Por Juan Francisco Aguilar*
La inteligencia artificial generativa (GenAI) ha dejado de ser un experimento de laboratorio para convertirse en un factor decisivo en la estrategia de negocio. En muy poco tiempo pasó de proyectos piloto a integrarse en procesos de atención al cliente, en el diseño de productos y en la toma de decisiones. La pregunta de hoy de los directivos ya no es si deben usar GenAI, sino cómo lograr que esta herramienta de un retorno de inversión claro y sostenible.
El punto de partida ha sido la adopción de los modelos de lenguaje grandes (LLM, por sus siglas en inglés). Estas plataformas demostraron una enorme capacidad para producir texto fluido y convincente. Sin embargo, su mayor limitación es también su característica central: se apoyan en datos de entrenamiento estáticos. En mercados altamente regulados o industrias que cambian semana a semana, este desfase puede traducirse en errores o información obsoleta o no verificada.
Aquí entra en escena la Generación Aumentada con Recuperación (RAG, por sus siglas en inglés), un enfoque que ya está redefiniendo cómo las empresas utilizan la IA. La idea es sencilla, pero poderosa: conectar los modelos con datos propios y actualizados de la organización. De esta manera, las respuestas no solo son más precisas, también están respaldadas en información verificable y alineada con la realidad del negocio.
Los beneficios son evidentes. El mercado mexicano de RAG alcanzó ingresos estimados en 43.6 millones de dólares en 2024, y se proyecta que este valor escale hasta 354.9 millones de dólares en 2030, con una tasa de crecimiento anual compuesta del 46.1 % entre 2025 y 2030. (1)
Y la siguiente etapa es la de la IA agéntica, sistemas capaces no sólo de responder preguntas, sino de planear, decidir y actuar. Imaginemos un software que pueda gestionar cadenas de suministro, coordinar reuniones o resolver dudas de clientes en lenguaje natural sin intervención humana. Lo relevante de esta evolución es que los sistemas dejan de ser meramente reactivos para convertirse en proactivos y colaborativos, muy cercanos a la lógica de un colega de trabajo.
Por supuesto, esta capacidad abre tanto oportunidades como cuestionamientos éticos y culturales. La eficiencia y agilidad empresarial podrían alcanzar niveles inéditos, pero también se necesitará un liderazgo en las organizaciones consciente que establezca límites claros y defina principios de uso responsable.
En México, la adopción de la IA en las organizaciones es alentador. El 50 % de los líderes afirma que el uso de IA ya está extendido en todas las áreas de su organización, lo que implica que los empleados han recibido capacitación y que la tecnología opera de manera transversal(2). Aun así, el 98 % de las empresas en el país identifica la preparación de datos como el principal obstáculo para escalar la IA, y ese mismo porcentaje reconoce que necesita formar a su talento para aprovechar todo su potencial (3).
Ante esto, ¿cómo avanzar entonces hacia un modelo de IA empresarial más sofisticado, basado en RAG y sistemas agénticos? Algunos pasos clave para los líderes de negocio son:
Invertir en infraestructura y datos adecuados. No hay IA poderosa sin datos de calidad. Las organizaciones deben implementar procesos y sistemas de gobierno de datos que les permitan generar, una única “fuente de la verdad” y derribar los silos de información y dejar disponible data limpia para generar canales de información en tiempo real que habiliten la analítica descriptiva y predictiva.
Construir un marco de gobernanza en IA. Transparencia, supervisión humana y lineamientos éticos no son opcionales. La autonomía creciente de los sistemas exige reglas claras y auditorías constantes.
Preparar a la fuerza laboral. El futuro del trabajo será híbrido entre humanos y máquinas. Roles como ingenieros de prompts o traductores de IA ya son parte de la agenda, y las empresas que ya invierten en capacitación de sus colaboradores están tomando la delantera.
Adoptar pilotos controlados. La implementación no tiene que ser masiva desde el inicio. Los programas piloto con objetivos claros —como procesos de incorporación, atención a clientes o consultas internas— permiten aprender y escalar lo que funciona.
Vincular la IA al valor de negocio. La tecnología debe traducirse en indicadores concretos: mejor experiencia de cliente, decisiones más rápidas o mayor eficiencia operativa. Solo así se construye legitimidad y confianza en la inversión.
Para los líderes empresariales, el mensaje es claro: quedarse únicamente en los LLM es quedarse a medio camino. La evolución hacia RAG y, posteriormente, hacia IA agéntica marcará la diferencia entre quienes simplemente adoptan tecnología y quienes la convierten en motor de competitividad.
La GenAI está entrando en una nueva etapa, una donde los modelos no solo generan respuestas, sino que lo hacen de manera confiable, contextualizada y con impacto real en el negocio. El futuro no se trata solo de mejores algoritmos, sino de mejores resultados empresariales: automatización más inteligente, decisiones más rápidas y organizaciones más adaptables. Y ese futuro, para las empresas mexicanas, ya comenzó.
Sobre el autor:
*Juan Francisco Aguilar es Director General Dell Technologies México.
Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes México.
Sigue la información sobre los negocios y la actualidad en Forbes México
Fuente (1): Horizon Grand View Research
Fuente (2): Samsara Research, Smarter, Faster, Safer: The AI Revolution in Mexican Physical Operations.
Fuente (3): State of Innovation and AI, Dell Technologies (Mexico)
