10 Decisiones que la IA está Forzando en Enterprise: Lo que SXSW y GTC 2026 Revelaron
Un reporte ejecutivo para CIOs, CFOs y CEOs que necesitan actuar en los próximos 90 días
Alexandre Pereira, Alkemia
Abril de 2026
Basado en presencia personal en SXSW 2026 (Austin) y GTC 2026 (San Jose)
Executive Summary
SXSW mostró las preguntas. GTC mostró que las respuestas están llegando más rápido de lo que la mayoría de las empresas percibió. En Austin, el tema oficial "humans." organizó la conversación alrededor de agencia, trabajo, significado y disciplina de decisión. En San Jose, la keynote de Jensen Huang y los casos enterprise mostraron que agentes, tokens, robótica y gobernanza ya están entrando en la operación.
Para empresas brasileñas y latinoamericanas, la prioridad es separar señal de ruido. La agenda ejecutiva ahora exige decisiones específicas: dónde comprimir ciclos, cómo medir costo por output, cómo renegociar SaaS, cómo gobernar agentes, cómo rediseñar roles humanos y cuándo detener proyectos que no validan valor.

Este reporte consolida los 10 temas más relevantes para decisores enterprise en los próximos 12 meses, con datos verificados, implicaciones de negocio y acciones concretas para los próximos 90 días.
Contexto: SXSW y GTC 2026
SXSW 2026, Austin
El tema oficial fue "humans." Amy Webb cerró el Trend Report después de 19 años y lanzó el Convergence Outlook, con tres convergencias: human augmentation, unlimited labor y emotional outpouring. Jennifer Wallace trajo el dato de Gallup de que 70% de la fuerza laboral global está desenganchada. La lógica DARPA, presentada a partir del caso mRNA, colocó stop rules como condición para que apuestas de alto riesgo no se conviertan en desperdicio.
GTC 2026, San Jose
Jensen Huang condujo una keynote de cerca de 2h30 centrada en fábricas de tokens, agentes, compresión de ciclo, seguridad y Physical AI. La discusión trajo economía de tokens, proyección de 100 agentes por humano, NemoClaw para gobernanza de agentes y robótica como respuesta a restricciones demográficas y operacionales.

La síntesis: SXSW dio el frame. GTC entregó la evidencia. Fuentes independientes, de Amy Webb a Jensen Huang, de Harrison Chase a Matthew Prince, describieron el mismo desplazamiento: el valor enterprise se concentra en quien orquesta, integra, gobierna y mide.
Tema 1
Compresión de Ciclo y Presión sobre el Juicio
Qué Pasó
Michael Dell afirmó en GTC que 20.000 ingenieros pasaron a hacer en 2 semanas lo que antes tomaba 9 meses. GE Aerospace, en un caso con Palantir, redujo un ciclo de digital twin y ontología de 3 meses a 3 días. ServiceNow reportó 90% de tareas de customer service y RR. HH. procesadas por agentes. Andrej Karpathy, en No Priors, describió el giro de 80% de código escrito manualmente a 80% delegado a agentes desde diciembre de 2025. David Friedberg, en All-In, relató un stack enterprise reemplazado en 90 minutos y un descubrimiento genómico de nivel PhD en 30 minutos.
"AI is going to make us all busier." Jensen Huang
Qué Significa para Enterprise
La compresión reduce espera y aumenta la presión sobre quien define prioridad, criterio y asignación. Cuando una ejecución que tomaba meses pasa a tomar días o minutos, perseguir la prioridad equivocada también se vuelve más barato, más rápido y más frecuente. El juicio ejecutivo concentra el cuello de botella. Sin stop rules, la empresa solo desperdicia recursos a mayor velocidad.
Qué Hacer en los Próximos 90 Días
  1. Elegir los 3 procesos con mayor ciclo de espera y mayor impacto financiero.
  1. Mapear dónde los agentes pueden comprimir tiempo sin remover juicio crítico.
  1. Definir hitos de validación y criterios de parada antes de cualquier implementación.
Tema 2
Economía de Tokens como Nueva Base de Costo
Qué Pasó
Jensen Huang presentó en GTC la lógica de fábricas de tokens, con throughput, latencia y tokens por watt como variables centrales. La síntesis económica de la keynote registró caída de 99% en el costo de inferencia entre 2022 y 2024 para modelos equivalentes a GPT-3, tiers de precio de gratuito a US$150 por millón de tokens para reasoning pesado y pipeline de US$1 billón en demanda confirmada hasta 2027. En All-In, Jensen reforzó: "Do not equate the price of the factory and the price of the tokens."
Qué Significa para Enterprise
La mayoría de las empresas va a consumir tokens como servicio, del mismo modo que consume cloud. Para el CFO, la IA ahora también es costo variable por unidad de output, además de la licencia. Quien mide solo suscripción, seat o proyecto no sabe el precio unitario de lo que está comprando. La disciplina de FinOps necesita incorporar tokens, contexto, latencia y calidad del output.
Auditar costo por output
Incluir licencia, consumo y retrabajo en el análisis.
Comparar proveedores
Usar costo, latencia y calidad para los mismos workloads.
Presupuesto de tokens
Thresholds, alertas y revisión mensual, como en cloud.
Separar workloads
Baja latencia, alto volumen y reasoning pesado antes de negociar contratos.

