¿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.

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.

1. 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?
2. 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.
3. 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.
4. 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.

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.

En Making Science, siempre nos hemos comprometido a mantenernos a la vanguardia de la transformación tecnológica. Nos complace compartir que nuestro departamento de UX/UI está evolucionando hacia Diseño CX/AX – un cambio que representa nuestra visión para el futuro de las experiencias digitales.

Esta transición llega en un momento crucial. Después de años de notable crecimiento e innovación en Making Science, hemos sido testigos de primera mano de la rápida transformación del panorama tecnológico. Esta evolución en nuestro enfoque no es simplemente un cambio de marca – es un giro estratégico que prepara a nuestros clientes para la próxima ola de interacción digital.

¿Por qué ahora?

Durante años, Experiencia de Usuario (UX) e Interfaz de Usuario (UI) han sido los términos estándar de la industria para describir el diseño de productos digitales. Estos conceptos nos han servido bien, centrando nuestra atención en crear interfaces intuitivas y atractivas para usuarios humanos.

Sin embargo, como observó recientemente el pionero de UX Jakob Nielsen en su provocador artículo «Hello AI Agents: Goodbye UI Design, RIP Accessibility», estamos entrando en una era donde la interacción humana directa con las interfaces podría dejar de ser el modo principal de interacción digital.

En Making Science, hemos anticipado este cambio. Al expandir nuestro enfoque hacia la Experiencia del Cliente (CX) y la Experiencia del Agente (AX), nos aseguramos de que nuestro trabajo siga siendo relevante e impactante en un mundo cada vez más mediado por la IA.

El futuro dual del diseño con CX y AX

Experiencia del cliente (CX)

CX adopta una visión holística que va más allá de las interacciones con la interfaz:

• El recorrido completo del cliente a través de todos los puntos de contacto
• Respuestas emocionales y niveles de satisfacción en cada etapa
• Percepción de la marca antes, durante y después de la interacción
• Integración perfecta de experiencias online y offline
• Diseño y entrega de servicios

Mientras que UX se centra en cómo los usuarios interactúan con productos específicos, CX considera la totalidad de la relación de un cliente con una marca u organización.

Experiencia del agente (AX)

Aquí es donde estamos verdaderamente innovando. La Experiencia del Agente (AX) reconoce la realidad emergente de que los agentes de IA mediarán cada vez más entre los humanos y los servicios digitales:

• Diseño para agentes de IA que navegan por interfaces en nombre de los usuarios
• Creación de datos y contenido estructurados que tanto humanos como IA pueden procesar eficientemente
• Desarrollo de patrones de interacción optimizados tanto para la manipulación humana directa como para operaciones basadas en agentes
• Garantizar que nuestros productos digitales funcionen perfectamente en un ecosistema centrado en agentes

Transformando posibilidades para nuestros clientes

Esta evolución amplía significativamente lo que podemos ofrecer:

• Diseño integral del ecosistema: Ahora abordamos no solo cómo funciona su producto, sino cómo se integra en la vida de sus clientes e interactúa con tecnologías emergentes.
• Activos digitales preparados para el futuro: Su presencia digital estará preparada tanto para usuarios humanos tradicionales como para la próxima ola de interacción con agentes de IA.
• Ventaja estratégica: Nuestro enfoque une los fundamentos de UX con la estrategia empresarial y la innovación tecnológica, posicionando su marca por delante de los competidores.
• Excelencia en todos los puntos de contacto: Mientras ampliamos nuestro alcance, seguimos comprometidos con la creación de interfaces bellas y utilizables para la interacción humana directa.

Nuestra metodologIA única

En Making Science, hemos estado desarrollando nuestra Metodología de Usuarios Sintéticos propietaria para obtener perspectivas sin precedentes sobre cómo tanto humanos como agentes de IA interactúan con experiencias digitales.

Esta metodología se ha convertido en nuestra propia «búsqueda de vida inteligente» – descubriendo comportamientos y patrones que los métodos tradicionales simplemente no pueden detectar. Los conocimientos que hemos adquirido han sido fundamentales en nuestra evolución hacia el Diseño CX/AX, permitiéndonos crear experiencias que no solo satisfacen las necesidades actuales sino que anticipan las demandas futuras.

Honrando los fundamentos mientras abrazamos el futuro

Este cambio estratégico no abandona los principios que han guiado el diseño excepcional durante décadas. Más bien, expande nuestra perspectiva para abordar nuevas realidades. Los fundamentos de la psicología humana, el diseño visual y la usabilidad siguen siendo relevantes, pero ahora se aplican en contextos cada vez más sofisticados.

Como señala Nielsen, los agentes de IA no reemplazan a los usuarios humanos – los sirven. Nuestro objetivo sigue siendo crear experiencias excepcionales que satisfagan las necesidades humanas, ya sea directamente o a través de la mediación tecnológica.

Colabore con Making Science

Al adoptar este nuevo enfoque, invitamos a organizaciones visionarias a unirse a nosotros para explorar las posibilidades ampliadas del Diseño CX/AX. El panorama tecnológico continúa evolucionando a un ritmo vertiginoso, y juntos podemos crear soluciones que funcionen brillantemente hoy mientras anticipamos las necesidades del mañana.

¿Listo para transformar su experiencia digital?

Nuestro equipo de Diseño CX/AX está preparado para ayudar a elevar su presencia digital. Ya sea que busque mejorar el recorrido de sus clientes, prepararse para un futuro centrado en la IA, o simplemente crear experiencias digitales más atractivas, tenemos la experiencia y la visión para ayudarle a tener éxito.

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.

Métricas de Impacto Empresarial:

• 20-50% de reducción en costes de servicio al cliente
• 15-30% de aumento en puntuaciones de satisfacción del cliente
• 2-5 veces de mejora en tasas de resolución en primer contacto

Casos de uso del mundo real:

• Una cadena de comida rápida implementó un sistema de IA para pedidos en drive-through que procesa decenas de miles de pedidos diariamente, reduciendo el tiempo medio de pedido en un 30% mientras aumenta el valor medio del pedido en un 15%
• Un fabricante de automóviles de lujo integró búsqueda conversacional y navegación en sus vehículos, aumentando el uso de funciones en un 40% y mejorando la satisfacción del cliente con las experiencias en el coche en un 25%
• Un minorista de mejoras para el hogar desarrolló un asistente de IA que ofrece orientación experta 24/7, reduciendo las tasas de devolución en un 18% a través de mejor orientación previa a la compra, mientras mejora las tasas de conversión en un 22%
• Un proveedor de servicios financieros en Asia redujo los tiempos de gestión de llamadas en un 20% mientras aumentaba las tasas de éxito de venta adicional/cruzada en un 35% a través de recomendaciones más personalizadas

2. Agentes Creativos: Redefiniendo la Economía del Marketing

Lo que hacen estos agentes: Los Agentes Creativos asisten a los equipos de marketing, diseño y contenido generando y adaptando activos creativos, personalizando contenido para diferentes audiencias, optimizando campañas basadas en datos de rendimiento y sugiriendo enfoques innovadores. Pueden trabajar con texto, imágenes, vídeo y audio para acelerar el proceso creativo.

