Nuestro viaje a la frontera

Abrimos con la imagen del horizonte: la frontera no es un destino fijo, se desplaza cada vez que la tecnología cambia.

Presentación personal y agradecimiento a la organización de AI Congress Barcelona.

Raona es una compañía tecnológica especializada en crear soluciones digitales para transformar la forma en la que las personas trabajan dentro de las organizaciones. Nacimos en 2003 y llevamos más de veinte años construyendo software para grandes empresas.

Esto es importante para entender lo que vamos a contar: no somos observadores de la IA. Trabajamos con tecnología, desarrollamos soluciones para otras compañías y, al mismo tiempo, tenemos que transformar nuestra propia manera de operar.

Lo que vamos a compartir es el recorrido de una empresa que ha tenido que experimentar, equivocarse, tomar decisiones y revisar su estrategia mientras la tecnología cambiaba a gran velocidad.

Hoy somos casi 400 ingenieros en cinco países: España, Andorra, Argentina, Colombia y, desde este año, México.

[VALIDAR] Nombre exacto de la especialización actual de Microsoft.

Al estar tan cerca de la tecnología, hemos tenido la suerte de vivir muchos momentos WOW. Pero también hemos sentido la frustración de las expectativas generadas.

El propósito de esta presentación es compartir ese camino para aquellos que quieran hacerlo propio, y que puedan aprender de nuestros aciertos y de nuestros fallos.

[La secuencia dura unos 8 segundos: dejar que caiga «frustración» antes de hablar.]

Antes de nada: ¿qué es una empresa frontera? Para nosotros, es una empresa capaz de aprovechar todo el potencial de la IA para multiplicar su productividad. Una organización AI-first que reorganiza sus procesos y su trabajo alrededor de personas y agentes de IA.

Contexto: desde 2025 el término «Frontier Firm» ha tomado un sentido nuevo.

Microsoft lo popularizó en su Work Trend Index 2025: empresas con IA desplegada en toda la organización, madurez avanzada, uso actual y previsto de agentes y la convicción de que los agentes son clave para el retorno de la IA. De 9.037 líderes encuestados, 844 (un 9 %) cumplían los criterios.

Harvard Business School lo ha adoptado en su Frontier Firm AI Initiative: una organización que pone la IA en el centro de su estrategia para reinventar cómo opera, innova y amplía las capacidades humanas.

Y OpenAI lo usa de forma operativa: las empresas en el percentil 95 de uso. Usan 3,5 veces más inteligencia por trabajador que una empresa típica, y en tareas agénticas de código la diferencia llega a 16 veces.

En síntesis: una empresa AI-first que reorganiza procesos y trabajo alrededor de personas y agentes de IA. Es un concepto emergente, con mucha influencia de la literatura de management y de los proveedores.

Fuentes: microsoft.com/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born · aiinstitute.hbs.edu/frontier-firm-ai-initiative/about · openai.com/index/introducing-b2b-signals

Visto desde hoy parece un recorrido ordenado, pero no son etapas que se suceden: son caminos que se solapan. Algunos empezaron y ya terminaron; otros siguen abiertos mientras empezamos los siguientes.

1. Bring-your-own-AI: curiosidad tecnológica. La fase de descubrimiento de plataformas, subvencionada por la compañía.

2. Plataformas de productividad personal: aparecen los grandes players (Claude, ChatGPT, Microsoft Copilot, Lovable…). Han multiplicado y siguen multiplicando la productividad y, sobre todo, nos permiten hacer cosas que antes eran impensables. Aquí lo fundamental es la adopción.

3. IA corporativa: empezamos a analizar agentes y procesos corporativos con DIREM y decidimos el stack. El salto desde la productividad personal exige seguridad, cumplimiento y, sobre todo, poner orden en los datos. Azure AI Foundry y Copilot para procesos agénticos.

4. Empresa frontera: la fase en la que estamos inmersos, sin haber abandonado las anteriores. Llegan los minairons, la agentización del desarrollo y los agentes que actúan de forma autónoma.

