Jorge García, Analista Principal de Technology Evaluation Centers (TEC)
Durante años, la selección de software empresarial ha seguido prácticamente el mismo proceso: requerimientos, demostraciones, comparativas funcionales, negociación y eventualmente implementación para después, con suerte, lograr la transformación.
El problema es que esa lógica pertenece a otra era.
Hoy, la inteligencia artificial (IA) está cambiando no solamente lo que hace, o puede hacer el software empresarial, sino también en lo que la arquitectura empresarial necesita convertirse.
Sin embargo, muchas organizaciones siguen evaluando software como si la IA fuera simplemente otro módulo agregado al ERP, CRM o plataforma analítica, y encapsulada en el marco de la propia aplicación. Y esa mentalidad se está convirtiendo rápidamente en uno de los errores estratégicos más riesgosos dentro de la tecnología empresarial moderna.
Estamos entrando en una etapa donde la pregunta ya no es “¿qué software tiene IA?”, sino “¿qué arquitectura puede sostener inteligencia artificial a escala?” Lo que representa conversaciones completamente distintas.
Para responder a la segunda pregunta, debemos tomar en cuenta dos problemas que se presentan de manera frecuente durante la selección de inteligencia artificial, así como la importancia de los datos, y la necesidad de contar con una arquitectura de sistemas abierta e integrada para aumentar las posibilidades de éxito de la nueva solución de software empresarial.
El presente artículo presenta un breve análisis de estos dos problemas frecuentes, los datos, la integración y su influencia en la selección y ejecución de sistemas modernos que incorporan inteligencia artificial.
La ilusión del software “AI-Ready”
Uno de los fenómenos más comunes en el mercado actual es el AI-washing: en donde los proveedores de software empresarial agregan copilotos, asistentes y funcionalidades generativas prácticamente a cualquier producto, independientemente de si la arquitectura o el sistema realmente lo requiere, o puede soportar operaciones inteligentes de manera consistente.
¿El resultado? La ilusión de modernización. El sistema es AI-ready.
Un chatbot integrado dentro de un ERP no convierte automáticamente al ERP en un sistema inteligente. Un tablero de control (dashboard) predictivo tampoco transforma por sí mismo a una organización en una empresa impulsada por datos. Y un asistente o copiloto virtual que redacta correos o resúmenes no resuelve problemas estructurales de gobernanza, integración o calidad de datos.
Desafortunadamente, en la práctica, muchas organizaciones ya están descubriendo esto de la manera difícil.
Técnicamente, todos los sistemas “tienen IA”, pero, arquitectónicamente, la inteligencia sigue fragmentada, y la inteligencia fragmentada genera decisiones fragmentadas.
Por ejemplo, una empresa puede implementar un CRM con IA capaz de generar recomendaciones comerciales, mientras su ERP continúa operando mediante sincronizaciones retrasadas en modo por lotes (batch), lo que resulta en recomendaciones que no pueden convertirse en realidad. O bien, marketing almacena información en ambientes separados, servicio al cliente trabaja sobre otra plataforma y la cadena de suministro permanece aislada de los sistemas analíticos.
Y es por esto que tantas iniciativas de IA no logran pasar de la etapa piloto, muchas organizaciones creen que el problema está en el modelo de IA, cuando en realidad la limitación suele encontrarse en la arquitectura que lo soporta.
Antes de incorporar un nuevo sistema, es necesario evaluar la madurez de nuestra propia arquitectura, desde los datos, hasta la capa de operación.
El paso de sistemas transaccionales a sistemas de inteligencia
Históricamente, los sistemas empresariales han evolucionado en etapas claramente diferenciadas:
Primero se utilizaban como sistemas de registro: ERP, CRM y HCM diseñados para almacenar transacciones y centralizar operaciones. Después evolucionaron como plataformas enfocadas en la automatización y optimización de procesos. En la actualidad, los sistemas se están convirtiendo en sistemas de inteligencia.
Los sistemas tradicionales son deterministas, se definen reglas, se configuran procesos y el software ejecuta. Los sistemas impulsados por IA cuentan, además, con funciones distintas: interpretan patrones, evalúan probabilidades, generan respuestas dinámicas y, hoy en día, comienzan a participar activamente en procesos de decisión.
Eso cambia completamente el rol del software empresarial. Por ejemplo, un ERP deja de ser solo un motor transaccional para inventarios o facturación y, poco a poco se convierte en una capa de orquestación capaz de coordinar flujos de datos, automatización, inteligencia predictiva y servicios externos de IA en toda la organización.
En otras palabras, el software empresarial está evolucionando de una infraestructura operativa a una infraestructura de decisión, lo que requiere un mayor intercambio de datos, procesos, e inteligencia.
