Qué necesita realmente un stack de IA empresarial para llegar a producción en 2026

En pocas semanas de septiembre de 2026, seis de las mayores plataformas de IA empresarial publicaron anuncios importantes: AWS junto con OpenAI, Microsoft, Google, Salesforce y Palantir. Por separado parecen productos que compiten entre sí. Leídos en conjunto, describen lo mismo: todo lo que un sistema de IA necesita y que no es el modelo.

Todas están lanzando alguna versión de identidad para agentes, permisos, conectores de acción, pasos de aprobación, registros de auditoría, control de versiones y consola de administración. Esa convergencia es la señal más útil del año para quien planifica IA en una empresa: muestra lo que la producción exige de verdad, porque los proveedores ya invirtieron en construirlo.

Un modelo con un prompt no es un sistema

Un prototipo necesita tres cosas: un modelo, un prompt y algunos datos. Un sistema que una empresa regulada deja operar sobre sus clientes, empleados o dinero necesita mucho más, y casi nada de eso se ve en una demo.

El mapa siguiente es nuestra síntesis de lo que aparece una y otra vez en implementaciones serias y en los anuncios de septiembre. Tiene cinco capas centrales, seis controles que las atraviesan a todas y una capa que ningún proveedor entrega.

Capas centrales

• Aplicación de negocio y experiencia
• Runtime del agente: orquestación y estado
• Herramientas, acciones e integraciones
• Contexto empresarial: datos y grounding
• Modelos

Controles transversales

• Identidad y autorización
• Políticas y seguridad
• Evaluación
• Aprobación humana
• Observabilidad y auditoría
• Ciclo de vida y despliegue

• Responsabilidad operativa: quién responde después del go-live

Las cinco capas centrales

Aplicación de negocio y experiencia. Donde las personas se encuentran con el sistema: un canal de Teams, un documento, una pantalla del CRM, una aplicación interna. Si la IA vive en una pestaña aparte, la adopción ya empieza cuesta arriba.

Runtime del agente. Orquestación, estado y memoria entre pasos. Es la capa que más cambió en 2026. OpenAI opera ahora el harness detrás de su Agents API; AWS ofrece un runtime gestionado construido sobre él; Microsoft ejecuta Autopilot como un agente alojado en la nube, con su propio espacio de trabajo.

Herramientas, acciones e integraciones. Lo que el sistema puede hacer, no solo lo que puede leer. Las notas de versión de Google de septiembre incluyen nuevas acciones en vista previa para OneDrive, Outlook, SharePoint y Teams. Salesforce llama a esta capa “Trusted Action”.

Contexto empresarial. Los datos, documentos, definiciones de negocio y significados que sustentan las respuestas. Aquí está la ventaja de cada empresa, y también la mayor parte del trabajo poco visible: acceso, vigencia, calidad y semántica.

Modelos. Cada vez más intercambiables y enrutados automáticamente. Microsoft ya elige el modelo por solicitud en Copilot, y AIP Evolve de Palantir puede proponer migrar una carga a otro modelo después de validar el cambio.

Los seis controles transversales

Estos controles deciden si el equipo de seguridad, riesgo o cumplimiento aprueba el paso a producción. Lo nuevo en 2026 es que las plataformas los ofrecen como funciones de primer nivel.

Identidad y autorización. ¿En nombre de quién actúa el agente? AWS asigna a cada agente gestionado su propio rol de IAM. Microsoft describe Autopilot como un agente que vive en el tenant con identidad propia. Google añadió el 28 de septiembre permisos IAM por aplicación y por data store en Gemini Enterprise.

Políticas y seguridad. Qué conectores, endpoints y fuentes de datos están permitidos. Copilot Managed Runtime, de Microsoft, aplica las políticas de la organización sobre conectores, acceso a datos, endpoints aprobados y auditoría a cada aplicación alojada.

Evaluación. Cómo saber que el sistema es lo bastante bueno, y que lo sigue siendo después de un cambio. AIP Evolve valida los cambios propuestos contra casos de prueba o suites de evaluación existentes antes de fusionar nada. Sin una suite de evaluación, ese tipo de automatización no tiene contra qué comprobar.

Aprobación humana. Dónde una persona tiene que decir que sí. AWS permite exigir aprobación humana antes de acciones relevantes. En el computer use de OpenAI, las aprobaciones de acceso a sitios web y el inicio de sesión quedan a cargo de la aplicación del cliente.

Observabilidad y auditoría. Qué pasó y quién puede demostrarlo. AWS registra en CloudTrail la actividad compatible de los agentes. Microsoft centraliza inventario, uso y estado de las aplicaciones en el centro de administración de Microsoft 365. Salesforce planea un AI Control Plane para registrar, observar y controlar agentes de distintos proveedores.

Ciclo de vida y despliegue. Versiones, ramas, reversión y retiro. Managed Runtime versiona las aplicaciones con Git. AIP Evolve somete las propuestas a revisión en ramas. Google permite ahora transferir la propiedad de agentes compartidos, y desactiva sus programaciones hasta que el nuevo responsable las vuelva a activar.

La capa que nadie entrega: la responsabilidad operativa

Ninguna plataforma define quién responde por un agente después del go-live. Es una decisión de la organización, y es la razón más frecuente por la que los pilotos se estancan.

La transferencia de propiedad en Google es un síntoma pequeño pero revelador. La función existe porque los agentes sobreviven a quienes los crearon: las personas cambian de área, los externos se van y un agente programado sigue funcionando. Alguien tiene que responder por su propósito, sus permisos, sus resultados de evaluación y su retiro.

En España, y en cualquier organización sujeta al RGPD, esto tiene una consecuencia práctica: cuando un agente trata datos personales, hay que poder identificar al responsable del tratamiento y la finalidad. En Latinoamérica, las leyes de protección de datos de cada país plantean preguntas parecidas, con reglas propias. En ningún caso esa respuesta vive en la consola de una plataforma.

Preguntas antes de producción

Para cualquier sistema de IA que vaya a operar de verdad, debería poder responder cada una de estas preguntas en una frase:

1. ¿En nombre de quién actúa el sistema y con qué permisos?
2. ¿Qué datos puede leer y cuáles puede devolver o modificar?
3. ¿Qué acciones requieren a una persona, y quién es esa persona?
4. ¿Qué evaluación demuestra que hoy es lo bastante bueno, y quién la repite después de un cambio?
5. ¿Dónde está el registro de auditoría y quién puede consultarlo?
6. ¿Cómo se versiona, se revierte y se retira?
7. ¿Quién responde por él el próximo trimestre?

Si la respuesta a alguna es “de eso se encarga la plataforma”, revise qué documenta realmente la plataforma. En la mayoría de los casos se encarga del mecanismo. La decisión sigue siendo suya.

Lo que esto significa

El modelo es la parte de la IA empresarial que mejora sola. Todo lo demás en este mapa es el trabajo de decidir cómo se comporta un sistema dentro de su organización. Los proveedores están entregando más maquinaria para ese trabajo, y eso es una buena noticia. También hace que las decisiones pendientes sean más visibles y más difíciles de posponer.