Durante la última década, la nube actuó como el gran habilitador de la transformación digital: un almacén elástico y una fuente de computación bajo demanda sobre la que las empresas construyeron sus primeras arquitecturas digitales. Ese modelo está en revisión.
Hoy, la infraestructura cloud orquesta procesos, anticipa necesidades y toma decisiones en tiempo real. Este fenómeno —que definimos como Cognitive Cloud Convergence— no describe un producto ni una versión nueva de un servicio existente. Describe un cambio de naturaleza: la IA no se añade a la nube, es la propia nube la que se vuelve inteligente.
Para entender el alcance real de esta transformación y el punto en que se encuentran las empresas españolas, hemos recabado el análisis de Alberto Pinedo, National Technology Officer de Microsoft en España, y Carlos Sanchiz, responsable de tecnología de AWS para el sur de Europa. Junto con ellos, vamos a tratar de dar respuesta a las cuestiones clave sobre el despliegue real de la IA en la nube y su impacto en la estrategia del CIO.
Madurez o experimentación constante
El primer paso para abordar esta convergencia es determinar si las empresas españolas siguen probando la IA o si la están integrando en sus procesos de negocio de forma real y sostenida. Los datos apuntan a una situación paradójica: adopción amplia, profundidad escasa.
La diferencia entre un piloto exitoso y una transformación es contar con una plataforma para operar a escala
Según el informe Desbloqueando el potencial de la IA en España en 2026, publicado en el AWS Summit Madrid de junio de este año, el 61% de las empresas españolas ya han implementado soluciones de inteligencia artificial en sus operaciones, once puntos más que el año anterior y siete por encima de la media europea.
Una cifra que sitúa a España en una posición favorable dentro del continente, pero que exige matices. Casi dos tercios de esa adopción se concentra en casos de uso básicos como los chatbots, y solo el 17% de las compañías ha alcanzado una integración que transforma procesos de negocio de forma real.
Carlos Sanchiz lo resume con precisión: “La convergencia es una realidad, pero la madurez reside en la amplitud de la adopción, no todavía en su profundidad estratégica. Hemos pasado de la experimentación a la implementación generalizada”. El reto, según AWS, es exactamente ese siguiente tramo: el que separa el despliegue generalizado de la transformación efectiva.
Alberto Pinedo coincide en el diagnóstico, aunque añade un matiz relevante sobre las grandes organizaciones: en ese segmento, la IA ya opera en producción en múltiples procesos simultáneos. El salto cualitativo, para Microsoft, ocurre cuando la empresa construye una plataforma común sobre la que datos, aplicaciones e inteligencia operan bajo una misma arquitectura de gobierno y seguridad.
“La diferencia entre un piloto exitoso y una transformación real es contar con una plataforma preparada para operar a escala”, señala Pinedo.
El consenso entre ambos es más relevante que sus diferencias: la infraestructura ya no es el cuello de botella. El obstáculo es estratégico, y reside en la capacidad de cada organización para convertir la capacidad de cómputo disponible en inteligencia operativa que afecte al núcleo del negocio.
En definitiva, la infraestructura ya está preparada y la adopción inicial es masiva. El siguiente paso es la profundidad estratégica: convertir esa capacidad de cómputo en una inteligencia operativa que reinvente los procesos de negocio desde la base.
Desafíos interconectados
Superar la brecha entre adopción y transformación real no depende solo de la tecnología. Los frenos que encuentran los CIO en el camino hacia la producción son, en su mayoría, organizativos, regulatorios y económicos. Y están conectados entre sí de una forma que hace difícil abordarlos por separado.
Para Carlos Sanchiz, AWS identifica tres barreras que se refuerzan mutuamente. La primera es la escasez de talento especializado, citada por el 58% de las empresas españolas como su principal obstáculo. La segunda es la complejidad regulatoria, especialmente la incertidumbre en torno a la aplicación práctica del IA Act, que frena decisiones de inversión en sectores con alta exposición normativa. La tercera es la dificultad de demostrar un retorno de inversión claro y sostenible más allá del piloto.
