La inteligencia artificial empieza a atravesar una nueva etapa en las empresas: después de la experimentación, el desafío es incorporarla a las operaciones cotidianas, con resultados medibles y sin perder el control sobre los datos, la seguridad y la infraestructura. Esa fue una de las principales conclusiones del Red Hat Summit: Connect 2026, que reunió a 400 asistentes, entre líderes de negocios, especialistas técnicos y tomadores de decisiones, en el Hotel Alvear Icon de Buenos Aires.

Bajo la consigna "El poder de elegir", el encuentro organizado por Red Hat puso el foco en cómo las organizaciones pueden escalar sus iniciativas de inteligencia artificial, modernizar sus sistemas y mantener la autonomía tecnológica en un escenario de aceleración de la innovación.

"Hace exactamente un año hablábamos del miedo a quedarnos afuera de la ola de la inteligencia artificial. Hoy, en nuestras conversaciones con los clientes, el desafío es otro: cómo industrializarla de manera responsable, con impacto concreto en el negocio y en los servicios que brindan", señaló Jorge Payró, country manager de Red Hat para Argentina y director regional de Cono Sur.

Para el ejecutivo, pasar de las pruebas aisladas a una implementación extendida requiere resolver varios desafíos en simultáneo. La calidad y la gobernanza de los datos son el punto de partida, pero también entran en juego la infraestructura, la capacidad de procesamiento, los costos y la integración con los sistemas que las empresas ya utilizan.

Agentes de IA: de responder preguntas a ejecutar tareas

Uno de los cambios que comienza a transformar el funcionamiento de las empresas es la evolución de la inteligencia artificial hacia sistemas capaces de actuar de manera autónoma. En lugar de limitarse a responder consultas, los agentes pueden intervenir en procesos, ejecutar tareas y tomar decisiones dentro de determinados parámetros.

"Cambia el rol de la inteligencia artificial: deja de ser una herramienta que alguien consulta y pasa a ser un actor dentro de los procesos. El software ya no espera órdenes, toma la iniciativa y resuelve tareas en forma autónoma", explicó Payró.

La posibilidad de delegar tareas en estos sistemas abre oportunidades para automatizar procesos y mejorar la productividad, pero también plantea nuevos interrogantes sobre seguridad, responsabilidad y supervisión. Si un agente actúa en nombre de una compañía, la organización necesita conocer qué información utiliza, cuáles son sus límites y cómo auditar sus decisiones.

Por eso, Payró considera que la gobernanza de los datos se convirtió en una ventaja competitiva. "Si un agente va a actuar en nombre de la empresa, la organización necesita saber con qué datos trabaja, bajo qué reglas y cómo puede auditar lo que hizo", sostuvo.

En esa línea, mencionó el proyecto de código abierto asago, desarrollado por Red Hat junto con IBM Research, NVIDIA, Microsoft, MIT Lincoln Laboratory y otras organizaciones. La iniciativa busca traducir marcos regulatorios y estándares de inteligencia artificial en controles operativos auditables.

El ejecutivo también destacó la participación de Red Hat en la Open Secure AI Alliance, junto con NVIDIA, orientada a fortalecer la seguridad de las distintas capas de la inteligencia artificial, desde los modelos hasta los agentes.

La discusión empieza así a desplazarse desde las capacidades de los modelos hacia las condiciones necesarias para utilizarlos de manera segura y sostenida dentro de las organizaciones.

Infraestructura, costos y gobernanza: las condiciones para escalar

La implementación de inteligencia artificial también modifica las prioridades tecnológicas de las empresas. Según Payró, el foco ya no está únicamente en entrenar modelos, sino en ejecutarlos de forma continua y en tiempo real. "Lo segundo es la infraestructura y la capacidad de procesamiento. El foco pasó de entrenar modelos a ponerlos a trabajar todos los días, lo que llamamos inferencia", explicó.

En ese escenario, el costo de la tecnología no puede analizarse de manera aislada. La elección de la infraestructura, la disponibilidad de capacidad de procesamiento, la seguridad y el control sobre los datos forman parte del diseño de las soluciones.

Durante el encuentro, Red Hat presentó junto con Lenovo e Intel el enfoque AI Factory, que combina infraestructura, hardware acelerado y software abierto para facilitar el desarrollo y la ejecución de aplicaciones de inteligencia artificial.

La propuesta apunta a que las organizaciones puedan escalar sus proyectos considerando el rendimiento, la eficiencia de costos, la seguridad y la gobernanza, sin quedar atadas a una única alternativa tecnológica. La posibilidad de elegir cómo combinar entornos, plataformas e infraestructura busca evitar que las empresas dependan de un solo proveedor o de una arquitectura difícil de modificar a medida que cambian sus necesidades.

Qué sectores lideran la adopción de IA en Argentina

En el mercado local, las entidades financieras y las empresas de telecomunicaciones aparecen entre los sectores más avanzados en la incorporación de inteligencia artificial, de acuerdo con la experiencia de Red Hat.

"Los bancos y las telcos usan nuestra plataforma OpenShift AI como base para motores de recomendación, detección de fraude en tiempo real y optimización de redes", detalló Payró.

La disponibilidad de grandes volúmenes de datos y la necesidad de responder con rapidez a las demandas operativas explican parte de ese avance. En el sector financiero, por ejemplo, la IA puede contribuir a identificar operaciones sospechosas y personalizar servicios, mientras que en las telecomunicaciones permite optimizar el funcionamiento de las redes.

La industria también comienza a ganar protagonismo, con aplicaciones vinculadas con el mantenimiento predictivo, la optimización de la cadena de suministro y el control de calidad automatizado. En estos casos, una de las posibilidades es desplegar y entrenar modelos directamente en las fábricas, cerca de los equipos y procesos que generan los datos.

En retail, las aplicaciones incluyen la personalización de experiencias, la gestión de inventarios y la optimización de precios, a partir de la integración de información procedente de canales físicos y digitales.

En el sector público, Payró mencionó el caso de la Provincia de Buenos Aires, que desarrolló su Nube Provincial sobre OpenShift para digitalizar el Estado y modernizar sistemas críticos, como GDEBA. Esa infraestructura sienta las bases para incorporar nuevas capacidades de automatización e inteligencia artificial.

La diferencia entre las organizaciones que ya implementan estas tecnologías y las que todavía experimentan, según el ejecutivo, no reside solamente en el acceso a los modelos. También depende de la capacidad para integrarlos a una estructura tecnológica existente, ordenar los datos y medir los resultados.

"El que experimenta sigue con pruebas puntuales, muchas veces empujado por el miedo a quedarse afuera. El que implementa ya construyó una base tecnológica que integra sus sistemas existentes, tiene sus datos bajo control, sabe dónde y cómo corre su IA, y mide el resultado en términos de negocio", afirmó.

Esos resultados pueden evaluarse a partir de indicadores como la satisfacción del cliente, el retorno de la inversión, la velocidad de salida al mercado y la eficiencia operativa.

El desafío, entonces, no consiste simplemente en incorporar inteligencia artificial, sino en convertirla en una capacidad transversal de la organización. Para Red Hat, el código abierto y la flexibilidad tecnológica son parte de la respuesta: permiten integrar nuevas herramientas sobre las plataformas existentes y adaptar las decisiones de infraestructura a las necesidades de cada negocio.