Tendencias de IA 2026: Cinco tendencias clave de la IA que afectan a los CIO
Navegación Rápida
Etiquetas
Compartir las diapositivas
Tendencias de IA 2026: Cinco tendencias clave de la IA que afectan a los CIO
Vista detallada de cada página de diapositiva, incluyendo diseño, contenido clave y elementos visuales.
Diapositiva de título con 'AI TRENDS 2026' y el subtítulo 'CINCO TENDENCIAS CLAVE DE LA IA QUE AFECTAN A LOS CIO' y la marca de Info-Tech Research Group sobre un fondo degradado con efectos de luz
Tipografía grande y en negrita para el título, diseño centrado con el logotipo de Info-Tech en la parte superior derecha, esquema de color degradado moderno de azul oscuro a verde azulado/rosa
Resumen ejecutivo que enumera las cinco tendencias clave: 1) Los principios fundamentales de la AI reescribirán el ADN organizacional, 2) De copilotos a la codificación de vibraciones: la AI seguirá reinventando la TI, 3) La AI agentic alcanzará la madurez e impulsará la empresa exponencial, 4) La gestión de riesgos será el precio de la admisión para la AI, 5) La AI penderá de un hilo entre la libertad y el control
Fondo degradado oscuro con formato de lista basado en iconos, cada tendencia tiene un icono de color (púrpura, verde, azul, naranja, rosa) con título y descripción
Descripción general de la base de la encuesta con más de 700 respuestas de líderes de TI de mayo a junio de 2025, principalmente de América del Norte, pero con representación global, puestos de nivel de director o superior, que cubren más de 12 industrias, incluyendo gobierno, servicios financieros, educación, fabricación, servicios profesionales, atención médica y otros
Contenido de texto en el lado izquierdo con una maqueta de un portátil en el lado derecho que muestra la interfaz de la encuesta, fondo blanco con texto oscuro
Divisor de sección que introduce la primera tendencia con un visual de temática púrpura que muestra letras abstractas de AI en 3D con integración de paisaje urbano, el lema dice 'Las estrategias de AI se basarán en un conjunto emergente de principios'
Visual artístico a sangre completa con iconos de tendencias en la parte superior izquierda, superposición de texto grande en el lado izquierdo, renderizado abstracto en 3D en el lado derecho
Marco que muestra que la estrategia de AI está impulsada por la estrategia organizacional y los impulsores de valor, con cuatro componentes clave: Visión de AI (compromiso con visión de futuro), Impulsores de valor empresarial (métodos de reconocimiento de valor), Principios estratégicos de AI (alineación empresa-AI) y Principios fundamentales de AI (mitigación de riesgos)
Diagrama central con el centro de la Estrategia de AI conectado a cuatro elementos circundantes, fondo blanco con iconos ilustrados para cada componente
Explicación de que los principios fundamentales de la AI abordan los riesgos de la AI y se alinean con los principios rectores de la organización, que son fundamentales para la gobernanza de la AI y se utilizan para identificar las categorías de riesgo. El diagrama muestra ocho principios dispuestos en una estructura similar a la de un átomo: Sostenibilidad, Seguridad, Privacidad de datos, Explicabilidad y transparencia, Contestabilidad, Validez y fiabilidad, Responsabilidad, Imparcialidad y detección de sesgos
Texto a la izquierda, diagrama circular estilo átomo a la derecha que muestra los principios interconectados
Explica que los principios fundamentales de la AI siguen evolucionando con los requisitos de gobernanza empresarial. Enumera los principios candidatos a considerar: Sostenibilidad (eficiencia energética), Agencia y autonomía humana, Medio ambiente (resultados positivos), Contestabilidad (desafiar las decisiones de la AI), Propiedad intelectual y Otros principios personalizados
El lado izquierdo muestra el mismo diagrama atómico de la página anterior, el lado derecho enumera los principios candidatos adicionales en un cuadro púrpura