Tokens por watt pasa a ser variable de margen para quien produce IA y variable de costo para quien consume IA.
Tema 3
SaaS en Transición: Pricing, Agentes y Build vs Buy
Qué Pasó
Desde enero, cerca de US$730 mil millones en valor de mercado se evaporaron de grandes empresas de software enterprise, incluyendo Adobe, Microsoft, Salesforce, SAP, ServiceNow y Oracle. Klarna anunció que reemplazaría Salesforce por IA, pero el CEO luego aclaró que la empresa consolidó datos, cambió vendors y construyó interfaces. Gartner proyecta que 40% de las aplicaciones enterprise tendrán agentes task-specific hasta 2026. IDC proyecta que, hasta 2028, 70% de los vendors habrán migrado hacia pricing menos dependiente de seats. Intercom Fin ya cobra US$0,99 por resolución.
Qué Significa para Enterprise
Tres fuerzas se combinan: pricing pasa a incorporar consumo y resultado, agentes operan sistemas como usuarios, y la decisión build vs buy exige análisis más granular. Construir puede ser rápido, pero mantener, gobernar, integrar y transferir conocimiento siguen siendo caros. Para empresas con décadas de sistemas, el costo relevante incluye construir, operar, auditar, integrar y sostener. ERPs y SaaS core tienden a recibir más uso por agentes, con contratos y métricas diferentes.
Qué Hacer en los Próximos 90 Días
  1. Revisar los 5 mayores contratos SaaS por exposición a pricing por consumo.
  1. Preguntar a cada vendor cómo los agentes serán tratados como usuarios, acceso y cobro.
  1. Exigir business case para build y para buy, con costo de mantenimiento y gobernanza explícito.
  1. Identificar qué datos y workflows necesitan permanecer bajo control directo de la empresa.

Klarna mostró que la narrativa de reemplazo puede correr más rápido que los hechos operacionales.
Tema 4
Agentes en el Organigrama
Qué Pasó
Jensen Huang afirmó en el Q&A de GTC que NVIDIA proyecta 75.000 humanos trabajando con 7,5 millones de agentes en 10 años, una razón de 100:1. McKinsey ya opera con cerca de 25.000 agentes para 40.000 empleados, razón de 0,6:1, según survey de noviembre de 2025. Meta reportó, vía WSJ, 30% de ganancia de productividad por ingeniero y reviews con uso de IA como criterio. ServiceNow formalizó AI Specialists con access controls y audit trails equivalentes a los de humanos. Gartner proyecta que 20% de las organizaciones usarán IA para eliminar más de la mitad de la gerencia media hasta fines de 2026.
Qué Hacer en los Próximos 90 Días
  1. Seleccionar una unidad de negocio y mapear tareas transaccionales versus tareas de juicio.
  1. Probar un proceso end-to-end con agentes, manteniendo humanos en los puntos de decisión.
  1. Medir productividad, error, retrabajo, satisfacción del usuario y riesgo operacional antes de escalar.
  1. Crear una taxonomía interna de agentes: asistivo, ejecutor, aprobador prohibido y agente con acceso sensible.

