En el vertiginoso mundo de la inteligencia artificial empresarial, las decisiones suelen presentarse como dilemas binarios: ¿chat o interfaz gráfica? ¿reconstruir desde cero o añadir IA a lo existente? ¿contratar superingenieros o apostar por equipos junior? Sin embargo, tres referentes del sector —Atlassian, Anthropic y Scale Venture Partners— coincidieron recientemente en un mensaje contundente: la trampa está en elegir un bando. El verdadero acierto consiste en operar simultáneamente en ambos extremos, y el elemento que lo hace posible es una capa de “skills” o habilidades que transforma un modelo básico en un sistema fiable para el negocio. Ese es el playbook que cualquier empresa debería adoptar para integrar IA de forma efectiva, y que compañías como Q2BSTUDIO aplican al desarrollar aplicaciones a medida con IA, ciberseguridad y cloud AWS/Azure.
Atlassian, con más de veinte aplicaciones y cinco millones de usuarios de IA, aprendió que el chat no es un fin en sí mismo, sino un motor de descubrimiento. Al lanzar su interfaz conversacional Rover, observaron cómo los usuarios intentaban acciones que el chat no soportaba —agrupar notas adhesivas por temas, por ejemplo— y convirtieron esas solicitudes recurrentes en funciones específicas. La lección: el chat revela el roadmap del producto. Pero también descubrieron que no bastaba con construir sobre lo antiguo; necesitaban un principio de diseño que tratara a los agentes de IA como a los humanos. Todo lo que un humano puede hacer, un agente debe poder hacerlo, con herramientas, contexto y responsabilidad. Eso obligó a exponer cada funcionalidad como una skill reutilizable. En paralelo, Anthropic, la compañía creadora de Claude, se enfrentó a un crecimiento explosivo de demanda. En lugar de contratar masivamente, decidieron tejer Claude a través de su stack existente (Salesforce, Slack, Gong, Clay) y convertir los patrones de sus mejores comerciales en cinco skills diarias: briefing matutino, preparación de llamadas, seguimiento de clientes, inteligencia competitiva y creación de activos. El resultado: los agentes recuperaron el 70% de su tiempo dedicado a tareas internas y el 54% de los nuevos logos empresariales llegaron por autoservicio. La clave no fue una nueva pila tecnológica, sino la intencionalidad con la que conectaron las herramientas.
Por su parte, Rory O’Driscoll, socio de Scale Venture Partners, desmontó el mito de que “el software ha muerto”. Con 30 años invirtiendo en software, explicó que el gasto en infraestructura de IA (688.000 millones de dólares este año) supera con creces los ingresos (110.000 millones), lo que implica cinco o seis años más de inversión neta. Pero eso no significa que las aplicaciones desaparezcan; al contrario, la capa de skills —el “arbés” o arnés que envuelve al modelo— es donde se genera la verdadera diferenciación. Los modelos base se convierten en commodities; los datos propietarios, los efectos de red y la integración con sensores y procesos del mundo real son los nuevos fosos. O’Driscoll compara esta situación con la pila LAMP: todos los negocios B2B se construyen sobre el mismo framework, pero cada aplicación es única. Lo mismo ocurre con la IA: el modelo es la base, pero el software que lo orquesta, lo gobierna y lo conecta con el negocio es el verdadero valor.
Este playbook tiene implicaciones directas para cualquier organización que quiera adoptar IA de manera competitiva. Primero, hay que aceptar la contradicción: usar chat y UI dedicada, reconstruir y añadir, contratar juniors y seniors. Segundo, hay que construir una capa de skills reutilizables que capture el conocimiento del negocio. Tercero, hay que invertir en la infraestructura adecuada: cloud AWS/Azure para escalar, ciberseguridad para proteger los datos y BI/Power BI para medir el impacto. Empresas como Q2BSTUDIO ofrecen precisamente eso: desarrollo de aplicaciones a medida con IA, integración en la nube, automatización de procesos y análisis de negocio, todo ello con un enfoque pragmático que evita los extremos dogmáticos.
En la práctica, esto significa que un equipo de producto debe diseñar tanto para humanos como para agentes. Un comercial debe poder delegar tareas repetitivas a un agente de IA entrenado con las skills de los mejores vendedores. Un analista debe tener acceso a un panel de BI que consolide datos de múltiples fuentes sin depender de consultas manuales. Y todo ello debe ejecutarse sobre una plataforma segura y escalable, ya sea en AWS, Azure o una combinación híbrida. La tentación de esperar a que los modelos se estabilicen o de apostar todo a una única tendencia es comprensible, pero los casos de Atlassian, Anthropic y Scale demuestran que el éxito llega a quienes abrazan la complejidad y construyen una capa de habilidades propia.
El playbook de IA no es un recetario cerrado; es una mentalidad. Consiste en dejar de preguntarse “¿qué bando elegir?” y empezar a preguntarse “¿cómo puedo correr ambos carriles a la vez?”. La respuesta está en el software que envuelve al modelo: las skills, los flujos de trabajo, la integración con el stack existente. Y para eso no hace falta empezar de cero; basta con ser intencional con lo que ya se tiene y saber dónde añadir valor con aplicaciones a medida, IA, ciberseguridad y cloud. Ese es el camino que están siguiendo las empresas más inteligentes, y el que cualquier organización puede recorrer con el socio adecuado.