Datos de la encuesta que muestran que, si bien el desarrollo de una estrategia formal de AI es una tendencia creciente, la mayoría no ha establecido una estrategia formal para toda la organización: el 23% tiene una estrategia para toda la empresa, el 26% tiene una estrategia para algunas áreas, el 34% está desarrollando pronto, el 13% se integrará con las estrategias de TI/organización, el 3% tiene una estrategia obsoleta, el 1% no tiene planes
Gráfico circular en el lado izquierdo, cuadro de información en el lado derecho con fondo lavanda que explica los hallazgos
Más de la mitad de los encuestados comprenden la necesidad de principios fundamentales de la AI para abordar los riesgos de la AI: el 31% ha establecido e integrado principios, el 24% está implementando actualmente con planes de expansión, el 35% está evaluando y en las primeras etapas, el 6% es consciente pero no tiene planes, el 4% no es consciente, el 0% no ve ninguna necesidad (ningún encuestado lo considera un impedimento para la innovación)
Gráfico circular a la izquierda, cuadro de información a la derecha con fondo púrpura claro
La mayoría de las organizaciones se sienten preparadas para poner en práctica los principios de la AI: el 70% se siente preparado (3) a totalmente preparado (5) en una escala de 5 puntos, con una distribución que muestra una fuerte inclinación hacia niveles de preparación más altos
Gráfico de barras horizontal que muestra la distribución de la escala de 5 puntos, cuadro de información a la derecha
Visión equilibrada de los impactos de la estrategia de IA. Oportunidades: Implementaciones aceleradas, mejora de la experiencia del cliente, atracción/retención de talento, innovación y crecimiento, aumento de la productividad. Riesgos: Posible desplazamiento laboral, dependencia excesiva de la IA, deepfakes para fraude, desalineación con los principios, violaciones de la privacidad
Diseño de dos columnas con secciones de Oportunidades y Riesgos, fondo oscuro con elemento visual abstracto en el lado derecho
Análisis situacional del lanzamiento de DeepSeek el 20 de enero de 2025, incluidos los modelos R1 para razonamiento complejo y el chatbot V3. Aspectos destacados: primer modelo de código abierto que iguala el rendimiento de OpenAI o1, código abierto con disponibilidad comercial, nuevas técnicas de aprendizaje por refuerzo, costo de solo $6 millones y 2 meses frente a la inversión de $6.6 mil millones de OpenAI, costos 27 veces menores que OpenAI
Diseño de dos columnas con el logotipo de DeepSeek, análisis situacional a la izquierda, aspectos destacados del modelo a la derecha
Organizaciones que prohíben DeepSeek (agencias de EE. UU., Australia, India, Italia, Corea del Sur, Taiwán) debido a infracciones de los principios fundamentales de la IA: Seguridad (riesgo para la seguridad nacional) y Privacidad de datos (violaciones del RGPD). Recomendación: exigir que las tecnologías de IA se alineen con los principios fundamentales antes de su adopción
Columna izquierda con acciones y análisis de tendencias, la derecha muestra el diagrama de principios fundamentales
Recomendaciones para establecer los principios fundamentales de la IA como componente central de la estrategia y el gobierno de la IA: aprovechar los principios como categorías de riesgo de la IA, utilizarlos para el programa de gestión de riesgos, evolucionar los principios a medida que cambia la estrategia, ampliar el enfoque a la creación de valor, considerar principios adicionales como la sostenibilidad y la impugnabilidad
Elementos de acción con viñetas en el lado izquierdo, imagen arquitectónica abstracta con rayas de luz en el lado derecho
Divisor de sección para la segunda tendencia: 'De copilotos a codificación de ambiente: la IA seguirá reinventando la TI' con tema verde y diseño abstracto de trébol de cuatro hojas que incorpora imágenes de tecnología (placas de circuito, naturaleza, edificios)
Visual de sangrado completo con iconos de tendencias en la parte superior izquierda, superposición de texto en el lado izquierdo, trébol 3D abstracto a la derecha