El gap entre 0,6 y 100 agentes por persona es donde ocurre la decisión.
Tema 5
Lo que Queda para el Humano
Qué Pasó
Jensen Huang usó el caso de los radiólogos en All-In: computer vision entró en las plataformas, pero la demanda por radiólogos subió porque más scans generaron más atención, ingresos y necesidad de diagnóstico. Karpathy describió la paradoja de Jevons en software: cuando la barrera cae, la demanda por software aumenta. BCG estimó, en abril de 2026, que 10% a 15% de los empleos pueden ser eliminados en 4 a 5 años, mientras 50% a 55% serán profundamente transformados en 2 a 3 años. Brookings identificó 15 millones de trabajadores estadounidenses sin diploma en ocupaciones altamente expuestas, incluyendo gateway jobs. Jennifer Wallace trajo el dato de Gallup de 70% de desenganche global y el concepto de mattering.
Qué Significa para Enterprise
El riesgo dominante está en que la velocidad de cambio de las tareas supere la capacidad de adaptación de las personas. La viñeta del conductor que salió de data engineering hacia Uber y ahora ve robotaxis llegando ilustra una transición en la que las puertas se cierran antes de que nuevas competencias sean absorbidas. Empresas que rediseñan roles con claridad retienen conocimiento y reducen fricción. Este es un argumento económico, no solo humano.
Qué Hacer en los Próximos 90 Días
  1. Para cada función impactada, separar tarea ejecutada de finalidad de negocio.
  1. Rediseñar el rol alrededor de la finalidad, delegando procesamiento y triaje cuando tenga sentido.
  1. Comunicar por qué las personas siguen importando en el nuevo diseño operacional.
  1. Incluir fluidez en IA en los criterios de desarrollo de liderazgo, con entrenamiento práctico por función.
"Task muda, purpose fica." Jensen Huang
Tema 6
Last Mile entre Tecnología y Captura de Valor
Qué Pasó
Palantir creó la función de Forward Deployed Engineer para traducir tecnología en resultado operacional. El modelo fue copiado por OpenAI, Anthropic y Cohere, con crecimiento de 800% a 1000% en vacantes relacionadas en 2025. GE Aerospace redujo un ciclo de 3 meses a 3 días con Palantir. Harrison Chase, de LangChain, afirmó: "Same model, we went from top 30 to top five on terminal bench. All due to the harness." Karpathy resumió el problema como skill issue: la capacidad existe, pero necesita ser encadenada correctamente.
Qué Significa para Enterprise
El cuello de botella está en contexto, integración, adopción y diseño de proceso. Vendors envían especialistas de campo para vender e implementar el propio producto, pero la capacidad necesita convertirse en músculo interno. La empresa necesita a alguien que entienda el proceso real del área financiera, supply chain, ventas o atención, y sepa traducir ese contexto para agentes y sistemas. Sin esa función, la tecnología funciona en demo y falla en el flujo real.
AI Lead por unidad
Nombrar un AI lead por unidad crítica de negocio, con fluidez técnica y dominio operacional.
Dentro de la unidad
Colocar ese rol dentro de la unidad, con conexión explícita al IT central.
Resultado de proceso
Responsabilizar al AI lead por resultado de proceso, con adopción de herramienta como medio.
Backlog de integraciones
Crear backlog de integraciones, datos, permisos y excepciones que impiden captura de valor.
"The harness matters more than the model." Harrison Chase
Tema 7
Agent Commerce y Desintermediación de Marca
Qué Pasó
Matthew Prince, CEO de Cloudflare, afirmó en SXSW 2026 que los bots deben superar a los humanos en tráfico web en varios segmentos hasta 2027. Un agente planeando un viaje puede generar hasta 1.000 veces más solicitudes que un humano. Walmart abrió APIs para bots. Amazon entró en litigio contra Perplexity. Target adoptó una posición intermedia, permitiendo bots dentro del propio ambiente.
Qué Significa para Enterprise
Los agentes compran y recomiendan por datos: precio, disponibilidad, especificación, evaluación, entrega, devolución y confiabilidad. Brand equity sigue siendo relevante para humanos, pero pierde fuerza cuando la decisión pasa por un agente que lee datos estructurados. En B2B, procurement asistido por agentes tiende a comparar proveedores por evidencia operacional e historial verificable. Para marketing, ventas y canales, visibilidad ahora incluye legibilidad por agentes, además de SEO, canales y relación.
Qué Hacer en los Próximos 90 Días
  1. Probar cómo agentes de IA describen, encuentran y comparan los productos o servicios de la empresa.
  1. Estructurar datos públicos y comerciales para lectura confiable por agentes.
  1. Definir política comercial para acceso de bots, APIs e intermediarios agénticos.
  1. Medir discrepancias entre el mensaje comercial de la empresa y la descripción producida por los agentes.

