Redefiniendo la transformación empresarial en la era de los ecosistemas inteligentes

Como profesionales de TI y tomadores de decisiones empresariales, hemos utilizado rutinariamente el término transformación digital durante más de una década para describir una cartera de iniciativas empresariales que, de algún modo, permiten capacidades comerciales estratégicas. Sin embargo, en última instancia, la intención suele estar reñida con los resultados mensurablemente útiles. Las iniciativas de transformación suelen desafiar la gravedad en términos de lo que es práctico y realista para las empresas modernas con aplicaciones e infraestructura heredadas, pero persistimos en financiarlas a gran escala y posicionarlas como orientadas al valor y a los resultados.  

Cuando consideramos las implicaciones de los costes fijos de infraestructura y las inversiones de capital, iniciativas como la migración a la nube, las plataformas de datos empresariales, la automatización robótica de procesos (RPA) y las iniciativas API-first presentaron una oportunidad casi irresistible para habilitar y liberar capacidades y valor empresarial.

Lo que pasamos por alto constantemente fueron las consecuencias directas e indirectas de la interrupción de la continuidad empresarial, los desafíos de las adquisiciones y desinversiones, las demandas de integración e interoperabilidad para las grandes empresas y, sobre todo, el historial poco impresionante de la mayoría de los esfuerzos de transformación empresarial. El cuadro de mando habla por sí solo. Un estudio de McKinsey descubrió que menos del 30% de las iniciativas de transformación digital logran sus objetivos con éxito. Para las grandes empresas, la tasa de éxito es incluso menor, con estimaciones que rondan el 16-20% debido a la escala y la complejidad de las iniciativas. 

La era de las API primero 

En 2012, como arquitecto de software en una empresa global de ropa y accesorios deportivos, me quedó claro durante la era de API-first que la transformación ya no era una cuestión de ambiciones elevadas que incluían implementaciones monolíticas, refactorización, ingeniería inversa o reingeniería de aplicaciones internas junto con la modernización de la infraestructura. Más tarde, como arquitecto empresarial en bienes de consumo envasados, ya no podía contemplar de manera realista un mundo en el que TI pudiera ejecutar migraciones masivas de carteras de aplicaciones desde centros de datos a aplicaciones basadas en la nube y SaaS y sobrevivir a las implicaciones de coste, riesgo y tiempo de comercialización. Nuestros compromisos con las empresas a las que apoyábamos como arquitectos estaban perpetuamente en desacuerdo con la realidad. Un cambio tectónico nos estaba llevando a todos de arquitecturas monolíticas a modelos de autoservicio y una crisis existencial para la arquitectura y TI se nos venía encima.   

Lo que surgió fue un patrón de adopción de interfaces abstractas, automatización de procesos y ecosistemas interoperables donde las aplicaciones, las plataformas de datos y la nube y la infraestructura se implementaron con poco código, los procesos se diseñaron mediante automatización y los datos se consumieron a través de interfaces comunes y abiertas. Claramente, se trataba más de modernización y transformación en marcha. El panorama estaba evolucionando hacia un enfoque en mantener la continuidad y, al mismo tiempo, obtener una ventaja competitiva mediante el acceso a los datos a través del camino más práctico y con menos interrupciones.  

Mis experiencias como director de arquitectura en la integración de vehículos conectados B2C para la industria automotriz OEM se centraron en desbloquear y habilitar el acceso y el flujo de datos de los vehículos a nivel global y a escala. Vi este patrón surgir nuevamente como arquitecto jefe de una empresa de plataforma SaaS B2B también en la industria automotriz, donde nuestro equipo hizo un esfuerzo consciente para alejarse de la reingeniería de aplicaciones RPG arcaicas en una plataforma AS400 y centrarse en cambio en interfaces abstractas y abiertas para la automatización de datos y procesos, la infraestructura en la nube y los ecosistemas basados ​​en SaaS. 