El problema es que muchas organizaciones siguen seleccionando software como si nada hubiera cambiado, mediante un proceso basado principalmente en la comparación de listas funcionales con un alcance limitado a una sola aplicación. Dejan de lado los requerimientos y el efecto que tiene la incorporación de la IA en el contexto de la arquitectura empresarial completa, especialmente en dos áreas: los datos, y la integración de sistemas. Para ser eficientes, los sistemas deben tener una base operativa sólida que garantice el acceso inmediato, seguro, y gobernado a los datos, procesos, y decisiones. Entonces…
Los datos
En general, la IA no falla por falta de algoritmos sofisticados, falla porque las organizaciones carecen de ambientes de datos accesibles, gobernados, contextualizados e interoperables. Es aquí donde muchos procesos de evaluación siguen siendo sorprendentemente superficiales.
Un proveedor de software puede ofrecer demostraciones espectaculares con IA generativa durante una presentación comercial. Sin embargo, pocas organizaciones hacen las preguntas realmente importantes:
• ¿Cómo se gobiernan los datos?
• ¿Qué tan abierta es la arquitectura?
• ¿Qué tan extensible es la integración?
• ¿Las capacidades inteligentes realmente pueden escalar entre áreas?
• ¿Existe interoperabilidad real entre sistemas?
Con frecuencia, estas preguntas son mucho más importantes que la existencia de un chatbot dentro de la interfaz. Porque la IA sin madurez de datos corre el riesgo de convertirse en mero teatro organizacional. Y el mercado ya está lleno de organizaciones aparentando inteligencia en lugar de convertirla en un activo real.
La integración dejó de ser opcional
Durante años, la integración se veía como un problema técnico secundario. Hoy es probablemente una de las capacidades estratégicas más importantes dentro de una arquitectura empresarial moderna.
Para que sea realmente eficiente, la IA necesita un contexto adecuado; el contexto adecuado depende de la interoperabilidad, y esta, a su vez, depende de la integración. Esto se hace especialmente evidente en organizaciones híbridas que combinan sistemas on-premises y en la nube.
Por ejemplo, una empresa de manufactura puede operar con un ERP en la nube, sistemas MES en planta, plataformas analíticas separadas y aplicaciones especializadas por área. Agregar IA a entornos desconectados no crea inteligencia, simplemente crea múltiples motores de predicción aislados y, por consecuencia, incompletos o erróneos.
Es por eso por lo que las API (Application Programming Interfaces), arquitecturas orientadas a eventos, capas semánticas y gestión lógica de datos están dejando de ser iniciativas opcionales de modernización para convertirse en elementos fundamentales de preparación para la IA.
Sin embargo, la ironía es que muchas organizaciones siguen priorizando las experiencias visuales de IA, mientras dejan de invertir precisamente en las capas invisibles que hacen posible la inteligencia sostenible. El mercado ama las demos, pero la arquitectura determina los resultados.
Por si fuera poco, la llegada de la IA agéntica
Quizá uno de los cambios más importantes del último año es el crecimiento de la IA agéntica dentro del software empresarial, en donde un agente virtual con capacidades de IA es capaz de planificar y ejecutar parte o un proceso completo sin intervención humana.
La automatización tradicional ejecuta flujos predefinidos, la IA agéntica evoluciona hacia una ejecución orientada a objetivos. Imaginemos un “agente” capaz de detectar retrasos en la cadena de suministro, evaluar proveedores alternativos, recalcular entregas y actualizar automáticamente el ERP.
Tecnológicamente, esto ya es posible, pero también introduce enormes retos en materia de gobernanza y, por supuesto, refuerza la necesidad de contar con datos e integración eficientes.
La cuestión ya no es si un sistema puede automatizar tareas, sino si la organización puede confiar en que el sistema tome decisiones operativas por sí mismo.
La gobernanza de la IA ya no puede verse como un simple requisito de cumplimiento normativo, sino que se está convirtiendo en una necesidad operativa. Pero, sin una base sólida (datos, procesos e infraestructura), el riesgo de fracaso es mayor.
Cuanta más autonomía tienen los sistemas, más riesgosas se vuelven las debilidades de la arquitectura de sistemas.
¿Entonces?
Actualmente existe una idea equivocada y, en ocasiones, hasta riesgosa, que se está propagando en el mercado empresarial: la creencia de que adoptar herramientas de IA convierte automáticamente a una organización en inteligente. Desafortunadamente, no es así.
Lo que realmente crea organizaciones inteligentes es la capacidad de construir arquitecturas en las que los datos, sistemas, procesos, gobernanza y modelos de decisión (IA) trabajen de manera cohesiva.
La IA no es el destino. El destino es eficiencia, adaptabilidad, resiliencia y mejor capacidad de decisión. Y la IA es uno de los mecanismos que puede habilitar ese futuro.
Una realidad incómoda que muchas organizaciones todavía evitan afrontar es que: Las decisiones de software que se toman hoy ya no son compras tecnológicas de corto plazo, sino compromisos arquitectónicos a largo plazo.
En la era de la inteligencia, las organizaciones ya no solamente seleccionan sistemas, sino que también definen su capacidad futura para competir.
