Hoy, los equipos tecnológicos en las organizaciones están sobrepasados por el volumen y la complejidad de los datos, el aumento de las amenazas cibernéticas y las crecientes demandas de infraestructura.

Como resultado, los equipos necesitan algo más que consejos de la IA. La IA agéntica marca la transición desde una IA que recomienda hacia una IA que actúa y ejecuta tareas. Las organizaciones que aún utilizan la IA como asesora están quedando atrás frente a aquellas que la utilizan como operadora.

Este cambio no es incremental. Representa una transformación estructural en la manera en que operan las tecnologías en las empresas, pasando de una función reactiva de soporte a una capa autónoma de ejecución.

Sin embargo, menos del 10% de las organizaciones han logrado escalar exitosamente agentes de IA en alguna función, según el informe State of AI 2025 de McKinsey & Company, lo que revela que, para la mayoría de las empresas, la brecha entre la ambición en IA y la realidad operativa sigue siendo amplia.

Qué es realmente la IA agéntica

La mayor parte de la IA en las empresas sigue siendo de carácter asesor. Se le hace una consulta y responde. La IA agéntica funciona de forma distinta: monitorea condiciones, aplica políticas definidas por humanos y actúa en nombre del usuario sin necesidad de esperar instrucciones directas.

Pero el nivel de autonomía otorgado a estos sistemas marca una diferencia enorme. El enfoque prudente consiste en comenzar en modo de recomendación antes de avanzar hacia una autonomía total. Así es como se establecen mecanismos de gobernanza, se prueban políticas, y se incorpora explicabilidad sobre los resultados y decisiones de la IA, antes de que aumenten los riesgos.

La supervisión y la auditabilidad son lo que hacen que la IA agéntica esté preparada para entornos empresariales. Aun así, solo una de cada cinco compañías posee un modelo maduro de gobernanza para agentes autónomos de IA, según Deloitte.

La IA agéntica también aporta valor de otra manera. La capacidad de cómputo se ha comoditizado, especialmente gracias a las GPU y la nube, y muchos algoritmos ya son de código abierto. Los datos son el único elemento del ecosistema tecnológico que sigue siendo tanto propietario como abierto.

Las organizaciones necesitan correlacionar, enriquecer y ajustar modelos de IA utilizando información propietaria que puedan controlar. Por eso los datos son tan críticos para la IA agéntica.

En una era donde los modelos son cada vez más intercambiables, la calidad, gobernanza y accesibilidad de los datos empresariales se convierten en los verdaderos diferenciadores.

El problema de la base de datos

Estas brechas de gobernanza apuntan a un problema más profundo: los datos. Si la base no es sólida, incluso los sistemas agénticos más sofisticados fracasarán. La IA agéntica solo puede actuar responsablemente si tiene acceso gobernado a datos confiables. Para entender esto, es necesario examinar las tres fases diferenciadas por las que la IA atraviesa dentro de una organización.

• Preparación de datos: Los datos se integran en un “lago de datos” capaz de manejar fuentes estructuradas y no estructuradas, escalar desde petabytes hasta exabytes y mantener una estructura de costos acorde a su volumen.
• Entrenamiento del modelo: Un subconjunto curado de esos datos se somete a procesamiento intensivo. Aquí, las exigencias de infraestructura cambian desde la escala hacia la capacidad de procesamiento.
• Inferencia: El modelo entrenado se despliega, muchas veces en múltiples ubicaciones cercanas al consumidor de IA. La demanda cambia nuevamente, esta vez hacia latencias extremadamente bajas.

La fase que recibe menos atención es la preparación de datos. Ahí es donde la gobernanza se establece o se omite. Las compañías deben gestionar trazabilidad de datos, requerimientos del Reglamento General de Protección de Datos, de  Información de Identificación Personal, modificados o eliminados antes de iniciar el entrenamiento. Los datos deben comprenderse antes de utilizarse.

El imperativo de la gobernanza

Al operar IA agéntica, la gobernanza debe integrarse desde el inicio en la forma en que el sistema funciona. Si un sistema no puede explicar qué hizo, por qué lo hizo y qué política aplicó, no está listo para un despliegue empresarial.

Alrededor del 77% de las organizaciones trabajan activamente en programas de gobernanza de IA, mientras que el 90% ya está desplegando IA. Pero solo el 45% cuenta con un marco de trabajo (framework) formal de gobernanza, según un informe de Hitachi Vantara. La gobernanza incorporada al sistema se convierte así en una ventaja competitiva.

Sin embargo, los frameworks de gobernanza por sí solos no son suficientes. La arquitectura Zero Trust es el mecanismo de cumplimiento forzoso que asegura la real gobernanza. En un mundo donde sistemas de IA agéntica toman decisiones autónomas sobre infraestructuras complejas, el principio de “nunca confiar, siempre verificar” se vuelve esencial.

Usuarios y sistemas deberían acceder únicamente a los datos para los cuales están autorizados, y nada más. Sin Zero Trust, incluso una gobernanza bien diseñada se vuelve difícil de aplicar a la velocidad y escala requeridas por la IA agéntica.