La era de los megaproveedores 

En 2020, la base de la competencia para los que ahora se conocen como megaproveedores era la interoperabilidad, la automatización y la participación dentro del ecosistema, así como el desbloqueo del acceso a los datos para impulsar las capacidades comerciales, el valor y la gestión del riesgo. En el pico de la pandemia, los sistemas agregados de datos de registro en lagos de datos basados ​​en SaaS se convirtieron en el destino preferido de las empresas globales. Todos estábamos lidiando con un profundo riesgo operativo y una disrupción sin precedentes de la plataforma cuando los datos residen en todas partes y en ninguna. La confiabilidad y la sostenibilidad de la arquitectura monolítica en los sistemas centrales de las empresas construidas sobre adquisiciones enfrentaron picos de demanda, retracciones repentinas del mercado y la inevitable crisis de la cadena de suministro que se produciría. 

En 2022, como arquitecto empresarial en la industria de herramientas de consumo, descubrí que las empresas que crecieron exponencialmente a través de fusiones y adquisiciones comenzaron a sentir el dolor de los sistemas ERP dispares, las plataformas de gestión de la cadena de suministro y la fragmentación de la experiencia del cliente, todos ellos afectados por almacenes de datos redundantes y problemas de calidad de los datos. El riesgo real de tomar decisiones comerciales impactantes con un linaje y una calidad de datos cuestionables era obvio. La convergencia de todos estos factores resultó en un impulso hacia canales de datos unificados y plataformas de datos empresariales que tuvieran el potencial de respaldar el acceso agregado y contextualizado a los datos a través de una capa semántica para los negocios. También se estaban incluyendo algoritmos de aprendizaje automático para la limpieza de datos y la detección de anomalías. Un golpe de IA ‘de movimiento lento’ estaba sucediendo en paralelo con los datos en el centro y era más significativo que cualquier punto de inflexión tecnológico anterior. La unión de los datos con los sistemas de inteligencia comenzó a ganar impulso ya en 2014 a través de la evolución de OpenAI. 

Los nuevos fosos 

¿Cómo encajan los sistemas de inteligencia? Me encontré por primera vez con el término “sistemas de inteligencia” en 2023 cuando me topé con un excelente artículo de Jerry Chen titulado Los nuevos fosos: por qué los sistemas de inteligencia siguen siendo el próximo modelo de negocio defendible. En el artículo, Chen destaca los efectos de los grandes modelos de lenguaje (LLM) en las empresas construidas sobre “fosos”. Cuando pensamos en los sistemas de registro clásicos, los fosos son la última línea de defensa en los ecosistemas propietarios. El “puente levadizo” para los fosos desde una perspectiva de TI generalmente ha incluido cosas como API, buses de servicio, herramientas ETL y plataformas de integración como servicio.   

En las empresas modernas, hemos creado sin darnos cuenta conductos de datos con conjuntos de datos redundantes dentro y entre sistemas de registro para consumidores posteriores a través de sistemas de interacción como la web, el chat y los dispositivos móviles, que afectaron negativamente de manera directa la arquitectura de la experiencia del cliente y nuestra capacidad para gestionar la integridad y la precisión de los datos. En última instancia, si el linaje de datos está fragmentado, es de baja calidad y no tiene contexto, la experiencia del cliente seguramente también se fragmentará o se romperá. El nivel intermedio, dominado por las arquitecturas de bus empresariales clásicas, también carecía de inteligencia flexible, aparte de una lógica empresarial frágil y a veces complicada que aumentaba aún más la complejidad de la gestión de aplicaciones, infraestructura e integraciones. 

Los LLM, combinados con la IA generativa y la automatización de procesos basada en agentes, pueden negociar acciones a través de API, calificar el contexto y las clasificaciones de confianza en función de la calidad y el linaje de los datos, y navegar por el panorama de los almacenes de datos que se encuentran detrás del foso y entre otros ecosistemas. Ahora están surgiendo conversaciones impulsadas por datos e IA entre humanos y sistemas, donde la agencia y la interoperabilidad ahora reemplazan la integración y la centralización codificadas. 

