Los últimos tres años de inteligencia artificial empresarial se centraron en lo que los modelos pueden decir. Los próximos tres girarán en torno a lo que los sistemas tienen permitido hacer. Este es un problema más complejo, y la mejora de los algoritmos por sí sola no lo resolverá.
La transición hacia operaciones autónomas exige una redefinición estratégica de la infraestructura tecnológica. En eventos recientes como el Networking Investor Day de Hewlett Packard Enterprise (HPE), se argumentó que la red ha dejado de ser una simple tubería para convertirse en infraestructura estratégica para la IA. Rami Rahim, ejecutivo clave de HPE Networking, señaló que la IA está remodelando la pila tecnológica, haciendo que la red sea más crítica. Para los inversores, esto es una historia de crecimiento; para los directores de tecnología (CTO) y de información (CIO), debe leerse como un cambio en el modelo operativo: la infraestructura que ejecuta la IA ahora debe ser capaz de administrarse a sí misma.
De la recomendación a la ejecución responsable
La inteligencia generativa ha convertido la obtención de insights en un requisito básico. La mayoría de las empresas ahora reciben más recomendaciones de las que pueden ejecutar. La pregunta ya no es si la IA puede generar análisis, sino si se puede confiar en un sistema para tomar acciones sin aprobación humana en cada paso.
Un modelo que redacta un correo electrónico incorrecto crea una situación incómoda. Un agente de IA que modifica una política de red, reenvía el tráfico o cuarentena un dispositivo por error puede dejar fuera de línea a toda la empresa. Las organizaciones más avanzadas no tratan la autonomía como un interruptor de encendido o apagado. La ven como un proceso evolutivo donde se automatizan categorías de acción de manera incremental.
La métrica tradicional de disponibilidad ("uptime") ya no basta. Sujai Hajela, de HPE, resumió esta filosofía con la frase: "Estar arriba no es lo mismo que estar bien". Una red puede estar completamente disponible y aún así ofrecer una mala experiencia de video o estancar una carga de trabajo de IA. Medir la salud de la infraestructura ha dado paso a medir los resultados del usuario y del negocio. Sin esta capacidad de diagnóstico desde la perspectiva del usuario, no se puede permitir que un sistema corrija problemas por su cuenta.
El caso de ServiceNow ilustra este punto. Sajeev Nair, director senior de servicios digitales, describió cómo la consolidación de herramientas redujo una carga de trabajo manual que antes tomaba entre 2.000 y 3.000 horas anuales a menos de 60 horas. El éxito en la era de los agentes se definirá por indicadores como las horas devueltas a los ingenieros o la reducción de incidentes en cola, no solo por la reducción de personal.
La seguridad como freno y acelerador
La red está dejando de ser solo conectividad para convertirse en la capa de identidad y políticas de la IA. Algoritmos como Claude Mythos de Anthropic han ayudado a identificar miles de vulnerabilidades críticas, demostrando que los atacantes también utilizan IA. Esto pone en riesgo equipos de red antiguos que carecen de características modernas de protección.
En muchas organizaciones, el director de seguridad (CISO) decidirá la velocidad a la que se implementan las operaciones autónomas, no el CIO. Los líderes de seguridad enfrentan un dilema dual: los agentes necesitan acceso a sistemas y datos, creando identidades no humanas que los modelos tradicionales de confianza cero no diseñaron para manejar; al mismo tiempo, los atacantes cuentan con herramientas impulsadas por IA.
David Hughes, de HPE, argumentó que la red puede actuar como sensor para detectar y contener amenazas, extendiendo la confianza cero a los agentes. Mi lectura es que la seguridad autónoma es tanto un riesgo como una defensa. Las operaciones de seguridad humanas no podrán seguir el ritmo de los ataques a velocidad máquina. Por lo tanto, el modelo de confianza que las empresas construyan para permitir la autonomía será el mismo que determinará su capacidad de defensa.
Los verdaderos obstáculos son humanos y operativos
Cuando se pregunta a los profesionales qué frena la IA agéntica, rara vez se menciona la calidad del modelo. Se escuchan barreras como datos fragmentados, infraestructura heredada, falta de claridad en la responsabilidad y, sobre todo, desconfianza. HPE describe la confianza en sus redes autodirigidas como basada en evidencia, mostrando al operador sus recomendaciones antes de actuar. Esto requiere telemetría limpia, algo que muchas organizaciones carecen.
Además, surge el tema de la tokenómica y el retorno de inversión. Muchos proyectos de IA agéntica se estancan porque los líderes deben demostrar que la autonomía reduce costos o genera nuevos ingresos, no solo que funciona en una prueba piloto. Niraj Patel, analista de Bloomberg Intelligence, abordará esta conversación crucial sobre rentabilidad.
Para los directivos que buscan pasar de pilotos a operaciones autónomas, recomiendo cuatro pasos concretos. Primero, definir niveles de autonomía claros: qué acciones son automáticas, cuáles requieren aprobación y cuáles deben permanecer manuales. Segundo, corregir los datos primero; la autonomía depende de una telemetría consistente y consolidada. Tercero, extender la confianza cero a los agentes de IA, aplicando políticas de mínimo privilegio a través de toda la red. Cuarto, retirar la infraestructura que no se pueda parchear antes de que sea explotada por ataques impulsados por IA.
La victoria en la operación autónoma no la dará el mejor modelo ni la mayor cantidad de procesadores gráficos. La ganarán las empresas que construyan la confianza, los datos y la infraestructura necesarios para permitir que la IA actúe con seguridad. Los eventos recientes muestran que la tecnología ha salido de las diapositivas, pero queda por ver si los líderes empresariales están alineados para implementarla.