Productos ilegibles por agentes desaparecen de la jornada antes de perder relevancia para humanos.
Tema 8
Seguridad y Gobernanza de Agentes
Qué Pasó
En GTC, Jensen Huang afirmó que sistemas agénticos dentro de la red corporativa pueden acceder a información sensible, ejecutar código y comunicarse externamente, y concluyó: "This can't possibly be allowed." NVIDIA presentó NemoClaw como reference design enterprise para agentes, con policy engine, guardrails de red y enrutamiento de privacidad. El mismo día, Anthropic presentó Claude Dispatch, con agente persistente, sandbox local y aprobación explícita. El caso Meta, reportado públicamente, mostró riesgo real de agente publicando sin aprobación y exponiendo datos sensibles.
Qué Significa para Enterprise
Los agentes amplían la superficie de riesgo porque combinan acceso, acción y comunicación. Sin gobernanza, el problema combina riesgo técnico, compliance, propiedad intelectual, auditoría, responsabilidad legal y reputación. La regulación avanza a ritmos diferentes por país, pero ninguna jurisdicción acompaña la velocidad de adopción. Empresas que esperan regulación para actuar llegan tarde a su propio riesgo.
Qué Hacer en los Próximos 90 Días
  1. Crear política de acceso para agentes como onboarding de tercero: mínimo necesario, alcance claro y expiración.
  1. Exigir audit trail para acciones, datos accedidos, herramientas usadas y aprobaciones humanas.
  1. Bloquear acciones irreversibles sin aprobación explícita y registrada.
  1. Definir ambientes permitidos, datos prohibidos y logs obligatorios para cualquier piloto.
Tema 9
Physical AI y Robótica: Horizonte 2027 a 2030
Qué Pasó
BofA Global Research proyecta 3 mil millones de humanoides hasta 2060. BofA y Counterpoint proyectan shipments de 90 mil unidades en 2026 a 1,2 millones en 2030, CAGR de 86%. El costo BOM en China debe caer de US$35 mil en 2025 a menos de US$17 mil en 2030. El mismo análisis estima que, hasta 2027, 72% de los deployments de humanoides estarán en almacenes y logística, automotriz y manufactura. Jensen Huang afirmó en All-In que los robots estarán "all over the place" en 3 a 5 años.
"You don't need a perfect robot. You need one that shows up." BofA Global Research
Qué Significa para Enterprise
El principal driver es demografía, costo de mano de obra, escasez de técnicos y restricción operacional. Japón, Alemania y Corea del Sur ya enfrentan declive de población en edad activa, y salarios en logística y almacenamiento presionan márgenes. El robot relevante en el corto plazo aparece para descargar, inspeccionar, mover y operar donde la empresa ya no encuentra suficiente gente. La planificación necesita comenzar antes de la madurez plena, porque la integración operacional toma tiempo.
Qué Hacer en los Próximos 90 Días
  1. Incluir robótica en la planificación de workforce de 3 años para manufactura, logística y almacenamiento.
  1. Mapear tareas repetitivas con escasez crónica de mano de obra y ambiente controlado.
  1. Separar prueba técnica de integración operacional, considerando que la integración puede costar varias veces el hardware.
  1. Evaluar seguridad física, mantenimiento, entrenamiento e impacto sindical antes de pilotos.
Tema 10
Disciplina de Inversión y Stop Rules
Qué Pasó
FactSet registró en Q4 de 2025 que empresas del S&P 500 que citaron IA en earnings calls tuvieron retorno de 1,5% desde diciembre, mientras las que no la citaron tuvieron 5,6%. BofA resumió el cambio de mercado: 2025 premió menciones de IA; 2026 exige márgenes de IA. En SXSW, la lógica DARPA aplicada al caso mRNA destacó hitos de validación en cada gate: continuar, reformular o cerrar.
Qué Significa para Enterprise
La mayoría de los proyectos de IA todavía nace sin hito de validación, sin criterio de escala y sin criterio de parada. El resultado es piloto eterno, con costo lo bastante pequeño para que nadie lo cierre y lo bastante grande para consumir foco. La IA cambia velocidad, costo y alcance de la ejecución. El criterio económico sigue siendo necesario. Business case sigue siendo el filtro entre inversión y teatro.
Hito de validación
Para cada proyecto de IA en curso, definir hito de validación, criterio de escala y criterio de parada.
Métrica explícita
Vincular avance de fase a métrica operacional o financiera explícita.
Cerrar o reformular
Cerrar o reformular proyectos que no validen valor en el plazo definido, con decisión registrada en el comité responsable.
Portafolio único
Crear un portafolio único de iniciativas de IA, con dueño, costo, hipótesis, métrica y próxima decisión.

