De la infraestructura al impacto real: por qué la próxima generación de IA requiere una arquitectura orientada al negocio

 

Por: Alexandre Duarte, vicepresidente de Servicios para Latinoamérica en Red Hat

 

La inteligencia artificial atraviesa una fase decisiva. Tras años de experimentación, entusiasmo y grandes inversiones, el debate empresarial ha cambiado de tono. La pregunta ya no es si se adopta la IA, sino si realmente ella genera un impacto medible en los resultados.

 

Recientemente, en una conversación con una gran organización latinoamericana, escuché una frase que resume este momento: “Invertimos en IA. El modelo es potente. La demostración es excelente. Pero no estamos viendo un impacto real”. El problema no era tecnológico. Era estructural: la arquitectura no estaba alineada con los objetivos del negocio.

 

Este escenario no es aislado. En los últimos años, he trabajado con organizaciones de diferentes sectores en la región, acompañando sus procesos de adopción de IA en entornos moldeados por diferencias regulatorias, sistemas heredados y realidades multicloud. En todas ellas, el patrón se repetía: los modelos evolucionan más rápido que la arquitectura que los rodea.

 

Esta brecha es lo que determina si la IA se convertirá en una verdadera transformación del negocio o en un experimento costoso. Para dimensionarlo, datos del MIT muestran que solo el 5% de los proyectos piloto de IA integrada están generando valor para las empresas, mientras que la gran mayoría (95%) permanece estancada, sin impacto medible. Es decir, la IA está presente, pero no siempre integrada en la lógica central del negocio.

 

Infraestructura como punto de partida

Aunque los modelos de IA se están convirtiendo en commodities, la infraestructura subyacente representa un cuello de botella importante para obtener retorno de la inversión. En la primera ola de la transformación digital, el foco estuvo en la modernización de la infraestructura, con las empresas migrando a la nube y construyendo entornos escalables. Este movimiento fue esencial para habilitar la inteligencia artificial, pero no suficiente para garantizar valor.

 

La próxima fase de la IA exige algo más intencional: una arquitectura alineada con los resultados del negocio. Un estudio reciente de Gartner muestra que las empresas comienzan a comprender esta realidad. Las inversiones globales en IA crecerán un 44% este año, alcanzando los US$ 2,52 billones, y una parte considerable de ese total —alrededor de US$ 401 mil millones— se destinará a infraestructura.

 

En esta nueva generación de IA, los insights solo importan si impulsan acciones en el momento adecuado: en una conversación de ventas, durante una interacción de atención al cliente o dentro de una campaña de marketing personalizada. El valor real ocurre cuando infraestructura, datos, flujos de trabajo y experiencia del usuario están conectados de manera intencional.

 

La infraestructura aporta escala; la alineación de datos proporciona contexto; y la orquestación permite la ejecución. El desafío, por lo tanto, no está únicamente en la calidad del algoritmo, sino en la solidez de la base sobre la que opera.

 

Patrón recurrente en entornos corporativos

Un informe reciente de Deloitte sobre el estado de la IA en las empresas mostró que, aunque una parte significativa de ellas (42%) considera que su estrategia está bien preparada para la adopción de la IA, esta percepción disminuye cuando se trata de infraestructura computacional, gestión de datos y talento. El dato revela el desafío persistente de modernizar sistemas y capacidades al ritmo de la innovación.

 

En el caso mencionado anteriormente, la organización había implementado un modelo robusto para mejorar la resolución de problemas de los clientes. En el papel, parecía impresionante. Pero en producción no entregó los resultados esperados: la IA no lograba realmente “ver” al cliente.

La identidad estaba fragmentada entre sistemas. Marketing, ventas y soporte trabajaban con visiones distintas del mismo cliente. La ausencia de una fuente única y confiable de datos comprometía la capacidad de la IA para producir decisiones coherentes. El problema no era el modelo. Eran las fuentes de datos.

 

Cuando la conversación pasó de “¿Cómo podemos mejorar el modelo?” a “¿Cómo podemos unificar el perfil del cliente?”, todo cambió. La armonización de datos, la consistencia de APIs, la resolución de identidad y la gobernanza nativa se convirtieron en prioridades estratégicas. Fue en ese momento que la IA dejó de ser un recurso técnico y comenzó a actuar como un motor de crecimiento, mejorando el desempeño del negocio.

 

Brecha arquitectónica

Muchas empresas tratan la IA como algo que se añade a lo que ya existe. Se integra un modelo. Se lanza un piloto. La demostración funciona. Pero, debajo de esa capa, los mismos problemas estructurales permanecen: datos definidos de manera diferente entre sistemas, entornos aislados, integraciones inconsistentes, gobernanza añadida posteriormente y recorridos del cliente que no se conectan de extremo a extremo.

 

El resultado es predecible: pilotos sólidos, pero impacto corporativo limitado, mayor tiempo para generar valor y oportunidades de crecimiento perdidas.

 

La arquitectura orientada al negocio comienza por el camino inverso. Parte del resultado y trabaja hacia atrás: ¿qué decisión estamos mejorando? ¿Qué experiencia queremos transformar? ¿Qué métrica queremos mover? Es en ese momento cuando conectamos infraestructura y datos para hacer que el resultado sea real.

 

Arquitectura orientada al resultado

Con base en mi experiencia trabajando en entornos empresariales multinacionales, el valor sostenible de la IA depende de cuatro pilares centrales: una base tecnológica híbrida capaz de operar bajo diferentes regulaciones; una capa de datos confiable y gobernada; integraciones y APIs estandarizadas para transformar recomendaciones en acción; e inteligencia incorporada directamente en los flujos de trabajo donde se toman las decisiones.

 

En mercados como los latinoamericanos, donde las organizaciones operan en múltiples países bajo diferentes regulaciones y niveles de madurez tecnológica, esta coherencia arquitectónica se vuelve aún más crítica. El éxito no radica en implementar más modelos, sino en diseñar la IA como una capacidad estructural de todo el ecosistema y no como una herramienta aislada. Interoperabilidad, gobernanza y escala deben estar presentes desde el primer día.

 

La evolución de la agenda ejecutiva

En la última década resolvimos el “dónde” de la computación mediante la nube híbrida y arquitecturas distribuidas. Ahora enfrentamos el desafío del “cómo” de la inteligencia: cómo conectarla de forma segura, gobernada y orientada a métricas claras, alineadas con los objetivos del negocio.

Las organizaciones que tratan la IA como una capacidad arquitectónica y no como un experimento tecnológico construyen fundamentos sólidos y duraderos. La próxima generación de empresas líderes no estará definida solo por la sofisticación de los algoritmos, sino por la capacidad de transformar infraestructura en impacto operativo continuo.

 

Los modelos evolucionan rápidamente. Surgen nuevas técnicas a cada momento. Las arquitecturas bien diseñadas, sin embargo, permanecen, transformando la innovación en una ventaja competitiva sostenible a largo plazo.

 

Red Hat en Redes Sociales:

 

X: @redhatla               LK: @red-hat                IG: @redhatlatam                     #RHSummit