Tengo que reconocer que me encanta crear productos y la sensación que eso conlleva, pero no puedo ocultar todo mi background técnico (que no es poco) y mi faceta como arquitecto de software. He trabajado muchos años con Clean Architecture y DDD. Hay una regla de ese mundo que repito en casi todos los proyectos: las dependencias apuntan hacia dentro, nunca hacia fuera ni entre ellas. ¿Por qué? Porque en tecnología todo cambia rápido, y lo que cambia rápido (frameworks, bases de datos, proveedores) debe depender de lo que cambia despacio (las reglas del negocio). Nunca al revés. Cuando se rompe, lo notas a los dos años, cuando cambiar una librería te cuesta medio proyecto.
Con esta lección que he aprendido con el tiempo, y con lo que estoy viendo en las empresas con la incorporación de la IA, creo que es oportuno escribir una serie de artículos sobre cómo llevar esta experiencia al campo empresarial y no morir en el intento.
¿Por qué? Porque en las últimas empresas en las que he estado, con la IA veo justo lo contrario.
Cada uno la usaba a su manera: uno con su suscripción personal, otro con la herramienta que le había recomendado un amigo, otro con un asistente que se había montado un viernes por la tarde. Funcionaba bastante bien, que es lo que lo hace peligroso, y nadie se había parado a preguntar qué datos estaban entrando ahí. Luego venía la parte seria: un proveedor, agentes y herramientas encima, y todo acababa pegado a él sin que nadie lo decidiera del todo. Y cada departamento con lo suyo, sin hablarse. Típico cuando diseñas una arquitectura sin contar con negocio.
Me puse a buscar si era solo cosa mía. Pero no lo es.
Los números van en la misma línea
En la encuesta de McKinsey de 2026 (1.719 personas en 97 países), el 80% dice que la IA le ha mejorado la productividad, pero solo el 37% atribuye algún impacto al EBIT de su organización. Ayuda más a las personas de lo que mueve a la empresa. En otra encuesta, de S&P Global a más de mil empresas de Norteamérica y Europa, el 42% había abandonado la mayoría de sus iniciativas de IA en 2025, frente al 17% del año anterior. Y Gartner, preguntando a responsables de datos, calcula que el 63% de las organizaciones no tiene prácticas de gestión de datos preparadas para IA, o no sabe si las tiene.
Si le pones un modelo buenísimo a una empresa que no tiene su conocimiento ordenado, te contesta con total seguridad sobre un descuento, un plazo o una política que no existe. El modelo no es el problema. Nadie le ha contado cómo funciona tu empresa.
Lo que sale de ahí
Atarse a un proveedor se nota tarde. Este año, dos de los modelos más potentes de un gran proveedor estuvieron desactivados para todos sus clientes durante 19 días (del 12 de junio al 1 de julio de 2026) por una directiva de control de exportaciones de EE. UU. Una empresa regulada tarda meses en validar un modelo nuevo.
Y no hace falta que sea una norma. Decagon construyó su producto de voz sobre ElevenLabs y hoy compite con ella; el propio CEO de ElevenLabs lo describe como que las líneas entre modelo, plataforma y aplicación se difuminan. Y Windsurf perdió el acceso directo a los modelos de Claude de un día para otro. El proveedor que hoy te sirve la IA puede mañana ser tu competidor o cortarte el grifo.
Los datos se escapan en silencio. Si la empresa no pone un camino fácil, la gente se busca la vida. LayerX, con datos de sus propios clientes, estima que el 77% de los empleados pega datos en herramientas de IA generativa, y que la mayor parte viene de cuentas personales. Son números de un proveedor de seguridad y tienen su sesgo, pero el patrón lo reconozco de primera mano. Si lo piensas fríamente es muy grave: pone a tu empresa en riesgo real de fuga de información, con el peligro añadido de que el proveedor pueda utilizar esos datos.