IA cambia velocidad. La disciplina sigue decidiendo retorno.
Framework: ¿Quién Controla al Agente?
Tres modelos se están formando en enterprise. El primero es vendor-agent: el agente viene embebido en el producto y tiende a ser mejor dentro de ese sistema. El segundo es client-built: la empresa construye sus propios agentes usando protocolos abiertos como MCP y A2A. El tercero es Agent OS: una capa intermedia que conecta agentes, sistemas y políticas, ofrecida por consultoras, hyperscalers o plataformas especializadas.
La decisión define cuatro dimensiones de control: contexto, memoria, gobernanza y datos. El contexto puede quedar atrapado en un sistema o atravesar procesos. La memoria puede acumularse en el vendor o en la empresa. La gobernanza puede seguir reglas del producto o política corporativa. Los datos generados en el trabajo del agente pueden enriquecer al vendor o reforzar la inteligencia del cliente.

La arquitectura más probable es híbrida: vendor-agents fuertes dentro de cada sistema, coordinados por una capa de orquestación controlada por el cliente. Esa capa decide prioridad, política, memoria, autorización y contexto cross-system.

La cláusula más importante en los contratos de SaaS ahora es quién controla el contexto que el agente genera mientras trabaja.
Matriz de Prioridad de los Temas
No todo tema es prioridad para toda empresa. La secuencia depende de industria, madurez y horizonte. Esta matriz orienta la priorización inicial para comités ejecutivos que necesitan decidir por dónde empezar.
Lectura por Industria

La matriz no define una respuesta universal. Fuerza secuencia, dependencia y trade-off.
Preguntas para el Comité Ejecutivo
Estas preguntas sirven como diagnóstico interno antes de cualquier iniciativa. Si el equipo no logra responder, ese es el primer problema a resolver.
1
Compresión de ciclo
¿Qué 3 procesos críticos tienen ciclo mayor a 30 días? ¿Dónde hay cuello de botella de ejecución y dónde hay cuello de botella de decisión? ¿Tenemos criterios claros para detener proyectos que comprimen ciclo sin generar valor?
2
Economía de tokens
¿Cuánto costó nuestra IA por unidad de output en el último trimestre, y quién lo midió? ¿Tenemos contratos con pricing por consumo o solo por seat? ¿Quién es responsable por el budget de tokens?
3
SaaS en transición
¿Qué contratos SaaS se vuelven económicamente peores cuando los agentes se convierten en usuarios? ¿Qué workflows serían más baratos de construir internamente, considerando mantenimiento y gobernanza? ¿Qué datos generados por los agentes necesitan permanecer bajo control de la empresa?
4
Agentes en el organigrama
¿Qué tareas transaccionales ya podrían ser ejecutadas por agentes con supervisión? ¿Quién aprueba acciones de agentes con impacto financiero o regulatorio? ¿Cómo medimos productividad de agentes sin crear riesgo operacional invisible?
5
Lo que queda para el humano
¿Qué funciones tendrán más tareas transformadas en los próximos 24 meses? ¿Qué parte de esas funciones preserva juicio, relación, responsabilidad o finalidad? ¿Cómo la empresa explica a las personas por qué siguen importando en el nuevo diseño?
6
Last mile de valor
¿Quién traduce IA a proceso real en cada unidad crítica? ¿Qué integraciones, permisos y excepciones impiden captura de valor hoy? ¿El responsable por IA mide adopción de herramienta o resultado operacional?
7
Agent commerce
Cuando un agente compara nuestros productos, ¿la empresa aparece correctamente? ¿Qué datos públicos son legibles por máquina, confiables y actualizados? ¿Cuál es nuestra política para bots que consultan, cotizan o compran?
8
Seguridad y gobernanza
¿Qué agentes tienen acceso a datos sensibles hoy? ¿Existe audit trail de herramienta usada, dato accedido y acción tomada? ¿Qué acciones están prohibidas sin aprobación humana explícita?
9
Physical AI y robótica
¿Qué operaciones sufren con escasez crónica de mano de obra? ¿Qué tareas ocurren en ambiente controlado y repetitivo? ¿El business case incluye integración, mantenimiento, seguridad física y entrenamiento?
10
Disciplina de inversión
¿Qué proyectos de IA tienen hito de validación definido? ¿Qué criterio autoriza escala? ¿Quién tiene autoridad para cerrar un piloto que no validó valor?

