Basado en presencia personal en SXSW 2026 (Austin) y GTC 2026 (San Jose)
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.
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.
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.
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
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.
- Elegir los 3 procesos con mayor ciclo de espera y mayor impacto financiero.
- Mapear dónde los agentes pueden comprimir tiempo sin remover juicio crítico.
- Definir hitos de validación y criterios de parada antes de cualquier implementación.
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."
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.
Incluir licencia, consumo y retrabajo en el análisis.
Usar costo, latencia y calidad para los mismos workloads.
Thresholds, alertas y revisión mensual, como en cloud.
Baja latencia, alto volumen y reasoning pesado antes de negociar contratos.
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.
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.
- Revisar los 5 mayores contratos SaaS por exposición a pricing por consumo.
- Preguntar a cada vendor cómo los agentes serán tratados como usuarios, acceso y cobro.
- Exigir business case para build y para buy, con costo de mantenimiento y gobernanza explícito.
- Identificar qué datos y workflows necesitan permanecer bajo control directo de la empresa.
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.
- Seleccionar una unidad de negocio y mapear tareas transaccionales versus tareas de juicio.
- Probar un proceso end-to-end con agentes, manteniendo humanos en los puntos de decisión.
- Medir productividad, error, retrabajo, satisfacción del usuario y riesgo operacional antes de escalar.
- Crear una taxonomía interna de agentes: asistivo, ejecutor, aprobador prohibido y agente con acceso sensible.
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.
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.
- Para cada función impactada, separar tarea ejecutada de finalidad de negocio.
- Rediseñar el rol alrededor de la finalidad, delegando procesamiento y triaje cuando tenga sentido.
- Comunicar por qué las personas siguen importando en el nuevo diseño operacional.
- Incluir fluidez en IA en los criterios de desarrollo de liderazgo, con entrenamiento práctico por función.
"Task muda, purpose fica." Jensen Huang
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.
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.
Nombrar un AI lead por unidad crítica de negocio, con fluidez técnica y dominio operacional.
Colocar ese rol dentro de la unidad, con conexión explícita al IT central.
Responsabilizar al AI lead por resultado de proceso, con adopción de herramienta como medio.
Crear backlog de integraciones, datos, permisos y excepciones que impiden captura de valor.
"The harness matters more than the model." Harrison Chase
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.
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.
- Probar cómo agentes de IA describen, encuentran y comparan los productos o servicios de la empresa.
- Estructurar datos públicos y comerciales para lectura confiable por agentes.
- Definir política comercial para acceso de bots, APIs e intermediarios agénticos.
- Medir discrepancias entre el mensaje comercial de la empresa y la descripción producida por los agentes.
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.
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.
- Crear política de acceso para agentes como onboarding de tercero: mínimo necesario, alcance claro y expiración.
- Exigir audit trail para acciones, datos accedidos, herramientas usadas y aprobaciones humanas.
- Bloquear acciones irreversibles sin aprobación explícita y registrada.
- Definir ambientes permitidos, datos prohibidos y logs obligatorios para cualquier piloto.
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
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.
- Incluir robótica en la planificación de workforce de 3 años para manufactura, logística y almacenamiento.
- Mapear tareas repetitivas con escasez crónica de mano de obra y ambiente controlado.
- Separar prueba técnica de integración operacional, considerando que la integración puede costar varias veces el hardware.
- Evaluar seguridad física, mantenimiento, entrenamiento e impacto sindical antes de pilotos.
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.
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.
Para cada proyecto de IA en curso, definir hito de validación, criterio de escala y criterio de parada.
Vincular avance de fase a métrica operacional o financiera explícita.
Cerrar o reformular proyectos que no validen valor en el plazo definido, con decisión registrada en el comité responsable.
Crear un portafolio único de iniciativas de IA, con dueño, costo, hipótesis, métrica y próxima decisión.
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.
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.
Estas preguntas sirven como diagnóstico interno antes de cualquier iniciativa. Si el equipo no logra responder, ese es el primer problema a resolver.
¿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?
¿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?
¿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?
¿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?
¿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?
¿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?
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?
¿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?
¿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?
¿Qué proyectos de IA tienen hito de validación definido? ¿Qué criterio autoriza escala? ¿Quién tiene autoridad para cerrar un piloto que no validó valor?
Glosario para referencia rápida. Términos usados a lo largo del reporte con fuentes verificables.
Protocolo abierto para conectar agentes a herramientas, datos y sistemas. Fuente: Anthropic; gobernanza transferida a Linux Foundation.
Protocolo para coordinación entre agentes, con objetivo de interoperabilidad entre sistemas. Fuente: Google; v1.0 lanzada a inicios de 2026.
Función creada por Palantir para traducir tecnología en resultado operacional dentro del cliente. Fuente: Palantir; modelo copiado por OpenAI, Anthropic y Cohere.
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.
Conjunto de contexto, integración, memoria, evaluación y adopción que rodea al modelo. Fuente: Harrison Chase, LangChain.
Tokens como unidad económica de operación, con throughput, latencia y tokens por watt como variables centrales. Fuente: Jensen Huang, NVIDIA GTC 2026.
Hitos de validación predefinidos para continuar, reformular o cerrar proyectos. Fuente: lógica DARPA presentada en SXSW a partir del caso mRNA.
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.
Reference design enterprise para agentes seguros, con policy engine, guardrails de red y privacy router. Fuente: NVIDIA GTC 2026.
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.
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.
Proyectos de IA necesitan stop rules, hitos de validación, payback y criterio de escala. Sin eso, la velocidad solo acelera desperdicio.
McKinsey muestra el punto actual. Jensen Huang mostró la ambición. El trabajo ejecutivo es decidir cómo atravesar ese intervalo con gobernanza.
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.
La decisión ejecutiva define dónde la IA comprime, dónde el humano decide y quién gobierna el sistema.
Un reporte ejecutivo para CIOs, CFOs y CEOs que necesitan actuar en los próximos 90 días