“Aunque el 81% de las empresas que usan IA reportan aumentos de productividad, justificar la inversión para transformar un proceso de negocio central requiere una visión y una medición del valor que van más allá de un piloto exitoso”, señala Sanchiz.
Alberto Pinedo sitúa el foco en la capacidad de integración. Para Microsoft, el obstáculo más frecuente estriba en la dificultad de conectar la IA con los datos, los procesos y los sistemas de la empresa de forma segura y gobernada. “La clave está en contar con una plataforma preparada para operar a escala, que no solo proporcione capacidad de cómputo, sino que conecte datos, aplicaciones, modelos, agentes y mecanismos de gobierno”.
El rol del CIO
La complejidad de esta transición está reconfigurando el perfil del responsable de tecnología. No es un cambio cosmético de atribuciones: es una redefinición de qué se espera de ese rol en el comité de dirección.
Para Alberto Pinedo, el CIO ha pasado a ser el arquitecto de la plataforma sobre la que la empresa conecta datos, aplicaciones, procesos, seguridad e inteligencia artificial. En un entorno donde proliferan nubes, modelos y herramientas de terceros, esa función de integración se ha vuelto crítica. “La proliferación de plataformas, nubes y modelos ha convertido la integración en una prioridad, hasta el punto de que muchos CIO están actuando como verdaderos Chief Integration Officers”.
Pero la visión de Microsoft va más allá de la integración técnica. El CIO que lidera la convergencia cognitiva debe también asegurar que la organización mantiene el control sobre su conocimiento diferencial a medida que los agentes de IA asumen procesos cada vez más complejos. Pinedo lo denomina construir un “ecosistema frontera”: un entorno donde la empresa amplifica la experiencia de sus empleados mediante IA sin ceder la propiedad intelectual que la distingue.
“También deberá asegurar que la organización mantiene el control sobre sus datos, sus sistemas y su conocimiento, especialmente a medida que los agentes de IA asuman un papel más relevante en flujos de trabajo complejos”.
La diferencia entre un piloto exitoso y una transformación es contar con una plataforma para operar a escala
Carlos Sanchiz añade dos dimensiones que completan el cuadro. La primera es la gobernanza ética: a medida que la inteligencia artificial toma decisiones con mayor autonomía, el CIO debe establecer marcos que garanticen que esos sistemas operan de forma segura, transparente y alineada con la regulación vigente.
La segunda es la traducción del impacto tecnológico al lenguaje del negocio: “El CIO debe consolidarse como un impulsor del valor de negocio, desplazando la conversación técnica hacia un análisis de cómo puede reducir la pérdida de clientes, acelerar lanzamientos o cocrear soluciones con otras áreas, demostrando un impacto cuantificable en la cuenta de resultados”, apunta Sanchiz.
El perfil que emerge de ambas visiones es el de un directivo que opera simultáneamente en tres planos: la arquitectura tecnológica, la gobernanza de sistemas autónomos y la generación de valor medible para el negocio. El CIO no es el que gestiona infraestructura. Es el que decide sobre qué base competirá la empresa.
Orquestar la fragmentación
Otra de las cuestiones clave en este escenario es la fragmentación que estamos viviendo en el ecosistema de modelos. Grandes LLM fundacionales, modelos pequeños y especializados, soluciones open source propietarias y de nicho conviven en un mercado donde la oferta crece más rápido que la capacidad de evaluarla. Más que elegir un modelo determinado, la gran cuestión para el CIO es cómo construir una arquitectura que no quede obsoleta en meses, cuando ese modelo sea sustituido por otro mejor.
Carlos Sanchiz rechaza que esa fragmentación sea un problema estructural. Para AWS, es precisamente la condición que hace posible una estrategia ganadora: “La clave es adoptar una plataforma agnóstica que permita experimentar, evaluar y desplegar el mejor modelo para cada tarea, ya sea por rendimiento, coste o especialización”.
