De 60 a 120 Millones: Cómo Deporvillage construyó un E-commerce resiliente

Imagina esto: es marzo de 2020. El mundo se detiene, pero para el e-commerce, es el comienzo de una oleada de demanda sin precedentes.

Para Deporvillage, uno de los gigantes del retail deportivo del sur de Europa, este momento significó pasar de facturar 60 a 120 millones de euros en un solo año. Un crecimiento del 157% que, si bien es el sueño de cualquier negocio, también es la receta perfecta para un colapso tecnológico total. Cada segundo de caída en un día pico como Black Friday puede costar más de 9.000 €, y el 91% de los clientes con una mala experiencia no vuelve jamás.

Esta no es una historia de suerte; es una clase magistral de resiliencia. En el último episodio del podcast «Cloud Maturity Journey», conversamos con Narcís Pillao, CTO de Deporvillage, quien se unió a la empresa justo en el epicentro de esta explosión. Narcís desvela cómo transformaron una arquitectura al borde del colaso en una fortaleza digital capaz de soportar no solo el crecimiento exponencial, sino cualquier crisis futura. ¿El resultado? Un impresionante objetivo de disponibilidad del 99,99%.

El diagnóstico: Cuando el éxito se convierte en tu mayor riesgo

La migración a la nube es una necesidad, pero muchas empresas caen en la trampa de tratarla como una simple mudanza. Narcís se encontró con los síntomas clásicos de una arquitectura que no estaba preparada para la híper-escala:

Un núcleo monolítico: Una base de datos y un CMS centralizados que actuaban como un cuello de botella, ahogando la agilidad.
El «efecto dominó»: Veinte microservicios con comunicación síncrona, donde el fallo de uno podía derribar todo el sistema en cadena.
Deuda técnica insostenible: Un equipo de solo ocho personas luchando por mantener una arquitectura cada vez más compleja.

La solución no era parchear el sistema, sino rediseñarlo desde sus cimientos.

Los pilares de una arquitectura e-commerce resiliente

Durante nuestra conversación, Narcís describió los principios fundamentales que permitieron a Deporvillage no solo sobrevivir, sino prosperar. Estas no son ideas teóricas, sino estrategias probadas en el campo de batalla del retail digital.

Arquitectura en capas – La filosofía de la «cebolla»: La resiliencia no es un único componente, sino una serie de defensas. La estrategia de Deporvillage se centra en una «arquitectura cebolla» que protege el negocio en múltiples niveles:
- Capa Edge: Una CDN para servir contenido en 80ms en lugar de 900ms y un WAF para filtrar ataques.
- Capa Cloud: Kubernetes y bases de datos gestionadas (Aurora, Elasticsearch) que escalan automáticamente con la demanda.
- Capa de Aplicación: Patrones de back-pressure para evitar la sobrecarga y una arquitectura asíncrona basada en eventos que rompe el «efecto dominó».
Innovación controlada – Los «Innovation Tokens» La tentación de adoptar la última tecnología es un riesgo en sí mismo, ya que añade complejidad. Narcís introdujo el concepto de los «innovation tokens»: un límite anual de innovaciones.
«¿Para qué quieres un Ferrari si solo vas a ir por las calles de Madrid? Tienes que entender muy bien qué necesita tu negocio.»
Este principio obliga al equipo a justificar cada nueva pieza tecnológica por su valor real, no por ser «lo último», manteniendo la estabilidad como prioridad.
Seguridad por diseño – Despliegues sin miedo: La ciberseguridad y la estabilidad deben ser fundamentales, no un añadido. Para cambios críticos, como la reescritura del sistema de pedidos, el riesgo de un lanzamiento fallido es inaceptable. La solución es el despliegue gradual con feature flags:
- La nueva función se activa primero solo para empleados.
- Luego, se libera a un pequeño porcentaje de usuarios por UID.
- El tráfico se redirige progresivamente, mitigando el impacto de cualquier error.

El factor humano: La última capa de defensa

La mejor arquitectura del mundo puede ser saboteada por un error humano. Por eso Deporvillage prioriza procesos rigurosos como pull requests obligatorios, pipelines de CI/CD robustos y tests exhaustivos. La tecnología la hacen posible las personas, y los procesos de calidad son su mejor herramienta.

Conclusiones esenciales de la transformación de Deporvillage:

Diseñar para el fallo: La pregunta no es si algo fallará, sino cómo te recuperarás sin que el cliente lo note.
La complejidad es el enemigo: No adoptes tecnología por moda. Cada nueva herramienta añade una carga de mantenimiento.
La resiliencia se construye en capas: Desde la CDN hasta el código y los procesos del equipo, cada nivel es una defensa.
Despliega de forma gradual, no de golpe: Usa feature flags para que los fallos sean incidentes menores, no catástrofes.

La perspectiva de Narcís lo resume todo: el compromiso con una arquitectura resiliente no es un proyecto de TI, es una estrategia de supervivencia y una ventaja competitiva continua.

¿Está tu infraestructura preparada para soportar un crecimiento explosivo?

Escucha el episodio completo para descubrir todos los detalles de una de las transformaciones cloud más impresionantes del e-commerce español.

Más allá de la migración: estrategias para una nube escalable y duradera

Imagina esto: es finales de abril de 2025. Un apagón masivo barre España, afectando a la Península Ibérica e incluso a partes del suroeste de Francia. Millones de personas se sumergen en el caos. Aeropuertos, trenes, semáforos, telecomunicaciones, sistemas de pago… todo interrumpido durante horas. Este apagón generalizado fue un crudo recordatorio de lo vulnerable que es nuestra infraestructura moderna.

Sin embargo, en medio de esta interrupción, una empresa se mantuvo firme: Obramat, una de las cadenas de distribución de materiales de construcción más grandes de España. Mientras innumerables negocios observaban impotentes cómo fallaban las redes eléctricas, los 38 almacenes de Obramat seguían operando sin interrupciones. Esto no fue suerte; fue el resultado directo de una transformación cloud meticulosamente diseñada que priorizó la resiliencia por encima de todo. Sus generadores de respaldo se activaron automáticamente, su infraestructura cloud permaneció en línea y, lo que es crucial, no se perdió ni una sola venta.

Esta historia notable es el eje del último episodio del podcast «Cloud Maturity Journey», «Más allá de la migración: estrategias para una nube escalable y duradera«. En él, Javier Casado, CTO de Obramat, junto con Rubén López de Making Science, profundizan en cómo Obramat construyó una infraestructura cloud que destaca incluso bajo presión. Revelan cómo la empresa fue más allá de la migración cloud básica, centrándose en rediseñar su arquitectura desde cero con microservicios, sistemas distribuidos y una ciberseguridad robusta. ¿El resultado? Una impresionante disponibilidad del 99,9%, incluso durante crisis nacionales.

Por qué el «Lift and Shift» genera Decepción y costes elevados

La migración a la nube ha evolucionado de ser una tendencia a una necesidad estratégica para las empresas que buscan agilidad, escalabilidad y resiliencia. Pero aquí está el desafío al que se enfrentan la mayoría de las organizaciones: tratan la migración a la nube como si simplemente trasladaran muebles.

Como destacó Rubén López, nuestro VP de Servicios Cloud, durante la discusión, el error principal es abordar la nube simplemente como un cambio de hosting. Las organizaciones que siguen este camino de «lift and shift» (migrar tal cual) a menudo se encuentran con los mismos desafíos operativos que tenían en sus instalaciones, pero ahora con costes significativamente más altos.