Vista completa del stack tecnológico de la IA que muestra cinco capas: Aplicaciones (Amazon Q, Copilot, Workday, Writer, ServiceNow, Glean, SAP, etc.), Herramientas de Datos e IA (Bedrock, SageMaker, Azure ML, Vertex AI, LangChain, Hugging Face, PyTorch, Kafka, DataRobot, Domino), Modelos Fundacionales (OpenAI, Anthropic, Mistral, Stability.ai, Runway, Bloom, Gemma, LLaMA, DeepSeek), Plataforma de Datos (AWS, Azure, Google Cloud, Salesforce, Snowflake, Redis, Databricks, Elastic, Pinecone, Stardog, Milvus, Chroma), Infraestructura (AWS, Azure, Google Cloud, Nvidia, AMD, Intel, Qualcomm)
Tabla de cinco filas que muestra el stack tecnológico con logotipos de empresas en cada capa
Diagrama que muestra la evolución desde la Ingeniería/Inferencia de Prompts (más simple) a través de RAG (con base de conocimiento), Fine-Tuning (datos específicos de la tarea), hasta el Entrenamiento Completo (más complejo). Muestra la progresión en precisión y complejidad, con las habilidades de los científicos de datos requeridas aumentando para enfoques más complejos
Cuadrícula de 2x2 que muestra cuatro enfoques con iconos y descripciones, precisión en el eje Y, complejidad en el eje X
Comparación de dos enfoques: Herramientas de IA Best-of-Breed (mejores para tareas específicas, menores costos, flexibilidad) vs Plataforma de Desarrollo de IA (orientada a la solución, gestión más fácil, complejidad de integración reducida). Muestra las ventajas y desventajas, incluyendo el bloqueo del proveedor, los desafíos de integración y las consideraciones de costos
Comparación de dos columnas con pros/contras para cada enfoque, gráfico de balanza equilibrada en la parte inferior
El departamento de TI lidera la adopción de la IA con un 70% ya adquirido, seguido por Creativo (50%), Marketing y Ventas (46%), I+D (45%), Operaciones (44%), RR.HH. y Finanzas/Administración. Muestra la adopción planificada hasta 2026 y más allá
Gráfico de barras horizontales apiladas que muestra el estado de adopción en las funciones empresariales, cuadro de información a la derecha
Aplicaciones de IA más populares para TI: Seguridad de TI (54%), Gestión de Servicios de TI (44%), Inteligencia de Negocios y Analítica (41%), Gestión de Activos de TI (37%), Service Desk (35%), Generación y Calidad de Código (32%), Gestión de Datos (31%), Pruebas de Software (24%), Código Fuente y Gestión de Construcción (23%), Infraestructura (19%), Generación de Datos Sintéticos (18%)
Gráfico de barras horizontales con cuadro de información a la derecha
Si bien muchos prefieren comprar productos listos para usar, la mayoría necesitará personalizarlos: el 41% compra productos disponibles comercialmente, el 13% construye ajustando con precisión, el 46% compra y construye. Insight señala que el ecosistema de proveedores continúa creciendo y muchos están dispuestos a realizar ajustes precisos.
Gráfico circular a la izquierda con tres segmentos, cuadro de insight a la derecha
Oportunidades: Mejora del tiempo de comercialización, menores costes iniciales, menor mantenimiento, mejora de la escalabilidad. Riesgos: Dependencia excesiva del proveedor, desafíos de integración, personalización limitada, control limitado para nuevas funciones
Diseño de dos columnas con fondo oscuro/verde, visual abstracto de panel de control a la derecha
Presenta la codificación vibe como una nueva categoría de herramienta de AI anunciada en febrero de 2025, que permite el desarrollo de software sin conocimientos técnicos. Muestra una tabla comparativa de la codificación tradicional vs. la codificación asistida por AI vs. la codificación Vibe, destacando las diferencias en la definición, el objetivo principal y el rol humano. Señala el incidente de Replit donde la AI eliminó la base de datos de producción
Diseño de dos columnas con tabla de definición y descripción del incidente
Recomendaciones: aprovechar los marcos de selección de software existentes, incluida la alineación de los principios fundamentales de la AI, planificar una estrategia de salida para los proveedores para evitar el bloqueo, identificar las rutas de migración de datos, incluir un plan de continuidad del negocio
Elementos de acción en el lado izquierdo, imagen arquitectónica abstracta con vetas de luz en el lado derecho
