La deuda tecnológica frena el despliegue de agentes de IA en empresas mexicanas

En las grandes empresas mexicanas, los datos viven en lugares distintos. Algunos reposan en sistemas que tienen décadas de antigüedad. Otros están dispersos en hojas de cálculo. Y las reglas que gobiernan cómo se procesan esos datos —cómo se aprueban pagos, cómo se cierran libros contables, cómo se validan facturas— muchas veces no están escritas en ningún lado. Solo existen en la cabeza de las personas que han hecho ese trabajo durante años.

Esta fragmentación es el obstáculo más grande que enfrentan las empresas mexicanas cuando intentan desplegar agentes de inteligencia artificial. Según una encuesta de ManageEngine realizada entre responsables de tecnología en el país, 87% de las organizaciones afirma que la fragmentación de sus sistemas limita su capacidad para escalar iniciativas de IA. Más aún, 56% enfrenta dificultades para convertir esas inversiones en retornos medibles. El problema no es nuevo. Durante la última década, muchas corporaciones mexicanas no migraron a la nube. Realizaron pocas inversiones en software como servicio. Acumularon capas sobre capas de tecnología heredada sin integrarla.

La escala del desafío es considerable. Un estudio de MuleSoft que incluyó respuestas de más de mil responsables de tecnología encontró que una organización administra en promedio 957 aplicaciones, pero mantiene integradas apenas 27 por ciento de ellas. Un agente de IA que necesite revisar un pago, por ejemplo, debe recuperar información de varios sistemas simultáneamente y conservar permisos distintos para leerla o modificarla. Eso requiere una arquitectura que no existe en la mayoría de los casos.

Primero AI, una empresa mexicana que instala agentes de inteligencia artificial en grandes corporativos latinoamericanos, identificó este rezago como el problema central. José Murillo, cofundador y codirector ejecutivo, explicó que el desafío es llevar la inteligencia artificial desde un asistente individual hasta los procesos centrales de una organización. Para hacerlo, la compañía desarrolló Primia, una plataforma que actúa como capa entre los modelos de IA y los sistemas centrales de cada cliente. Primia conecta las aplicaciones dispersas y codifica la lógica con la que se ejecuta cada proceso. Sobre esa estructura funcionan agentes que reciben los datos y permisos correspondientes a una tarea específica.

El cierre contable mensual ilustra por qué esto es necesario. Para completarlo, un agente debe extraer datos del sistema de planificación de recursos empresariales, contrastarlos con los registros tributarios, verificar que el resultado coincida con la información financiera y aplicar reglas internas que muchas empresas nunca documentaron. Murillo describió el caso de una compañía que paga más de cien mil facturas de proveedores cada mes. El agente revisa si las mercancías fueron entregadas y detecta diferencias antes de autorizar los pagos, mientras una persona conserva la supervisión. Según Primero AI, la plataforma detectó más de diez millones de dólares en deducciones incorrectas para un cliente de bienes de consumo. En otra implementación, un agente automatizó 85 por ciento de un proceso de revisión en una constructora, dejando el resto bajo control humano.

La integración de IA consume presupuesto antes de que una empresa pague por las consultas al modelo. El estudio de ManageEngine encontró que 75% de las organizaciones destina más recursos a mantener sus sistemas en operación que a innovar. Solo 9% asigna una proporción mayor a nuevas capacidades. Esa distribución reduce el dinero disponible para limpiar datos y sustituir las conexiones provisionales que se acumularon durante años. El contexto es desalentador: únicamente 26 mil 93 de las 5.45 millones de unidades económicas registradas por los Censos Económicos 2024 utilizaban sistemas de inteligencia artificial durante 2023, una proporción cercana a 0.5 por ciento.

Murillo enfatizó que los agentes de IA deben tener restricciones claras. Primia restringe los datos enviados a proveedores externos y conserva el contexto empresarial fuera del modelo. La compañía ofrece acuerdos de retención cero y permite cambiar de proveedor. El diseño evita conceder acceso irrestricto a los sistemas de una organización. Los agentes mantienen trazabilidad sobre las decisiones y dejan intervenciones sensibles bajo aprobación humana. Primero AI respaldó su salida pública con una ronda semilla de doce millones de dólares encabezada por Kaszek y General Catalyst. Murillo dijo que el equipo creció cinco veces desde el comienzo de 2026 y que los recursos financiarán nuevas contrataciones y la ampliación de operaciones.