La evidencia es contundente: las empresas que realizan operaciones de «lift and shift» suelen experimentar:

Aumentos de costes del 20-30% sin mejoras correspondientes en el rendimiento.
Desafíos de disponibilidad idénticos a los de su entorno anterior.
Escalabilidad limitada a pesar de invertir en recursos «ilimitados».

La solución no es solo mover servidores; requiere un rediseño arquitectónico completo.

Los cinco pilares de una arquitectura cloud exitosa

Durante nuestra conversación, Javier describió los principios esenciales que distinguen las transformaciones cloud exitosas de las migraciones costosas. Estos no son solo conceptos teóricos, sino estrategias probadas de la experiencia real de Obramat:

Resiliencia: anticipar fallos del sistema
La pregunta crítica no es si los componentes fallarán, sino qué tan rápido se pueden recuperar. Javier enfatizó este principio, mostrando la estrategia de Obramat centrada en:
- Arquitectura de microservicios que aísla y contiene los fallos.
- Distribución geográfica a través de múltiples zonas de disponibilidad y regiones.
- Mecanismos de conmutación por error automatizados que se activan en segundos.
Seguridad por diseño: integración desde el primer día
La ciberseguridad debe ser fundamental, no una idea de última hora. Al gestionar datos de clientes y operaciones críticas de negocio en 38 ubicaciones, la seguridad no puede ser un complemento opcional. Debe estar integrada desde el primer día.
Elasticidad: gestión automatizada de recursos
Infraestructuras que escalan dinámicamente con la demanda, optimizando automáticamente tanto la eficiencia de costes como el rendimiento. Ya no hay que adivinar qué recursos necesitarás; el sistema se ajusta solo.
Transparencia de costes: visibilidad completa
En el sector minorista, la claridad financiera es primordial. Así como Obramat realiza un seguimiento de las métricas comerciales diarias al cerrar las tiendas, los gastos en la nube deben proporcionar la misma transparencia. Esto elimina sorpresas y garantiza una visibilidad completa de cada euro gastado.
Alineación con el negocio: tecnología al servicio de la estrategia
La infraestructura tecnológica debe respaldar directamente los objetivos comerciales, permitiendo respuestas ágiles al mercado en lugar de crear limitaciones operativas. La nube no es solo un proyecto de TI; es un facilitador de negocio.

Validación en el mundo real: la crisis eléctrica española

Nada valida una estrategia cloud como una crisis genuina. Javier compartió un ejemplo convincente del fallo de la infraestructura eléctrica en España. Si bien los generadores de respaldo en almacenes y oficinas centrales proporcionaron una continuidad inmediata, su estrategia de nube distribuida ofreció la verdadera ventaja. La capacidad de continuar las operaciones sin problemas incluso cuando regiones enteras se quedan sin energía demuestra el tipo de resiliencia que toda organización debería construir.

¿La clave? La resiliencia no se trata de prevenir fallos, sino de hacer que los fallos sean intrascendentes para las operaciones comerciales.

El factor humano: las personas hacen posible la tecnología

Una idea clave de nuestra discusión fue profunda: el cambio tecnológico requiere fundamentalmente un cambio en las personas.

Javier enfatizó que su inversión más valiosa ha sido el desarrollo y la formación de equipos técnicos. Las personas, específicamente los equipos técnicos cualificados, son los verdaderos determinantes del éxito del proyecto. Por eso Obramat priorizó la construcción de experiencia interna sobre una excesiva dependencia de proveedores externos.

Este enfoque centrado en las personas permitió a Obramat:

Desarrollar capacidades cloud internas, reduciendo la dependencia de proveedores.
Implementar pipelines de CI/CD que los equipos utilizan de forma eficaz.
Mantener la continuidad del servicio durante transiciones arquitectónicas significativas.
Escalar las operaciones cloud en múltiples países y divisiones de negocio.

Infraestructura futura: operaciones impulsadas por IA

Mirando hacia el futuro, la inteligencia artificial transformará, sin duda, la gestión de la infraestructura cloud. Tanto Javier como Rubén discutieron cómo la IA integrará capacidades de inteligencia directamente en las decisiones de infraestructura y los sistemas de observabilidad, permitiendo una gestión mucho más eficiente y eficaz de lo que permiten los enfoques actuales.

Evolución más allá de la migración: transformación continua

La transformación cloud representa una filosofía operativa, no un destino. Las organizaciones que prosperan hoy no son aquellas que simplemente «completaron» la migración a la nube, sino aquellas que han construido sistemas adaptativos, resilientes e inteligentes capaces de una evolución continua.

Conclusiones esenciales de la transformación de Obramat:

✅ Priorizar a las personas sobre la tecnología – Los equipos cualificados hacen posible cualquier éxito arquitectónico.
✅ Diseñar para escenarios de fallo – Asumir fallos de componentes y planificar en consecuencia.
✅ Automatizar de forma integral – Desde la implementación hasta la recuperación y las decisiones de escalado.
✅ Equilibrar la distribución global con una gobernanza centralizada.
✅ Medir el impacto en el negocio – Realizar un seguimiento de costes, rendimiento y valor operativo.

La perspectiva de Javier captura la esencia a la perfección: el compromiso de Obramat con la arquitectura cloud, particularmente con los sistemas distribuidos con microservicios, permite respuestas ágiles e impulsa una transformación comercial continua.

¿Listo para construir una infraestructura resiliente?

Ya sea que estés planeando una migración cloud inicial o modernizando una infraestructura existente, esta conversación proporciona información probada de líderes que han completado la transformación completa, desde operaciones minoristas tradicionales hasta sistemas avanzados nativos de la nube.

La distinción entre migración cloud y transformación cloud va mucho más allá de las consideraciones técnicas; abarca dimensiones estratégicas, culturales y operativas. ¿Estás listo para ir más allá de la migración y construir una nube verdaderamente a prueba de futuro?

Marketing Cloud Next: Tu Nuevo Colega con IA en el Mundo del Marketing

¿Alguna vez has sentido que te ahogas en un mar de tareas de marketing? ¿Haciendo malabares con emails, redes sociales, campañas de anuncios y tratando de adivinar qué es lo que de verdad quieren tus clientes? Es un jaleo tremendo. Pero, ¿y si tuvieras un asistente superinteligente que pudiera encargarse del trabajo más pesado, dejando que te centres en lo divertido y creativo?

Pues saluda a Salesforce Marketing Cloud Next Gen. No es una simple actualización de software, es una forma completamente nueva de hacer marketing y está a punto de convertirse en tu nuevo mejor amigo.

¿Cuál es la Novedad?

Imagina el Marketing Cloud tradicional como una caja de herramientas superpotente. Tiene todo lo que necesitas, pero tienes que saber cómo usar cada cosa y dedicarle mucho esfuerzo manual. Marketing Cloud Next, en cambio, es como tener a un prodigio del marketing con inteligencia artificial en tu equipo.

En el fondo, Marketing Cloud Next está construido sobre la plataforma principal de Salesforce, lo que significa que se conecta a los datos de tus clientes sin que apenas te enteres. Pero la verdadera magia viene de Agentforce.

Tu Arma Secreta: Agentforce

Agentforce es el motor que mueve Marketing Cloud Next. Es un equipo de agentes de IA a los que puedes dar órdenes con un lenguaje sencillo y natural. En lugar de pasarte horas creando una campaña, ahora puedes simplemente decirle a tu agente de IA lo que quieres conseguir. Por ejemplo, podrías decir: «Crea una campaña para promocionar nuestro nuevo producto entre nuestros clientes más fieles», y Agentforce hará lo siguiente:

Preparar un borrador de la campaña: Perfilando los objetivos, el público y los mensajes clave.
Segmentar a tu público: Identificando a los clientes perfectos para tu campaña.
Generar contenido: Escribiendo asuntos para emails, el texto del correo e incluso mensajes SMS.
Diseñar los recorridos del cliente (customer journeys): Trazando todo el flujo de la campaña de principio a fin.