Métricas de Impacto Empresarial:

• 80-90% de reducción en costes de producción de contenido
• 50-70% de ciclos de desarrollo de campañas más rápidos
• 15-25% de mejora en rendimiento de campañas

Casos de uso del mundo real:

• Una red global de agencias construyó una plataforma de IA para que sus empleados conceptualicen, produzcan y midan campañas, reduciendo los costes de producción en un 65% mientras aceleran el tiempo de comercialización en 3 veces
• Un conglomerado de bienes de consumo implementó IA generativa para desarrollo de contenido en múltiples marcas, viendo un ROI del 25% con costes de producción creativa reducidos en un 70%
• Una empresa de tecnología de marketing desarrolló una plataforma de IA para creación y optimización de anuncios, ayudando a clientes a lograr tasas de clics un 31% más altas y coste por adquisición un 22% menor

3. Agentes de Datos: Convirtiendo Datos en Ventaja Empresarial

Lo que hacen estos agentes: Los Agentes de Datos apoyan a los equipos de datos automatizando tareas rutinarias como preparación de datos, monitorización de calidad y generación de metadatos. Pueden construir pipelines de datos, realizar detección de anomalías, asistir con la selección de modelos y permitir a usuarios no técnicos consultar datos usando lenguaje natural, democratizando el acceso a datos en toda la organización.

Métricas de Impacto Empresarial:

• 40-60% de reducción en tiempo de preparación de datos
• 30-50% de tiempo más rápido hasta obtener insights
• 2-3 veces de aumento en toma de decisiones basada en datos en toda la organización

Casos de uso del mundo real:

• Un fabricante global de juguetes ha aumentado las tasas de éxito de lanzamiento de productos en un 28% analizando sentimiento y preferencias de consumidores en tiempo real
• Un servicio de streaming aumentó la retención de usuarios en un 15% a través de personalización impulsada por IA para cientos de millones de usuarios
• Una empresa farmacéutica construyó un agente que combina tendencias de búsqueda y datos internos para pronosticar brotes de enfermedades, mejorando la eficiencia de distribución de vacunas en un 34%

4. Agentes de Código: Redefiniendo la Economía del Software

Lo que hacen estos agentes: Los Agentes de Código asisten a los desarrolladores a lo largo de todo el ciclo de vida del desarrollo de software. Pueden generar código basado en requisitos, refactorizar código existente, identificar errores, crear pruebas, revisar código para vulnerabilidades de seguridad y ayudar con la documentación. Estos agentes entienden el contexto del código y pueden trabajar con múltiples lenguajes de programación y frameworks.

Métricas de Impacto Empresarial:

• 30-50% de aumento en productividad del desarrollador
• 15-25% de reducción en defectos
• 40-60% de entrega de funcionalidades más rápida

Casos de uso del mundo real:

• Una importante empresa tecnológica reveló que más del 25% de su nuevo código ya es generado por IA y revisado por ingenieros, llevando a:
  • 35% de entrega de funcionalidades más rápida
  • 22% menos incidentes en producción
  • Reducciones significativas en deuda técnica
• Una empresa de telecomunicaciones construyó una herramienta de codificación para acelerar el desarrollo de aplicaciones, permitiendo a los equipos crear aplicaciones especializadas 3 veces más rápido que antes.

5. Agentes de Seguridad: Protegiendo el Valor Empresarial Mientras se Reducen los Costes

Lo que hacen estos agentes: Los Agentes de Seguridad mejoran las operaciones de ciberseguridad automatizando la detección, investigación y respuesta a amenazas. Pueden analizar alertas por contexto y gravedad, investigar malware potencial, identificar vulnerabilidades y recomendar acciones de remediación. Estos agentes mejoran significativamente la eficiencia y efectividad de los equipos de seguridad.

Métricas de Impacto Empresarial:

• 50-70% de reducción en tiempo de investigación de alertas
• 30-45% de disminución en tiempo medio para detectar (MTTD)
• 25-40% de reducción en tiempo medio para responder (MTTR)

Casos de uso del mundo real:

• Varias importantes instituciones financieras, proveedores de datos y empresas de telecomunicaciones han reportado:
  • Reducciones significativas en costes de personal del centro de operaciones de seguridad (SOC)
  • Identificación y remediación más rápidas de incidentes de seguridad
  • Capacidad mejorada para detectar ataques sofisticados

Google Workspace: Productividad Impulsada por IA con ROI Medible

Las mejoras de Google Workspace demuestran cómo la IA puede ofrecer beneficios inmediatos de productividad en toda la organización:

Métricas de Impacto Empresarial:

• 15-25% de reducción en tiempo dedicado a tareas rutinarias
• 20-35% de análisis de datos y generación de insights más rápidos
• 30-50% de mejora en eficiencia de creación de contenido

Innovaciones clave que impulsan estos resultados incluyen:

• Help Me Analyze: Identifica automáticamente insights de datos en hojas de cálculo, reduciendo el tiempo de análisis hasta en un 70%
• Docs Audio Overview: Transforma contenido escrito en audio, aumentando el consumo de contenido en un 45%
• Google Workspace Flows: Automatiza flujos de trabajo rutinarios, ahorrando a los empleados un promedio de 5-7 horas por semana

Perspectiva de Making Science: De la Innovación a la Implementación

Como Premier Partner de Google Cloud y la primera empresa en España en completar el proceso de Especialización en IA Generativa, Making Science está en una posición única para ayudar a las organizaciones a capturar el valor empresarial de la IA Agéntica. Nuestro enfoque va más allá de la implementación técnica para abarcar todo el viaje de transformación.