Autonomía confiable

La conversación sobre IA agéntica suele enfocarse en velocidad y escala. Pero el aspecto verdaderamente crítico es la confianza. Eso significa sistemas en que las empresas puedan confiar para actuar correctamente en su nombre, dentro de políticas definidas y con total accountability (rendición de cuentas).

La autonomía confiable implica un sistema que sabe qué hacer, puede demostrar cómo llegó a esa decisión, y opera dentro de límites cuidadosamente definidos. Para lograrlo, las organizaciones necesitan bases de datos sólidas y frameworks robustos de gobernanza.

Las empresas donde la alta dirección participa activamente en la gobernanza de IA obtienen mayor valor de negocio que aquellas que delegan esta tarea únicamente a equipos técnicos, según Deloitte.

La IA agéntica puede pasar del hallazgo profundo y procesable, extraído de un gran volumen de datos (insight), a la acción sin comprometer gobernanza, integridad de datos ni confianza. Tiene el potencial de saber qué hacer sin necesidad de instrucciones detalladas o supervisión constante.

Para los especialistas en tecnologías empresariales, la IA agéntica ya está aquí. La pregunta crítica es si la infraestructura, los datos y la gobernanza están realmente preparados para soportarla.

Por Octavian Tanase Chief Product Officer de Hitachi Vantara

Origen

Por Octavian Tanase, Chief Product Officer Hitachi Vantara

La era de los proyectos piloto y de las herramientas aisladas de IA Generativa está dando paso a algo mucho más transformador: sistemas de IA capaces de actuar, decidir y operar con creciente autonomía, redefiniendo no solo la forma en que funcionan los negocios, sino también la infraestructura subyacente que las naciones utilizan para asegurar su futuro.

El hilo conductor más poderoso que conecta las principales tendencias del próximo año es simple pero profundo: la IA está evolucionando de una capacidad a una capa fundacional de la competitividad económica. Todo lo demás —desde la estrategia de datos y la arquitectura Cloud hasta el diseño de hardware y los modelos de fuerza laboral— ahora orbita en torno a ese cambio.

En el centro de esta transformación está el auge de la IA Agéntica, la tendencia tecnológica empresarial definitoria de 2026. A diferencia de los modelos generativos anteriores que simplemente producían contenido, los sistemas de IA Agéntica pueden ejecutar tareas, tomar decisiones y operar de manera autónoma dentro de los flujos de trabajo del negocio.

Las empresas los integrarán en sus cadenas de suministro, operaciones de atención al cliente, procesos de cumplimiento y rutinas de análisis financiero. Estos agentes no solo responderán preguntas: tomarán acciones, activando flujos de trabajo, ajustando parámetros en tiempo real y gestionando decisiones que antes estaban en manos de personas.

Pero con la autonomía llega la complejidad. Las organizaciones necesitarán sólidos sistemas de gobernanza, marcos de confianza y canalizaciones de datos de alta calidad para garantizar que estos agentes se comporten de manera predecible y responsable. Aquí emerge la segunda gran tendencia de 2026: los datos se convierten en la principal fuente de diferenciación competitiva.

A medida que el cómputo, los modelos e incluso los algoritmos avanzados continúan “comoditizándose”, el diferenciador pasa a ser el dato propietario, de alta calidad y bien gobernado. Cada empresa deberá enfrentar una realidad común: la sofisticación de su IA dependerá menos de la potencia de sus modelos y más de la precisión, limpieza y confiabilidad de los datos que los alimentan.

Las compañías con ecosistemas de datos maduros tomarán ventaja rápidamente. Aquellas que no lo estén, tendrán dificultades para adaptarse, ya que los sistemas agénticos requieren ciclos de decisión más rápidos, correlación en tiempo real y señales contextuales más granulares.

El tercer hilo conductor se apoya en este cambio: los gobiernos de todo el mundo ahora consideran la infraestructura de IA como un activo estratégico, al nivel de la energía o la defensa. El crecimiento de las nubes soberanas no es un movimiento de nicho, sino una respuesta geopolítica a la era de la IA.

Las naciones quieren la capacidad de poseer y proteger los datos que impulsan sus economías y resguardan a sus poblaciones. Exigen garantías sobre dónde se almacena la información sensible, cómo se entrenan los modelos y si los sistemas de IA pueden respetar los límites regulatorios.

En 2026, se espera una aceleración significativa de los ecosistemas de nube soberana. Los países invertirán en centros de datos preparados para cumplir con regulaciones y diseñados específicamente para cargas de trabajo de IA, con alta eficiencia energética. Estas instalaciones se convertirán en los santuarios de los datos ciudadanos, financieros y

vinculados a la defensa, construidos para soportar el cumplimiento normativo y la supervisión nacional. A medida que proliferen los agentes de IA, la necesidad de supervisión nacional y control de la infraestructura será imposible de ignorar.

Esto conecta directamente con la cuarta tendencia: la IA está llevando al límite físico las arquitecturas actuales de los centros de datos, forzando un ciclo de modernización sin precedentes. Las cargas de trabajo de IA y de sistemas agénticos demandan una densidad de cómputo extraordinaria, aceleradores especializados y arquitecturas de almacenamiento diseñadas para baja latencia y alto rendimiento.