Y la norma ya está aquí. Desde febrero de 2025 el AI Act pide a las empresas que tomen medidas para formar a quienes usan IA (el Digital Omnibus lo ha flexibilizado, pero no eliminado). Lo de alto riesgo se ha aplazado a diciembre de 2027 y agosto de 2028, y mucha gente ha respirado, pero el RGPD sigue donde estaba: Italia multó a OpenAI con 15 millones por usar datos sin base legal. Para cumplir cualquiera de las dos necesitas saber qué IA se usa, con qué datos y quién la usa. En la encuesta de OneTrust (1.200 directivos de empresas de más de 100 millones de ingresos, en ocho países, España incluida), solo el 5% dice tener clara la coordinación y la rendición de cuentas en todo el ciclo de vida de la IA.
El Modelo CORE: la regla de dependencia, llevada a la empresa
Esto no parte de cero. Clean Architecture es de Robert C. Martin, y ya hay quien aplica la misma lógica al código de los agentes de IA, con el modelo como adaptador intercambiable alrededor de un núcleo.
Yo propongo extrapolar lo que sabemos que funciona en arquitectura de software a la arquitectura de la empresa: una forma concreta de llevar esos principios a la empresa entera. Y qué mejor nombre que Modelo CORE de IA Empresarial, o Arquitectura de IA con Núcleo Propio.
Se dibuja como en Clean Architecture, en círculos, y cada letra es una pieza:
- C · Conocimiento propio. Lo que sabe tu empresa, con su origen y con qué está confirmado y qué no. Va en el centro.
- O · Orquestación. Los agentes y aplicaciones de cada departamento, que se apoyan en el núcleo y no cada uno por su cuenta.
- R · Reglas. La gobernanza: quién accede a qué, qué rastro deja cada cosa y qué exige la norma. También en el centro, pegada al conocimiento, y aplicada a todo lo que hay alrededor.
- E · Extensiones. Las herramientas que ya usas y los proveedores de modelos y de nube. Cuelgan del núcleo, en el borde, y se pueden cambiar sin tocarlo.
Un detalle para no liarse: las letras siguen el orden en que se construye (primero el conocimiento, luego los agentes, las reglas y las extensiones), y los círculos, el orden de dependencia. Por eso la R aparece en el centro aunque sea la tercera letra.
La regla es simple: las dependencias apuntan hacia el núcleo. La IA depende de lo que tu empresa sabe y no de quién te la sirve, así que cambiar de modelo o de nube es cambiar una extensión, no rehacer la empresa.
Un ejemplo para que no se quede en dibujo.
Un agente de ventas recibe una pregunta sobre un descuento. Antes de contestar, consulta el núcleo: qué política está vigente, quién la aprobó y desde cuándo. Si hay una respuesta confirmada, la usa y deja constancia. Si dos fuentes se contradicen o falta el dato, no lo rellena: pregunta a una persona. Y hay decisiones que siguen siendo humanas: cambiar la política, aprobar una excepción, decidir cuál de dos fuentes vale. La arquitectura automatiza la consulta y el registro, no esa decisión.
Hoy suele pasar al revés. El conocimiento vive en la herramienta del proveedor, el primer año vas rapidísimo y el segundo descubres que no puedes irte.
Si le pones un modelo buenísimo a una empresa que no tiene su conocimiento ordenado, te contesta con total seguridad sobre un descuento, un plazo o una política que no existe. El modelo no es el problema. Nadie le ha contado cómo funciona tu empresa.
Y un límite que no quiero esconder: casi todo lo que he leído sobre estas capas de contexto lo cuentan quienes las venden, y estudios independientes a escala casi no hay. Un núcleo compartido también reparte los errores: un precio mal puesto llega a todos los agentes a la vez. Por eso las reglas van dentro desde el principio y no como añadido.
Para pensar con tranquilidad sobre tu empresa
Si mañana cambias de proveedor, ¿qué te llevas contigo y qué te dejas dentro?
Y la que a mí más me cuesta contestar: cuando dos fuentes de tu empresa dicen cosas distintas, ¿quién decide cuál vale?
Las dependencias apuntan hacia el núcleo. La IA depende de lo que tu empresa sabe y no de quién te la sirve, así que cambiar de modelo o de nube es cambiar una extensión, no rehacer la empresa.
En el siguiente artículo bajo a lo práctico: por dónde se empieza, que es la C, el conocimiento propio, sin esperar a tenerlo todo ordenado, que no va a pasar. Después iremos pieza a pieza, en este orden: O, R y E.
Modelo CORE de IA Empresarial · 1