Buenas preguntas reducen costo antes de cualquier PoC.
Glosario Técnico
Glosario para referencia rápida. Términos usados a lo largo del reporte con fuentes verificables.
MCP, Model Context Protocol
Protocolo abierto para conectar agentes a herramientas, datos y sistemas. Fuente: Anthropic; gobernanza transferida a Linux Foundation.
A2A, Agent-to-Agent
Protocolo para coordinación entre agentes, con objetivo de interoperabilidad entre sistemas. Fuente: Google; v1.0 lanzada a inicios de 2026.
FDE, Forward Deployed Engineer
Función creada por Palantir para traducir tecnología en resultado operacional dentro del cliente. Fuente: Palantir; modelo copiado por OpenAI, Anthropic y Cohere.
Agent OS
Capa de orquestación que conecta agentes, sistemas, memoria, autorización y políticas. Fuente: PwC lanzó un abordaje llamado Agent OS; AWS, Google y otros ofrecen variaciones.
Harness engineering
Conjunto de contexto, integración, memoria, evaluación y adopción que rodea al modelo. Fuente: Harrison Chase, LangChain.
Token economics
Tokens como unidad económica de operación, con throughput, latencia y tokens por watt como variables centrales. Fuente: Jensen Huang, NVIDIA GTC 2026.
Stop rules
Hitos de validación predefinidos para continuar, reformular o cerrar proyectos. Fuente: lógica DARPA presentada en SXSW a partir del caso mRNA.
Vendor-agent vs client-agent
Vendor-agent es el agente embebido en el producto SaaS; client-agent es construido por la empresa cliente sobre sus propios sistemas, datos y políticas. Fuente: síntesis Alkemia.
NemoClaw
Reference design enterprise para agentes seguros, con policy engine, guardrails de red y privacy router. Fuente: NVIDIA GTC 2026.
Mattering
Necesidad humana de sentir que lo que hace importa y es percibido. Fuente: Jennifer Wallace, SXSW 2026; conectado al dato de Gallup de 70% de desenganche global.

El vocabulario correcto reduce ambigüedad entre negocio, tecnología, riesgo y finanzas.
Cierre: Tres Cosas para el Lunes
1. La compresión es real
Dell, GE, ServiceNow, Karpathy y Friedberg muestran ciclos que pasan de meses a días, minutos o ejecución delegada. La primera pregunta ejecutiva es dónde esa compresión genera valor medible.
2. Business case sigue siendo el filtro
Proyectos de IA necesitan stop rules, hitos de validación, payback y criterio de escala. Sin eso, la velocidad solo acelera desperdicio.
3. El gap entre 0,6 y 100 agentes por persona
McKinsey muestra el punto actual. Jensen Huang mostró la ambición. El trabajo ejecutivo es decidir cómo atravesar ese intervalo con gobernanza.
Sobre Alkemia
Alkemia produce inteligencia ejecutiva para decisiones de IA y tecnología enterprise. Actúa de forma vendor-neutral, del lado del comprador, con foco en claridad ejecutiva, criterios de decisión y captura de valor.
Para una evaluación personalizada de cómo estos temas impactan su organización, entre en contacto.

contact@alkemia.io | alkemia.io
La decisión ejecutiva define dónde la IA comprime, dónde el humano decide y quién gobierna el sistema.