El modelo ya no es el cuello de botella. El contexto sí.

Octubre 2026

(Tiempo total de lectura: 4 minutos)

Hola, comunidad 👋

Durante tres años, casi toda la conversación sobre inteligencia artificial giró alrededor de una pregunta:

¿Cuál es el mejor modelo?

OpenAI.
Anthropic.
Gemini.
Más razonamiento.
Más contexto.
Más velocidad.
Menor precio.

Esta semana, Atlassian y OpenAI hicieron un anuncio que apunta a una etapa diferente.

Los modelos GPT-6 van a operar dentro de Atlassian conectados a su Teamwork Graph: una capa que relaciona personas, proyectos, documentos, decisiones, tickets y responsabilidades dentro de una organización.

El mensaje parece técnico.

No lo es.

Es estratégico.

Porque confirma algo que muchas empresas empiezan a descubrir:

la IA ya sabe muchísimo sobre el mundo.
Lo que no sabe es cómo funciona tu empresa.

Y ahí está empezando a moverse el valor.

1) Tu empresa tiene información. Lo que le falta a la IA es contexto.

Imagina que preguntas:

“¿Estamos listos para lanzar este producto el viernes?”

Un modelo frontera puede entender perfectamente la pregunta.

Pero para contestarla de verdad necesita saber:

qué tickets siguen abiertos,
qué decidió Producto la semana pasada,
qué dependencia bloquea Ingeniería,
qué documento aprobó Legal,
quién es responsable,
qué cambió ayer
y qué excepción todavía nadie resolvió.

Eso no vive en un prompt.

Está repartido entre Jira, Confluence, Slack, correo, CRM, reuniones y, peor todavía, en la cabeza de personas.

Ahí aparece el verdadero problema de IA empresarial.

No falta inteligencia.

Falta contexto conectado.

2) 99% de adopción y todavía no basta

Atlassian reveló esta semana un dato extraordinario:

más del 99 % de sus empleados utiliza Rovo en su trabajo diario.

Sin mandato.

Eso sería el sueño de cualquier programa corporativo de adopción de IA.

Pero la propia compañía hizo una observación mucho más importante:

adopción no es valor.

Puedes tener a toda la empresa usando IA y seguir sin cambiar cómo fluye el trabajo.

Ésa es una idea que deberíamos llevar al board.

Porque durante meses medimos:

• licencias activas,

• usuarios semanales,

• prompts,

• horas de capacitación.

Pero ninguna de esas métricas responde la pregunta importante:

¿está ocurriendo el trabajo de una manera distinta?

3) El moat empieza a ser la memoria operacional

Si todos podemos acceder a modelos similares, ¿qué diferencia a una empresa?

Cada vez más:

su memoria operacional.

No solo documentos.

También:

• reglas,

• excepciones,

• decisiones pasadas,

• permisos,

• responsables,

• secuencias de trabajo,

• evidencia,

• y el conocimiento informal de cómo realmente se hacen las cosas.

Pensemos en Finanzas.

El ERP sabe que existe una factura.

Pero quizá no sabe:

qué portal gubernamental debe consultarse,
qué diferencia es tolerable,
qué proveedor requiere una excepción,
quién puede aprobarla,
qué política estaba vigente ese día
y qué evidencia debe guardarse.

El modelo puede razonar.

Pero sin ese contexto, sigue siendo un extraño muy inteligente dentro de tu empresa.

4) Por eso Anthropic está entrenando personas, no solo modelos

La otra señal de la semana vino de Anthropic.

La compañía anunció una inversión de $100 millones para formar 10.000 Frontier Deployed Engineers.

¿Por qué una compañía que construye algunos de los modelos más avanzados del planeta necesita formar miles de humanos?

Precisamente porque el modelo no es suficiente.

Alguien tiene que entender:

el proceso,
los sistemas,
los permisos,
la regulación,
los datos,
las excepciones
y el resultado económico que importa.

Implementar IA empresarial se empieza a parecer menos a instalar software y más a rediseñar cómo funciona la empresa.

Y ése es un trabajo profundamente humano.

5) La siguiente ventaja competitiva no será tener el modelo más inteligente

Creo que estamos entrando en una etapa donde las capacidades base se van a democratizar rápidamente.

Todos tendrán modelos excelentes.

Todos tendrán agentes.

Todos tendrán herramientas.

La diferencia estará en quién logra conectar esa inteligencia con el conocimiento específico de su organización.

Podríamos pensar el stack así:

Modelo: entiende el mundo.

Contexto empresarial: entiende tu empresa.

Reglas: define qué puede y qué no puede hacer.

Agente: coordina.

Trabajador digital: ejecuta.

Humano: decide propósito, excepción y responsabilidad.

Mientras más potente se vuelve el modelo, más importantes se vuelven las otras capas.

No menos.

6) Y aquí aparece un error que muchas empresas están cometiendo

Están comprando IA antes de documentar cómo trabajan.

Procesos críticos siguen viviendo en:

“pregúntale a María”.

“Juan sabe cómo se hace”.

“Hay un Excel por ahí”.

“Ese cliente es especial”.

“Siempre lo aprobamos así”.

Eso funcionaba cuando las personas eran también la memoria del proceso.

No funciona cuando quieres delegar trabajo a una máquina.

Un agente no puede ejecutar de manera confiable lo que la organización nunca logró explicar.

La IA está obligando a las empresas a enfrentar algo que durante años pudieron esconder:

muchos procesos no están diseñados.
Simplemente son hábitos humanos acumulados.

7) Mi pregunta para ti

Si mañana tu empresa tuviera acceso gratuito al mejor modelo del mundo:

¿sabría ese modelo realmente cómo funciona tu negocio?

¿Conocería tus reglas?

¿Tus excepciones?

¿Quién aprueba qué?

¿Dónde está la información correcta?

¿Y cómo demostrar que el trabajo quedó bien hecho?

Si la respuesta es no, quizá tu problema de IA no sea tecnológico.

Es organizacional.

Porque los modelos seguirán mejorando.

La verdadera ventaja estará en convertir el conocimiento de tu empresa en contexto que una inteligencia pueda entender y en reglas bajo las cuales pueda actuar.

Nos vemos pronto,
Hernán

P.D. El modelo conoce internet. Tu ventaja está en todo lo que internet no sabe sobre cómo funciona tu empresa.