Este enfoque de «marketing agéntico» te libera de las tareas más monótonas y repetitivas y te permite pensar como un auténtico estratega de marketing.

Funcionalidades Next-Level

Marketing Cloud Next viene cargado de funciones que te harán la vida más fácil y tus campañas más inteligentes:

Creación de campañas con IA: Pasa de una idea a una campaña completa en una fracción del tiempo.
Personalización en tiempo real: Ofrece experiencias únicas a cada cliente basándote en sus últimas interacciones con tu marca.
Gestión de leads inteligente: Tus agentes de IA pueden cualificar leads, nutrirlos con comunicaciones personalizadas e incluso agendar reuniones con tu equipo de ventas.
Análisis e informes más listos: Consigue una visión clara y unificada del rendimiento de tus campañas en todos los canales. Las analíticas en Next Gen están diseñadas para ser más intuitivas y predictivas, ayudándote a entender qué funciona y por qué.

Perks

Velocidad y eficiencia: Lanza campañas complejas y multicanal en días, no en semanas.
Hiperpersonalización a gran escala: Trata a cada cliente como si fuera único, sin importar lo grande que sea tu público.
Decisiones basadas en datos: Con la IA analizando tus datos, puedes estar seguro de que estás haciendo los movimientos correctos.
Colaboración total: Los equipos de marketing, ventas y atención al cliente pueden trabajar todos juntos desde una única plataforma.

Limitaciones

Marketing Cloud Next es lo último de lo último, y como con todo lo nuevo, hay un par de cosas que tener en cuenta:

Sigue evolucionando: Aunque es increíblemente potente, algunas funciones todavía están madurando. Es una plataforma que se desarrolla a toda velocidad, así que estarás a la última, pero podrías encontrarte con algunos problemas de crecimiento.
Los datos son la clave: Para sacar el máximo partido a Next Gen, tus datos tienen que estar en orden. Una buena estrategia de datos es imprescindible.
Curva de aprendizaje: Aunque está diseñado para ser intuitivo, sigue siendo una nueva forma de trabajar a la que hay que acostumbrarse.

La gran pregunta: Marketing Cloud «On Core» vs. Next Gen

¿Qué diferencias existen? Vamos a hacer una comparación:

Marketing Cloud «On Core» se refiere a la nueva arquitectura, el «chasis», montado directamente sobre la plataforma de Salesforce y usando Data Cloud como base.
Marketing Cloud Next Gen es el conjunto de aplicaciones con IA que funcionan sobre esta arquitectura «On Core».

Entonces, ¿cuándo tiene sentido optar por el clásico Marketing Cloud Engagement (el que quizás ya conoces) frente al nuevo Marketing Cloud Next Gen?

Quédate con Marketing Cloud Engagement si: Tienes operaciones de marketing muy complejas y ya establecidas, con modelos de datos enrevesados y un equipo de especialistas que son expertos en la plataforma clásica. Es una solución madura y robusta que puede con casi cualquier cosa que le eches.
Pásate a Marketing Cloud Next Gen si: Buscas innovar, moverte más rápido y darle más poder a un equipo más pequeño. Si te emociona la idea de que la IA se encargue del trabajo pesado y quieres construir tu marketing en torno a una visión unificada del cliente, Next Gen es el futuro.

En resumen

Marketing Cloud Next es más que una nueva tecnología, es un vistazo al futuro del marketing. Se trata de trabajar de forma más inteligente, no más dura, y de construir relaciones auténticas y personalizadas con tus clientes. Así que, si estás listo para subir de nivel en tu estrategia de marketing y quieres un compañero con IA que te eche un cable, ya estás tardando en conocer Marketing Cloud Next.

Uniendo los puntos: Claves del Salesforce Agentforce Digital Summit

La semana pasada, Making Science asistió al Salesforce Agentforce Digital Summit, donde nos unimos a profesionales del sector para explorar las últimas innovaciones en engagement del cliente impulsado por la IA. Como partners profundamente comprometidos en ayudar a las empresas a transformar sus capacidades digitales, este evento reforzó nuestra pasión por la intersección de la IA, los datos y la experiencia del cliente.

La promesa de Agentforce: transformando las interacciones con el cliente

El Agentforce Digital Summit mostró la visión de Salesforce para el futuro del trabajo: agentes de IA inteligentes capaces de comprender, razonar y actuar de forma autónoma. No se trata de simples chatbots, sino de sistemas sofisticados capaces de:

Gestionar consultas complejas de servicio al cliente sin guiones predefinidos.
Interactuar con prospects y clientes 24/7 a través de múltiples canales.
Integrarse a la perfección con los procesos de negocio existentes.
Aprender y mejorar con cada interacción.

Lo que más nos sorprendió fue cómo esta tecnología no está reemplazando la conexión humana, sino que la está amplificando. Al manejar tareas rutinarias con una sofisticación sin precedentes, los agentes de IA liberan a los equipos para que se centren en lo que los humanos hacen mejor: construir relaciones, resolver problemas complejos e impulsar la innovación.

La base de datos: donde la teoría se encuentra con la realidad

Mientras participábamos en las sesiones y debates, el énfasis en la implementación práctica era claro: cómo las empresas pueden realmente desplegar estas tecnologías para obtener resultados reales. Pero surgió un tema constante: el éxito de cualquier implementación de IA depende fundamentalmente de la calidad y accesibilidad de los datos subyacentes.

La verdad es simple pero profunda: la IA solo es tan buena como los datos en los que se construye. Aquí es donde Salesforce Data Cloud se vuelve esencial. Cuando las empresas tienen información fragmentada de los clientes dispersa en diferentes sistemas, incluso los agentes de IA más avanzados tienen dificultades para ofrecer resultados significativos.

Basándonos en nuestra experiencia y los insights del summit, hemos visto que las empresas que logran los mejores resultados con IA comparten características comunes:

Visión unificada del cliente: Han eliminado los silos de datos para crear perfiles completos de los clientes.
Acceso a datos en tiempo real: Sus sistemas proporcionan información actualizada, no una instantánea de ayer.
Gobernados y seguros: Mantienen la calidad de los datos al tiempo que garantizan el cumplimiento y la seguridad.
Arquitectura escalable: Su infraestructura de datos puede crecer con sus ambiciones de IA.

Por qué Data Cloud es clave para el éxito de Agentforce

Salesforce Data Cloud se ha vuelto cada vez más crítico para las organizaciones que buscan maximizar sus inversiones en IA, ya que aborda el desafío fundamental al que se enfrentan muchas empresas: los datos fragmentados en múltiples sistemas.

Consideremos el panorama B2C, donde las interacciones con los clientes abarcan sitios web, aplicaciones móviles, redes sociales, servicio al cliente y tiendas físicas. Sin una capa de datos unificada, los agentes de IA operan con un contexto limitado, lo que reduce su eficacia. Data Cloud lo resuelve al:

Crear una única fuente de verdad para los datos del cliente.
Permitir la sincronización de datos en tiempo real entre sistemas.
Proporcionar la base para interacciones personalizadas y contextuales.
Apoyar tanto tipos de datos estructurados como no estructurados.

