Qlik lanza nuevas capacidades de agentes inteligentes con el objetivo de mejorar

¿Ha llegado el día del ajuste de cuentas de la IA empresarial? ¿Por qué Qlik apuesta fuerte ahora por la “IA confiable”?

Sí, y ha llegado más rápido de lo que muchos anticipaban. El “día del ajuste de cuentas de la IA” mencionado por Mike Capone, CEO de Qlik, no es alarmismo, sino la cruda realidad que enfrentan innumerables CIOs: según una encuesta de Gartner, a finales de 2025, más del 60% de los proyectos de IA empresarial no lograron el valor comercial esperado, y casi el 80% de estos se atribuyó a la “desconfianza en los resultados de la IA” y a la “incapacidad de la infraestructura de datos para soportarla”. Este lanzamiento de Qlik apunta precisamente a esta brecha de confianza valorada en miles de millones de dólares, intentando reposicionarse de una herramienta de visualización de datos a un motor central para la “toma de decisiones confiable” empresarial.

Este movimiento es a la vez preciso y arriesgado. Preciso porque captura el punto de inflexión del mercado desde la experimentación con IA hacia la producción con IA; arriesgado porque debe convencer al mercado de que un proveedor tradicional de BI tiene la capacidad de resolver problemas de confianza y transparencia que incluso las empresas nativas de IA encuentran difíciles. El argumento de Capone es claro: los futuros ganadores no serán las empresas con los algoritmos más potentes, sino aquellas que puedan hacer que las empresas “confíen” en entregar la autoridad de decisión a la IA. Detrás de esto hay una guerra sobre el control y el derecho a explicar. Cuando las recomendaciones de la IA desencadenan directamente órdenes de compra o ajustes de inventario, lo que las empresas necesitan ya no son gráficos bonitos, sino un mecanismo completo de “trazabilidad de decisiones”. Qlik intenta, a través de su nueva arquitectura de agentes, convertirse en el establecedor de estándares de este mecanismo.

De “ver informes” a “ejecutar automáticamente”: ¿Cómo reescriben Predict y Automate Agent la cadena de valor del análisis?

Esta combinación extiende el punto final de la cadena de valor del análisis desde la “decisión humana” hasta la “ejecución automática del sistema”. Las herramientas de BI tradicionales (incluidas las versiones antiguas del propio Qlik) resolvieron “qué sucedió” y “por qué sucedió”, pero se estancaron en el paso de “y entonces qué hacer”. La colaboración de Predict Agent y Automate Agent tiene como objetivo superar esta última milla. Predict Agent se encarga de transformar preguntas en lenguaje natural en modelos predictivos, por ejemplo, “¿Qué productos podrían agotarse en la región este de China el próximo trimestre?”; Automate Agent puede, basándose en los resultados predictivos, crear automáticamente órdenes de trabajo de reposición preventiva en el ERP o ServiceNow, o incluso iniciar procesos de búsqueda de proveedores.

El significado industrial de este cambio es extremadamente profundo. Significa que el rol del departamento de análisis de datos cambiará de un “centro de costos” (proporcionando informes) a un “centro impulsor de ingresos” (optimizando directamente la eficiencia operativa). Según simulaciones de McKinsey, combinar insights predictivos con la automatización de flujos de trabajo puede ahorrar entre un 15% y un 25% de los costos relacionados en procesos centrales como la gestión de la cadena de suministro. Sin embargo, esto también trae nuevos desafíos: ¿quién es responsable de los errores en las decisiones automatizadas? Por lo tanto, la “explicabilidad” enfatizada por Qlik se convierte en un punto de venta clave. Predict Agent no solo da respuestas, sino que también debe explicar, de manera comprensible para el personal de negocios, la base de la predicción y los intervalos de confianza, que es precisamente la base técnica para construir confianza.

La siguiente tabla compara las diferencias entre el BI tradicional, el análisis avanzado y el nuevo modelo de agentes de IA de Qlik:

flowchart TD
    A[Usuario de negocio plantea<br>pregunta en lenguaje natural] --> B{Predict Agent<br>analiza y modela}
    B --> C[Genera predicción y<br>insight explicativo]
    C --> D{¿Se activa<br>condición de acción predefinida?}
    D -- Sí --> E[Automate Agent<br>inicia flujo de trabajo correspondiente]
    E --> F[Conecta con sistema externo<br>p.ej., ERP, ServiceNow]
    F --> G[Ejecuta tarea automáticamente<br>p.ej., crear orden, ajustar pedido]
    D -- No --> H[Proporciona informe de insight<br>para decisión humana]
    G --> I[Resultado retroalimenta a<br>plataforma Qlik]
    I --> J[Bucle de aprendizaje continuo y<br>optimización del modelo]

Alianza con ServiceNow: ¿Es un refuerzo de debilidades o la construcción de un nuevo foso defensivo?