Entonces, ¿qué significan los sistemas de inteligencia en términos de los mismos actores basados ​​en ecosistemas que han plagado a TI con dependencia de proveedores durante décadas? Las empresas sobreviven y prosperan gracias a su capacidad de pivotar y adaptarse. Los sistemas de aprendizaje pivotan y se adaptan en función de eventos y nuevos datos de capacitación. La naturaleza de la transformación moderna consiste en cambiar nuestras suposiciones de diseño arquitectónico de sistemas de registro que se abstraen mediante capas de integración y almacenes de datos redundantes a sistemas de inteligencia que puedan permitir la automatización de procesos completamente autónomos con agentes. Las “conversaciones” y los agentes semiautónomos, mediados por humanos, activan la automatización del flujo de trabajo en función de eventos, interacciones, metadatos del sistema y plataformas de datos empresariales agregados. 

Interoperabilidad: la heredera aparente 

La base de la competencia en la era de los ecosistemas inteligentes reside en los líderes de la industria que reconocen que la automatización y la habilitación de la investigación mediante la creación de cadenas de valor basadas en inteligencia dentro de los ecosistemas y entre ellos mediante la automatización agéntica será la norma. Esto facilitará un cambio fundamental en el uso de términos como transformación digital como un camino hacia el valor comercial y la habilitación de capacidades.

Algunos ejemplos actuales podrían incluir la automatización agéntica Joule de SAP y la tecnología Agentforce de Salesforce. El valor comercial de los agentes basados ​​en Joule tiene un valor obvio dentro del ecosistema de SAP, al igual que Agentforce tiene valor dentro del ecosistema de Salesforce, pero la automatización del flujo de trabajo de la agencia que puede atravesar y entrenarse en múltiples ecosistemas tiene una clara ventaja. Para los arquitectos, esto significa que los actores de ecosistemas homogéneos como SAP y Salesforce sin duda proliferarán en el panorama con soluciones de flujo de trabajo agéntico bloqueadas, pero el heredero aparente sigue siendo la interoperabilidad y los estándares abiertos que la facilitan.   

¿Cómo facilitarán las arquitecturas de inteligencia agéntica la capacidad y el valor del negocio?  

• Orquestación: los agentes orquestan un proceso de consulta administrándolo en pasos y asignando agentes a cada tarea.   
• Basado en objetivos: los agentes “entienden” y ejecutan objetivos específicos, lo que permite interacciones complejas y profundas.  
• Planificación y razonamiento: Los agentes son capaces de realizar una planificación compleja y un razonamiento de varios pasos.   
• Consciente del contexto: la automatización basada en agencias evalúa la situación, incluidas las interacciones pasadas y el contexto del usuario para tomar decisiones y realizar las acciones adecuadas.  
• Aprendizaje iterativo:  los agentes inteligentes aprenden y mejoran con el tiempo.   
• Flexibilidad y personalización: las arquitecturas basadas en agencias brindan flexibilidad y sensibilidad al contexto para adaptarse a dominios específicos.  

¿Qué significa realmente “redefinir la transformación”? 

Cuando reflexiono sobre lo que realmente significa redefinir la transformación empresarial en la era de los ecosistemas inteligentes, recuerdo algunos de los eventos más profundamente disruptivos de la experiencia reciente y cómo podrían haber sido diferentes. Los sistemas que aprenden y se entrenan en eventos de cambio en los sistemas centrales de registro, demandan patrones en los sistemas de interacción y se adaptan contextualmente para respaldar los sistemas de interacción son lo que define la verdadera resiliencia del sistema empresarial. 

Al repasar mis propias experiencias pandémicas como arquitecto, puedo volver a imaginar cómo sería un mundo cuando se enfrentara nuevamente a obstáculos abrumadores utilizando arquitecturas de agentes y sistemas habilitados para IA. A través de la lente de una transformación definida por ecosistemas inteligentes y disponibilidad, confiabilidad, integridad de datos y transacciones del sistema de automatización de agentes, la semántica empresarial y el contexto de datos sobreviven a los riesgos de la diversidad y fragmentación de los ERP y los modelos de negocios porque se entrenan incansablemente en los cambios contextuales del sistema, los datos y la caracterización empresarial. 

El futuro de la empresa moderna no pertenece a los ecosistemas basados ​​en agentes, pero la arquitectura agente ciertamente puede facilitar cambios a través de nuevos flujos de valor que se adapten de manera flexible y receptiva al cambio y aprendan de él.