Nota
Accedra dijo presente en el Cisco Connect LATAM 26: los desafíos que vienen
En el encuentro regional de partners de Cisco en Cancún, el desafío que más se repitió para el próximo año fue la inteligencia artificial en producción: ya no elegir el modelo, sino sostener la calidad de lo que produce, definiendo qué es una respuesta correcta, quién la revisa y qué pasa cuando se equivoca. La hoja de ruta que planificamos con Cisco y los partners de la región empieza por casos acotados y medibles, datos y permisos ordenados, y una persona en el circuito donde un error cuesta caro.
Cisco invitó a Accedra a su encuentro regional de partners en Cancún, México, junto a integradores de toda América Latina. Más que un encuentro, fue una mesa de trabajo con el equipo de Cisco para analizar los desafíos que vienen y pensar cómo acompañar a nuestros clientes frente a ellos.
Hubo un tema que atravesó prácticamente todas las conversaciones: inteligencia artificial. Pero la pregunta ya no es si incorporarla. El desafío está en otro lugar: cómo sostener la calidad, la seguridad y la confiabilidad de lo que produce cuando la IA deja atrás el piloto y empieza a formar parte de la operación real.
Ese cambio de conversación marca también un cambio de escenario para las empresas: pasar de experimentar con IA a integrarla de manera responsable y con resultados que puedan sostenerse en el tiempo.
El contexto hoy
Casi todos los partners de la mesa tenían clientes con un piloto de IA funcionando. Muy pocos lo tenían en producción. Lo que frena no es la tecnología: es que nadie definió qué es una respuesta correcta, quién la revisa y qué pasa cuando el modelo se equivoca.
Un asistente que acierta el 90% de las veces parece bueno hasta que el 10% restante es una cotización mal armada o un dato de un cliente que no tenía que salir.
Lo que se puso sobre la mesa
El acuerdo fue encarar la IA como cualquier otro proceso crítico:
- Un caso acotado y medible, con una métrica de calidad definida antes de arrancar.
- Datos y permisos en orden: el modelo ve lo que el usuario ya podía ver, así que el desorden previo se vuelve visible.
- Una persona en el circuito donde el error cuesta caro, y evaluaciones periódicas para detectar si la calidad se degrada con el tiempo.
Dónde no
No todo proceso merece un agente. Si el resultado no se puede verificar, o si un error no tiene vuelta atrás, conviene empezar por otro lado. La IA que mejor rinde hoy es la menos vistosa: clasificar, extraer datos, redactar borradores que después revisa alguien. Lo desarrollamos en por dónde empezar con agentes de IA.
Cómo te ayudamos
Como partner de Cisco, en Accedra acompañamos a empresas medianas y grandes desde la elección del primer caso hasta la puesta en producción: relevamiento de datos y permisos, desarrollo del agente, métricas de calidad y la infraestructura de red y seguridad que lo sostiene. Lo que planificamos en Cancún ya forma parte de cómo encaramos cada proyecto.
Preguntas frecuentes
¿Por qué la mayoría de los pilotos de IA no llega a producción?
Porque se mide si el modelo funciona, pero no se define cuándo una respuesta es correcta, quién la revisa ni qué hacer ante un error. Sin esas tres definiciones nadie se anima a ponerlo frente a clientes o en un proceso crítico.
¿Cómo se mide la calidad de un agente de IA?
Con un conjunto de casos reales y su respuesta esperada, armado antes de empezar. El agente se evalúa contra ese conjunto al lanzarlo y periódicamente después, porque la calidad puede degradarse cuando cambian los datos o el modelo.
¿Qué tiene que tener ordenado una empresa antes de implementar IA?
Los datos que el caso necesita, accesibles y confiables, y los permisos de acceso bien asignados. Un agente respeta los permisos existentes: si una carpeta sensible estaba compartida con todos, el agente la va a encontrar.