Este es un movimiento estratégico para construir un foso defensivo ecológico. La colaboración con ServiceNow va mucho más allá de simplemente añadir algunos conectores de datos. Su núcleo radica en que Qlik inyecta su inteligencia analítica directamente en el sistema nervioso central de los flujos de trabajo de TI y negocio empresarial: el Workflow Data Fabric de ServiceNow. Esto resuelve el clásico problema de la “última milla” en las aplicaciones de IA: la desconexión entre la plataforma analítica y los sistemas de ejecución.

Para Qlik, esto significa que la salida de su motor analítico ya no necesita pasar por traducción manual y entrada manual para convertirse directamente en el combustible que impulsa las operaciones diarias de la empresa. Por ejemplo, si Predict Agent detecta un riesgo potencial de falla en un clúster de servidores, Automate Agent puede, a través de esta integración, generar automáticamente una orden de mantenimiento de alta prioridad en la gestión de servicios de TI de ServiceNow y asignarla al ingeniero adecuado. Esta conexión sin fisuras mejora enormemente la “oportunidad” y la “precisión” de la acciónabilidad del análisis, y estos dos puntos son precisamente las razones clave por las que las empresas pagan por la IA.

Desde la perspectiva del panorama competitivo, este movimiento se enfrenta directamente a aquellos gigantes que intentan construir ecosistemas cerrados, como Microsoft (conectando Dynamics 365 a través de Power Platform) y Salesforce (Einstein AI integrado en los procesos CRM). Que Qlik elija aliarse con el dominador neutral de la gestión de procesos, ServiceNow, en lugar de construir su propio motor de procesos, es una estrategia más ágil. Reconoce sus propias deficiencias en el campo de la “ejecución” y, a través de la colaboración, obtiene rápidamente un boleto de entrada al mercado de automatización de procesos empresariales valorado en cientos de miles de millones de dólares. Esto también presagia que la competencia en el mercado de software empresarial futuro se presentará cada vez más como una “alianza contra alianza”.

Gobernanza de datos y transparencia: De problema técnico a necesidad estratégica de mayor dimensión

Qlik coloca la calidad de los datos, la gobernanza y la transparencia de la IA en pie de igualdad, señalando el verdadero cuello de botella para el éxito de la IA empresarial actual. Muchas empresas creen erróneamente que comprar los modelos de IA más avanzados les dará inteligencia, ignorando la ley de hierro de “basura que entra, basura que sale”. El fortalecimiento por parte de Qlik de las “canalizaciones declarativas” y la capacidad de enrutamiento de datos en tiempo real tiene precisamente como objetivo garantizar que los datos alimentados a la IA estén limpios, sean oportunos y cumplan con las normativas. La tendencia industrial detrás de esto es: la gobernanza de datos está evolucionando de una función de control de back-end de TI a una competencia central en la era de la IA.

La transparencia de la IA (resolver el problema de la “caja negra”) es otra necesidad estratégica a otro nivel. Con la entrada en vigor de regulaciones como la “Ley de IA” de la UE, las empresas que utilicen IA inexplicable para decisiones críticas enfrentarán riesgos legales y de reputación. Que Qlik exija que sus agentes de IA proporcionen explicaciones no es solo para ganar confianza, sino también para cumplir con las normativas. Esto obligará a toda la industria a elevar los estándares de explicabilidad de la IA. En el futuro, las herramientas de IA que no puedan proporcionar informes de trazabilidad de decisiones podrían ser directamente excluidas de las listas de compra en áreas sensibles como finanzas, salud o contratación.

La siguiente tabla enumera las áreas clave que la gobernanza de datos y IA empresarial debe fortalecer en la era de los agentes de IA:

¿Quién se verá afectado? Redistribución de ganadores y perdedores en la cadena industrial

Esta ofensiva de Qlik desencadenará una reacción en cadena en el mercado de software empresarial, redistribuyendo ganadores y perdedores.

Competidores bajo presión directa:

1. Gigantes tradicionales de BI (Tableau, Power BI, Looker): Si no pueden cambiar rápidamente el enfoque de sus productos de “contar historias visuales” a “decisiones agénticas”, enfrentarán el riesgo de marginación en el mercado de análisis avanzado. Su ventaja radica en su gran base de usuarios, pero su desventaja es que su arquitectura central no está diseñada para la ejecución automatizada.
2. Plataformas puras de MLOps: Algunas plataformas enfocadas en despliegue y gestión de modelos de aprendizaje automático pueden encontrar que su valor es cubierto por plataformas “análisis + agente” que integran flujos de trabajo de extremo a extremo. Las empresas pueden preferir una plataforma unificada que pueda manejar simultáneamente datos, análisis, predicción y acción.

Potenciales beneficiados:

1. Integradores de sistemas y firmas consultoras: Para que las empresas implementen flujos de trabajo de agentes de IA y automatización tan complejos, se necesitan muchos servicios de rediseño de procesos e integración de sistemas. Esto crea nuevas oportunidades comerciales para empresas como Accenture y Deloitte.
2. Otros proveedores de automatización de procesos y RPA: Como UiPath y Automation Anywhere. La colaboración de Qlik con ServiceNow valida el mercado de la “automatización impulsada por análisis”, pero no todas las empresas usan ServiceNow. Esto abre espacio para la imaginación de otras alianzas entre plataformas de automatización y herramientas de análisis, pudiendo dar lugar a nuevos ecosistemas de colaboración.

