La IA está superando la fase de experimentación.
En todos los sectores, las organizaciones están realizando importantes inversiones en IA para aumentar la productividad, acelerar la toma de decisiones y descubrir nuevas oportunidades de crecimiento. Sin embargo, muchos líderes aún están buscando un camino claro que los lleve de los proyectos piloto a resultados comerciales medibles.
Aunque nueve de cada 10 (88 %) organizaciones están probando la IA, solo el 19 % informa ganancias comerciales significativas, según el informe El estado de las organizaciones 2026 de McKinsey. El desafío aquí sigue siendo implementar y escalar la IA de una manera que sea confiable, gobernada y que aporte valor tangible.
Ese obstáculo dio forma a muchas de las conversaciones en el más reciente evento Alteryx on Tour, en Londres, Reino Unido, donde clientes, socios y líderes de la industria compartieron sus perspectivas sobre lo que en realidad se necesita para llevar la IA de ser un emocionante generador de ideas a una tecnología lista para producción. Tres temas se destacaron.
1. El desafío determinante: confianza
La oportunidad que presenta la IA es enorme, y también lo son los riesgos de implementarla sin la gobernanza y los controles adecuados.
A medida que la IA se integra en más procesos críticos para el negocio, la confianza se ha convertido, con razón, en el desafío determinante. Los líderes necesitan la confianza de que los resultados generados por la IA pueden entenderse, validarse y gobernarse antes de que se utilicen para respaldar decisiones importantes, y a medida.
Durante su presentación principal, el Director Ejecutivo de Alteryx, Andy MacMillan, compartió un escenario sencillo que capturó el mayor obstáculo de la IA: su naturaleza probabilística. Tras recibir un consejo financiero incorrecto de un modelo de lenguaje grande, le preguntó a otro LLM por qué la respuesta era errónea.
¿Su respuesta? “Bueno, los LLM a menudo se equivocan”.
Si la IA no genera confianza, entonces no se puede poner en funcionamiento.
Para abordar esto, presentó el marco VURA: la IA debe ser visible, comprensible, repetible y auditable para darles a las organizaciones la confianza de que cada insight es transparente, explicable y se basa en una lógica empresarial de confianza.
Esto es especialmente cierto a medida que las organizaciones comienzan a adoptar la IA agéntica. A diferencia de los chatbots tradicionales que responden preguntas básicas, se espera que los agentes de IA analicen información, actúen y tomen decisiones de forma autónoma. Sin confianza, gobernanza y transparencia, ese potencial se convierte rápidamente en riesgo.
La preocupación está generalizada. Solo el 3 % de los analistas se siente cómodo con la IA totalmente autónoma, lo que pone en evidencia la importancia que cobraron la confianza, la transparencia y la gobernanza a medida que las organizaciones aceleran la escala de la IA.
Por supuesto, eso no significa que las organizaciones deban dejar de usar IA o modelos de lenguaje grande. La oportunidad no es que la IA reemplace los flujos de trabajo confiables que ya potencian paneles de control ricos en insights, informes de misión crítica y automatizaciones de nivel empresarial. La oportunidad es ampliar estos flujos de trabajo hacia la IA.
Los flujos de trabajo de analítica existentes y la lógica empresarial se convierten en la base de la IA, al transformar los flujos de trabajo de activos estáticos en activos interactivos. Los usuarios empresariales pueden interactuar con ellos mediante lenguaje natural, mientras que la IA razona sobre la lógica de negocios en lugar de generar respuestas de forma aislada. El resultado es una toma de decisiones más rápida sin sacrificar la transparencia ni la trazabilidad.
2. En la era de los LLM, la experiencia en el negocio importa
Las organizaciones pasaron años invirtiendo en plataformas de datos modernas en la nube, flujos de trabajo de analítica y modelos de gobernanza. El siguiente paso no sería reemplazar esas inversiones por IA, sino conectar la IA a los datos confiables, la lógica empresarial y la experiencia que ya impulsan las decisiones.
Eso importa porque la IA no puede deducir automáticamente los controles financieros, las políticas operativas ni los requisitos regulatorios de una organización. Para escalar con éxito, la IA necesita experiencia en la línea de negocio integrada en la forma en que se crea, se gobierna y se usa.
Este mensaje resonó durante todo el evento Alteryx on Tour.
Durante la sesión de UBS, el banco destacó la importancia de “gobernar el sistema, no al usuario”. El objetivo no es restringir que los equipos de negocio usen la IA y la analítica, sino ofrecerles una base segura y gobernada donde puedan contribuir de forma segura y eficaz.
Eso significa permitir que una variedad de usuarios, desde creadores ciudadanos hasta usuarios empresariales cotidianos y profesionales avanzados, apliquen la analítica donde comprendan el contexto, al tiempo que el área de TI mantiene los controles, los estándares y las directrices que se necesitan para escalar con confianza.
Las organizaciones que escalan con éxito la IA no eligen entre el negocio y TI; los unen para combinar datos confiables, experiencia empresarial y gobernanza para obtener mejores resultados.
Empieza tu recorrido: descarga nuestros kits de inicio de preparación para la IA hoy mismo
3. Resolver problemas de negocio (no técnicos)
A medida que la IA sigue dominando los titulares, muchas de las historias más convincentes se centran en resolver desafíos prácticos.
Un ejemplo destacado fue el de la Marine Conservation Society. Con un equipo de datos y analítica más reducido, esta organización benéfica construyó un modelo basado en IA para medir el impacto de las políticas públicas en la basura en las playas, impulsando así la defensa ambiental basada en evidencia.
El equipo está usando analítica e IA para transformar hallazgos complejos en informes en lenguaje sencillo antes de poner los insights a disposición a través de un agente de IA conversacional. Esto permite que los stakeholders hagan preguntas de seguimiento en lenguaje natural, y puedan ampliar el acceso a los insights sin imponer demandas adicionales al equipo de analítica.
Ese mismo principio se vio reflejado en todo el evento. En lugar de buscar la automatización y la IA por sí mismas, las organizaciones integran la tecnología en los flujos de trabajo que impulsan sus negocios.
El minorista de tarjetas UK Greetings automatizó por completo su generación de informes de inteligencia empresarial y ahora está escalando casos prácticos de analítica en toda su cadena de suministro, desde la reducción de residuos hasta la optimización de oportunidades de venta.
Marex compartió cómo utiliza Alteryx One para impulsar la automatización automática continua, mientras que Zenith mostró cómo la automatización está transformando sus operaciones financieras a medida.
Las organizaciones no comienzan con la IA buscando un caso práctico. Comienzan con un desafío empresarial y utilizan la analítica, la automatización y la IA para resolverlo de forma más rápida e inteligente.
¿Qué sigue?
La conversación en torno a la IA y los agentes está evolucionando con rapidez.
Las organizaciones van más allá de la experimentación y hacen una pregunta más importante: ¿cómo escalar de manera responsable?
La respuesta es construir bases de confianza, integrar la experiencia empresarial y empoderar a las personas más cercanas al trabajo para innovar con confianza.
A medida que la IA continúa avanzando a buen ritmo, las organizaciones que crean el mayor valor no serán necesariamente las que la adopten más rápido. Serán las que generen confianza primero: al combinar datos, experiencia empresarial e IA para ofrecer resultados de negocio significativos.