Divisor de sección para la tercera tendencia: 'La AI agentic alcanzará su madurez e impulsará la empresa exponencial' con un tema azul que muestra una composición 3D abstracta de imágenes de negocios/tecnología, incluidos apretones de manos y placas de circuitos
Visual de sangrado completo con iconos de tendencias en la parte superior izquierda, superposición de texto en el lado izquierdo, imágenes compuestas en 3D a la derecha
Tabla que compara cinco enfoques de automatización: Business Process Management (informes de gastos, datos estructurados), RPA (procesamiento de facturas, estructurados/semiestructurados), Intelligent Automation (detección de fraudes, agrega capacidades de AI), Generative AI (asistente virtual, genera contenido nuevo), Agentic AI (investigación e informes autónomos, razona y ejecuta programas). Muestra la progresión en las capacidades de automatización, la tecnología y el manejo de datos
Tabla comparativa completa con cinco columnas y seis filas que cubren casos de uso, capacidades, tecnología y datos
Muestra cuatro componentes arquitectónicos clave en un flujo circular alrededor de un LLM central: Sense (recopila datos sensoriales, preprocesa, supervisa las dependencias), Reason (evalúa/planifica tareas, reflexiona sobre las opciones, planifica la orquestación, valida los principios de la AI), Act (orquesta acciones, gestiona la persistencia, sintetiza los resultados, verifica), Adapt (mide los impactos, optimiza los flujos de trabajo, actualiza la base de conocimientos y las políticas). Los protocolos incluyen Model Context Protocol y Agent2Agent
Diagrama de flujo circular con icono de cerebro central, cuatro componentes con flechas de conexión
Muestra tres patrones de diseño comunes: Planning (descompone los objetivos en subtareas con un bucle de retroalimentación de evaluación), Orquestación multiagente (el orquestador asigna tareas, el sintetizador consolida los resultados), Uso de herramientas y Reflexión (aprovecha herramientas externas, realiza autoevaluación). Incluye diagramas de flujo que muestran IN/OUT y bucles de retroalimentación
Tres secciones de patrones con diagramas de flujo que muestran flujos de proceso y puntos de decisión
Principales impulsores de la AI agentic: Mejorar la eficiencia operativa (70%), Mejorar la experiencia del usuario (61%), Apoyar las iniciativas de crecimiento (48%), Permitir la innovación (40%), Mejorar la gestión de riesgos (25%), No perseguir agentes de AI (5%). Insight señala que la eficiencia operativa sigue siendo el principal impulsor
Gráfico de barras horizontal con cuadro de insight a la derecha
Herramientas líderes para el desarrollo de AI agentic: Microsoft Copilot Studio (60%), Google Vertex AI Agent Builder (37%), Microsoft AutoGen (28%), herramientas de Amazon (24%), Salesforce Agentforce, Botpress, CrewAI, LangChain, Eliza, LangGraph, Fine y otras plataformas comerciales/de código abierto. Insight señala la expectativa de que nuevas herramientas como OpenAI experimenten un crecimiento
Gráfico de barras horizontal con cuadro de insight a la derecha
Dos gráficos que muestran: 1) Confianza en la comprensión de los agentes de IA con la mayoría en los niveles 4-5, 2) Planes de inversión que muestran que más del 50% actualmente están usando y planean aumentar, el 20% planea adoptar antes de finales de 2026, porcentajes más pequeños para adopción posterior o sin planes. Notas de información sobre organizaciones que invierten y desarrollan habilidades con la expectativa de un crecimiento significativo
Dos gráficos de barras horizontales uno al lado del otro con un cuadro de información en la parte inferior
Oportunidades: Operaciones autónomas, sistemas adaptativos, experiencias hiperpersonalizadas, tiempo de comercialización mejorado, crecimiento exponencial. Riesgos: Posibles desplazamientos laborales, preocupaciones de privacidad con el intercambio de datos, consumo excesivo de recursos, agentes no alineados con los principios fundamentales de la IA, mayor complejidad
Diseño de dos columnas con fondo azul oscuro, visualización abstracta del panel en la derecha