[VALIDAR fechas de inicio y fin de cada camino]

Esta es la mayor lección de toda la presentación: no se puede dar el trabajo por cerrado solo con dar acceso a las plataformas. La clave es la adopción.

En las compañías, incluso en las más tecnológicas, hay una gran variedad de perfiles e intereses.

Entusiastas: les das la facilidad y enseguida se ponen a cacharrear, a jugar con las plataformas y a sacarles el jugo. Son pocos. Hay que darles pista para correr lo que quieran… pero tienen un problema: la próxima siempre es la big thing. Son poco constantes.

Escépticos: el grueso. Descreídos de las capacidades de la tecnología; muchos repetían mantras multiplicados por los medios sin haberlo probado: «no funciona», «es caro», «las empresas ya se están echando atrás». El reto es acompañarlos: derribar mitos, explicar el potencial y mostrar ejemplos reales que les ayuden a salir del escepticismo. Aquí el papel de los entusiastas y de la comunidad es fundamental, porque ayuda a disipar el ruido alrededor de la tecnología.

[Lo que nos funcionó a nosotros] Facilitar el acceso a las herramientas. Crear comunidades de entusiastas que crean píldoras, comparten casos de uso en los tiempos de café y hablan con sus compañeros. Recibir formación y dar formación: nos certifica como compañía, nos trae las buenas prácticas del mercado y nos obliga a estar al día. Y un impulso claro y decidido desde dirección, junto con el compromiso interno de toda la organización, para que se entienda la importancia de esta iniciativa.

Con miedo: hay gente con miedo real a ser sustituida, a dejar de ser imprescindible, a no saber adaptarse. La estrategia es ser transparentes y apoyar e incentivar la formación. Aunque cerremos los ojos, la realidad que viene no va a dejar de ser real; nos tendremos que adaptar, no pasa nada, forma parte de la vida profesional. Y la empresa, por su propio interés, pondrá los medios para que la gente pueda probar y formarse.

Momento WOW. Una empresa tenía un ERP escrito en COBOL, con más de 4.500 ejecutables independientes y poca documentación, y necesitaba migrar a tecnologías más modernas.

En un fin de semana construimos un intérprete de ACUCOBOL-GT a React que transformó toda la capa visual de forma determinista. En un fin de semana fuimos capaces de migrar un front-end ejecutado en cliente a una aplicación web.

En las semanas siguientes construimos un sistema agéntico que transformaba el COBOL a un AST y de ahí a Next.js, para ir migrando todos y cada uno de los módulos.

Este tipo de proyectos, antes de la IA, eran inviables técnicamente o desde el punto de vista de costes, y rara vez se llevaban a cabo. Ahora no solo son factibles: son una oportunidad para el legacy de miles de aplicaciones corporativas.

Esto abrió una nueva era: la de la IA para multiplicar la productividad personal.

[Entrada al camino 02: Claude, ChatGPT, Microsoft Copilot, Lovable… plataformas que multiplican la productividad y, sobre todo, nos permiten hacer cosas antes impensables. Lo fundamental: la adopción.]

En este momento aparecen las versiones empresariales y nuevas plataformas: ChatGPT, Claude, Microsoft Copilot, GitHub Copilot, Lovable. De forma natural empezamos a converger alrededor de ellas, porque nos permiten gestionar permisos, licencias y el uso de la plataforma. Y se adopta de forma generalista.

ChatGPT y Claude, para desarrollo y productividad personal. Microsoft Copilot empieza de manera incipiente, pero con una gran ventaja: el acceso nativo a los datos corporativos. Lovable nos ayuda a generar aplicaciones corporativas y prototipos navegables a una velocidad nunca vista. Aparece la figura del vibe coder, ahora llamado Forward Deployed Engineer, y empieza un cambio transformacional profundo.

Estas plataformas nos acompañan todavía hoy: hemos entendido que tienen propósitos distintos y casos de uso distintos.

