La inteligencia artificial avanza con rapidez, pero convertir su potencial en resultados reales sigue siendo uno de los grandes retos para las organizaciones. Con motivo de su participación en Tech Show Madrid 2026, hablamos con Shay Begun, Chief Revenue Officer de Astrafy, sobre el estado actual de la adopción de la IA, la importancia de contar con datos fiables, el papel de los agentes inteligentes y las claves para escalar estas tecnologías con seguridad, control y retorno de negocio.

 

¿Qué necesita una organización para transformar la inversión en inteligencia artificial en una ventaja competitiva? Con presencia en Suiza y España, Astrafy trabaja con empresas en la estrategia, arquitectura e implementación de soluciones de datos e IA. Con motivo de su participación en Tech Show Madrid 2026, conversamos con su CEO, Charles Verleyen, sobre las oportunidades del sector, los obstáculos para llevar la IA al día a día de las organizaciones y las perspectivas para 2027.

 

Desde vuestra experiencia trabajando con empresas y administraciones, ¿en qué punto se encuentra realmente la adopción de inteligencia artificial en 2026? ¿Qué promesas del sector se están cumpliendo y cuáles siguen lejos de la realidad?

En Astrafy trabajamos mucho con empresas tecnológicas, y ahí la adopción ya es una realidad. Hoy prácticamente todas usan IA: los equipos de ingeniería para escribir y revisar código, los equipos de negocio para buscar información o redactar contenido, y los tomadores de decisiones para sacar análisis de sus datos. Y muchas promesas se están cumpliendo: vemos tareas que antes llevaban horas, como preparar un informe o encontrar una respuesta en la documentación interna, resueltas en minutos, y personas sin perfil técnico que ya consultan sus datos sin depender de nadie. Lo que todavía falta es madurez a nivel institucional. Pocas empresas tienen una gobernanza clara sobre qué herramientas se usan, con qué datos y con qué reglas. Siguen preocupadas, con razón, por los riesgos de seguridad, y se encuentran con que cambiar la forma de trabajar de la gente cuesta más que la propia tecnología. Esa gestión del cambio es lo que hace que todo avance más despacio de lo que promete el sector.

 

Astrafy pone el foco en construir una base de datos fiable antes de escalar la IA. ¿Se está invirtiendo en inteligencia artificial sin haber resuelto problemas básicos de calidad y organización de los datos? ¿Qué consecuencias tiene empezar por ese orden?

Sí, lo vemos muy a menudo. Hay empresas que compran licencias o lanzan pilotos de IA sobre datos repartidos en excel, con métricas que cada departamento calcula a su manera, sin una capa semántica, y más de la mitad de los proyectos que arrancan así acaban abandonados. El motivo principal no es técnico. Un modelo con datos mal definidos responde con total seguridad y se equivoca, y en cuanto los usuarios ven un par de cifras que no cuadran, pierden la confianza en los datos y dejan de usar la IA. Recuperar esa confianza cuesta mucho más que haber ordenado los datos al principio, por eso siempre recomendamos empezar por la base y escalar la IA después.

 

En el caso de los agentes de IA capaces de ejecutar tareas, ¿qué procesos empresariales consideras preparados para una mayor autonomía y dónde sigue siendo imprescindible la supervisión humana?

Para mí la autonomía de un agente tiene que ir en proporción a lo fácil que sea deshacer lo que hace. Hay procesos que ya pueden funcionar con bastante autonomía: diagnosticar incidencias, clasificar y extraer información de documentos, generar informes recurrentes o resolver consultas internas a partir de documentación oficial. Son tareas con mucho volumen y en las que un error se detecta y se corrige rápido. Pero cuando la decisión afecta a personas, a dinero o a la relación con un cliente, la decisión tiene que ser tomada por una persona, o al menos el agente tiene que estar supervisado por una. Además, varios de esos usos son de alto riesgo según la ley europea de IA, que exigirá supervisión humana a partir de diciembre de 2027.

 

Como partner de Google Cloud, ¿qué aconsejáis a las empresas para aprovechar estas plataformas y, al mismo tiempo, mantener el control sobre sus datos, sus costes y su capacidad de cambiar de proveedor?

Lo primero que les digo a los clientes es que Google Cloud, en general, no impone un vendor lock-in: trabaja con estándares abiertos y permite usar modelos de otros proveedores (Model Garden), así que la dependencia suele venir más de cómo se construye que de la plataforma. Por eso recomendamos tener la infraestructura y las transformaciones como código en repositorios propios (e.g en Terraform), las definiciones de negocio fuera de cualquier herramienta concreta y los datos en regiones europeas con permisos bien controlados. En costes, lo importante es medir desde el primer día cuánto cuesta cada consulta o cada ejecución de un agente. Como partners de Google Cloud, hacemos FinOps para nuestros clientes sin ningún coste para ellos: revisamos su consumo, ajustamos lo que sobra y les ayudamos a comprometer gasto solo cuando tiene sentido.

 

El próximo 4 de noviembre presentaréis junto a IAM en Tech Show Madrid cómo el Ayuntamiento de Madrid ha automatizado con IA su soporte interno a desarrolladores. ¿Qué resultados podéis adelantar en tiempos de respuesta o carga de trabajo y cuál ha sido el mayor reto del proyecto?

Antes del proyecto, el director del departamento pasaba entre 80%- 90% de su tiempo respondiendo dudas técnicas de los desarrolladores, y eso también se comía mucho tiempo del resto del equipo. Además, las respuestas no siempre eran precisas, porque no siempre se entendía bien la pregunta ni quedaba claro si la duda se había resuelto. Ahora todo eso está automatizado: un asistente responde a partir de la documentación oficial, dentro de Microsoft Teams, que es donde ya trabaja la gente. El mayor reto no fue el modelo, sino llevar la IA de Google Cloud a Teams cumpliendo la seguridad de una administración pública, que pide red privada mientras Teams necesita un punto de entrada público. Lo resolvimos apoyando la seguridad en la identidad de los usuarios y no solo en la red.

 

Mirando a 2027, ¿qué tendencia crees que tendrá un impacto tangible en el negocio y cuál está recibiendo más atención de la que merece? ¿Qué decisión deberían tomar hoy los responsables de tecnología y datos para llegar preparados?

Creo que lo que más se va a notar en el negocio son los agentes conectados a datos bien gobernados y metidos en las herramientas que la gente ya usa, como hemos hecho con el Ayuntamiento de Madrid en Teams. Lo que está recibiendo más atención de la que merece es la obsesión por los modelos: cada mes sale uno nuevo y parece que hay que cambiarlo todo, cuando para la mayoría de empresas la diferencia la marcan los datos, la integración y el contacto con el área del negocio, no el modelo. Y hay algo que se olvida: implementar cualquier tecnología requiere gestionar el cambio, porque si la gente no la adopta en su día a día, no sirve de nada. La decisión que tomaría hoy es tratar la calidad de los datos como infraestructura de IA, con presupuesto y responsables propios, y acompañar cada proyecto con un plan real para que los equipos lo usen.