Enrique Dans

La promesa de la inteligencia artificial más avanzada siempre ha sonado como la de un servicio público: inteligencia abundante, disponible bajo demanda, tan fácil de utilizar como la electricidad, el agua o la computación en la nube. La metáfora es potente, y con razón. Los servicios públicos escalan porque abstraen la complejidad: no necesitas un ingeniero de la compañía eléctrica sentado en tu oficina cada vez que enciendes la luz.

Y, sin embargo, las empresas de inteligencia artificial más sofisticadas del mundo están haciendo cada vez más algo muy diferente: enviar personas.

OpenAI anunció recientemente la OpenAI Deployment Company, diseñada explícitamente para integrar Forward Deployed Engineers dentro de organizaciones que trabajan sobre problemas complejos en entornos exigentes. Según OpenAI, estos ingenieros colaborarán con directivos, responsables operativos y equipos de primera línea para identificar dónde la inteligencia artificial puede generar mayor impacto, rediseñar flujos de trabajo y convertir esas mejoras en sistemas duraderos. Anthropic está contratando Forward Deployed Engineers para su equipo de inteligencia artificial aplicada, profesionales que se integran directamente con clientes estratégicos para impulsar la adopción empresarial y desplegar aplicaciones reales. Google está haciendo exactamente lo mismo. ¿Casualidad?

Resulta revelador. Porque si la inteligencia fuese ya una auténtica utility, nada de esto sería necesario. No tendrías que enviar tus propios ingenieros a cada cliente para conseguir que el grifo funcione.

La paradoja de la inteligencia artificial como utility

Esta es la paradoja en el centro del modelo actual de inteligencia artificial empresarial: la industria habla el lenguaje de la escala, la abundancia y las plataformas, pero el modelo de implementación se parece cada vez más al de la consultoría de alto nivel.

Eso no significa que el trabajo carezca de importancia, más bien al revés. Los Forward Deployed Engineers suelen estar resolviendo el problema real: sacar los modelos más avanzados del entorno de demostración y hacer que funcionen dentro de organizaciones complejas, reguladas y fragmentadas. Se ocupan de permisos, sistemas heredados, cumplimiento normativo, calidad de datos, flujos de trabajo, restricciones operativas y de todas esas cosas que hacen que las empresas reales se parezcan muy poco a los benchmarks.

Pero precisamente ahí está la cuestión. La necesidad de estas personas no es simplemente una innovación comercial. Es un síntoma. Nos dice que el producto, tal y como está empaquetado hoy, todavía no es suficiente.

En artículos anteriores de esta serie argumenté que los grandes modelos de lenguaje nunca fueron diseñados para dirigir una empresa, que la inteligencia artificial empresarial debe evolucionar de herramientas a sistemas, y que los sistemas que finalmente funcionen no se parecerán a chatbots ni copilots, sino a inteligencia integrada en la propia organización. El fenómeno de los Forward Deployed Engineers confirma ese argumento desde el lado de los proveedores. Si el laboratorio de inteligencia artificial tiene que enviar ingenieros para reconstruir contexto, rediseñar procesos y hacer que el sistema opere bajo restricciones reales, entonces la capa que falta no es imaginaria. Está ahí, y está siendo suministrada manualmente.

El patrón pre-plataforma

Toda gran industria tecnológica atraviesa una fase artesanal antes de convertirse en industrial.

Antes de que el software empresarial se empaquetase como producto, las implantaciones eran completamente a medida. Antes de que las plataformas de cloud computing maduras apareciesen, las empresas necesitaban ejércitos de especialistas para configurar sus infraestructuras. Antes de que la web se estabilizase alrededor de navegadores, estándares, proveedores de alojamiento, gestores de contenidos, analítica y convenciones de diseño, construir una página web requería muchísimo más trabajo personalizado que después.

Los Forward Deployed Engineers encajan perfectamente en ese mismo patrón histórico. Palantir popularizó este modelo hace años. De hecho, su propia descripción del puesto de Forward Deployed Software Engineer se basa en ingenieros que trabajan directamente dentro del entorno del cliente para conseguir que el software funcione en la realidad operativa.