Enfoque de Transformación Integral

En Making Science, reconocemos que una implementación exitosa de IA requiere más que solo experiencia técnica:

• Identificación Estratégica de Casos de Uso: Ayudamos a las organizaciones a identificar las aplicaciones más impactantes de IA Agéntica para sus desafíos empresariales específicos, priorizando oportunidades para victorias rápidas y transformación a largo plazo.
• Gestión del Cambio y Gobernanza: Asistimos con los aspectos humanos y organizativos críticos de la adopción de IA, desarrollando marcos de gobernanza, programas de formación y estrategias de gestión del cambio para asegurar una adopción exitosa.
• Desarrollo de Hoja de Ruta: Creamos planes de implementación por fases que equilibran victorias rápidas para generar impulso con iniciativas estratégicas que ofrecen ventaja competitiva sostenible.
• Excelencia Técnica: Nuestro equipo especializado en IA aporta profunda experiencia en herramientas y frameworks de IA de Google Cloud, asegurando una implementación e integración óptimas con sistemas existentes.

Metodología de Implementación Probada

Basándonos en nuestro trabajo con los primeros adoptantes, recomendamos un enfoque de tres fases:

1. Implementación de Agentes de Victoria Rápida (30-60 Días) Comenzar con agentes preconstruidos en áreas de alto impacto como servicio al cliente o soporte a empleados para demostrar valor rápidamente. Hemos ayudado a clientes a lograr mejoras de eficiencia del 20-30% en estas áreas dentro de los primeros 60 días.
2. Desarrollo Estratégico de Agentes (60-120 Días) Usar el Kit de Desarrollo de Agentes para construir agentes personalizados para los procesos únicos de tu organización, centrándose en flujos de trabajo repetitivos de alto valor. Nuestros clientes típicamente ven mejoras de productividad del 35-50% en procesos específicos.
3. Desarrollo de Ecosistema Multi-Agente (120+ Días) Implementar el protocolo Agent2Agent para crear sistemas multi-agente sofisticados que transformen funciones empresariales completas. Las implementaciones más maduras logran mejoras de eficiencia del 50-80% y abren capacidades empresariales completamente nuevas.

Las organizaciones que se muevan rápidamente en este espacio ganarán ventajas competitivas significativas, no solo en eficiencia de costes sino también en su capacidad para ofrecer experiencias superiores a clientes y empleados.

¡En nuestro próximo blog, exploraremos las últimas innovaciones de Google en Datos e Inteligencia Empresarial. ¡Estad atentos!

¿Listo para capturar el valor empresarial de la IA Agéntica? Contacta con nuestro equipo en Making Science para descubrir cómo podemos ayudar a acelerar la transformación de IA de tu organización con ROI medible.

Como Premier Partner de Google Cloud, el equipo de Making Science estuvo presente en Google Cloud NEXT ’25, siendo testigo de primera mano de las innovaciones más significativas en infraestructura y seguridad que Google ha presentado para impulsar la próxima generación de empresas basadas en IA. El evento de este año mostró el revolucionario «AI Hypercomputer» de Google, un enfoque innovador de infraestructura que promete reducir drásticamente el coste y la complejidad de implementar IA empresarial.

AI Hypercomputer: Valor Empresarial Más Allá de la Infraestructura Tradicional

El AI Hypercomputer representa un cambio fundamental en cómo las empresas deben pensar sobre sus inversiones en infraestructura en la era de la IA. En lugar de simplemente ofrecer procesadores más rápidos, Google ha reinventado toda la pila tecnológica para optimizar lo que más importa a las empresas: maximizar el rendimiento de la IA mientras se minimizan los costes.

Beneficios Empresariales de la Nueva Infraestructura

Lo que distingue el enfoque de Google es su objetivo de ofrecer «más inteligencia por euro invertido». Su nuevo modelo Gemini 2.0 Flash, impulsado por AI Hypercomputer, logra una inteligencia 24 veces mayor por euro en comparación con GPT-4o y 5 veces mayor que los modelos de la competencia. Para las empresas, esto se traduce en:

• Costes drásticamente menores para iniciativas de IA: La capacidad de ejecutar cargas de trabajo de IA a una fracción de los costes anteriores significa que incluso organizaciones medianas pueden permitirse ahora despliegues de IA a escala empresarial.
• Tiempo de comercialización más rápido: La reducción en los tiempos de entrenamiento e inferencia permite a las organizaciones desarrollar e implementar soluciones de IA en días en lugar de meses.
• Aplicaciones de IA más potentes: La mayor eficiencia computacional significa que las organizaciones pueden crear soluciones de IA más sofisticadas sin aumentos proporcionales en los costes.

Almacenamiento e Inferencia: Eliminando los Cuellos de Botella para el ROI de la IA

Google ha abordado dos de los mayores desafíos que enfrentan las organizaciones al implementar IA a escala: los cuellos de botella de almacenamiento y los costes de inferencia.

Innovaciones en Almacenamiento que Impactan en la Cuenta de Resultados

Las nuevas soluciones de almacenamiento ofrecen beneficios empresariales tangibles:

• Reducción de hasta un 70% en la latencia de acceso a datos: La nueva tecnología Anywhere Cache significa que los sistemas de IA pasan menos tiempo esperando datos y más tiempo entregando resultados.
• Reducciones drásticas en los costes de almacenamiento: Las organizaciones ya no necesitan aprovisionar en exceso un almacenamiento de alto rendimiento costoso para garantizar el rendimiento de las cargas de trabajo de IA.
• Gestión de datos simplificada: Estas soluciones automatizan decisiones complejas de ubicación de datos, reduciendo la experiencia especializada necesaria para mantener la infraestructura de IA.

Optimización de Inferencia: Donde se Reconoce el ROI de la IA

Aunque el entrenamiento de modelos acapara los titulares, la inferencia (usar modelos entrenados en producción) normalmente representa entre el 80-90% de los costes de computación de IA. Las nuevas optimizaciones de inferencia de Google ofrecen:

• Reducción del 30% en los costes de servicio: Haciendo que las soluciones de IA sean más viables económicamente para casos de uso empresarial cotidianos.
• Reducción del 60% en el tiempo de respuesta: Permitiendo aplicaciones de IA en tiempo real que antes no eran factibles.
• Aumento del 40% en el rendimiento: Permitiendo a las empresas atender a más usuarios sin aumentos proporcionales en infraestructura.

Llevando la IA al Entorno Local: Beneficios de Soberanía, Cumplimiento y Rendimiento

Para sectores regulados como sanidad, servicios financieros y administración pública, el anuncio de Google de que Gemini estará disponible en entornos locales a través de Google Distributed Cloud (GDC) supone un cambio radical. Esta innovación ofrece tres beneficios empresariales críticos:

• Cumplimiento sin compromiso: Las organizaciones en sectores altamente regulados ahora pueden implementar IA de vanguardia mientras mantienen la soberanía completa de los datos y cumplen con los requisitos regulatorios más estrictos.
• Reducción de costes de transferencia de datos y latencia: Para organizaciones que trabajan con conjuntos de datos masivos, acercar la computación de IA al almacenamiento de datos elimina transferencias de datos costosas y que consumen tiempo.
• Postura de seguridad mejorada: Con GDC ahora autorizado para los niveles Secreto y Alto Secreto del Gobierno de EE. UU., las organizaciones pueden implementar soluciones de IA que cumplan con los estándares de seguridad más exigentes.

