El software empresarial ha prometido históricamente optimizar la gestión y operaciones de las organizaciones. Sin embargo, quienes han implementado sistemas ERP o plataformas comerciales saben que la mera adquisición es sólo el primer paso. Documentar requerimientos, mapear procesos, mantener datos fiables y asegurar que los equipos sigan los flujos de trabajo correctos es la verdadera tarea para que el software funcione eficazmente.
Este desafío ahora se enfrenta a una cuestión emergente: cómo trascender de pilotos de inteligencia artificial (IA) a permitir que agentes de IA actúen autónomamente dentro de los sistemas de negocio.
En una conversación con Brian Chess, vicepresidente senior de IA, Producto y Tecnología en Oracle NetSuite, se abordó repetidamente la brecha entre el potencial de la IA y el trabajo práctico necesario para utilizarla con seguridad. Chess señaló que el problema no es sólo si un modelo de IA puede tomar decisiones, sino si el sistema circundante permite a la empresa delegar esas decisiones bajo un control riguroso. 
El reto de los sistemas centrados en las personas
La mayoría de las aplicaciones empresariales fueron pensadas para usuarios humanos: empleados que introducen datos, siguen pasos de aprobación y ejecutan tareas que el software no puede automatizar por sí mismo. La llegada de agentes de IA altera este esquema, pues el sistema debe admitir software que actúe por su cuenta, sin perder el control y las responsabilidades que garantizan la supervisión humana.
Chess ejemplificó este dilema con un caso personal: estaría dispuesto a que la IA consultara su saldo bancario, pero no a que moviera dinero. «No existe una interfaz eficaz para permitir que la IA haga una cosa pero no la otra», explicó.
Esta distinción es fundamental en un ERP, donde las decisiones pueden afectar registros financieros, aprobaciones y operaciones críticas. Chess argumenta a favor de sistemas que permitan ajuste granular de permisos para gestionar la confianza de forma incremental.
«Algunos sistemas, como NetSuite, cuentan con controles detallados que permiten decidir exactamente en qué acciones confiar y en cuáles no», indicó.
La adopción de IA, por tanto, tenderá a ser progresiva: empezar con tareas muy concretas, evaluar resultados y ampliar responsabilidades conforme se compruebe la fiabilidad. Los procesos tratados por IA deben ser controlados y delimitados para facilitar su gobernanza, convirtiendo la definición de procesos y la calidad de datos no solo en retos técnicos, sino en bases para una automatización segura.
Responsabilidad y el papel de los administradores
Delegar funciones a agentes de IA no elimina la necesidad de identificar responsables. En NetSuite, las acciones de IA se registran en los mismos logs de auditoría que los movimientos humanos, pero eso no garantiza la rendición de cuentas.
«Los responsables siguen siendo las personas», destacó Chess. Es entonces crucial definir quién controla los permisos de la IA y decide sobre su uso.
Esto cobra especial relevancia cuando la IA puede generar scripts o personalizaciones. Un usuario sin los permisos adecuados puede solicitar o revisar un código, pero solo un administrador debe autorizar su implementación para evitar riesgos.
El administrador actúa como un filtro de seguridad, asegurando que los cambios impulsados por IA sean revisados y probados antes de llegar a producción. Conforme las herramientas de IA avancen, se hará indispensable definir claramente el proceso de supervisión y autorización.
IA que explica para facilitar la comprensión
Más allá de la autonomía, Chess destacó el valor de la IA como ayuda para entender los sistemas existentes. Por ejemplo, cuando un usuario pregunta cómo está configurada una cuenta, la IA puede no solo responder sino también explicar la fuente de la información.
Esta transparencia contribuye a que los usuarios valoren la respuesta y aprendan sobre el funcionamiento del sistema. Técnicos administradores que no sean programadores podrán interactuar con la IA para comprender y modificar scripts, haciendo más accesibles configuraciones complejas.
En este sentido, la IA pasa a ser un asistente para mejorar la calidad de las decisiones humanas, manteniendo siempre la última palabra en manos humanas.
Apertura, elección e interoperabilidad
Respecto al riesgo de dependencia de un solo proveedor o modelo de IA, NetSuite asegura que los clientes pueden conectar diferentes herramientas como Claude o Copilot, diferenciándose de la IA integrada en su plataforma.
La apertura ha sido clave en la estrategia de NetSuite, que desde siempre ha ofrecido APIs abiertas para facilitar la integración y el intercambio de datos con otros servicios. Además, dispensa documentación pública que ayuda a las herramientas de IA externas a entender su ecosistema.
No obstante, Chess advierte que interoperabilidad no significa comportamientos idénticos entre distintos modelos. Los procesos concebidos con un sistema pueden no funcionar igual con otro. Los estándares podrían ayudar en el futuro, pero la industria aún no ha definido el nivel adecuado de compatibilidad.
Lanzamientos controlados para evitar disrupciones
El ritmo acelerado del desarrollo de IA presiona también las prácticas de actualización empresarial. NetSuite cuenta con dos grandes releases al año, respaldados por versiones previas que los clientes pueden probar en cuentas clonadas y programar actualizaciones sin alterar su operativa diaria.
Adicionalmente, ofrece actualizaciones mensuales centradas en funciones nuevas que no afectan la experiencia establecida. Las modificaciones en funcionalidades existentes se reservan para las actualizaciones grandes y su periodo de previsualización.
Esta estrategia responde a la preocupación común de las empresas: innovar es útil sólo si no genera fallos en procesos críticos. Permitir evaluar la versión previa y realizar implantaciones escalonadas garantiza un cambio controlado.
Un camino gradual hacia la automatización con IA
La oportunidad de la IA en ERP no consiste simplemente en incorporar agentes que realicen tareas, sino en adaptar sistemas centrados en personas para controlar qué puede hacer la IA y mantener responsables a los usuarios.
Chess identifica dos retos clave: cómo avanzar desde la situación actual hacia una automatización realista y cómo integrar a los agentes en los procesos de negocio. Este salto dependerá menos de la capacidad técnica de los modelos y más de la definición clara de procesos, calidad de datos, controles de permisos, audibilidad y roles responsables.
La IA puede ayudar a que las empresas alcancen los objetivos que el software empresarial siempre ha prometido, pero la transición de piloto a producción precisa ser pausada y consciente, comenzando con tareas limitadas, con autoridad visible y ampliando los derechos a medida que la organización gana confianza.