Amazon Bedrock opera bajo esa lógica: mediante una única API, el CIO accede a modelos de Anthropic, Cohere, AI21 Labs y otros proveedores, con capacidad de cambiar sin reconstruir la arquitectura subyacente. Pero la orquestación no es solo técnica. Sanchiz subraya que la autonomía creciente de los agentes exige integrar el gobierno desde el núcleo: “Damos a los CIO las herramientas para construir la IA más potente, pero también les damos el volante y los frenos para gobernarla”.
Alberto Pinedo desplaza el foco hacia una conclusión diferente: “La ventaja competitiva no vendrá de utilizar el mismo modelo que todos los demás, sino de cómo cada empresa es capaz de combinar modelos, datos, procesos y experiencia acumulada para crear sistemas que aprendan y mejoren continuamente”.
Azure AI Foundry materializa esa apuesta: acceso a más de 11.000 modelos bajo el objetivo de construir lo que Microsoft denomina Customer IQ, es decir, conectar la inteligencia general con el conocimiento específico y acumulado de cada organización. El control, en este marco, se traduce en visibilidad y trazabilidad sobre lo que los agentes hacen con ese conocimiento.
Datos y soberanía digital
Si el cloud cognitivo tiene un punto de fallo recurrente, está en los datos. La mayoría de las organizaciones que intentan escalar IA se encuentran con que su información está dispersa en silos incompatibles, mal etiquetada, duplicada o sujeta a restricciones de acceso que nadie actualizó cuando el negocio cambió. Antes de hablar de convergencia cognitiva, hay que hablar de higiene del dato.
Para Carlos Sanchiz, AWS identifica tres barreras críticas en este ámbito: los silos, que impiden construir una visión unificada del dato sobre la que entrenar o consultar modelos con fiabilidad; la gobernanza y la calidad de los datos; y la privacidad y seguridad, especialmente relevante en sectores regulados.
El CIO no es el que gestiona infraestructura. Es el que decide sobre qué base competirá la empresa
Pero, señala Sanchiz, “El verdadero desafío no es tecnológico, sino estratégico, y reside en establecer una cultura del dato que trate la información como el activo más valioso de la empresa”.
Alberto Pinedo añade la dimensión que más condiciona el rendimiento de los modelos en producción: “La calidad del dato, su gobernanza y su conexión con los procesos reales de negocio son lo que permite que la IA deje de responder a casos aislados y empiece a formar parte de la forma en que la organización decide, opera y aprende”. Sin esa base, el modelo más avanzado del mercado tiene un techo bajo.
La soberanía del dato añade una capa adicional de complejidad que en Europa ha adquirido un verdadero rango estratégico. Pinedo la encuadra no como una restricción regulatoria sino como una condición de confianza: las organizaciones necesitan saber dónde residen sus datos, cómo se procesan, quién accede a ellos y bajo qué mecanismos se auditan los sistemas que los utilizan.
Microsoft responde a esa exigencia con iniciativas como EU Data Boundary y la región Spain Central, operativa en Madrid, que permite consumir servicios avanzados de cloud e IA desde territorio nacional con garantías de residencia, baja latencia y cumplimiento normativo.
AWS articula su respuesta bajo el concepto de “soberanía por diseño”. Su región en Aragón permite a las empresas españolas procesar datos localmente con certificación del Esquema Nacional de Seguridad en su Nivel Alto. Para clientes con requisitos paneuropeos más estrictos, la compañía ha abierto la AWS European Sovereign Cloud, una nube independiente ubicada y operada íntegramente en la Unión Europea por personal residente en la UE.