Esto no se trata solo de una mejor gestión de datos, se trata de permitir que los agentes de IA ofrezcan experiencias que se sientan verdaderamente inteligentes y personalizadas en cada punto de contacto.

Del insight a la acción: el enfoque de Making Science

Nuestra participación en el summit reforzó nuestra convicción de que una implementación exitosa de la IA requiere un enfoque holístico. No se trata solo de desplegar la última tecnología, se trata de asegurar que la tecnología tenga la base que necesita para ofrecer valor.

Evaluación de datos primero: Antes de implementar agentes de IA, evalúa tu panorama de datos actual. ¿Dónde reside la información del cliente? ¿Qué tan conectados están tus sistemas? ¿Qué deficiencias existen?
Unificación estratégica: Utiliza Data Cloud para crear una base de datos unificada que conecte sistemas dispares sin requerir un reemplazo total de la infraestructura existente.
Implementación por fases: Empieza con casos de uso de alto impacto donde los datos unificados puedan mejorar inmediatamente el rendimiento del agente de IA, luego expande basándote en el éxito probado.
Optimización continua: Monitoriza cómo los agentes de IA utilizan los datos, identifica deficiencias y refina continuamente tanto la calidad de los datos como las capacidades del agente.

La oportunidad que se avecina

El Agentforce Digital Summit dejó claro que estamos en un punto de inflexión en la forma en que las empresas interactúan con sus clientes. Los agentes de IA representan una enorme oportunidad para mejorar la experiencia del cliente, la eficiencia operativa e impulsar el crecimiento. La combinación de datos unificados, agentes de IA inteligentes y experiencia humana crea posibilidades que solo estamos empezando a explorar.

Sin embargo, como con cualquier tecnología transformadora, el éxito depende de una implementación adecuada. Las organizaciones que invierten en crear una base de datos sólida a través de soluciones como Data Cloud se posicionan para aprovechar al máximo el poder de Agentforce y otras innovaciones de IA.

El futuro del customer engagement no está por llegar, ya está aquí. Y después de lo que presenciamos en el summit, estamos más seguros que nunca de que las empresas que adopten este enfoque integrado de datos e IA descubrirán nuevas posibilidades de crecimiento e innovación.

Más allá del hype: cómo implementar IA sin comprometer tus datos

La IA generativa está transformando la manera en que operan las empresas: acelera la creación de contenido, automatiza flujos de trabajo y desbloquea nuevos niveles de productividad. Pero detrás de la emoción se esconde una dura verdad: cuando hablamos de datos, nada es gratis. Cada interacción con IA conlleva costes potenciales en forma de exposición de datos, riesgo de cumplimiento normativo o uso indebido.

En este episodio del podcast Cloud Maturity, hablo con Javier Mora, Director de Información y Seguridad de Making Science, sobre cómo las organizaciones pueden adoptar la IA de manera responsable, asegurando que la innovación no vaya en detrimento de la seguridad. Juntos exploramos lo que se necesita para escalar la IA en todos los equipos, sin comprometer la información sensible ni las obligaciones legales.

La IA ofrece beneficios extraordinarios, pero no está exenta de riesgos. Según Gartner, el 30% de las organizaciones que utilizan IA generativa experimentarán brechas de privacidad para 2026 debido a una implementación inadecuada o al uso indebido por parte de los empleados.

Este episodio trata de algo más que oportunidades: se trata de construir una hoja de ruta para la adopción segura, ética y sostenible de la IA.

🌍 Una visión global: El trimestre de transformación y programa de adopción de IA

En Making Science, creemos que la IA no es algo que deba delegarse a unos pocos expertos: es una capacidad fundamental para cada empleado. Por eso lanzamos el Trimestre de Transformación de IA y el Programa de Adopción de IA, dos iniciativas globales diseñadas para:

Democratizar el acceso a las herramientas de IA para cada puesto y región
Construir experiencia práctica en todos los equipos, desde marketing hasta ingeniería
Pasar del uso pasivo al dominio activo e incluso a la creación de herramientas de IA

No solo usamos la IA, la dominamos y construimos con ella. Estos programas globales proporcionan la estructura y el apoyo para convertir esa filosofía en realidad, alineando la acción local con la transformación estratégica a escala.

La guía de licencias de IA: Un marco para el uso responsable

Para hacer que la adopción de IA sea segura y efectiva, Making Science desarrolló la Guía de Licencias de IA, un marco práctico y dinámico que proporciona a los empleados una comprensión clara de qué herramientas se pueden usar, cómo deben usarse y qué datos es seguro procesar.

Esta guía ayuda a los equipos a:

Distinguir entre herramientas de IA aprobadas y no aprobadas
Manejar datos personales y propietarios con el enmascaramiento o anonimización apropiados
Interpretar los resultados de la IA de manera crítica en lugar de tomarlos al pie de la letra
Aplicar la IA de manera responsable en sus tareas diarias, sabiendo dónde existen las barreras de protección

La Guía de Licencias de IA es pieza fundamental para construir una cultura de IA segura y empoderada en todos los equipos.

El riesgo de la IA es más que solo técnico

Javier explica que uno de los desafíos más subestimados con la IA es su complejidad legal y operativa. Los empleados pueden introducir sin saberlo datos confidenciales de clientes o código propietario en modelos públicos, desencadenando violaciones de cumplimiento bajo el RGPD o filtraciones de propiedad intelectual.

Por eso nuestro equipo trabaja para aumentar la concienciación, implementar controles y actualizar continuamente los controles internos para mitigar estos riesgos en cada capa del negocio.

Una estrategia escalable para la IA responsable

Para asegurar que la adopción de IA ocurra de manera segura en toda la empresa, Making Science ha lanzado varios programas clave:

AI Champions: Un grupo multifuncional de más de 60 empleados que impulsan la educación, experimentación y promoción de la IA dentro de sus departamentos.
Doctor AI: Una sesión de mesa de ayuda semanal donde los empleados pueden traer preguntas, obtener apoyo práctico y mantenerse al día con las mejores prácticas de IA.
AI Lab: Un espacio de testing interno para destacar aplicaciones prácticas y cotidianas de la IA para optimizar flujos de trabajo.

Estos programas aseguran que la IA no sea solo otra iniciativa de IT, sino una parte viva y de aprendizaje de la cultura de la empresa.

Google Agentspace: La plataforma para flujos de trabajo conectados e inteligentes

En Making Science, estamos orgullosos de ser la primera empresa en Iberia en adoptar Google Agentspace, una plataforma potente que está remodelando cómo los equipos interactúan con los datos, las herramientas y entre ellos.

Google Agentspace permite crear Agentes de IA personalizados que:

Automatizan tareas repetitivas como la generación de informes, el enrutamiento de tickets y las búsquedas de datos
Conectan múltiples aplicaciones corporativas, desde CRMs hasta herramientas de gestión de proyectos, en una interfaz única y unificada
Permiten consultas en lenguaje natural, para que los empleados puedan extraer información o desencadenar acciones sin necesidad de experiencia técnica
Promueven la colaboración multifuncional haciendo que la información clave sea más fácil de encontrar y compartir
Impulsan la retención y reutilización del conocimiento a través del acceso centralizado a procesos, documentación y soporte de IA

El resultado es una fuerza laboral más ágil y empoderada. Los equipos pueden pasar menos tiempo alternando entre plataformas o duplicando esfuerzos, y más tiempo tomando decisiones informadas y estratégicas.

Lo más importante es que todo esto se hace dentro de un entorno seguro y gobernado, asegurando que la eficiencia nunca vaya en detrimento de la privacidad o el cumplimiento normativo.

