La inteligencia artificial dejó de ser una promesa abstracta para convertirse en una exigencia operativa dentro de las grandes compañías. Pero, más allá de la presión por incorporar modelos generativos y asistentes inteligentes, la pregunta que domina las agendas de los CEO y líderes tecnológicos es otra: qué proyectos ya generan valor real, cómo se integran en la operación y bajo qué condiciones pueden escalar sin abrir riesgos de seguridad o gobernanza.

Ese fue el eje de una reunión privada realizada en agosto en el Hotel Llao Llao, en Bariloche. Organizada por Conexa y Muttdata, e impulsada por Amazon Web Services (AWS), la cumbre reunió a 20 ejecutivos C-level y vicepresidentes de compañías vinculadas con fintech, retail y plataformas de Sudamérica.

El formato fue cerrado y por invitación. La idea fue reunir a decisores de empresas de distintos sectores para intercambiar experiencias sobre un desafío que hoy atraviesa a organizaciones de toda la región: dónde aplicar inteligencia artificial, qué infraestructura es necesaria para hacerlo y qué iniciativas logran generar retorno económico.

Las conversaciones combinaron una mesa redonda ejecutiva con actividades en el Cerro Catedral. Pero el principal objetivo fue alejarse del discurso general sobre IA y concentrarse en la implementación. En particular, los asistentes discutieron los casos de uso que ya están en funcionamiento, las dificultades técnicas y organizacionales que surgen al desplegar modelos en producción y las condiciones que permiten integrar estas herramientas con sistemas corporativos existentes.

El desafío de la IA agéntica

Uno de los temas centrales fue la IA agéntica: sistemas capaces de operar con mayor autonomía, ejecutar tareas, interactuar con aplicaciones y conectar información proveniente de distintas fuentes para completar procesos empresariales.

El debate giró en torno a qué son estos agentes, cómo implementarlos de forma adecuada y cómo conectarlos con otros sistemas mediante APIs y MCP, el protocolo de contexto para modelos. La conclusión compartida fue que la tecnología, por sí sola, no resuelve el problema. Para que un agente funcione de manera productiva, segura y gobernada, las compañías necesitan construir primero una base sólida de datos.

Esos "cimientos de datos" —o data foundations— determinan la calidad de la información que un modelo puede consultar, la trazabilidad de sus decisiones, el control de accesos y la capacidad de auditar su desempeño. Sin esa arquitectura previa, la IA puede generar demostraciones llamativas, pero difícilmente se convierta en una herramienta confiable para procesos críticos.

Durante el encuentro se compartieron aciertos y errores en el armado de ecosistemas de datos. La discusión incluyó qué compañías lograron integrar correctamente sus fuentes de información y cuáles enfrentan mayores obstáculos a la hora de desplegar agentes, ya sea por bases fragmentadas, sistemas heredados, falta de gobernanza o una definición insuficiente de los problemas de negocio que la herramienta debe resolver.

"Nosotros estamos acostumbrados a escuchar los desafíos de las grandes empresas al aplicar IA. Sabemos que los C-levels están presionados para implementar IA, es nuestro día a día. Pero lo interesante de esta oportunidad fue poder charlar en un ambiente distendido y que, más allá de compartir nuestra experiencia en la materia, se creó un espacio de colaboración entre colegas", señaló Mateo de Monasterio, CRO y cofundador de Muttdata.

Datos, integración y retorno

El encuentro también reflejó una transformación en la demanda corporativa. Las empresas ya no buscan solamente probar modelos generativos o lanzar chatbots internos. El foco se desplaza hacia la integración de la IA con productos, servicios, canales de atención, operaciones y procesos de decisión.

Muttdata, una compañía de origen argentino especializada en soluciones de datos e inteligencia artificial para corporaciones, fue una de las organizadoras. La empresa recibió recientemente una ronda de inversión de Databricks y de firmas estadounidenses de capital de riesgo, según información de los impulsores del evento.

Conexa, el otro organizador, se presenta como un partner tecnológico especializado en integraciones y desarrollo de productos a medida. Su plataforma Unified API, potenciada por IA, conecta más de 250 APIs en una sola integración. Según la empresa, permite reducir costos hasta 70% y acelerar tres veces el tiempo de salida al mercado.

AWS participó a través de Juan Pablo Mongini, líder de especialistas de IA para el sur de América Latina. La presencia de la compañía estadounidense aportó la mirada de uno de los principales proveedores globales de infraestructura en la nube para modelos, almacenamiento, cómputo y aplicaciones de inteligencia artificial.

La discusión que sigue

Además de los desafíos tecnológicos, el grupo abordó los límites éticos de la IA, los horizontes de desarrollo y las salvaguardas necesarias para proteger la información de personas y empresas. En un contexto donde los modelos pueden acceder a datos sensibles, automatizar decisiones y ejecutar tareas en nombre de usuarios, la gobernanza deja de ser un complemento legal para convertirse en una condición de negocio.

"La Inteligencia Artificial nos está permitiendo agilizar integraciones complejas y desarrollar productos tech con una eficiencia inédita. Nuestro verdadero diferencial es el entendimiento del negocio de nuestros clientes; nunca fuimos un proveedor, somos un aliado estratégico a largo plazo", afirmó James Daintree, CEO y fundador de Conexa.

Daintree agregó: "Este viaje es el resultado de esa visión. Reunimos a 20 CEOs y VPs de la región, junto a referentes de AWS, para salir del ruido diario y bajar a la tierra proyectos concretos que realmente aceleren su crecimiento".

La cumbre de Bariloche expuso una preocupación que se repite en directorios y áreas tecnológicas de América Latina: la ventaja no estará necesariamente en quién anuncie antes una iniciativa de IA, sino en quién logre conectar datos, infraestructura, talento y procesos de negocio para convertir esa tecnología en productividad medible.