Ese modelo tenía sentido para Palantir porque sus clientes suelen operar en entornos extraordinariamente complejos, de alto riesgo y con requisitos muy específicos. Pero cuando OpenAI y Anthropic empiezan a converger hacia patrones similares, la señal es distinta: la industria de la inteligencia artificial más avanzada está descubriendo que los modelos, por sí solos, no son capaces de salvar la brecha empresarial.

Eso no convierte a los FDEs en un fracaso. Los convierte en una forma transitoria. Son lo que aparece antes de que una categoría encuentre su auténtica capa de plataforma.

SAP no envía empleados de SAP a cada cliente

Es aquí donde la comparación con el software empresarial maduro resulta útil: SAP no escala enviando empleados de SAP a cada cliente. Cuenta con un enorme ecosistema de socios. Salesforce tampoco implanta personalmente cada proyecto. Tiene AppExchange, ahora evolucionando hacia AgentExchange, y un amplio ecosistema de partners, fabricantes independientes de software (ISVs) e integradores de sistemas. La empresa que crea la plataforma construye el sustrato; el ecosistema industrializa la entrega.

Esa diferencia es importante. Cuando es el propio proveedor quien tiene que aportar la escasa experiencia humana necesaria para que el producto funcione, la categoría sigue siendo inmadura. Cuando son los socios, los integradores, las plantillas, los estándares y las arquitecturas repetibles quienes toman el relevo, la categoría empieza a escalar.

Por eso conviene interpretar con cuidado la actual ola de FDEs. No es la prueba de que la inteligencia artificial más avanzada se haya convertido en una plataforma. Es la prueba de que todavía no lo ha hecho.

Una plataforma auténtica reduce la necesidad de intervenciones a medida. Un producto preplataforma depende precisamente de ellas.

La trampa del modelo de negocio

Hay otro problema, y es más sutil: una vez que los Forward Deployed Engineers se convierten en una fuente de ingresos, prestigio, proximidad estratégica y dependencia por parte del cliente, resulta mucho más difícil para el proveedor prescindir de ellos. Las mismas personas que están resolviendo las carencias del producto pueden acabar formando parte del modelo de negocio que depende de que esas carencias sigan existiendo.

Es el territorio clásico del dilema del innovador. El gran Clayton Christensen sostenía que las empresas de éxito suelen tener dificultades no porque sean incapaces de ver el futuro, sino porque sus modelos de negocio actuales hacen que ese futuro resulte poco atractivo o incluso canibalizador. En este caso, el dilema es sencillo: si una empresa de inteligencia artificial avanzada construye la capa que convierte los despliegues en algo repetible, modular y escalable a través de socios, puede acabar socavando el modelo artesanal y de alto contacto que hoy le permite mantener una relación estrecha con sus mayores clientes.

Por eso la verdadera plataforma puede que no surja de las propias empresas que entrenan los modelos. Puede que aparezca en otra capa.

La capa que falta no es otro modelo

La tentación, como siempre, consiste en asumir que la respuesta es un modelo mejor. Un modelo más grande. Más agéntico. Con ventanas de contexto más largas, más herramientas, más memoria, más trazas de razonamiento y más autonomía.

Pero el modelo de los FDEs sugiere algo diferente. Si se están enviando ingenieros a los clientes para mapear procesos, comprender restricciones, conectar sistemas, estructurar contexto, gobernar accesos y transformar las salidas de la inteligencia artificial en resultados operativos, entonces la pieza que falta no es simplemente inteligencia. Es arquitectura.

Más concretamente, es la capa que transforma la realidad de la empresa en algo dentro de lo que los sistemas de inteligencia artificial puedan operar:

• contexto persistente
• estructura de procesos
• modelos de permisos
• gestión de restricciones
• bucles de retroalimentación
• estado de los flujos de trabajo
• semántica empresarial
• seguimiento de resultados

Hoy, esa capa suele reconstruirse manualmente en cada despliegue por parte de ingenieros expertos. Mañana tendrá que convertirse en pura infraestructura.

Ahí es donde está la verdadera oportunidad.

