enActualidad.com

La inteligencia artificial empresarial necesita algo más que agentes

La inteligencia artificial empresarial no se resuelve sólo con agentes: hace falta un sistema con estado propio, según un análisis del transformer. El punto de partida es un documento histórico: el artículo “Attention Is All You Need”, publicado en2017. Redactado por ocho investigadores de Google, define la arquitectura Transformer que, entre otras cosas, se convirtió […]

enActualidad

Por enActualidad

22 NOV 2026 · 3 min de lectura · 220 lecturas

La inteligencia artificial empresarial necesita algo más que agentes
Imagen de demostración (Unsplash) · clic para ampliar.

La inteligencia artificial empresarial no se resuelve sólo con agentes: hace falta un sistema con estado propio, según un análisis del transformer. El punto de partida es un documento histórico: el artículo “Attention Is All You Need”, publicado en2017.

Redactado por ocho investigadores de Google, define la arquitectura Transformer que, entre otras cosas, se convirtió en la base de GPT y de gran parte de la oleada de inteligencia artificial generativa que le siguió.

La inteligencia artificial después del transformer

El avance de2017 permitió reorganizar por completo la computación en torno al mecanismo de autoatención, eliminando la recurrencia y facilitando enormemente el entrenamiento en paralelo. Al hacerlo, no se limitó a ampliar lo que ya existía, sino que transformó radicalmente la propia arquitectura.

En ese momento Google entendió la tecnología, pero subestimó la categoría que podía llegar a crear. OpenAI, fundada dos años antes de la publicación del artículo, supo ver su potencial a mayor escala y desarrolló GPT basándose en él. Los ocho autores terminaron abandonando Google: siete se convirtieron en fundadores de otras empresas y uno se unió a OpenAI.

El término “momento transformer” se refiere, en ese contexto, a un principio organizador cuya importancia, a largo plazo, supera con creces su aplicación inicial.

El agente no es la unidad organizativa

Un individuo, ya sea humano o artificial, puede realizar tareas; una empresa, además de eso, debe mantener un estado, coordinar capacidades especializadas, ejercer autoridad, recordar resultados y adaptarse a lo largo del tiempo.

El problema, según el análisis, es que cada proyecto basado en agentes reconstruye una y otra vez las mismas capacidades subyacentes —identidad, permisos, estado, políticas, evidencias, recuperación y aprendizaje— debido a la ausencia de una base común.

Si las previsiones de Gartner se cumplen, más del40% de los proyectos basados en agentes serán cancelados antes de finales de2027, ya sea por sus costes, por una propuesta de valor poco clara o por controles de riesgo inadecuados.

Lo que dice la encuesta de McKinsey

En una encuesta de McKinsey de2026, el80% de los encuestados señaló una mejora en la productividad individual, pero sólo el37% indicó una contribución positiva al beneficio antes de intereses e impuestos de la empresa, sin diferencias significativas respecto al año anterior.

“Poner al modelo o al agente en el centro conlleva el riesgo de optimizar el paradigma anterior en lugar de descubrir el siguiente”

— Enrique Dans

McKinsey señala, además, que las empresas con mejor desempeño suelen ser aquellas que rediseñan sus flujos de trabajo, en lugar de limitarse a integrar la inteligencia artificial en los procesos ya existentes.


La reacción de Google ante el Transformer ilustra el riesgo: la apresurada respuesta con Bard derivó en errores y en una pérdida de valor de mercado de aproximadamente100.000 millones de dólares en febrero de2023. El liderazgo en investigación no se traduce automáticamente en liderazgo de producto.

Comparte este artículo

enActualidad

Escrito por

enActualidad

Periodista de demostración: este perfil y sus textos son ficción, creados para validar el diseño. (Perfil ficticio.)

Te puede interesar

Comentarios 0

Los comentarios están cerrados.