No obstante, aparecen nuevos problemas y dudas. Primero: ¿estamos seguros de que hay una adopción general y de que la gente le saca todo el rendimiento a las herramientas? Es el momento de empezar a analizar el impacto de las iniciativas y entender los siguientes pasos: de ahí nace AI Audit.

Segundo: somos capaces de lanzar ideas y aplicaciones de forma muy ágil con Lovable, pero ¿y luego qué? ¿Quién pone esas aplicaciones en producción de forma ágil? ¿Quién les da continuidad? Tuvimos que crear procedimientos y adaptar nuestra infraestructura para que los nuevos desarrolladores (vibe coders), gente con gran conocimiento de aplicaciones pero poco de plataforma y código, pudieran poner aplicaciones en producción de manera rápida y ágil.

¿Cómo sabemos si estamos avanzando? Midiendo el impacto real de las iniciativas. Y lo hicimos como lo haría cualquier empresa de software: con una aplicación más.

AI Audit permite auditar de manera periódica a los diferentes equipos. A partir de un cuestionario que genera la propia IA, evalúa el nivel de madurez del equipo y propone un plan de acción para llevarlo al siguiente nivel.

Los equipos de Raona la pasan de forma periódica para saber cuál es el siguiente paso en su camino de adopción de la IA. Fijaos en que el propio informe ya propone minairons: agentes concretos que ese equipo podría poner a trabajar.

[El informe que se ve es el informe de ejemplo real de AI Audit (Demo Tech SL). La ventana recorre sola las secciones de la vista ejecutiva y del análisis detallado; se puede hacer clic en las pestañas para saltar.]

Después de la productividad personal, llegó el momento de empezar a analizar los conectores y los procesos corporativos.

[Entrada al camino 03: DIREM, minairons, seguridad, cumplimiento y orden en los datos.]

Hay un orden de magnitud de dificultad entre la IA de productividad personal y la adopción de procesos agénticos transversales.

Conectores: para que las IA interactúen entre ellas o para que las plataformas de IA puedan consumir nuestras aplicaciones. Hay que validar el licenciamiento, asegurar un buen gobierno de la seguridad para evitar fugas, y hemos tenido que desarrollar MCP y API para las aplicaciones legacy e incorporar esta práctica en las nuevas.

Datos: hemos tenido que ordenar los datos y definir modelos semánticos, para que las IA que los consumen tengan contexto de qué son, y definir playbooks corporativos para que entiendan las reglas del negocio. Solo así la información que aportan tiene valor.

Cumplimiento: buscar una política que no choque con los agentes. Si somos muy restrictivos, los agentes no pueden acceder a los documentos cifrados por las políticas de cumplimiento.

Repositorios: poner orden en los repositorios corporativos y asegurar que los agentes acceden de forma ordenada y contextual, para no generar ruido.

Nuestro stack corporativo. Microsoft Fabric para todo el ciclo de vida del dato. Microsoft DAB para crear MCP y API sobre las bases de datos corporativas. Azure AI Foundry para la creación de agentes transversales y procesos corporativos. Microsoft Copilot y Copilot Studio para agentes de autoservicio e iniciativas departamentales. Y GitHub para la construcción de la factoría agéntica.

Una vez decidido el stack y habilitadas las aplicaciones corporativas, llegó el momento de los Minairons.

El aprendizaje más importante de Raona es que la transformación no llegó al elegir una herramienta. Llegó al construir una organización capaz de aprender con cada herramienta, incorporar lo que funciona y convertirlo en una nueva forma de trabajar.

Gracias.

[Al entrar, la tinta vuelve a cubrirlo todo: cerramos en negro. A los 15 segundos entran los minairons, montan un andamio y se llevan las palabras fuera de la pantalla. Tecla R: repetir.]

Gracias. [Entra sola cuando los minairons terminan de llevarse las palabras de la diapositiva anterior. Momento para preguntas.]