IA empresarial comienza a tomar decisiones y obliga a replantear cómo se construye la confianza
La inteligencia artificial (IA) empresarial está evolucionando de sistemas diseñados principalmente para generar respuestas hacia tecnologías capaces de recomendar, coordinar decisiones y ejecutar acciones dentro de procesos de negocio. Este avance abre una nueva discusión para las organizaciones conforme aumenta la autonomía de la IA. Esto porque la confiabilidad en la IA ya no puede depender únicamente del modelo, sino de todo el sistema que sostiene sus decisiones.
Este ha sido uno de los ejes de SAS Innovate On Tour México 2026, encuentro organizado por SAS, líder mundial en datos e IA, realizado este 8 de septiembre en el Club de Banqueros de México y que reúne a líderes de negocio, especialistas y socios para analizar cómo tomar decisiones estratégicas con IA confiable y explicable, escalar su utilización y convertir la gobernanza, la ética y la transparencia en habilitadores de innovación.
En el año en que SAS celebra cinco décadas de innovación, la conversación sobre IA confiable cobra una relevancia especial: desde sus orígenes en la analítica hasta la actual era de la IA agéntica, la compañía ha mantenido un mismo principio rector: ayudar a las organizaciones a tomar mejores decisiones con confianza.
“La discusión está evolucionando porque las empresas están pasando de utilizar inteligencia artificial que responde preguntas a incorporar sistemas con capacidad de intervenir en decisiones y procesos. Eso exige preguntarnos no solamente qué tan bueno es un modelo, sino con qué datos trabaja, cómo explica sus resultados, qué controles tiene y en qué momento debe intervenir una persona”, señaló Mario Ulloa, Country Lead de SAS para México.
Añadió que los desarrollos anunciados por SAS durante su evento anual SAS Innovate 2026 y que se profundizarán en el evento local en México, apuntan precisamente hacia ese cambio. En conjunto, plantean al menos seis componentes alrededor de una IA empresarial confiable. Estos son datos gobernados, modelos especializados, explicabilidad, supervisión humana, gobernanza durante todo el ciclo de vida y agentes que operan bajo límites previamente establecidos.
Esto implica llevar la ética de la IA del terreno conceptual a mecanismos concretos; mencionó Ulloa. Específicamente, interpretar cómo llegó un sistema a una decisión, identificar y mitigar sesgos, proteger información sensible, conservar trazabilidad y auditabilidad, establecer políticas y mantener supervisión son algunas de las capacidades que SAS incorpora dentro de su enfoque de gobernanza y que mostrará en SAS Innovate On Tour México 2026. Por ejemplo, uno de sus anuncios, el SAS AI Navigator, busca mantener visibilidad sobre los casos de IA, modelos y agentes utilizados por una organización, independientemente de si fueron desarrollados internamente o provienen de terceros.
“La ética no puede quedarse únicamente en una declaración de principios. Tiene que reflejarse en la forma en que una organización administra sus datos, entiende sus modelos, establece responsabilidades y controla lo que puede o no puede hacer un agente. Cuando esos mecanismos existen, la gobernanza deja de verse solamente como cumplimiento y empieza a convertirse en una condición para innovar con mayor confianza”, agregó Ulloa.
Calidad de los datos en el proceso
De acuerdo con Ulloa, la calidad de los datos constituye otra parte de esa ecuación. En este sentido, SAS Data Management, otro de los anuncios de SAS, incorpora linaje, transparencia, auditabilidad y control directamente en los flujos de información. El planteamiento adquiere mayor relevancia con la IA agéntica. Esto porque un sistema puede contar con un modelo avanzado, pero si utiliza información cuya procedencia, calidad o transformación no puede verificarse, la confianza en sus decisiones también se debilita.
También está cambiando la discusión sobre qué modelos necesitan las empresas. Frente a una aproximación basada exclusivamente en grandes modelos generalistas, los anuncios de SAS ponen énfasis en modelos analíticos y agentes especializados en problemas e industrias concretas. SAS Supply Chain Agent, por ejemplo, puede evaluar escenarios de demanda y abastecimiento y explicar cómo llega a sus conclusiones; mientras que los modelos de fraude financiero de la compañía se apoyan en patrones procedentes de millones de eventos del sector.
“Un modelo puede tener enormes capacidades generales, pero en sectores regulados o procesos críticos el contexto es determinante. Las organizaciones necesitan combinar capacidad analítica, conocimiento especializado, datos confiables y controles que permitan comprender y supervisar las recomendaciones antes de convertirlas en acciones”, indicó Ulloa.
En este sentido, la supervisión humana permanece, precisamente, como otro componente de esta arquitectura. Por ejemplo, los agentes anunciados para SAS Customer Intelligence 360 operan con guardrails y puntos de intervención humana, mientras que las nuevas capacidades de SAS Viya buscan conectar copilotos y agentes con analítica gobernada y conocimiento específico de industria.
SAS Innovate On Tour México 2026
Esta relación entre capacidad tecnológica, criterio humano y confianza ha sido pieza clave de SAS Innovate On Tour México 2026. La agenda del encuentro se ha basado en una conversación integral sobre cómo las organizaciones pueden convertir la inteligencia artificial en decisiones más confiables, seguras y accionables, combinando innovación, conocimiento especializado, gobierno de datos, ética, protección del negocio y supervisión humana para avanzar de la experimentación hacia un uso empresarial de la IA con verdadero impacto.
Además, el encuentro se ha enfocado en el sector privado en temas relacionados con enterprise decisioning, agentes de IA y cumplimiento, mediante sesiones sobre agentes y asistentes de investigación, IA confiable para la regulación y confianza y gobierno de IA agéntica. Para el sector Gobierno, la agenda se ha centrado en el análisis de experiencias y casos sobre el uso de datos e inteligencia artificial para mejorar la toma de decisiones en el sector público.