Observadores que deben estar alerta:

1. Grandes proveedores de nube (AWS, Azure, GCP): Poseen una pila completa desde datos, IA hasta aplicaciones. El movimiento de Qlik puede impulsarlos a acelerar la integración de sus propios servicios de análisis (como QuickSight, Synapse) con herramientas de automatización de flujos de trabajo (como AWS Step Functions), utilizando la ventaja de su infraestructura en la nube para contraatacar.

timeline
    title Evolución del panorama competitivo de plataformas de análisis e IA empresarial
    section Década de 2010 : Dominio de la visualización
        Competencia de BI tradicional<br>Enfoque: estética e interactividad de gráficos
        Surgimiento de Tableau, QlikView, Power BI
    section Inicios de la década de 2020 : Inyección de nube e IA
        Arquitectura nativa en la nube y<br>funciones básicas de ML se convierten en estándar
        Adquisiciones e integraciones de gigantes<br>(Salesforce compra Tableau, Google compra Looker)
    section Mediados de la década de 2020 : Emerge la crisis de confianza
        Bajo retorno de inversión en IA empresarial<br>creciente atención al problema de la caja negra
        IA explicable (XAI)<br>se convierte en tema emergente
    section 2026 y más allá : Era de agentes y acción
        Agentes de IA impulsan directamente<br>procesos empresariales y decisiones
        Claves competitivas:<br>integración ecológica, mecanismos de confianza,<br>trazabilidad de decisiones

¿Qué panorama de mercado veremos en los próximos tres años?

En los próximos tres años, el mercado de IA empresarial se diferenciará drásticamente debido a este nuevo eje de “agentes confiables”.

Primero, ocurrirán simultáneamente la integración y la estratificación. El mercado verá surgir una serie de plataformas integradas que ofrecen una “cadena de decisión confiable de extremo a extremo” como Qlik. Al mismo tiempo, también surgirán empresas de tecnología profunda enfocadas en resolver un problema específico dentro del ciclo de confianza, como servicios independientes especializados en auditoría de decisiones de IA, detección de sesgos o generación de informes explicativos. Las plataformas y las soluciones puntuales coexistirán, pero las plataformas ocuparán la posición dominante en la cadena de valor.

Segundo, el pensamiento de “producto de datos” se convertirá en la corriente principal. Simplemente tener un data lake o un almacén de datos ya no es suficiente. Las empresas necesitan empaquetar datos limpios, con linaje claro y etiquetas de calidad, en forma de “producto”, para proporcionarlos directamente para el consumo de agentes de IA. Esto impulsará la arquitectura de plataforma de datos hacia una dirección más productizada y APIficada. Según predicciones de Forrester, para 2028, más del 70% de las empresas establecerán el puesto de “gerente de producto de datos”, responsable específicamente de crear tales activos de datos listos para IA.

Tercero, surgirán nuevos estándares de evaluación y métricas de compra. Al adquirir herramientas de IA/análisis, las empresas ya no solo compararán velocidad de procesamiento o cantidad de modelos. “Tiempo promedio de explicación”, “tasa de éxito en trazabilidad de decisiones”, “tasa de precisión de acciones automatizadas” y otras métricas directamente relacionadas con la confianza y la efectividad de la acción se convertirán en criterios importantes de selección. Esto obligará a todos los proveedores a rediseñar su propuesta de valor de producto y discurso de marketing.

En resumen, el lanzamiento de Qlik no es solo una noticia de producto, se asemeja más a un disparo de salida que anuncia que la carrera de IA empresarial ha entrado en la segunda mitad. La primera mitad compitió por quién tenía la tecnología más llamativa y los modelos más grandes; la clave para ganar en la segunda mitad radica en quién puede resolver sólidamente los problemas de confianza e integrar la IA de manera perfecta y confiable en los engranajes centrales de operación de la empresa. Para las empresas y actores tecnológicos de Taiwán, esto es tanto una advertencia como una revelación: al perseguir la ola de IA, quizás deberían revisar más sus fundamentos de datos y condición de procesos, porque el valor futuro de la IA se construirá firmemente sobre estos cimientos “aburridos” pero cruciales.

Lectura Adicional

1. Informe de Gartner: Predicts 2026: Data and Analytics Strategies to Achieve Business Outcomes, profundiza en las causas principales del fracaso de proyectos de IA y la importancia crítica de la gobernanza de datos.
2. McKinsey: «The economic potential of generative AI: The next productivity frontier», analiza el potencial de creación de valor de la automatización con IA en procesos empresariales específicos.
3. Documento oficial de la UE: «Regulation (EU) 2024/… of the European Parliament and of the Council laying down harmonised rules on artificial intelligence (AI Act)», para comprender el contexto regulatorio que impulsa la demanda de transparencia en IA.

{
  "image_prompt": "Una ilustración futurista y profesional en un entorno de sala de juntas corporativa"