Sostenibilidad económica de la IA
El entusiasmo por las capacidades de la IA está chocando con una realidad que los comités de dirección conocen bien: escalar tecnología sin controlar su coste es un problema de negocio, no de innovación. En muchas organizaciones, los proyectos de IA que funcionan en producción generan un gasto en infraestructura, licencias e inferencia que no estaba previsto en ningún presupuesto original. La pregunta que está llegando a la mesa del CFO no es si la IA funciona, sino si es económicamente sostenible a escala.
Carlos Sanchiz sitúa la respuesta en el hardware. Para AWS, la sostenibilidad económica de la IA empieza en los chips sobre los que corre: “Los procesadores AWS Graviton ofrecen la mejor relación rendimiento-precio, y chips como Trainium e Inferentia reducen drásticamente el coste del entrenamiento y la inferencia”.
La lógica es directa: si el coste por tarea —por token, por consulta, por inferencia— es demasiado alto, el caso de negocio no sale, con independencia de la calidad del resultado. Amazon Bedrock complementa esa eficiencia en el hardware con flexibilidad en la elección de modelos: usar un modelo sobredimensionado para una tarea sencilla es un error económico tan relevante como lo podrías ser uno técnico.
Alberto Pinedo propone un enfoque distinto, aunque complementario. Para Microsoft, la sostenibilidad no se logra solo reduciendo el coste unitario de la inferencia: “El éxito financiero depende de vincular cada uso de IA con un resultado de negocio medible”, señala Pinedo.
Las herramientas de control granular que Microsoft ha introducido —como Copilot Cowork, que permite definir límites de gasto y presupuestos por grupo o usuario— responden a esa lógica: gestionar la IA con la misma disciplina financiera que cualquier otro recurso de la organización.
Horizonte 2028
Proyectar el estado de la convergencia cognitiva en 2028 nos permite, de alguna forma, medir la distancia entre el estatus actual y lo que sería necesario haber consolidado en un plazo que, en términos tecnológicos, es muy corto. Las empresas que no hayan resuelto para entonces la integración entre datos, modelos y procesos no afrontarán un problema de eficiencia, sino un problema de competitividad estructural.
Alberto Pinedo describe una organización donde la IA forma parte del modelo operativo con la misma naturalidad que hoy forma parte el correo electrónico: no como un proyecto, sino como una capacidad que mejora con el uso.
El concepto que Microsoft utiliza para describir a las organizaciones que lideran esa transición es el de Frontier Firms: empresas que han construido ciclos de aprendizaje continuos entre personas y sistemas inteligentes, y que convierten su propio conocimiento, experiencia y contexto empresarial en un activo que se fortalece con cada interacción.
“Las organizaciones que lideren esta transición no se limitarán a consumir inteligencia generada por terceros: convertirán su propio conocimiento, experiencia y contexto empresarial en un activo que se fortalece con cada interacción”, señala Pinedo.
La diferencia respecto a las organizaciones rezagadas no será de grado sino de naturaleza: unas habrán integrado la inteligencia en su forma de operar, las otras seguirán aplicándola por encima.
La empresa de 2028 será radicalmente agéntica: no reaccionará a los datos; los anticipará
Carlos Sanchiz dibuja un escenario más operativo y concreto. Para AWS, la empresa de 2028 será radicalmente agéntica: sus procesos no reaccionarán a la información, sino que la anticiparán, con agentes autónomos optimizando la cadena de suministro en tiempo real, personalizando la experiencia de cada cliente de forma individual y alertando sobre riesgos de mercado antes de que se materialicen.
“En 2028, esta empresa no reaccionará a los datos; los anticipará”, apunta Carlos Sanchiz. En ese modelo, el rol de los empleados se desplaza de la ejecución a la dirección: supervisar, corregir y orientar a los sistemas que gestionan la operativa, actuando como directores de una orquesta de agentes inteligentes.
Lo que es evidente es que la convergencia cognitiva no es un destino al que se llega de golpe. Es un proceso que ya ha empezado, y la distancia recorrida hoy determinará la posición competitiva en 2028.