Innovación en Redes: Beneficios Empresariales Más Allá del Rendimiento

La nueva Cloud Wide Area Network (Cloud WAN) aborda desafíos empresariales clave al:

• Reducir los costes de redes hasta un 40%: Permitiendo a las organizaciones redirigir estos ahorros a otras iniciativas estratégicas.
• Simplificar las operaciones multi-región: Facilitando a las empresas globales ofrecer experiencias de cliente consistentes en todo el mundo.
• Mejorar la capacidad de respuesta de las aplicaciones: Mejorando la satisfacción del cliente y la productividad de los empleados a través de aplicaciones más ágiles.

Seguridad Unificada: Protección Empresarial en un Mundo Centrado en la IA

A medida que la adopción de la IA se acelera, también lo hacen los desafíos de seguridad. El nuevo enfoque de Seguridad Unificada de Google ofrece beneficios empresariales que van mucho más allá de la protección técnica:

Beneficios de Seguridad Tangibles para la Cuenta de Resultados

• Reducción de costes de personal de seguridad: Las operaciones de seguridad potenciadas por IA ayudan a abordar la escasez de talento en ciberseguridad automatizando tareas rutinarias, permitiendo a los profesionales de seguridad centrarse en iniciativas estratégicas.
• Detección y respuesta más rápidas ante amenazas: El nuevo agente de clasificación de alertas puede investigar y validar amenazas en segundos en lugar de horas, reduciendo el potencial impacto financiero de las brechas.
• Reducción de primas de seguro cibernético: El programa ampliado de protección contra riesgos con Beazley y Chubb puede conducir a ahorros significativos en seguros cibernéticos, con descuentos basados en la postura de seguridad de Google Cloud.
• Reducción del riesgo empresarial: Con la experiencia de Mandiant integrada en la plataforma, las organizaciones se benefician de inteligencia de amenazas y capacidades de respuesta a incidentes de clase mundial.

Libertad Empresarial a Través de Multi-Cloud y Soberanía

El enfoque de Google para multi-cloud y soberanía permite a las organizaciones:

• Mantener la continuidad empresarial entre nubes: Utilizar servicios de Google Cloud junto con inversiones en AWS y Azure sin migraciones disruptivas.
• Cumplir con requisitos regulatorios en evolución: A medida que las regulaciones de soberanía de datos evolucionan globalmente, las ofertas de nube soberana de Google garantizan que las empresas puedan mantener el cumplimiento sin sacrificar capacidades.
• Reducir el riesgo de dependencia de proveedor: Usar los servicios de análisis e IA de Google con datos en otras nubes proporciona flexibilidad y ventaja en las negociaciones con proveedores.

Perspectiva de Making Science: Convirtiendo la Innovación en Infraestructura en Ventaja Empresarial

Como Premier Partner de Google Cloud, Making Science entiende que el valor real de estas innovaciones en infraestructura y seguridad no reside en la tecnología en sí, sino en cómo pueden transformar las operaciones empresariales y crear ventaja competitiva.

Cómo Ayudamos a los Clientes a Capitalizar Estas Innovaciones

En Making Science, ya estamos trabajando con clientes para:

• Optimizar los costes de infraestructura de IA: Hemos ayudado a clientes a reducir sus costes de infraestructura de IA entre un 30-50% aprovechando la nueva arquitectura AI Hypercomputer de Google.
• Acelerar el tiempo de valor de la IA: Al implementar las últimas optimizaciones de inferencia de Google, hemos ayudado a organizaciones a desplegar soluciones de IA en semanas en lugar de meses.
• Mejorar la postura de seguridad mientras se reducen los costes: Nuestro enfoque de modernización de seguridad aprovecha las herramientas de seguridad potenciadas por IA de Google para mejorar la protección y reducir los costes operativos simultáneamente.
• Navegar por los requisitos de soberanía y cumplimiento: Proporcionamos orientación experta sobre cómo aprovechar las opciones de nube soberana y nube distribuida de Google para cumplir con los requisitos regulatorios globales.

El Imperativo Empresarial

Las organizaciones que prosperarán en la era de la IA no serán necesariamente aquellas con los presupuestos más grandes, sino las que aprovechen más eficazmente estas nuevas capacidades de infraestructura para ofrecer mejores experiencias al cliente, agilizar operaciones e innovar más rápido.

¡En nuestro próximo blog, exploraremos las últimas innovaciones de Google en IA Agéntica para transformar las experiencias de clientes y empleados. ¡Estad atentos!

¿Listo para transformar tu infraestructura para la era de la IA? Contacta con nuestro equipo en Making Science para descubrir cómo las últimas innovaciones de Google Cloud pueden acelerar el viaje de IA de tu organización mientras ofrecen resultados empresariales medibles.

En el panorama empresarial de la IA, en constante evolución, la diferencia entre una buena implementación y una excepcional reside en la arquitectura subyacente. Aquí tienes la perspectiva privilegiada sobre lo que realmente impulsa las implementaciones de Agentes de IA más exitosas en la actualidad.

La nueva realidad de la IA Empresarial

Imagina entrar en una empresa moderna donde los Agentes de IA orquestan operaciones complejas con aparente facilidad: programando reuniones entre diferentes zonas horarias, analizando tendencias de mercado en tiempo real y gestionando miles de interacciones con clientes simultáneamente. Esta excelencia visible representa apenas la punta del iceberg. ¿La verdadera innovación? Está en la sofisticada ingeniería que se esconde debajo.

El viaje hasta este punto ha sido extraordinario. Desde los chatbots básicos de 2023 hasta los asistentes de IA con compresión de lenguaje natural en 2024, ahora hemos entrado en una era de Agentes de IA verdaderamente autónomos. Pero esta evolución no se trata solo de mejores modelos de lenguaje, sino de la intrincada arquitectura que hace posible la IA a nivel empresarial.

Bajo la superficie: Deconstruyendo la infraestructura de Agentes de IA

1. La capa visible: Donde el humano se encuentra con la máquina

Las elegantes interfaces de las plataformas representan la cara visible de los agentes de IA. Pero este exterior pulido se apoya en una sofisticada ingeniería frontend. Las implementaciones modernas aprovechan tecnologías no solo por estética, sino para crear interacciones intuitivas que se adaptan a las necesidades de los usuarios. Cuando un comercial solicita un análisis de mercado o un desarrollador necesita revisar código, esta capa traduce operaciones complejas en conversaciones naturales, llevando a una redefinición del concepto «Interfaz de Usuario/Experiencia de Usuario» a «Diseño CX/Experiencia de Usuario».