Shadow IT y la necesidad de gobernanza

Uno de los riesgos clave que discutimos es el Shadow IT: cuando los empleados usan herramientas de IA no autorizadas que no han pasado por la evaluación interna. Aunque estas herramientas pueden ser útiles, también pueden ser inseguras, no conformes y completamente invisibles para vuestros equipos de IT o seguridad.

En Making Science, nuestra estrategia no es restringir la curiosidad, sino canalizarla de manera segura. Las nuevas herramientas se evalúan a través del prisma de la seguridad y la privacidad antes de su aprobación, permitiendo a los empleados explorar la innovación dentro de un entorno gobernado.

Un futuro centrado en las personas para la IA

La IA no reemplazará a vuestro equipo, lo elevará. Pero solo si están formados para colaborar con ella de manera efectiva. A medida que la IA se integre en más flujos de trabajo, los empleados tendrán la tarea no solo de ejecutar, sino de validar, interpretar y aplicar los resultados de la IA para tomar decisiones más inteligentes.

En Making Science, creemos que los mejores resultados provienen de personas empoderadas trabajando junto a herramientas potentes, dentro de una estructura que apoya tanto la innovación como la integridad.

«No se trata de elegir entre innovación y seguridad», compartió Javier. «Se trata de construir el entorno donde ambas prosperen».

Escucha el episodio completo

Si estás liderando la estrategia de IA, gestionando riesgos, o tienes curiosidad sobre cómo escalar la IA generativa en vuestra organización sin perder el control de vuestros datos, esta conversación es para ti.

Google Cloud NEXT ’25: Acelerando la Modernización de Software y Aplicaciones con IA

En Google Cloud NEXT ’25, presenciamos una transformación significativa en cómo se construyen, despliegan y mantienen las aplicaciones modernas. Como Premier Partner de Google Cloud, Making Science estuvo allí para ver cómo Google está reimaginando el ciclo de vida del desarrollo de software con la IA en su núcleo. Este post explora las innovaciones clave en modernización de software y aplicaciones que permitirán a las organizaciones construir y desplegar aplicaciones más rápido, con mayor fiabilidad y con mayor inteligencia que nunca.

El Panorama de Desarrollo de Aplicaciones Potenciado por IA

La visión de Google para la modernización de aplicaciones se centra en integrar IA a lo largo de todo el ciclo de vida del desarrollo de software. La compañía reveló que internamente, más del 25% del nuevo código en Google ya es generado por IA y revisado por ingenieros de Google—un testimonio del impacto transformador de la IA en el desarrollo de software.

Gemini Code Assist: El Socio de Desarrollo Potenciado por IA

Gemini Code Assist ha evolucionado a una solución integral para desarrolladores con varias nuevas capacidades:

Tablero Kanban: Los desarrolladores ahora pueden interactuar con agentes de IA en un tablero Kanban, rastreando asistencia de agentes a través de tareas comunes de desarrollador como migración de código, implementación de nuevas características, revisión de código, generación de pruebas, pruebas de modelos y documentación.
Integración Mejorada con Socios: Gemini Code Assist ahora se integra con herramientas de socios como Atlassian, Sentry, Snyk y otros, proporcionando una experiencia de desarrollo más conectada.
Integración con Android Studio: Gemini Code Assist ahora está disponible en Android Studio para desarrolladores profesionales que quieren asistencia de codificación con IA con características de seguridad y privacidad empresarial.
Agente de Prototipado de Aplicaciones: Un nuevo agente en vista previa para Gemini Code Assist dentro de Firebase Studio puede convertir ideas de aplicaciones en prototipos completamente funcionales, incluyendo UI, código backend y flujos de IA.

Diseño y Gestión de Aplicaciones Reinventados

Google introdujo varias herramientas nuevas para simplificar el diseño y gestión de aplicaciones:

Centro de Diseño de Aplicaciones (en vista previa): Proporciona un enfoque visual, estilo canvas para diseñar y modificar plantillas de aplicaciones, permitiendo a los desarrolladores configurar plantillas de aplicaciones para despliegue, ver infraestructura como código en línea y colaborar con compañeros de equipo en diseños.
Cloud Hub (en vista previa): Un centro de comando central para todo el panorama de aplicaciones, proporcionando insights en despliegues, salud y resolución de problemas, optimización de recursos, mantenimiento, cuotas y reservas, y casos de soporte.
App Hub: Ahora integrado con más de 20 productos de Google Cloud, este servicio modela aplicaciones como servicios interconectados y cargas de trabajo para una vista centrada en aplicaciones.
Monitorización de Aplicaciones (en vista previa pública): Soporta etiquetar automáticamente telemetría (logs, métricas y trazas) con contexto de aplicación, alertas conscientes de aplicación y dashboards de aplicación predeterminados.
Explorador de Costes (en vista previa privada): Proporciona visibilidad en costes granulares de aplicación y métricas de utilización, permitiendo a los equipos identificar oportunidades de eficiencia.

Gemini Cloud Assist: IA para Infraestructura y Operaciones

Más allá de la codificación, Google está extendiendo la asistencia de IA a operaciones en la nube con Gemini Cloud Assist:

Integración con Centro de Diseño de Aplicaciones: Acelera el diseño e implementación de infraestructura de aplicaciones.
Investigaciones: Aprovecha datos en tu entorno de nube para acelerar la resolución de problemas.
Integración entre Servicios: Ahora integrado a través de servicios de Google Cloud incluyendo Storage Insights, Cloud Observability, Firebase, Database Center, Flow Analyzer y FinOps Hub, así como servicios relacionados con seguridad y cumplimiento.
FinOps Hub 2.0: Ahora incluye insights de desperdicio y oportunidades de optimización de costes de Gemini Cloud Assist.

Innovaciones en Contenedores y Kubernetes para Cargas de Trabajo de IA

Google Kubernetes Engine (GKE) ha sido mejorado para soportar mejor cargas de trabajo de IA:

GKE Inference Gateway: Ofrece capacidades inteligentes de escalado y balanceo de carga, ayudando a manejar programación y enrutamiento de solicitudes con técnicas de escalado y balanceo de carga conscientes de modelos de IA generativa.
GKE Inference Quickstart: Permite a los desarrolladores elegir un modelo de IA y rendimiento deseado, con GKE configurando automáticamente la infraestructura correcta, aceleradores y recursos de Kubernetes.
RayTurbo en GKE: En asociación con Anyscale, Google anunció una versión optimizada de Ray de código abierto que ofrece procesamiento de datos 4.5 veces más rápido y requiere 50% menos nodos para servir.
Cluster Director para GKE (anteriormente Hypercompute Cluster, ahora GA): Permite a los desarrolladores desplegar y gestionar grandes clusters de VMs aceleradas con computación, almacenamiento y redes — todo operando como una unidad única.
Mejoras de GKE Autopilot: Incluyendo programación de pods más rápida, tiempo de reacción de escalado y dimensionamiento correcto de capacidad.