Las limitaciones de energía y refrigeración, antes consideradas un tema operativo, ahora se convierten en un factor restrictivo para la innovación en IA.

Esta modernización no se trata solo de rendimiento. Está impulsada por la necesidad de liberar capacidad eléctrica para las cargas de trabajo de IA. Si las empresas no pueden liberar capacidad energética, no expandirán sus capacidades de IA, quedando rezagadas competitivamente. Los requisitos de sostenibilidad y las regulaciones emergentes también acelerarán este cambio, convirtiendo la eficiencia energética no solo en una mejora operativa, sino en un imperativo de cumplimiento.

A través de estas tendencias clave emerge una narrativa única: la IA ya no es una herramienta superpuesta a las operaciones del negocio. Es la columna vertebral sobre la que dependerán las operaciones, la infraestructura, la regulación y las estrategias de los países.

La IA agéntica impulsa la necesidad de mejores datos. Mejores datos impulsan la necesidad de entornos seguros, soberanos y conformes. Esos entornos requieren infraestructura modernizada y energéticamente eficiente, diseñada específicamente para la automatización inteligente. Este ecosistema se retroalimenta.

Y entre todo ello persiste una verdad humana final. Aunque los sistemas se vuelvan más autónomos, las personas siguen siendo esenciales. En 2026 veremos un fuerte impulso en la recapacitación de la fuerza laboral, no para convertir a los empleados en programadores, sino en orquestadores capaces de aprovechar estos sistemas autónomos para transformar sus industrias.

Los próximos grandes avances no vendrán únicamente de científicos de datos, sino que también de expertos potenciados por IA. En 2026, la IA se convierte en la nueva infraestructura, y las organizaciones que comprendan este cambio de manera temprana definirán el panorama competitivo durante los próximos años.

Origen

A medida que las organizaciones amplían la automatización, la personalización y la toma de decisiones en tiempo real, enfrentan un desafío fundamental: la “gravedad” de los datos.

¿Pero qué significa este concepto? “Data gravity” en el mundo tecnológico hace referencia a cómo los grandes conjuntos de datos atraen aplicaciones, servicios y otros datos hacia sí mismos, similar a la atracción gravitacional entre planetas: cuanto más grande y valioso es el "cuerpo" de datos, mayor es su "fuerza de atracción".

Esto crea desafíos como la latencia (tiempo de respuesta entre una acción iniciada por un usuario y la respuesta del sistema), ya que las aplicaciones deben estar cerca para ser rápidas, y la no portabilidad debido a que es difícil mover grandes volúmenes de datos.

Entonces, para satisfacer las demandas de razonamiento de IA, esta gravedad está atrayendo a las cargas de trabajo de datos hacia las infraestructuras de almacenamiento.

Aprovechar todo el potencial de la IA implica mover y procesar los datos de forma eficiente. La adopción acelerada de la IA, con especial énfasis en la IA Agentica y Generativa, están redefiniendo los límites de las arquitecturas de gestión de los datos.

Tradicionalmente, algunas organizaciones han confiado en arquitecturas de almacenamiento desagregadas para sus cargas de trabajo de IA, donde los datos se distribuyen en múltiples sistemas, lo que genera velocidades de recuperación lentas y una utilización deficiente del cómputo.

Si bien los avances en soluciones de almacenamiento de alta velocidad han mejorado los tiempos de acceso, la proximidad de los datos al cómputo de IA sigue siendo el desafío central. Optimizar esta relación es fundamental para lograr avances decisivos en el rendimiento de la IA.

Resulta clave garantizar la accesibilidad de la información en tiempo real para alimentar a las aplicaciones, con capacidades de recuperación y aceleración del cómputo eficiente para grandes volúmenes de datos estructurados y no estructurados.

El futuro de las empresas impulsadas por IA

El panorama de la IA empresarial evoluciona rápidamente, y las organizaciones necesitan una infraestructura que no solo “acompañe” el ritmo, sino que acelere la innovación.

Es fundamental desbloquear nuevas posibilidades en automatización, toma de decisiones e inteligencia de negocios, para competir en la era de la IA.

A medida que se acelera la adopción de la IA, las organizaciones requieren infraestructura que transforme los datos en un catalizador de la innovación, liberando todo el potencial de la IA Agéntica y Generativa, uniendo datos y cómputo para una inteligencia fluida y en tiempo real.

Al optimizar la localidad de los datos, las plataformas deben garantizar que los agentes de IA operen con máxima eficiencia, permitiendo “insights” más rápidos y una toma de decisiones más inteligente.

En definitiva, lo que no se ve pero resulta ser el motor que posibilita que todo suceda, es una infraestructura tecnológica moderna y a la altura de los desafíos que plantea la “gravedad” de los datos, con las capacidades necesarias para impulsar la próxima ola de transformación empresarial basada en IA.

Por Jason Hardy Chief Technology Officer (CTO) para Inteligencia Artificial Hitachi Vantara

Origen