2. La capa de inteligencia: Más allá del procesamiento simple

En el corazón de la IA empresarial se encuentra una red intrincada de sistemas informáticos complejos. Las plataformas de gestión de memoria garantizan que las conversaciones mantengan el contexto entre todos los participantes, durante semanas o meses. Los sistemas dinámicos de enrutamiento de modelos determinan instantáneamente si un análisis financiero requiere un procesamiento diferente al de una tarea creativa. Esta orquestación ocurre en milisegundos, invisible para el usuario final pero crucial para el rendimiento a nivel empresarial.

3. El marco de control: Seguridad y gobernanza a nivel empresarial

En el entorno regulatorio actual, los sistemas de control no son opcionales: son capas críticas. Los agentes de IA empresariales operan dentro de un marco sofisticado que garantiza:

• Autenticación multifactor avanzada que protege operaciones sensibles
• Monitoreo en tiempo real que proporciona visibilidad operativa sin precedentes
• Orquestación avanzada que permite flujos de trabajo complejos de múltiples agentes

4. Los cimientos: Escala, velocidad y fiabilidad

El verdadero diferenciador en la IA empresarial no son los modelos, sino la infraestructura. Las arquitecturas nativas en la nube, impulsadas por la contenerización avanzada, garantizan la escalabilidad global. Las bases de datos de próxima generación permiten la recuperación instantánea de información a través de petabytes de datos. Esta base convierte las capacidades teóricas de la IA en ventajas empresariales prácticas.

La realidad de la ingeniería: ¿Por qué la regla 90/10 importa?

El verdadero valor de los agentes de IA empresariales no reside en los modelos individuales de IA, sino en la ingeniería que permite su aplicación práctica. Este reparto de 90% ingeniería y 10% LLM refleja una verdad crucial: la implementación exitosa de IA requiere una infraestructura más robusta que algoritmos de vanguardia.

Considera una empresa global que despliega un agente de IA para atención al cliente. Mientras el LLM gestiona la comprensión del lenguaje natural, la infraestructura de ingeniería:

• Gestiona millones de conversaciones concurrentes
• Garantiza tiempos de respuesta inferiores a un segundo
• Mantiene el cumplimiento de seguridad en todas las jurisdicciones
• Se integra perfectamente con los sistemas empresariales existentes
• Escala recursos según la demanda

El damino por delante: IA Empresarial de próxima generación

A medida que avanzamos, la arquitectura de la IA empresarial continúa evolucionando. El futuro de la IA empresarial no está en modelos de lenguaje incrementalmente mejores, sino en infraestructuras más sofisticadas:

• Sistemas de orquestación avanzados que permiten una verdadera colaboración entre múltiples agentes
• Sistemas de escalado predictivo que anticipan las demandas empresariales
• Arquitecturas híbridas que combinan computación en la nube y en el borde
• Marcos de seguridad mejorados para la toma de decisiones autónoma
• Herramientas avanzadas de observabilidad para la gobernanza de la IA

El imperativo estratégico

La «magia» visible de los agentes de IA se asienta sobre una base de ingeniería sofisticada. Al considerar la implementación de Agentes de IA en tu empresa, recuerda que el éxito no radica solo en elegir los modelos de IA adecuados, sino en construir y mantener la infraestructura robusta que los impulsa.

¿Listo para explorar cómo los agentes de IA pueden transformar tus operaciones empresariales? Contacta con nuestro equipo para discutir tu estrategia de IA y conocer cómo podemos ayudarte a construir la infraestructura para tu éxito.

•    Más de 800 usuarios de Making Science, companía pionera en la aplicación de IA empresarial, ya están participando en la adopción progresiva de la tecnología
• Making Science valida casos de uso reales, desarrolla metodologías de adopción y construye aceleradores técnicos para trasladar la experiencia a sus clienteS
•   Esta implementación refuerza la posición de Making Science como Premier Partner de Google Cloud con seis especializaciones, incluida la de IA Generativa

Madrid, 9 de abril de 2025 – Making Science, consultora de tecnología y marketing especializada en aceleración digital de empresas y pionera en inteligencia artificial aplicada al negocio, ha implementado Google Agentspace, la innovadora plataforma de Google Cloud basada en inteligencia artificial generativa y agentes inteligentes.

Más de 800 usuarios de Making Science ya están participando en la adopción progresiva de Agentspace, una solución que permite interactuar de forma conversacional y desde una sola interfaz con aplicaciones corporativas como Salesforce, SAP, Jira, BigQuery o Atlassian, entre muchas otras, facilitando la toma de decisiones, el acceso a datos y la ejecución de tareas complejas. Entre los próximos hitos se encuentra la automatización de procesos clave, como el envío de facturas SAP directamente desde la plataforma.

Making Science ha desplegado este sistema como parte de un enfoque más amplio para la adopción de IA que incluye diversas soluciones de inteligencia artificial generativa, con un modelo estructurado de formación por departamentos, un programa interno de “AI Champions” para acompañar su adopción y la integración de métricas de impacto y retorno.

«La elección de Google Agentspace reafirma nuestro compromiso con la innovación tecnológica y nuestra capacidad para liderar una transformación digital real desde dentro. Esta iniciativa nos permite no solo ganar eficiencia, sino aprender desde la experiencia para acompañar mejor a nuestros clientes en sus propios procesos de adopción de inteligencia artificial generativa», explica José Antonio Martínez Aguilar, Fundador y CEO de Making Science.

Esta implementación refuerza el liderazgo de Making Science como compañía pionera en la adopción de tecnologías disruptivas, y se enmarca en su plan estratégico “AI Transformation Quarter”, un programa global que impulsa la integración de herramientas de IA generativa, la automatización de procesos y la capacitación continua de los equipos de la compañía.

Preparados para liderar la implementación en clientes

Además de hacer más eficientes sus propios procesos, la adopción de Agentspace en toda su estructura, desde equipos técnicos hasta áreas de negocio, sitúa a Making Science como aliado estratégico para aquellas empresas que estén interesadas en integrar esta tecnología en su actividad. Gracias a esta experiencia real, la compañía está validando casos de uso, desarrollando metodologías de adopción, creando aceleradores técnicos y plantillas de integración. Al mismo tiempo, se genera conocimiento y expertise para conectar Agentspace con entornos empresariales complejos y mide su impacto con métricas claras de retorno y valor de negocio.

