Tecnología empresarial 2026: la IA deja de ser ventaja y se vuelve el “mínimo viable” para competir
Para Jens Thobo, Director de CITEC y CEO de Kamina, el 2025 marcó el quiebre definitivo: “la inteligencia artificial se democratizó” y pasó de innovación emergente a hábito cotidiano, empujada por herramientas como ChatGPT.
Su lectura es directa: en 2026 la tecnología ya no se adopta para “estar a la moda”, sino para sostener competitividad. El país, advierte, debe pasar de la experimentación a una integración real, con alineación público-privada y foco en seguridad.
01. IA: de diferenciador a requisito básico
Según Thobo, en 2026 la IA deja de diferenciar: será el mínimo. Las empresas que no la integren a procesos centrales perderán eficiencia y competitividad. El salto clave: pasar del piloto a la operación, automatizar, decidir mejor y rediseñar procesos.
02. Gobernanza y regulación: la fricción que puede frenar el salto
Thobo advierte fricción gobierno-privados para adoptar IA. Regular no es el problema; el riesgo es restringirla y limitar acceso o validación en procesos críticos, lo que “generará un retroceso”. Para 2026, el reto país: alinear sector público y privado.
03. Analítica avanzada y automatización: el nuevo estándar operativo
La agenda tech se acelera: más datos, automatización y decisiones asistidas. Thobo lo resume como una “suite” IA: automatización, analítica y optimización. En la práctica: operaciones predictivas, respuestas más rápidas y aprendizaje del dato en tiempo real.
04. Ciberseguridad: la otra cara de la IA
“La IA ayuda en lo positivo y en lo negativo”, advierte. Por eso, la ciberseguridad es un punto de inflexión: más ataques obligan a empresas y Estado a reforzar capacidades. En 2026, deja de ser tema técnico y pasa a condición para escalar con confianza.
05. Blockchain, IoT y low-code/no-code: aceleradores de trazabilidad y velocidad
Thobo ve claves al blockchain y al machine learning, sobre todo donde se requiere trazabilidad: contratos, compras públicas, registros y certificaciones. El ML aporta en detección de anomalías y fraude. También destaca low code/no code para prototipos rápidos y menor dependencia técnica.