IBM: Las empresas despliegan todo en IA y ahora se enfrentan al reto de pasar del LLM al caso práctico

A lo largo del último siglo, IBM ha sido testigo de cómo surgían y desaparecían numerosas tendencias tecnológicas. Los enfoques que perduran suelen ser los que ofrecen flexibilidad y capacidad de elección.

En VB Transform 2025, Armand Ruiz, Vicepresidente de Plataforma de IA de IBM, esbozó la perspectiva de la compañía sobre la IA generativa y cómo sus clientes empresariales están implementando la tecnología en la práctica. Ruiz subrayó que el panorama actual no consiste en seleccionar un único proveedor o solución de modelos lingüísticos de gran tamaño. Las empresas se están alejando cada vez más de las estrategias de IA de un único proveedor, optando en su lugar por marcos multimodelo que combinan LLM especializados con necesidades operativas específicas.

Aunque IBM ofrece sus propios modelos de IA de código abierto a través de la serie Granite, no los presenta como una solución universal para todas las aplicaciones. Este comportamiento de los clientes está configurando el papel de IBM; la empresa aspira a servir de eje central de control para las operaciones de IA, en lugar de competir directamente como proveedor de modelos de base.

"Cuando me reúno con los clientes, aprovechan todas las herramientas que tienen a su disposición", señala Ruiz. "Para tareas de codificación, muchos prefieren Anthropic. Para razonamiento y lógica, pueden usar o3. Para adaptar los LLM a sus propios datos mediante un ajuste fino, las opciones van desde nuestros modelos Granite a los modelos más pequeños de Mistral, o incluso Llama. Se trata de seleccionar el modelo adecuado para la tarea específica. También les ayudamos ofreciéndoles recomendaciones".

Una estrategia para la conectividad multi-LLM

Para hacer frente a esta dinámica del mercado, IBM ha introducido una nueva pasarela de modelos. Este sistema ofrece a las empresas una API unificada para realizar una transición fluida entre varios LLM, al tiempo que garantiza una supervisión y gobernanza coherentes en todas las implementaciones.

El diseño técnico permite a los clientes operar modelos de código abierto en su propia infraestructura de inferencia para datos sensibles, mientras que también utilizan API públicas como AWS Bedrock o Gemini de Google Cloud para funciones menos críticas.

"Esta pasarela ofrece a nuestros clientes una única interfaz con una API para cambiar entre diferentes LLM, incorporando plena observabilidad y gobernanza en todo el proceso", afirma Ruiz.

Este método contrasta con las tácticas de los proveedores, que a menudo tratan de encerrar a los clientes en sistemas propietarios. IBM no es la única que aboga por una selección de modelos multiproveedor. Recientemente han aparecido varias herramientas de enrutamiento de modelos, diseñadas para asignar cargas de trabajo al modelo más adecuado.

Los protocolos de coordinación de agentes se convierten en una infraestructura esencial

Además de gestionar múltiples modelos, IBM está abordando la creciente necesidad de comunicación entre agentes a través de estándares abiertos.

La empresa ha creado el Protocolo de Comunicación de Agentes y lo ha presentado a la Fundación Linux. ACP es un homólogo del protocolo Agent2Agent de Google, que Google también ha aportado a la Fundación Linux esta semana.

Ruiz mencionó que ambos protocolos están diseñados para agilizar la comunicación entre agentes y minimizar la necesidad de codificación personalizada. Anticipa que las distintas metodologías acabarán fusionándose, y que las diferencias actuales entre A2A y ACP son fundamentalmente de carácter técnico.

Estos protocolos de coordinación de agentes establecen métodos uniformes para que los sistemas de IA interactúen entre diversas plataformas y proveedores.

La importancia técnica es evidente a nivel empresarial: algunos clientes de IBM ya están probando más de 100 agentes en proyectos piloto. Sin protocolos de comunicación estándar, cada interacción entre agentes exige un desarrollo personalizado, lo que conlleva una carga de trabajo de integración inmanejable.

La IA transforma los flujos de trabajo y los métodos operativos

En cuanto a la influencia actual de la IA en las empresas, Ruiz cree que su impacto debe extenderse más allá de las funciones básicas de los chatbot.

"Si sus iniciativas de IA se limitan a los chatbots o a la mera reducción de costes, no ha adoptado plenamente la IA", comentó Ruiz. "La verdadera IA implica remodelar fundamentalmente los flujos de trabajo y cómo se realiza el trabajo".

La diferencia entre el uso básico de la IA y la transformación total radica en el grado de integración de la tecnología en las operaciones empresariales. El caso interno de RRHH de IBM demuestra esta evolución: en lugar de que el personal consulte a los chatbots para obtener detalles de RRHH, los agentes especializados ahora gestionan consultas estándar sobre salarios, contratación y ascensos, conectándose automáticamente a los sistemas relevantes e involucrando al personal humano solo cuando es esencial.

"Antes dedicaba mucho tiempo a consultar a los representantes de RR.HH. sobre diversos asuntos. Ahora, un agente de RR.HH. gestiona la mayoría de mis solicitudes", explica Ruiz. "En función de la consulta -ya sea sobre retribución, separación de empleados, contratación o ascensos-, estas tareas enlazan con diferentes sistemas internos de RRHH, cada uno gestionado por agentes dedicados".

Esto significa un cambio estructural básico de la interacción humano-ordenador a la automatización del flujo de trabajo impulsado por ordenador. En lugar de que los empleados aprendan a utilizar las herramientas de IA, la IA está aprendiendo a realizar procesos empresariales completos de principio a fin.

La consecuencia práctica: las empresas deben ir más allá de las simples conexiones API y el diseño rápido, avanzando hacia una integración completa de los procesos que permita a los agentes de IA ejecutar de forma independiente flujos de trabajo de varias fases.

Consideraciones estratégicas para la inversión en IA empresarial

Las observaciones del despliegue de IBM apuntan a varios cambios clave para la planificación de la IA empresarial:

Ir más allá de un enfoque centrado en chatbot: Las empresas deben identificar flujos de trabajo completos para su revisión, en lugar de limitarse a añadir front-ends conversacionales a los sistemas actuales. El objetivo es eliminar los pasos manuales, no solo mejorar la interacción humano-ordenador.

Construir para la adaptabilidad multimodelo: En lugar de atarse a los proveedores de IA, las empresas necesitan plataformas de integración que permitan cambiar de un modelo a otro en función de las necesidades de la tarea, manteniendo al mismo tiempo la gobernanza.

Priorizar los estándares de comunicación: Las organizaciones deben favorecer las soluciones de IA que admiten protocolos emergentes como MCP, ACP y A2A, evitando métodos de integración propietarios que conducen a la dependencia del proveedor.

"El potencial de desarrollo es inmenso, y no dejo de insistir en que todo el mundo debe aprender sobre IA. Los líderes empresariales, en particular, deben adoptar una mentalidad AI-first y comprender los conceptos fundamentales", concluyó Ruiz.