Hay un punto, en toda tecnología de propósito general, donde deja de ser una demostración y se vuelve infraestructura.
La electricidad lo cruzó cuando pasó de iluminar salones a mover fábricas. Internet, cuando dejó de ser el lugar donde leíamos para convertirse en el lugar donde trabajábamos. La inteligencia artificial está atravesando ese umbral ahora mismo, y lo hace más rápido de lo que casi todos preveíamos.
Durante tres años convivimos con una IA que conversaba: redactaba, resumía, respondía. Valiosa, pero pasiva. Esperaba nuestra pregunta. Lo que cambió este año es la naturaleza misma de la herramienta. La IA agéntica no espera. Recibe un objetivo, lo descompone en tareas, consulta los sistemas de la empresa, decide dentro de los límites que nosotros definimos y entrega un resultado terminado. Dejó de ser un copiloto que sugiere para ser un equipo que ejecuta.
Lo escribo desde el terreno, no desde el paper. En Skater Elephant venimos desplegando agentes en operaciones reales, con clientes que tienen números que cuidar y procesos que no pueden fallar. El caso que más me enseñó este año es paradigmático: una compañía con 122 años de historia, “La Voz del Interior”, parte de un grupo de más de 30.000 empleados, que decidió poner agentes de inteligencia artificial a trabajar sobre tareas concretas de su operación diaria. Si una empresa que ya atravesó dos siglos, guerras y crisis puede repensarse desde la IA, el argumento de “mi industria es distinta” se queda sin piso. Y la lección es clara: el valor no aparece cuando la IA hace algo espectacular una vez; aparece cuando hace algo aburrido, bien, todos los días, sin cansarse.
Esa distinción es la que muchos directorios todavía no terminan de ver. Se entusiasman con la demo y subestiman la operación. Pero el retorno de la IA agéntica no está en el asombro, está en la repetición confiable: el reporte que antes tomaba una tarde y ahora está listo en minutos, la consulta que se resuelve sin escalar a una persona, el proceso que corre de noche y amanece hecho.
Cómo se construye una empresa AI First
¿Y cómo se hace, en concreto? Después de recorrer este camino con empresas de todo tamaño, destilamos el proceso en seis pasos que se repiten en cada caso exitoso:
Dupla.
Un ingeniero de IA y un experto del negocio trabajan juntos desde el día uno. No consultores que observan desde afuera: equipos mixtos donde el que sabe de tecnología y el que sabe “cómo se gana dinero” comparten la mesa.
Inmersión.
Antes de proponer nada, hay que meterse en el trabajo real. Acompañar a la gente que lo hace, entender el flujo completo, con sus excepciones y sus “mañas”. El organigrama nunca cuenta la verdad; el terreno sí.
Priorización.
No se automatiza por automatizar. Se identifican las oportunidades de mayor impacto —donde se pierde más tiempo, más plata o más decisiones— y se ataca primero lo que mueve la aguja.
Construcción.
Los agentes se construyen contra los sistemas reales de la empresa, no en un entorno de juguete. Lo que no funciona conectado a la operación verdadera, no funciona.
Validación.
Se valida con los usuarios finales, se mide el impacto con números y se itera rápido. Si no se puede medir, no se puede defender frente al directorio.
Escala.
Lo que probó ahorrar tiempo y mejorar decisiones se despliega al resto de la organización. Recién ahí el piloto se convierte en ventaja.
La clave del proceso está en algo que suele pasar desapercibido: no se trata de automatizar tareas sueltas, sino de rediseñar workflows completos alrededor de la IA, junto a las personas que los ejecutan. Esa diferencia —sutil en el papel, enorme en los resultados— es la que separa a la empresa AI First de la que colecciona pilotos.
Sobre qué herramientas usar: el mercado empuja hacia dos extremos igual de riesgosos. De un lado, las hiperplataformas —del tipo Salesforce o Microsoft— que resuelven pero “te encorsetan”: sus reglas, sus tiempos, sus costos. Del otro, las automatizaciones un tanto más “ligeras” estilo n8n, que impresionan en una demo y son difíciles de escalar cuando la operación aprieta en serio. Nuestra tesis, probada en el terreno, es que el valor está en la capa intermedia: herramientas que viven entre esos dos mundos, elegidas con criterio de negocio y con la responsabilidad de que funcionen en producción, todos los días.
Durante décadas, América Latina consumió tecnología que se pensaba en otro lado. Con los agentes, por primera vez, la distancia entre entender el negocio local y construir la solución se acortó tanto que la ventaja puede quedar de este lado. Y si tuviera que dejarle una sola idea a un CEO que lee esto, sería esta: la pregunta ya no es si su empresa va a usar IA. Es si va a tener una estrategia de agentes o va a improvisarla cuando la competencia ya la tenga. Esa decisión no se delega en el área de sistemas: es una decisión de negocio, estrategia y cultura, porque redefine cómo se hace el trabajo y los perfiles que se necesitan alrededor de la tecnología como la estrategia, el producto, la experiencia y el negocio entre otros.
Soy optimista, con los pies en la tierra. Esta tecnología no reemplaza el criterio: lo escala. No borra a los equipos: los libera de lo que los agota para dejarlos en lo que de verdad aporta valor, el vínculo con el cliente, la decisión difícil, la idea nueva.
Fabio Farchetto es Contador Público y Magíster en Transformación Digital de Negocios. CEO y fundador de Skater Elephant, con base en Córdoba (Argentina) y operación en Paraguay, actualmente lidera la transformación digital de empresas que van desde compañías con más de 100 años de historia hasta startups recién creadas.