Firebase: La Plataforma de Desarrollo de Aplicaciones de IA de Pila Completa

Firebase ha evolucionado a una plataforma integral para construir aplicaciones potenciadas por IA:

Firebase Studio (en vista previa): Un entorno de desarrollo basado en la nube, agéntico, potenciado por Gemini que incluye todo lo que los desarrolladores necesitan para crear y publicar aplicaciones de IA de pila completa con calidad de producción rápidamente, todo en un solo lugar.
Genkit: Un framework de código abierto para construir aplicaciones potenciadas por IA usando tu lenguaje preferido, ahora con soporte temprano para Python y soporte expandido para Go.
Vertex AI en Firebase: Ahora incluye soporte para la API Live para modelos Gemini, permitiendo interacciones más conversacionales en aplicaciones, como permitir a clientes hacer preguntas de audio y obtener respuestas.
Firebase Data Connect (ahora GA): Ofreciendo la fiabilidad de Cloud SQL para PostgreSQL con APIs GraphQL instantáneas y SDKs con seguridad de tipos.
Firebase App Hosting (ahora GA): Proporcionando una solución de alojamiento orientada a git, opinada para aplicaciones web modernas de pila completa.
Agente de Pruebas de Aplicaciones (en vista previa): Prepara aplicaciones móviles para producción generando, gestionando y ejecutando pruebas de extremo a extremo.

Impacto del Mundo Real: Historias de Éxito de Clientes

Las innovaciones de modernización de aplicaciones de Google ya están entregando impacto significativo a través de industrias:

Deutsche Bank: Construyó DB Lumina, una nueva herramienta potenciada por Gemini que puede sintetizar datos financieros e investigación, convirtiendo cientos de páginas en un resumen de una página en segundos para traders y gestores de patrimonio.
Nokia: Construyó una herramienta de codificación para acelerar el desarrollo de aplicaciones con Gemini, permitiendo a los desarrolladores crear aplicaciones 5G más rápido.
Reddit: Usando Gemini en Vertex AI para impulsar «Reddit Answers», su plataforma de conversación potenciada por IA, y Enterprise Search para mejorar su experiencia de página principal.
Samsung: Integrando Gemini en Google Cloud en Ballie, su más nuevo robot compañero para el hogar con IA, permitiendo interacciones más personalizadas e inteligentes.
The Sphere: Creó una experiencia inmersiva de «El Mago de Oz» reconceptualizada a través de IA, dando vida a la película clásica en la pantalla de cúpula de 160,000 pies cuadrados en The Sphere en Las Vegas.

Mejoras al Programa de Desarrolladores

Para apoyar a la comunidad de desarrolladores, Google introdujo:

Nivel Empresarial del Programa de Desarrolladores de Google (en vista previa limitada): Proporcionando una forma segura y asequible de explorar Google Cloud y sus productos de IA por un coste mensual fijo de $75/mes por asiento.

Perspectiva de Making Science

Como Premier Partner de Google Cloud, Making Science ve estas innovaciones de modernización de software y aplicaciones como revolucionarias para equipos de desarrollo. La integración de IA a lo largo del ciclo de vida del desarrollo—desde ideación y diseño hasta codificación, pruebas, despliegue y operaciones—representa un cambio fundamental en cómo se construyen y mantienen las aplicaciones.

Para tomadores de decisiones técnicas, los puntos más significativos son:

Desarrollo aumentado por IA: Gemini Code Assist está evolucionando de un asistente de codificación a un socio de desarrollo integral, manejando aspectos cada vez más complejos del ciclo de vida del desarrollo.
Gestión de aplicaciones simplificada: Nuevas herramientas como Centro de Diseño de Aplicaciones y Cloud Hub proporcionan un enfoque más visual e intuitivo para el diseño y gestión de aplicaciones.
Kubernetes optimizado para IA: Las mejoras de GKE lo convierten en la plataforma de elección para desplegar cargas de trabajo de IA a escala con rendimiento y coste óptimos.
Desarrollo de IA de pila completa: Firebase Studio proporciona un entorno de extremo a extremo para construir aplicaciones potenciadas por IA rápidamente.

Las organizaciones que aprovechen estas capacidades pueden esperar:

Ciclos de desarrollo acelerados
Calidad y seguridad de código mejoradas
Utilización de recursos más eficiente
Despliegue más rápido de aplicaciones potenciadas por IA

Las empresas que adopten estas innovaciones estarán mejor posicionadas para responder a cambios del mercado, ofrecer mejores experiencias al cliente y mantener una ventaja competitiva en un mundo cada vez más impulsado por IA.

¿Buscas modernizar tus prácticas de desarrollo de aplicaciones o construir aplicaciones potenciadas por IA? Contacta con nuestro equipo en Making Science para descubrir cómo podemos ayudar a acelerar el viaje de modernización de aplicaciones de tu organización.

Google Cloud NEXT ’25: Revolucionando los datos y la Inteligencia Empresarial con IA

La capacidad de extraer insights accionables de los datos separa a los líderes del mercado del resto. En Google Cloud NEXT ’25, Google presentó una visión transformadora para datos y análisis que promete cambiar fundamentalmente la economía y accesibilidad de la inteligencia empresarial. Como Premier Partner de Google Cloud, Making Science fue testigo de estos anuncios revolucionarios y evaluó su impacto empresarial en nuestros clientes.

El Caso de Negocio para la Transformación de Datos

Antes de profundizar en anuncios específicos, es esencial entender los desafíos empresariales que aborda la nueva estrategia de datos de Google:

Los silos de datos persisten a pesar de décadas de inversión: La mayoría de las organizaciones aún luchan con datos fragmentados entre sistemas, haciendo que el análisis integral sea difícil y consuma mucho tiempo.
La complejidad técnica limita la democratización de datos: Los usuarios empresariales no pueden acceder directamente a los insights que necesitan para tomar decisiones sin habilidades especializadas.
El tiempo desde datos brutos hasta acción empresarial sigue siendo demasiado largo: Los flujos de trabajo analíticos tradicionales involucran demasiados pasos y dependencias.

La Plataforma Autónoma de Datos a IA: Beneficios Empresariales Más Allá de la Tecnología

La estrategia de datos de Google, centrada en BigQuery, aborda estos desafíos de frente con un enfoque que ofrece ventajas empresariales tangibles:

Beneficios Empresariales Inmediatos

Reducción de costes de integración de datos: Al acceder a datos en cualquier sistema de almacenamiento, aplicación SaaS o nube sin migración, las organizaciones pueden ahorrar entre un 40-60% en costes tradicionales de integración de datos.
Tiempo más rápido hasta el insight: Las organizaciones reportan reducciones del 50-70% en el tiempo requerido para transformar datos brutos en insights empresariales accionables.
Utilización de datos más amplia: Hacer los análisis accesibles a usuarios empresariales ha aumentado la toma de decisiones basada en datos de 3 a 5 veces en organizaciones que son primeras adoptantes.

Equipos de Datos Potenciados por IA: Redefiniendo la Economía de los Análisis

Las mejoras de IA de Google para equipos de datos cambian fundamentalmente la economía de los análisis:

Revolución en la Productividad de la Ciencia de Datos

50-70% de reducción en tiempo de desarrollo de modelos: El nuevo Agente de Ciencia de Datos automatiza aspectos rutinarios del flujo de trabajo de ciencia de datos, aumentando dramáticamente la productividad.
30-50% más modelos en producción: Las organizaciones que usan estas herramientas reportan poner significativamente más modelos en producción con el mismo tamaño de equipo.
40-60% tiempo hasta el valor más rápido: La combinación de asistencia SQL inteligente y capacidades nativas de análisis exploratorio acelera el camino desde la pregunta hasta la respuesta.

Ejemplos de Impacto Empresarial Real:

Un minorista global redujo el tiempo hasta el insight para análisis de inventario de 2 semanas a 2 días.
Una firma de servicios financieros aumentó el número de modelos de riesgo en producción en un 65% sin añadir personal.
Un proveedor de atención sanitaria redujo las tasas de readmisión de pacientes en un 18% usando modelos que anteriormente no podían desplegar debido a la complejidad de desarrollo.