«Con Agentspace avanzamos en nuestra colaboración con Google Cloud para potenciar la inteligencia artificial en entornos empresariales. Esta tecnología representa el futuro de la interacción con datos y aplicaciones corporativas, y al implementarla primero en Making Science, podemos trasladar aprendizajes reales a nuestros clientes, acelerando su adopción y maximizando su impacto.», comenta Álvaro Verdeja, COO – Cloud, IA, Cyber y Software en Making Science.

Como Google Cloud Premier Partner, Making Science refuerza su capacidad para acompañar a las organizaciones en la implementación de soluciones basadas en inteligencia artificial generativa, con un enfoque que combina conocimiento técnico, experiencia operativa y visión de negocio. Esta implementación se alinea con la estrategia de Google Cloud para impulsar la adopción de la tecnología de IA a través de su red de socios certificados.

Sobre Making Science

Making Science es una compañía global especializada en aceleración digital que cuenta en la actualidad con más de 1200 empleados y con presencia y desarrollo tecnológico en 15 mercados: España, Portugal, México, Colombia, Francia, Italia, Reino Unido, Irlanda, Suecia, Dinamarca, Noruega, Finlandia, Alemania, Georgia y EEUU. Como socia consultora de Local Planet, la mayor red mundial de agencias de medios independientes, Making Science desarrolla soluciones tecnológicas y ofrece servicios de marketing digital, Adtech y Martech, tecnologías cloud y software, y ciberseguridad a nivel global, a través de delivery hubs que impulsan la creación de empleo y la disponibilidad de talento tecnológico altamente cualificado. 

Making Science está compuesto por 4 líneas de negocio: la Agencia Digital Global con Tecnología, con servicios de publicidad digital 360 que integran planificación estratégica, creatividad, datos y tecnología; RAISING, la División de Tecnología, que combina la experiencia empresarial con la ciencia de los datos para ofrecer soluciones avanzadas basadas en IA aplicada al marketing; la División de Cloud, Software y Ciberseguridad, con un equipo de más de 400 ingenieros y científicos de datos para el desarrollo de soluciones basadas en la nube y un equipo especializado en ciberseguridad; y el Área de Inversión de Making Science, con Ventis y TMQ, como línea de diversificación de negocio e implementación de las capacidades de todas las áreas de Making Science.  

Con RAISING, la división de tecnología, la compañía se posiciona como referente global en transformación digital y, gracias a sus soluciones tecnológicas ad-machina, Trust Generative AI y Gauss AI, las marcas maximizan sus resultados empresariales con Inteligencia Artificial.

Además, la compañía participa en diversas iniciativas de ESG, entre las que destacan, el Climate Pledge, el Pacto Mundial de las Naciones Unidas y la iniciativa Pledge1%, apoyando a organizaciones sin ánimo de lucro de su comunidad con un fuerte compromiso para obtener impacto positivo en la sociedad.

Making Science

Mónica González, Directora de Marketing y Comunicación – monica.gonzalez@makingscience.com T. 91 309 02 09

Gabinete de comunicación de Making Science

Victoria Blanc | vblanc@kreab.com | T. 635 590 319

Raúl de Pablos| rdepablos@kreab.com | T. 635 586 496

José Luis González | jlgonzalez@kreab.com | T. 661 850 384

A medida que la inteligencia artificial continúa remodelando los panoramas empresariales, Making Science y Google Cloud reunieron recientemente a líderes del sector en la sede madrileña de Google para explorar el impacto transformador de los Agentes de IA en el ámbito empresarial. El encuentro puso de manifiesto cómo las empresas están superando la automatización básica para adoptar sistemas inteligentes y autónomos que están redefiniendo tanto la relación con los clientes como la eficiencia operativa.

La evolución estratégica de la IA Empresarial: de herramientas a entidades autónomas

La evolución de la IA en el entorno empresarial ha sido extraordinariamente rápida. Las empresas han pasado de la experimentación en 2023 a implementaciones reales en 2024. Ahora, en 2025, los agentes de IA están impulsando la siguiente fase de transformación. Estos sistemas inteligentes ya no son meras herramientas, sino que actúan como decisores autónomos capaces de optimizar operaciones, automatizar procesos complejos y acelerar el crecimiento empresarial.

Temas Clave e Insights:

De IA de Caja Blanca a Caja Negra: Adoptando la agilidad sobre el detalle algorítmico

Las empresas se están alejando del “white box” (necesidad de comprender cada detalle algorítmico – IA de caja blanca) para enfocarse en probar los resultados impulsados por IA como “black box” (IA de caja negra). A medida que los Modelos de Lenguaje Grande (LLMs) se vuelven más avanzados, el enfoque está cambiando hacia «confiar» en el LLM mientras se aplica el prompting, grounding y testing necesarios; aprovechando la agilidad de la IA, en lugar de diseccionar cada aspecto de cada red neuronal que soporta cada LLM en un Agente de IA.  Este enfoque permite a las organizaciones priorizar la adaptabilidad, el rendimiento y la experiencia del usuario por encima de la transparencia técnica.

Asistentes de IA vs. Agentes de IA: Entendiendo la diferencia

Los Asistentes de IA apoyan las interacciones con los clientes y los procesos internos, pero aún requieren supervisión humana. Los Agentes de IA tienen la capacidad de funcionar de forma independiente, tomando decisiones y actuando sin intervención humana directa. No obstante, una gobernanza eficaz resulta fundamental para garantizar la fiabilidad de estos sistemas autónomos.

Adopción de la IA: Conectando innovación e implementación práctica

Pese a los rápidos avances en IA generativa, su adopción empresarial masiva sigue en fases iniciales. Las organizaciones que buscan maximizar su potencial deben centrarse en:

• Integrar la IA perfectamente en los procesos y APIs de negocio
• Utilizar datos estructurados de alta calidad para mejorar los resultados
• Conectar plataformas para potenciar la automatización y la toma de decisiones

Un caso práctico presentado en el evento mostró cómo la IA conversacional está transformando las búsquedas inmobiliarias. Con más de 30.000 interacciones exitosas y mejores tasas de conversión, esta solución ha potenciado significativamente la experiencia del cliente mientras reduce costes operativos. Los chatbots inmobiliarios ahora mantienen el contexto de la conversación, entienden las necesidades de los usuarios y ofrecen recomendaciones personalizadas. Una propuesta destacada fue la incorporación constante de nuevas propiedades y el enriquecimiento con puntos de interés como colegios, hospitales o paradas de metro desde Google Maps.