Por qué esto es, en la práctica, BPR con agentes

Todo esto conecta directamente con el regreso de la reingeniería de procesos de negocio (Business Process Reengineering).

En 1990, el famoso artículo de Michael Hammer en Harvard Business Review, «Reengineering Work: Don’t Automate, Obliterate«, defendía que las empresas no debían utilizar la tecnología simplemente para acelerar procesos obsoletos. Debían rediseñar los propios procesos. La idea era correcta, pero en muchos casos la tecnología de la época todavía no era capaz de sostener semejante ambición.

La inteligencia artificial cambia eso, pero también hace el problema más exigente. Si las empresas simplemente insertan inteligencia artificial en sus flujos de trabajo actuales, obtienen versiones más rápidas de procesos obsoletos. Si los proveedores simplemente envían ingenieros para personalizar cada despliegue, obtienen una transformación artesanal que no escala.

El verdadero avance llega cuando el propio rediseño se sistematiza: cuando los procesos de negocio no solo se automatizan, sino que además se representan, gobiernan, adaptan y optimizan de forma continua.

Ese es el momento en que la inteligencia artificial empresarial deja de parecerse a un proyecto de consultoría y empieza a convertirse en una plataforma.

El Forward Deployed Engineer es la pista

Por eso la figura del Forward Deployed Engineer resulta tan interesante. El FDE no es el futuro de la inteligencia artificial empresarial. El FDE es la pista de que ese futuro todavía no ha llegado del todo.

El puesto existe porque los sistemas actuales siguen necesitando seres humanos que hagan de puente entre la capacidad general de la inteligencia artificial y la realidad específica de cada organización. Alguien tiene que traducir la empresa a la máquina. Alguien tiene que interpretar las restricciones. Alguien tiene que decidir qué procesos son realmente importantes. Alguien tiene que conectar datos, procesos, acciones y resultados.

Pero la historia sugiere que, una vez aparece una capa repetible, el artesano deja de ocupar una posición central. Los consultores web no desaparecieron cuando la web maduró. Pero el «constrúyeme una página web» dejó de ser un misterioso problema de ingeniería a medida para la mayoría de las organizaciones. Los consultores ERP no desaparecieron cuando SAP maduró. Pero el ecosistema se estandarizó lo suficiente como para que el proveedor no tuviese que desplegar personalmente el producto en todas partes. Los arquitectos cloud no desaparecieron cuando AWS se convirtió en una plataforma. Pero la infraestructura pasó a ser programable, repetible y escalable.

Aquí ocurrirá exactamente lo mismo. Los Forward Deployed Engineers no desaparecerán. Pero si la inteligencia artificial empresarial llega a convertirse en una verdadera categoría de plataforma, dejarán de ser un elemento fundacional para convertirse en algo excepcional.

La verdadera prueba de una plataforma

La prueba es sencilla: ¿puede el sistema funcionar sin enviar al laboratorio? ¿Puede comprender la empresa sin realizar un ejercicio de mapeado específico en cada implantación? ¿Puede operar bajo restricciones sin reconstrucción manual? ¿Puede adaptarse a los flujos de trabajo sin tener un equipo de ingenieros instalado dentro del cliente? ¿Pueden terceros construir sobre él? ¿Pueden los clientes configurarlo? ¿Puede escalar más allá del pequeño grupo de empresas capaces de pagar un despliegue de guante blanco?

Hasta que la respuesta sea sí, deberíamos ser honestos respecto a lo que se está vendiendo. No es inteligencia artificial del grifo: es inteligencia artificial del grifo… pero con los fontaneros incluidos, y facturados aparte.

Y eso está perfectamente bien… por ahora. Todas las categorías atraviesan una fase artesanal. El error consiste en confundir esa fase con el destino final.

Lo que viene después

La siguiente etapa de la inteligencia artificial empresarial no estará definida por quién tenga el modelo más impresionante o el mayor equipo de despliegue. Estará definida por quien construya la capa que haga que esos equipos sean cada vez menos necesarios.

Porque las utilities no escalan enviando ingenieros a cada fregadero: escalan cuando la fontanería ya está instalada.

(This article was previously published on Fast Company)