Valor Empresarial de Datos Multimodales

La capacidad de combinar datos estructurados tradicionales con contenido no estructurado (imágenes, texto, vídeo) desbloquea capacidades empresariales completamente nuevas:

Insights de cliente mejorados: Analizar texto de feedback de clientes junto con datos de compras proporciona un entendimiento un 30-40% más preciso de las preferencias del cliente.
Optimización de cadena de suministro: Combinar datos de imágenes de almacenes con sistemas de inventario ha ayudado a organizaciones a reducir costes de inventario en un 15-25%.
Aceleración del desarrollo de productos: Empresas que integran imágenes de productos, reseñas de clientes y datos de ventas reportan ciclos de desarrollo de productos un 20-30% más rápidos.

Asegurando el Futuro de las Inversiones en Datos

El compromiso de Google con formatos abiertos e interoperabilidad ofrece beneficios empresariales estratégicos:

Reducción del riesgo de dependencia de proveedor: El soporte para formatos abiertos como Apache Iceberg preserva la flexibilidad y el poder de negociación.
Menor coste total de propiedad: La capacidad de usar los análisis de Google con datos en otras nubes elimina transferencias y duplicaciones de datos costosas.
Adaptación más rápida a tecnologías emergentes: El enfoque de catálogo unificado significa que nuevas capacidades de IA y análisis pueden aplicarse inmediatamente a activos de datos existentes.

Economía Empresarial: Escalabilidad Sin Compromiso

Las innovaciones de Google en gestión de cargas de trabajo empresariales ofrecen beneficios de coste y operativos:

15-30% de reducción en costes de análisis: Las capacidades avanzadas de gestión de cargas de trabajo optimizan el uso de recursos mientras mantienen el rendimiento.
Presupuesto y adquisición simplificados: El nuevo modelo BigQuery Spend Commit reduce la sobrecarga administrativa y mejora la previsibilidad financiera.
Continuidad empresarial mejorada: La Recuperación ante Desastres Gestionada reduce el riesgo y coste de asegurar la disponibilidad de análisis, con tiempos de recuperación 5-10 veces más rápidos que enfoques tradicionales.

Análisis Conversacional: Democratizando Datos para Impacto Empresarial

Quizás los anuncios más transformadores se centran en las nuevas capacidades conversacionales de Looker:

Impacto Empresarial de Análisis Democratizados

3-5 veces de aumento en utilización de datos: Las organizaciones reportan dramáticamente más empleados usando activamente datos cuando interfaces conversacionales están disponibles.
30-50% de reducción en latencia de decisión: Decisiones empresariales que previamente tomaban días o semanas debido a la dependencia de equipos de analistas ahora pueden tomarse en horas.
20-40% de mejora en calidad de decisión: Con acceso más fácil a datos, decisiones previamente tomadas por instinto ahora están informadas por evidencia real.

Ejemplos de Transformación Empresarial del Mundo Real

Una cadena minorista aumentó la productividad de los gerentes de tienda en un 25% permitiéndoles hacer preguntas directamente sobre el rendimiento de la tienda sin apoyo de analista.
Una empresa manufacturera redujo problemas de calidad en un 30% haciendo datos de producción accesibles a supervisores de planta a través de consultas en lenguaje natural.
Una firma de servicios financieros redujo el tiempo de creación de informes de días a minutos con los nuevos Informes Looker de arrastrar y soltar, liberando a analistas para trabajo de mayor valor.

Valor Empresarial de Análisis Integrados

La nueva API de Looker Conversational Analytics permite a las organizaciones:

Integrar análisis directamente en aplicaciones orientadas al cliente, aumentando el engagement del cliente en un 35-50%.
Integrar análisis en sistemas operativos, reduciendo excepciones de proceso en un 20-30%.
Crear productos y servicios basados en análisis, abriendo nuevos flujos de ingresos.

Innovaciones de Base de Datos: Modernizando la Base de Datos para IA

Los anuncios de bases de datos de Google reflejan un enfoque pragmático a la modernización que prioriza la continuidad empresarial junto con la innovación:

AlloyDB AI: Aplicaciones Empresariales Más Allá de Bases de Datos Tradicionales

AlloyDB AI transforma bases de datos operacionales tradicionales en plataformas preparadas para IA:

Reducción de costes de desarrollo de aplicaciones: La consulta en lenguaje natural reduce el conocimiento especializado requerido para construir aplicaciones basadas en datos en un 40-60%.
Experiencias de cliente mejoradas: Las capacidades de búsqueda vectorial permiten comprensión semántica de la intención del usuario, aumentando tasas de conversión en un 15-30% en aplicaciones orientadas al cliente.

Ruta de Migración Práctica: Equilibrando Innovación y Continuidad

El enfoque pragmático de Google para la modernización de bases de datos ofrece beneficios empresariales medibles:

30-50% de reducción en costes de licencias de bases de datos: Organizaciones migrando de bases de datos comerciales a alternativas de código abierto como PostgreSQL reportan ahorros de coste significativos.
70-85% de reducción en sobrecarga de administración de bases de datos: El Centro de Bases de Datos unificado reduce la complejidad de gestión en entornos heterogéneos de bases de datos.

Impacto del Mundo Real: Historias de Éxito de Clientes

Las innovaciones en datos y análisis de Google están entregando resultados empresariales cuantificables a través de industrias:

Retail: Actualización de atributos de productos 5 veces más rápida, resultando en mayores tasas de conversión y reducción de tasas de devolución.
Servicios Financieros: Reducción del tiempo de administración de asesoramiento de inversión en un 66%, permitiendo a asesores atender a más clientes con el mismo personal.
Energía: Reducción de costes de auditoría de seguridad en un 99% mientras se mejora la cobertura de auditoría en un 300%, mejorando tanto la eficiencia como los resultados de seguridad.

Perspectiva de Making Science: Traduciendo la Innovación de Datos en Valor Empresarial

Como Premier Partner de Google Cloud, Making Science está ayudando a organizaciones a convertir las innovaciones en datos y análisis de Google en resultados empresariales concretos. Basados en nuestra experiencia implementando estas soluciones, hemos desarrollado un marco para maximizar el ROI:

Abrazando la Revolución de Inteligencia Empresarial Generativa (GenBI)

Creemos que la Inteligencia Empresarial Generativa (GenBI) representa un cambio fundamental de paradigma en cómo las organizaciones interactúan con datos. Tecnologías como Looker Explore Assistant están democratizando el acceso a datos en toda la organización de maneras sin precedentes:

De consultas técnicas a conversaciones naturales: Los usuarios empresariales ahora pueden hacer preguntas analíticas complejas en lenguaje llano, eliminando las barreras técnicas que previamente limitaban la utilización de datos.
De dashboards estáticos a exploración dinámica: Los usuarios pueden seguir su curiosidad analítica donde les lleve en vez de estar limitados a vistas predefinidas.
De experiencia especializada a acceso universal: Los insights de datos ya no son dominio exclusivo de analistas y científicos de datos, sino accesibles para todos los que necesitan tomar decisiones basadas en datos.

Nuestras primeras implementaciones de GenBI han mostrado que las organizaciones pueden lograr que 5-7 veces más empleados participen activamente con datos, transformando fundamentalmente la cultura de toma de decisiones.