Otras potenciales aplicaciones de IA en diversas industrias

• Análisis predictivo: Detección de fraudes y prevención de abusos en redes mediante el análisis de patrones sospechosos.
• Migración de sistemas antiguos: Evaluación de riesgos, costes y plazos para actualizar sistemas informáticos obsoletos.
• Integración de datos: Mejora de la coherencia entre plataformas, potenciando la analítica y la inteligencia de negocio.

Seguridad y Cumplimiento en IA: Garantizando un Despliegue Responsable

A medida que la adopción de IA se escala, la seguridad de los datos, la privacidad y el cumplimiento siguen siendo prioridades críticas. Las discusiones en el evento subrayaron la importancia de:

• Adaptarse a las normativas de privacidad en constante evolución
• Establecer una gobernanza ética para garantizar decisiones responsables
• Implementar medidas de seguridad robustas para proteger la información sensible

Un enfoque estructurado de gobernanza será esencial para mantener la confianza y aprovechar todo el potencial de la IA.

Innovaciones de Google Cloud para Agentes de IA Empresariales

Google Cloud sigue liderando la innovación en IA empresarial, proporcionando herramientas potentes para integrar eficazmente los Agentes de IA en las operaciones empresariales.

Customer Engagement Suite (CES): Gemini 2.0 y el futuro de la IA multimodal

Uno de los anuncios clave en el evento fue la introducción de la integración de Gemini 2.0 en la Customer Engagement Suite (CES), una solución de IA multimodal. Este avance permite a las empresas facilitar interacciones fluidas a través de entradas de voz, texto e imágenes, asegurando una experiencia de cliente fluida y personalizada.

Por ejemplo, un sistema de atención al cliente potenciado por Gemini 2.0 puede interpretar una combinación de consultas basadas en texto, comandos de voz y cargas de imágenes, todo mientras mantiene la comprensión contextual. Este nivel de interacción mejora la satisfacción del cliente y agiliza la eficiencia del servicio.

La adopción de IA multimodal representa un gran salto adelante en la IA empresarial, proporcionando a las organizaciones una plataforma de participación intuitiva y adaptable.

AgentSpace: Eficiencia en el entorno laboral

La introducción de la plataforma AgentSpace de Google aborda un desafío crítico en las empresas modernas: la fragmentación de la información y las herramientas. Al integrar capacidades avanzadas de búsqueda con asistencia impulsada por IA, AgentSpace transforma la forma en que los empleados interactúan con los sistemas empresariales. Esta integración reduce el tiempo dedicado a cambiar entre aplicaciones mientras mejora la toma de decisiones a través de un mejor acceso al conocimiento organizacional.

Los empleados ya no están limitados por datos aislados o la necesidad de navegar por múltiples interfaces. AgentSpace conecta inteligentemente la información relevante, permitiendo decisiones más rápidas y mejor informadas y un entorno de trabajo más productivo.

NotebookLM: Potenciando la inteligencia empresarial

NotebookLM Enterprise demuestra el poder de la IA en investigación y síntesis de información. La capacidad de procesar diversos tipos de contenido —desde documentos hasta vídeos— manteniendo el contexto y generando conclusiones útiles representa un nuevo paradigma en gestión de información.

Imagina analizar un estudio complejo, una presentación en vídeo y varios informes internos en una única interfaz. NotebookLM no solo procesa estos formatos, sino que identifica temas clave, sintetiza información y genera insights prácticos, convirtiendo datos en conocimiento estratégico.

El Futuro de la IA Empresarial

La IA empresarial avanza a un ritmo sin precedentes. La integración de agentes inteligentes no es solo una evolución tecnológica, sino un cambio fundamental en cómo las empresas operan, se relacionan con clientes e impulsan la innovación.

Como socio estratégico de Google Cloud, Making Science continúa guiando a las organizaciones en la adopción, implementación y optimización de la IA. Para empresas que buscan aprovechar esta transformación, nuestro equipo de expertos está listo para acompañarlas hacia una mayor eficiencia, agilidad e inteligencia.

El futuro de la IA empresarial ya está aquí, y las organizaciones que la adopten hoy serán los líderes del mañana.

Hoy en día, la investigación de usuarios es una parte fundamental del diseño de experiencias digitales. Nos ayuda a comprender mejor las necesidades, comportamientos y expectativas de los usuarios para crear productos más intuitivos y funcionales. Sin embargo, los métodos tradicionales de investigación, como entrevistas y pruebas de usabilidad, suelen ser costosos, lentos y difíciles de escalar. Aquí es donde entra en juego la investigación con usuarios sintéticos, una innovación que utiliza inteligencia artificial y agentes autónomos para crear perfiles de usuarios virtuales y simular sus interacciones.

En este artículo, exploramos cómo los usuarios sintéticos están cambiando la forma en que realizamos la investigación UX/UI, sus limitaciones actuales y cómo Making Science está abordando estos desafíos con su propio modelo avanzado de usuarios sintéticos.

¿Qué son los usuarios sintéticos?

Los usuarios sintéticos son perfiles generados por IA que simulan las características, necesidades y comportamientos de usuarios reales. Estos perfiles pueden crearse automáticamente, utilizando datos y algoritmos de IA que imitan la diversidad y complejidad de una audiencia real. Herramientas como Delve AI y Synthetic Users permiten a cualquier persona generar personas detalladas con información sobre su contexto, frustraciones, objetivos y características psicológicas. A través de estas plataformas, los equipos de diseño pueden crear rápidamente perfiles que representan una muestra diversa de usuarios sin necesidad de reclutar a individuos reales.

Ventajas de la investigación con usuarios sintéticos

Escalabilidad y eficiencia

La principal ventaja de los usuarios sintéticos es su capacidad para simular múltiples perfiles en un corto período. Al eliminar la necesidad de gestionar y coordinar grupos de usuarios reales, los equipos de diseño pueden obtener rápidamente datos relevantes de una amplia variedad de personas. Esto hace que la investigación sea mucho más escalable y eficiente, especialmente cuando se necesitan resultados rápidos.

Reducción de costes

Reclutar usuarios reales, realizar entrevistas y llevar a cabo pruebas de usabilidad puede ser costoso y logísticamente desafiante. Con usuarios sintéticos, estos costes se reducen significativamente, ya que no hay necesidad de compensar a los participantes ni gestionar los aspectos logísticos de las sesiones de investigación.

Simulación de escenarios controlados

Con usuarios sintéticos, los equipos pueden simular escenarios muy específicos y observar cómo los usuarios virtuales interactúan con un producto o servicio. Esta flexibilidad permite realizar pruebas de usabilidad con diferentes tipos de usuarios en contextos controlados, facilitando la identificación de problemas antes de lanzar un producto al mercado.

