En la conversación global sobre inteligencia artificial abundan los tecnólogos, los papers, los lanzamientos y las promesas. Pero cuando la discusión baja del escenario al tablero real de una empresa, la pregunta deja de ser qué modelo es mejor y pasa a ser otra: cómo se transforma una organización de verdad. Mary Elizabeth Porray, Global Vice Chair, Client Technology & COO, Growth and Innovation de EY, viene justamente de ese cruce entre negocio, personas y tecnología, y por eso su mirada sobre el nuevo momento de la IA resulta especialmente interesante. 

Porray no llegó a este lugar desde una carrera puramente técnica. En EY, donde lleva casi tres décadas, pasó por distintas unidades de negocio, desde seguros e impuestos hasta consultoría, con una especialización marcada en transformaciones de gran escala, diseño organizacional y gestión del cambio. Uno de los hitos de ese recorrido fue su paso por India, donde ayudó a expandir  EY Global Delivery Services (GDS) en un período de fuerte crecimiento para EY. Allí, cuenta, la organización pasó de unos 17.000 a 50.000 empleados, en una etapa en la que todavía no se hablaba de agentes autónomos, pero sí de automatización, machine learning y productividad.  

Esa trayectoria explica parte de su tesis actual: la tecnología sola no transforma nada. “La tecnología por sí misma no te lleva a ningún lugar”, comenta Porray. O, en otras palabras, la fascinación por la herramienta vale poco si no está conectada con el problema de negocio correcto. En EY, esa premisa la llevó a ocupar un rol poco habitual: liderar la división de Client Technology sin venir del perfil clásico de ingeniera. La razón, según le dijeron al convocarla, era justamente esa capacidad de traducir lo tecnológico al lenguaje del negocio y evitar que la innovación quede encapsulada en un laboratorio sin impacto.  

Ese enfoque hoy gana relevancia porque la IA empresarial está entrando en una nueva fase. Si en los últimos años el gran fenómeno fue el de los copilots, asistentes y chatbots capaces de responder preguntas o ayudar en tareas puntuales, Porray ve que ahora el salto es hacia “agentes, así en plural”: sistemas que no solo contestan, sino que trabajan entre sí, toman decisiones dentro de marcos definidos, recorren workflows completos y validan resultados. En lugar de una interacción uno a uno entre humano y modelo, aparece una lógica más parecida a una red de agentes coordinados, con distintos objetivos y funciones dentro de un mismo proceso.   @@FIGURE@@

La diferencia no es menor. Para Porray, el cambio fuerte del último año es que la IA dejó de ser un conjunto de prompts estáticos. Antes una persona hacía una consulta y recibía una respuesta. Ahora se pueden cargar procesos completos, dejar que el sistema recorra distintas etapas y revisar el resultado al final, sin intervención humana constante en cada paso. Eso no implica sacar a las personas de escena, aclara, sino cambiar su rol: pasar de estar “in the loop” todo el tiempo a estar “on the loop”, supervisando, auditando y corrigiendo cuando hace falta. En áreas sensibles como compliance, auditoría, finanzas o análisis documental, esa distinción es decisiva.  

En su descripción, el límite entre lo que es posible y lo que antes parecía impensable parece estar cambiando a un ritmo notable. Porray explica que dentro de la organización se escuchan cada vez más ejemplos concretos: tareas que antes requerían largos períodos ahora pueden completarse mucho más rápido; procesos que solían ser extensos y complejos se están volviendo más ágiles; y los proyectos a gran escala, en algunos casos, se entregan en mucho menos tiempo que antes. Estas son afirmaciones que, señala, aún pueden resultar difíciles de comprender plenamente, incluso cuando se observan de primera mano. Y, sin embargo, esa aceleración no elimina un desafío conocido para las grandes empresas: encontrar formas efectivas de integrar nuevas capacidades con la infraestructura, los controles y la cultura existentes. 

Ahí aparece uno de los puntos más interesantes de su mirada. Para ella, muchas compañías siguen trabadas en “pilot mode”, y eso no necesariamente está mal: hacer pilotos es la mejor manera de empezar y de aprender. El problema empieza cuando se confunde aprendizaje con transformación. Un piloto puede mostrar que algo funciona, pero eso no significa que escale. Lo que convierte a la IA en una capacidad empresarial, dice Porray, es su inserción exacta en workflows, procesos, permisos, reglas de negocio y sistemas heredados. Y en ese trayecto, el gran obstáculo no suele ser tecnológico. “El gran desafío, es si el negocio está listo para cambiar, si tiene capacidad, gobernanza y voluntad para adoptar una nueva forma de trabajar” plantea Porray.  

La confianza es el otro gran tema. En una firma como EY, donde se trabaja sobre auditoría, impuestos, transacciones y consultoría, equivocarse no es una opción: es un riesgo reputacional y regulatorio directo. Por eso Porray insiste en que la confianza digital no se construye solo con promesas, sino con estructura. En la entrevista dio un ejemplo potente: así como puede existir un agente que procese pagos, también puede existir otro que atraviese horizontalmente todo el proceso y actúe como auditor del primero, verificando si el flujo siguió el camino correcto y detectando anomalías. Es casi una réplica algorítmica del viejo modelo de aprendizaje profesional: un junior ejecuta, un senior revisa. Solo que ahora ambos roles pueden estar representados por agentes distintos, con objetivos diferentes y supervisión humana por encima.   @@FIGURE@@

Ese punto conecta con otro debate central de 2026: el del gobierno de los agentes. A medida que los agentes interactúan entre sí y operan sobre sistemas empresariales, se vuelve crítico definir identidad, acceso, monitoreo, auditabilidad y escalamiento. En otras palabras, no alcanza con tener un buen modelo; hay que decidir qué puede ver un agente, qué puede hacer, con qué credenciales actúa, qué queda registrado y quién responde cuando algo sale mal. La transparencia, el seguimiento de cada etapa, la privacidad y el uso aceptable dejan de ser anexos legales y pasan a ser parte del diseño mismo.  