1. Estrategia de Implementación Centrada en el Valor

En lugar de perseguir una transformación integral de datos, recomendamos comenzar con iniciativas específicas que se alineen con prioridades empresariales específicas:

Mejora de Ingresos: Implementar análisis conversacionales para equipos de ventas ha entregado aumentos de ingresos del 15-25% a través de mejor identificación de oportunidades.
Optimización de Costes: Nuestros clientes han reducido su gasto en análisis en un 20-40% usando las capacidades de gestión de cargas de trabajo de BigQuery.
Mitigación de Riesgos: Implementar recuperación ante desastres gestionada ha reducido tanto el riesgo de caída como el coste de planificación de continuidad empresarial en un 30-50%.

2. Enfoque Práctico de Migración

Nuestra metodología de modernización de bases de datos se centra en la continuidad empresarial y resultados medibles:

Migración por Fases: Ayudamos a clientes a mover primero el 20% de sus cargas de trabajo más valiosas, demostrando valor antes de una migración más amplia.
Operaciones Híbridas: Nuestro enfoque asegura operación fluida durante períodos de transición, con cero disrupción empresarial.

3. Desarrollo de Cultura Basada en Datos

La tecnología por sí sola no crea valor – las organizaciones deben evolucionar cómo usan datos:

Alfabetización de Datos Ejecutiva: Nuestros programas de liderazgo aseguran que los ejecutivos puedan hacer las preguntas correctas e interpretar insights potenciados por IA.
Capacitación de Analistas de Negocio: Ayudamos a analistas a transicionar de recopiladores de datos a generadores de insights usando nuevas capacidades conversacionales.

Las organizaciones que actúen rápidamente para implementar estas innovaciones de datos ganarán ventajas competitivas significativas – no solo en eficiencia analítica, sino en su capacidad fundamental para tomar mejores decisiones más rápido que los competidores.

¡En nuestro próximo blog, exploraremos las últimas innovaciones de Google en Modernización de Software y Aplicaciones. ¡Estad atentos!

¿Listo para transformar tus datos en una ventaja competitiva? Contacta con nuestro equipo en Making Science para descubrir cómo podemos ayudarte a lograr resultados empresariales medibles con las últimas innovaciones en datos de Google Cloud.

Google Cloud NEXT ’25: El Auge de Agentic AI para experiencias transformadoras de clientes y empleados

En Google Cloud NEXT ’25, todo el interés giró en torno a la Inteligencia Artificial Agéntica (IAA), un nuevo paradigma que va más allá de la IA tradicional al crear sistemas inteligentes capaces de razonar, planificar y recordar. Como Premier Partner de Google Cloud, Making Science fue testigo de cómo estos agentes de IA están preparados para revolucionar las operaciones empresariales, las experiencias de cliente y la productividad de los empleados. El impacto empresarial de estas innovaciones no puede subestimarse: estamos presenciando la aparición de «trabajadores digitales» capaces de ejecutar tareas complejas entre sistemas, adaptándose y aprendiendo sobre la marcha.

El Caso de Negocio para la IA Agéntica

Antes de profundizar en los anuncios técnicos, es esencial entender por qué la IAA representa una oportunidad empresarial tan significativa, considerando que una implementación exitosa va más allá de la simple ingeniería de prompts para crear sistemas que puedan percibir su entorno, planificar pasos ejecutables, llevar a cabo esos planes y aprender con el tiempo:

Aumento laboral, no sustitución: En lugar de reemplazar a los trabajadores humanos, los agentes amplían las capacidades humanas manejando tareas rutinarias, destacando información relevante y proporcionando apoyo en la toma de decisiones.
Eliminación de silos entre sistemas: Los agentes pueden trabajar a través de múltiples sistemas y bases de datos, eliminando la fragmentación que afecta a la mayoría de las operaciones empresariales.
Potencial significativo de ROI: Los primeros adoptantes ya están viendo resultados espectaculares: reducciones del 20-80% en el tiempo de procesamiento para flujos de trabajo clave, aumentos del 30-50% en la productividad de los empleados y millones en ahorro de costes.
Los cuatro pilares del diseño de agentes: Las implementaciones más potentes equilibran autonomía, memoria, integración de herramientas y colaboración multi-agente para resolver problemas empresariales complejos.

A medida que avanzamos en 2025, las organizaciones están pasando de la ingeniería de prompts a la verdadera arquitectura de sistemas de IA, creando agentes que razonan y se adaptan junto a sus homólogos humanos.

Bloques de Construcción para un Ecosistema Multi-Agente: Implicaciones Empresariales

El enfoque de Google hacia la IA Agéntica está diseñado para hacer que estos beneficios sean accesibles a organizaciones de todos los tamaños. Su nuevo ecosistema multi-agente ofrece varias ventajas empresariales clave:

Tiempo de valor más rápido: Con el nuevo Kit de Desarrollo de Agentes (ADK), las organizaciones pueden construir agentes de IA sofisticados en una fracción del tiempo requerido: días o semanas en lugar de meses.
Menores costes de desarrollo: La capacidad de construir agentes con menos de 100 líneas de código reduce drásticamente la experiencia especializada requerida.
Inversiones a prueba de futuro: El protocolo abierto Agent2Agent (A2A) asegura que los agentes construidos hoy puedan interactuar con futuros agentes, independientemente de la tecnología sobre la que estén construidos.

Más Allá de la Tecnología: Integración Empresarial que Importa

Lo que distingue el enfoque de Google es su enfoque en la integración con las inversiones existentes de las empresas:

Flexibilidad de pila tecnológica: Las organizaciones pueden usar sus frameworks de agentes preferidos (LangGraph, Crew AI) mientras se benefician de la infraestructura y capacidades de gestión de Google.
No se requiere duplicación de datos: Los agentes pueden trabajar directamente con datos existentes de NetApp, eliminando migraciones de datos costosas y que consumen tiempo.
Integración con software empresarial: Conexiones preconstruidas a aplicaciones empresariales líderes significan que los agentes pueden comenzar inmediatamente a trabajar con sistemas como Salesforce, ServiceNow y SAP.

Google Agentspace: Democratizando la IA para Resultados Empresariales Medibles

Aunque el desarrollo de agentes personalizados aporta valor, el impacto más inmediato para muchas organizaciones proviene de Google Agentspace, una solución diseñada para poner agentes de IA al alcance de cada empleado sin requerir experiencia técnica.

Beneficios Empresariales de Agentspace

Organizaciones como Cohesity, Gordon Food Services, KPMG, Rubrik y Wells Fargo ya están viendo beneficios tangibles:

Reducción del tiempo de búsqueda de información: Los empleados dedican hasta un 20% de su tiempo buscando información en diferentes sistemas. La integración de Agentspace con Chrome Enterprise reduce drásticamente este tiempo improductivo.
Toma de decisiones acelerada: El Agente de Generación de Ideas ayuda a los equipos a evaluar opciones basadas en criterios empresariales, llevando a decisiones más rápidas y mejor alineadas.
Productividad mejorada en trabajo de conocimiento: El Agente de Investigación Profunda puede compilar y sintetizar información de múltiples fuentes, realizando en horas tareas de investigación que llevarían días a los empleados.

Categorías de Agentes de Alto Impacto: Resultados Empresariales Reales

Más allá de la tecnología, lo más convincente son los resultados empresariales medibles que las organizaciones ya están logrando con estos agentes:

1. Agentes de Cliente: Transformando la Experiencia del Cliente y su Economía

Lo que hacen estos agentes: Los Agentes de Cliente sirven como interfaces inteligentes entre organizaciones y sus clientes a través de múltiples canales. Pueden entender consultas complejas, acceder a información relevante a través de sistemas, procesar transacciones y proporcionar asistencia personalizada con habilidades conversacionales similares a las humanas.