Limitaciones de los usuarios sintéticos

Aunque los usuarios sintéticos ofrecen grandes ventajas, no son una solución completa. Hay algunas limitaciones importantes a considerar:

Falta de empatía real

Aunque los perfiles sintéticos pueden ser increíblemente detallados, no pueden reemplazar la interacción genuina con usuarios reales. Las entrevistas y pruebas de usabilidad proporcionan una conexión emocional que ayuda a los diseñadores a comprender profundamente las motivaciones, puntos de fricción y emociones detrás del comportamiento del usuario. Los usuarios sintéticos, por muy sofisticados que sean, carecen de la complejidad humana necesaria para simular experiencias emocionales auténticas.

Simulaciones superficialmente precisas

Los usuarios sintéticos pueden proporcionar comentarios valiosos, pero a menudo carecen de la complejidad que pueden proporcionar los usuarios reales. Los insights generados por la IA pueden ser demasiado optimistas o simplistas, lo que hace necesario complementarlos con investigación del mundo real para obtener una visión más completa.

Dependencia de datos previos

Los usuarios sintéticos dependen de datos previos para crear perfiles, lo que significa que su precisión depende de la calidad de esos datos. Si esta información es limitada o está desactualizada, los perfiles e insights resultantes pueden no reflejar el comportamiento real del usuario.

Cómo Making Science está redefiniendo los usuarios sintéticos

Entendiendo estas limitaciones, en Making Science hemos desarrollado nuestro propio modelo avanzado de usuarios sintéticos diseñado para superar muchos de estos desafíos. A diferencia de las soluciones convencionales que se centran principalmente en datos demográficos, nuestro modelo integra múltiples capas de información, incluyendo:

• Comportamiento del mercado
• Contexto tecnológico
• Aspectos socioeconómicos
• Tendencias de comportamiento
• Insights del journey del cliente

Además, enriquecemos nuestro modelo con insights sectoriales y de marca—incorporando información sobre el sector, panorama competitivo y elementos específicos de la marca como ofertas de productos, estrategias de precios y posicionamiento. Este enfoque nos permite simular experiencias de usuario más realistas que tienen en cuenta las dinámicas específicas de la industria y la percepción de la marca.

Pero lo que verdaderamente distingue a nuestro modelo es su capacidad para incorporar datos reales de diversas fuentes, como entrevistas con usuarios, grupos focales e informes de clientes. Incluso puede enriquecerse con datos de call center, asegurando una comprensión más profunda y auténtica del comportamiento del usuario.

Además, nuestro modelo sobresale en la validación en etapas tempranas. Puede probar propuestas de rediseño en la etapa de boceto o wireframe, proporcionando insights accionables para determinar si el nuevo enfoque mejora la experiencia del usuario. Esta capacidad acelera la toma de decisiones y mejora los resultados del diseño, ayudando a los equipos a iterar con mayor confianza.

Casos de uso en Investigación UX/UI

Aunque los usuarios sintéticos no deberían reemplazar completamente la investigación con usuarios reales, tienen un papel importante en el ciclo de vida de la investigación UX/UI. Algunos de los casos de uso más relevantes incluyen:

Investigación exploratoria

Los usuarios sintéticos son ideales para las primeras etapas de investigación, donde el objetivo es explorar problemas potenciales y generar hipótesis. Al crear personas sintéticas basadas en datos demográficos y de comportamiento, los diseñadores pueden obtener una comprensión inicial de su audiencia antes de sumergirse en estudios más costosos y complejos.

Pruebas de conceptos y prototipos

Antes de realizar pruebas con usuarios reales, los equipos de diseño pueden utilizar usuarios sintéticos para evaluar ideas de diseño, prototipos y características. Esto permite una validación rápida de conceptos y ajustes antes de lanzar prototipos a usuarios reales.

Validación de funcionalidades

Los usuarios sintéticos pueden utilizarse para validar nuevas características o cambios en un producto. A través de simulaciones, los diseñadores pueden observar cómo diferentes segmentos de usuarios interactúan con el producto y si las nuevas características satisfacen sus necesidades.

IA y la validación del affordance de interfaces

Uno de los avances más emocionantes que la IA ya permite es la validación del affordance de nuestras interfaces. En términos simples, el affordance se refiere a la capacidad de una interfaz para indicar intuitivamente cómo debe utilizarse un elemento. La IA puede analizar y predecir cómo los usuarios interactuarán con ciertos elementos de la interfaz, ayudándonos a mejorar la accesibilidad, claridad y usabilidad en nuestros diseños. Gracias a las simulaciones con usuarios sintéticos, podemos observar y ajustar las interacciones antes de implementar cambios en un producto real, permitiéndonos optimizar la experiencia del usuario de manera más eficiente.

El futuro de los usuarios sintéticos en la investigación UX/UI

El campo de la investigación con usuarios sintéticos continúa evolucionando. En Making Science, nuestro modelo avanzado de usuarios sintéticos no solo integra capas complejas de datos demográficos y de comportamiento, sino que también enriquece los perfiles con feedback real de usuarios de entrevistas, grupos focales, informes de clientes, interacciones de call centers e insights específicos del sector. Este enfoque único permite simulaciones más matizadas y realistas.

Además, la capacidad de nuestro modelo para probar wireframes y bocetos lo distingue, permitiendo la detección temprana de desafíos de diseño y ciclos de iteración más rápidos.

Sin embargo, es esencial recordar que la investigación con usuarios reales siempre debe ser la base de cualquier estrategia de diseño. Los usuarios sintéticos son una herramienta poderosa para complementar la investigación, pero no deben reemplazar un análisis profundo de las necesidades, expectativas y emociones de los usuarios.

TL;DR

La investigación con usuarios sintéticos está abriendo nuevas oportunidades para los equipos de diseño y desarrollo de productos. Si bien no reemplaza el trabajo con usuarios reales, proporciona una alternativa escalable y rentable para obtener insights preliminares y validar ideas rápidamente. La clave está en saber cuándo y cómo utilizar esta tecnología de manera efectiva, integrándola en un enfoque de investigación más amplio y equilibrado.

En Making Science, apoyamos a nuestros clientes en la implementación de estas tecnologías innovadoras para mejorar sus procesos de investigación de usuarios. Nuestro modelo propietario de usuarios sintéticos se destaca por integrar tanto insights demográficos como datos de usuarios reales, incluso de centros de llamadas, y enriquecer el análisis con insights específicos del sector y la marca. Además, validamos conceptos de rediseño en la etapa de wireframe, optimizando las experiencias de usuario desde las fases más tempranas. El futuro de la investigación UX/UI es prometedor, y estamos listos para liderar este cambio.