidores. La bocina sería el primero en llegar, aunque todavía no existe una fecha oficial de lanzamiento y OpenAI no ha confirmado públicamente los detalles conocidos sobre el producto.

La compañía también enfrenta una disputa legal con Apple relacionada con presuntos secretos comerciales y prototipos de hardware. El proceso podría añadir incertidumbre al desarrollo de la nueva línea de dispositivos, mientras OpenAI intenta demostrar si una bocina impulsada por ChatGPT puede convertirse realmente en una nueva categoría de tecnología para el hogar.

Imagen: Genera IA/ de referencia 

Ese cambio se sostiene sobre una idea: los agentes. Programas que no solo responden, sino que actúan, deciden y colaboran entre sí. La compañía los ubica como la base de lo que llama una nueva generación de empresas, donde buena parte del trabajo operativo se delega a estos sistemas.

La pieza central de esta apuesta es Gemini Enterprise. Más que un modelo o una app, funciona como un entorno completo donde se crean, despliegan y supervisan agentes de inteligencia artificial. La diferencia frente a versiones anteriores es que todo está integrado: desde los modelos hasta los datos y los controles de seguridad.

La novedad más visible es la Gemini Enterprise Agent Platform. En términos prácticos, se trata de una especie de “centro de mando” para agentes. Permite diseñarlos, conectarlos entre sí y monitorear su comportamiento. Una empresa puede, por ejemplo, asignar a varios agentes tareas dentro de un mismo proceso —como atención al cliente, análisis de datos y seguimiento de pedidos— y hacer que trabajen coordinadamente.

El cambio no es menor. Hasta ahora, muchas implementaciones de IA se quedaban en pruebas o automatizaciones aisladas. Aquí la apuesta es distinta: llevar esos sistemas a producción y convertirlos en parte del flujo diario de trabajo.

Cuando la nube deja de ser soporte y pasa a ejecutar

La infraestructura es otro punto donde se ve esa transición. Google presentó una nueva generación de Tensor Processing Units, sus chips diseñados para cargas de inteligencia artificial. La mejora no se limita a potencia; apunta a sostener operaciones continuas con miles o millones de agentes funcionando al mismo tiempo.

Esto se complementa con una arquitectura de datos pensada para velocidad. La llamada “Agentic Data Cloud” busca resolver un problema clásico: la información repartida en múltiples sistemas. En lugar de mover datos de un lado a otro, la plataforma permite que los agentes accedan a ellos directamente, sin fricción.

Ese detalle técnico tiene impacto directo en negocio. Menos tiempo en mover datos significa respuestas más rápidas y decisiones más cercanas al tiempo real.

En seguridad, el movimiento sigue la misma lógica: automatizar. Google integra capacidades de análisis y respuesta con inteligencia artificial, en parte apoyadas por Wiz. La promesa es detectar incidentes y actuar antes de que escalen, algo que en entornos tradicionales depende de equipos humanos y tiempos más largos.

De la promesa a la adopción

Las herramientas presentadas no están pensadas solo para grandes corporaciones, aunque son las que más rápido las adoptan. Funcionan como servicios en la nube, lo que permite activarlas por módulos según la necesidad.

Una empresa puede empezar con agentes para tareas específicas y luego escalar hacia procesos más amplios. También puede integrar estos sistemas con plataformas que ya utiliza, desde software empresarial hasta herramientas de productividad.

Google insiste en que el uso ya es masivo. Una buena parte de sus clientes emplea inteligencia artificial en operaciones reales, y un grupo creciente trabaja con volúmenes de datos que hace pocos años eran difíciles de manejar sin infraestructura propia.

Para startups, el terreno también cambia. El acceso a modelos, infraestructura y herramientas reduce la barrera de entrada. Lo que antes requería equipos grandes y recursos considerables ahora puede construirse sobre servicios disponibles bajo demanda.

Lo que deja Next ‘26 no es solo una lista de lanzamientos. Es una señal de hacia dónde se mueve el mercado: sistemas que no solo asisten, sino que ejecutan. La pregunta ya no es si una empresa usa inteligencia artificial, sino cuánto de su operación está dispuesta a delegar en ella.

En muchos casos, las pymes se quedan en la intención. Algunas no saben por dónde empezar, otras dependen completamente de terceros para hacer ajustes simples y varias terminan implementando soluciones que no responden a sus necesidades reales. El resultado es una inversión que no se traduce en eficiencia.

Frente a este problema, han surgido plataformas como MET, desarrollada por la colombiana Meteor IA, que propone crear agentes de inteligencia artificial a través de un chat guiado. La idea es reducir la complejidad técnica y permitir que cualquier empresa pueda configurar automatizaciones sin necesidad de programar.

Más allá de la herramienta, el debate de fondo sigue siendo el mismo: cómo lograr que la inteligencia artificial realmente funcione dentro de una empresa y no se convierta en un gasto innecesario.

Te puede interesar: Curso gratis de programación: así puede inscribirse y aprender desde cero en 15 días

Antes de implementar cualquier solución, expertos recomiendan que las empresas se detengan a evaluar algunos puntos básicos que pueden marcar la diferencia entre un uso efectivo y una mala decisión.

El primero es identificar el problema concreto que se quiere resolver. Automatizar por tendencia o presión del mercado suele llevar a resultados poco útiles. Tareas como la atención al cliente, el seguimiento comercial, la gestión de citas o la respuesta a preguntas frecuentes suelen ser buenos puntos de partida.

También es necesario definir qué procesos pueden automatizarse y cuáles no. Las tareas repetitivas, basadas en reglas claras, suelen adaptarse mejor a un agente digital. En cambio, situaciones complejas, reclamos o decisiones que requieren criterio humano todavía necesitan intervención directa.

Automatizar sin perder el control

Otro aspecto clave es la facilidad para hacer cambios. En muchas pymes, modificar un mensaje, ajustar horarios o corregir respuestas depende de un proveedor externo, lo que ralentiza la operación. Una herramienta útil debería permitir ajustes rápidos sin complicaciones técnicas.

A esto se suma la supervisión. Aunque la inteligencia artificial ejecute tareas de forma automática, siempre debe haber una persona encargada de revisar su funcionamiento, detectar errores y decidir cuándo una conversación debe pasar a un humano.

Finalmente, está la medición de resultados. Implementar un agente de IA sin indicadores claros impide saber si realmente está generando valor. Variables como tiempos de respuesta, número de clientes atendidos o reducción de carga operativa ayudan a evaluar su impacto.

De acuerdo con Daniel Vargas, cofundador de Meteor IA, el avance de estas tecnologías depende de que más empresas puedan probar soluciones en procesos específicos, medir su desempeño y hacer ajustes de manera sencilla.

Te puede interesar: Empresas extranjeras están contratando más colombianos: estas son las áreas clave

En Colombia, el interés por la digitalización empresarial viene acompañado de inversión pública. El Ministerio TIC reportó que en 2025 la estrategia PotencIA Digital destinó cerca de 42.500 millones de pesos para apoyar a 1.000 pymes en la adopción de tecnologías.

En ese contexto, herramientas como MET buscan cerrar una brecha frecuente: la distancia entre el entusiasmo que genera la inteligencia artificial y la dificultad de aplicarla correctamente en negocios pequeños y medianos.

Para sectores como comercio, educación, salud o servicios, la automatización puede ser útil si se aplica en tareas específicas y de alto volumen. La recomendación es avanzar paso a paso, medir resultados y evitar implementar soluciones sin un objetivo claro.