En el AI Business Summit 2026, el CEO de TRD explicó cómo la inteligencia artificial está cambiando la forma en que operan las empresas, con retos distintos para pymes y corporaciones. En el marco del AI Business Summit 2026, organizado por Ekos, Andrés Ontaneda, CEO de TRD, presentó la charla “AI-Native: Diferentes desafíos para pymes y corporaciones. Lecciones reales de la transformación con IA”, en la que compartió aprendizajes concretos sobre la adopción de inteligencia artificial en las organizaciones. Desde su experiencia al frente de una empresa de 127 colaboradores y su participación dentro de un grupo corporativo de alrededor de 20.000 empleados en seis países, Ontaneda planteó una comparación clave: mientras una pyme puede probar una idea el lunes y aplicarla el viernes, una corporación enfrenta una realidad más compleja, con mayores niveles de coordinación, gobernanza y escala. “Una pyme puede hacer cambios pensando en el día lunes y aplicándolos el día viernes. Una corporación tiene otra realidad, otros retos, pero también una gran escala, una gran capacidad y muchísimo impacto”, señaló. De usar IA a operar sobre IA Durante su intervención, Ontaneda explicó que hoy las empresas utilizan inteligencia artificial en distintos niveles. El primero es el uso personal, cuando un colaborador emplea IA para mejorar su productividad. Lo comparó con “una licencia de Word, pero con esteroides”. El segundo nivel aparece cuando las organizaciones empiezan a construir soluciones con IA. Sin embargo, advirtió que muchas veces esto solo implica hacer lo mismo de antes con una nueva herramienta. El tercer nivel, según el ejecutivo, es el más relevante: convertirse en una empresa AI-Native. Esto significa que la inteligencia artificial deja de ser una herramienta adicional y pasa a formar parte del sistema operativo del negocio. “La IA ya no es algo que tu empresa usa, sino algo sobre lo que funciona tu empresa”, afirmó. Bajo esta lógica, cada flujo, decisión y proceso debería pasar por una capa de inteligencia capaz de analizar, aprender y mejorar de forma constante. Los pilares de una empresa AI-Native Ontaneda identificó cinco elementos clave para avanzar hacia este modelo. El primero es convertirse en una organización centrada en datos. “La data es como la gasolina de este nuevo mundo”, sostuvo. Sin embargo, aclaró que no basta con acumular información. Las empresas deben contar con datos útiles, accesibles y conectados, capaces de alimentar sistemas inteligentes. El segundo pilar es la accesibilidad de la información. El tercero, al que calificó como uno de los más importantes, es la capacidad del sistema para aprender de su propio funcionamiento. Es decir, que pueda cerrar ciclos de mejora sin depender únicamente de intervenciones humanas. El cuarto elemento es la capacidad de acción. Ontaneda explicó que la IA no debe limitarse a generar reportes, sino que debe poder ejecutar cambios a través de sistemas conectados. Finalmente, el quinto pilar es pasar de vender herramientas a entregar resultados. “Antes hacíamos un software que ayudaba a escribir mejores contratos. Ahora la gente ya no quiere la herramienta, quiere el contrato”, explicó. Lecciones desde una pyme: equipos pequeños y ciclos más rápidos Uno de los mensajes centrales de la charla fue que la transformación con IA no debe empezar como un cambio masivo. En el caso de TRD, la implementación se probó con equipos pequeños. “No puedes cambiar todo de golpe. Toma dos equipos pequeños y prueba”, recomendó. Ontaneda explicó que su equipo rediseñó el flujo de desarrollo de software. En lugar de que un requerimiento pase directamente de una persona a otra, ahora el responsable del producto interactúa primero con una IA creada internamente. Esta convierte problemas expresados en lenguaje natural en tareas técnicas, hace preguntas cuando falta información y luego entrega el insumo a un líder técnico para su validación. El ejecutivo recalcó que el modelo mantiene al ser humano dentro del proceso. “Human in the loop es súper importante”, dijo. En este esquema, la IA acelera la construcción, pero los desarrolladores revisan, prueban, implementan y ponen en producción. Según Ontaneda, tareas que antes se planificaban para un sprint de dos semanas ahora pueden estar programadas en alrededor de cinco horas. “El día uno planificas y el día dos todo el trabajo está terminado”, afirmó. Velocidad, errores y aprendizajes El impacto en productividad depende del tipo de proyecto. En trabajos con más integraciones, Ontaneda señaló que han observado mejoras de hasta 2x en velocidad. En tareas más simples, la aceleración puede llegar a 10x. También compartió errores del proceso. Uno de los principales fue intentar implementar la transformación dentro de herramientas tradicionales de gestión de tareas. “Fue un desastre, porque no se hablaban entre ellas”, reconoció. Por esa razón, su equipo decidió construir una herramienta propia, capaz de conectar tareas, diagnósticos, código, revisión técnica y retroalimentación. Esa integración permitió avanzar hacia un ciclo más continuo de mejora. Otro aprendizaje clave fue la selección de partners y modelos. Para Ontaneda, esta decisión puede ser más importante que elegir un modelo específico de IA. Además, explicó que existen modelos más adecuados para planificación y otros para ejecución. El reto corporativo: escala, gobernanza y alineación Al hablar de grandes corporaciones, Ontaneda señaló que el desafío cambia. En una organización de 20.000 personas, con operaciones en varios países, no basta con experimentar rápidamente. Se necesitan cimientos comunes. Entre ellos mencionó el acceso a datos, el levantamiento de procesos, la alineación ejecutiva, la gestión del talento y la definición de KPIs claros. “El CEO, el CTO y el CSO tienen que estar alineados. Si no, va a ser complejo avanzar en ese camino”, afirmó. También destacó la importancia de involucrar a Recursos Humanos, porque la adopción de IA transforma roles, habilidades y formas de trabajo. “Es bien importante que involucren a HR y digan cómo vamos a trabajar, cómo vamos a moverles y hacer reskilling”, sostuvo. En el entorno corporativo, explicó que se trabaja en una capa transversal sobre el data lake, con controles de acceso y registro de proyectos de IA. El objetivo es que las futuras iniciativas puedan usar información de la organización, pero también devolver datos al sistema. “Estos sistemas tienen que devolverte información. Si no, no estás cerrando el loop”, puntualizó. Pensar en problemas, no en productos Hacia el cierre, Ontaneda dejó una recomendación directa para las empresas que buscan adoptar inteligencia artificial: no comenzar por la tecnología, sino por el problema de negocio. “Tengo muchos clientes que me dicen: no encuentro qué producto hacer con IA. Si estás pensando así, estás pensando mal. Piensa en problemas. ¿Qué problema vas a resolver?”, afirmó. Su mensaje final fue que la transformación AI-Native apenas está empezando. Para las pymes, la oportunidad está en la velocidad. Para las corporaciones, en la escala. En ambos casos, la clave está en construir sistemas donde la inteligencia artificial no sea un accesorio, sino parte del funcionamiento central del negocio.