Esa preocupación no es solo teórica. EY informó recientemente que la adopción de IA avanza más rápido que la confianza: en su AI Sentiment Report 2026, el 84% de las personas encuestadas dijo haber usado IA en los últimos seis meses y un 16% ya utilizó sistemas que actúan en su nombre, lo que sugiere que la autonomía empezó a salir del laboratorio y entrar en la vida real. Pero al mismo tiempo, dos tercios de los consultados siguen preocupados por hackeos, control y supervisión humana.  

Por eso, en el mundo corporativo, la discusión sobre talento tampoco se parece a la de hace un año. Según cuenta Porray, la pregunta de los empleados ya no es solamente si la IA les va a sacar el trabajo. En sus encuentros recientes, incluso en Argentina, empezó a escuchar una inquietud distinta y más sofisticada: cómo se aprende a trabajar al lado de agentes autónomos, qué pasa con el expertise humano cuando parte del trabajo se automatiza, y cómo se forma a los perfiles junior si muchas de las tareas iniciales ya las puede hacer una máquina.  

Su respuesta no es negar el cambio, sino redefinir qué valor humano gana peso. Si antes el cuello de botella estaba en codificar, ahora ese cuello de botella se corre hacia otro lado: entender mejor el problema, trabajar en equipo, desarrollar criterio, empatía, inteligencia emocional y capacidad de negocio. De hecho, Porray dice que en EY están pensando cómo hacer que sus engineers sepan más del negocio para poder moverse “más arriba en la cadena” y no quedar confinados a una tarea técnica que cada vez consume menos tiempo humano. Cuanto mejor comprendan el problema del cliente, sostiene, mejores productos van a construir.  

Ese giro también dialoga con algo que está apareciendo en la propia investigación de EY. En un estudio sobre Agentic AI en el lugar de trabajo, 84% de los empleados dijeron estar dispuestos a adoptar estos sistemas, pero 56% admitió preocuparse por su propia seguridad laboral, y una gran mayoría aseguró que está aprendiendo a convivir con agentes por fuera del trabajo y de manera autodidacta. La tensión ya no parece ser rechazo frontal, sino entusiasmo mezclado con ansiedad y falta de guía.  

La propia experiencia interna de EY ayuda a entender cómo Porray lee esta transición. La firma comenzó a invertir de forma más sistemática en IA en 2017, construyó capacidades de datos y gobierno, y llegó a desarrollar su propio modelo, no para competir contra los hyperscalers sino para probar dentro de la organización que podían crear una experiencia de IA útil y confiable para sus profesionales.  
 
El desafío de la IA lleva a tiempos como los del Microsoft Office que fue la herramienta de más rápida adopción en la historia de la firma, una señal de que la demanda interna ya estaba allí.  En EY sigue usando esa experiencia como proof point, pero migra cada vez más hacia modelos de hyperscalers, entendiendo que su negocio no es fabricar foundation models sino integrarlos con sentido en procesos empresariales.  

En ese marco, el debate sobre empleo merece una lectura menos lineal. Porray no niega que estamos en una revolución comparable con la computadora personal o incluso con la Revolución Industrial. Pero desconfía de las proyecciones más extremas que imaginan empresas reducidas drásticamente en muy poco tiempo. Desde su visión, la tecnología puede ir muy rápido, pero sociedad, gobiernos y negocios no necesariamente acompañan a la misma velocidad. 

El ejemplo que recuerda Porray es el de los autos autónomos: desde el punto de vista técnico pueden parecer listos, pero las ciudades, los reguladores y la opinión pública todavía imponen límites. Con la IA empresarial, cree, ocurrirá algo parecido. La transformación llegará, pero más negociada, más gradual y atravesada por reglas, validaciones y consideraciones de bienestar humano.  

En esa lectura también hay una ventana de oportunidad para la Argentina. Al final de la charla, cuando se la consultó por el país, Porray eligió una palabra: “curiosity”. Dijo que, entre los muchos lugares a los que le toca viajar, encuentra en la fuerza laboral argentina una combinación particularmente valiosa de curiosidad, energía y disposición a probar cosas nuevas. “En la era de la IA, esa curiosidad no es un rasgo blando sino una ventaja competitiva”, comenta Porray. Porque cuando el conocimiento técnico se vuelve cada vez más asistido por herramientas, la diferencia pasa más por quién hace mejores preguntas, quién se anima a explorar y quién logra conectar la tecnología con un problema real.  

Tal vez ahí esté, en el fondo, la clave de su diagnóstico. En la era de los agentes, el centro de gravedad ya no está solo en el LLM ni en el código. Está en la arquitectura de confianza, en la preparación del negocio y en la capacidad humana de reorganizarse alrededor de una nueva forma de producir. Para una firma como EY, eso significa convertir la IA en “drinking water”, algo cotidiano, seguro y útil. Para las empresas, la señal que reciben desde EY es clara: el futuro no proviene de más demos; deben tomar el desafío de insertar a la IA en el corazón mismo de su negocio.