Análisis de la situación del CTO de Walmart, Hari Vasudev, que describe el enfoque quirúrgico de la IA agentic centrado en casos de uso específicos. Señala dos componentes clave: clientes que entrenan a sus agentes con preferencias y minoristas que permiten que los agentes de compras personales se comuniquen con los agentes internos. Analiza los extensos recursos y el compromiso de datos de Walmart
Diseño de dos columnas con análisis de la situación y secciones de acción
Recomendaciones para prepararse para la organización exponencial: comprender las características de la aplicación más adecuadas para la IA agentic (evitar para tareas fijas/repetitivas, resultados deterministas, necesidades de baja latencia, entornos con restricciones de costos), implementar la supervisión humana con revisión/aprobación para operaciones de alto riesgo, revisar el rendimiento con sistemas de retroalimentación
Elementos de acción en el lado izquierdo, imagen arquitectónica abstracta en el lado derecho
Divisor de sección para la cuarta tendencia: 'La gestión de riesgos será el precio de la admisión para la IA' con tema naranja que muestra una estructura geométrica 3D abstracta con conexiones de red
Visual de sangrado completo con iconos de tendencias en la parte superior izquierda, superposición de texto en el lado izquierdo, estructura geométrica 3D a la derecha
Tabla comparativa de cinco marcos: NIST AI RMF (no regulatorio, enfoque en la confiabilidad), ISO/IEC 23894:2023 (estándar internacional, enfoque en la ética y los derechos humanos), ISO 31000 (riesgo empresarial adaptable a la IA), COSO ERM (riesgo empresarial adaptable a la IA), Info-Tech AI RMF (diseñado específicamente para la IA, enfoque en los principios fundamentales). Compara el enfoque, la naturaleza regulatoria, los principios de la IA, las categorías de riesgo, la adaptabilidad y el enfoque de implementación
Tabla comparativa completa con seis filas y cinco columnas de marco
Muestra cuatro funciones clave: Gobernanza de riesgos (requisitos legales/regulatorios, principios fundamentales de la IA, tolerancia al riesgo, transparencia, monitoreo, inventario, desmantelamiento), Identificación de riesgos (establecer el contexto, categorización del sistema de IA, valor/beneficios, riesgos, categorización del impacto), Medición de riesgos (métricas de riesgo de la IA, evaluaciones de alineación de los principios fundamentales, monitoreo del riesgo del sistema, evaluación de las mediciones), Respuesta al riesgo (respuesta priorizada, estrategias de riesgo del sistema, riesgos/beneficios de terceros, planes de tratamiento y comunicación). Incluye artefactos de muestra para cada función
Diseño horizontal de cuatro cajas con viñetas detalladas y artefactos de muestra debajo de cada una
Cuatro ejemplos de drones que muestran cómo la misma tecnología tiene diferentes niveles de riesgo según el contexto: Riesgo mínimo (dron de ocio manual, sin recopilación de datos), Riesgo limitado (entrega de paquetes con anulación humana, interacción de confirmación de entrega), Alto riesgo (entrega de suministros médicos en infraestructura crítica donde el fallo tiene consecuencias graves), Riesgo inaceptable (vigilancia masiva con reconocimiento facial para la aplicación de la ley sin causa - prohibido)
Diseño de cuatro cuadrantes con imágenes de drones y descripciones de riesgos
Liderazgo para la gobernanza de la IA: Centro de excelencia o comité de IA (31%), CIO (23%), Compartido por dos o más puestos por debajo del nivel ejecutivo (13%), Compartido por dos o más ejecutivos (10%), CEO (10%), Oficial/ejecutivo de riesgo y cumplimiento (2%), Otros ejecutivos de C-suite (5%), Nadie (6%). La información señala que la gobernanza de la IA es una responsabilidad compartida, liderada con mayor frecuencia por el centro de excelencia de la IA o el CIO
Gráfico circular a la izquierda, cuadro de información a la derecha
La abrumadora mayoría considera que la gestión de riesgos es importante: 62% muy importante, 32% algo importante, 6% marginalmente importante, 0% no importante. La información señala que la gestión de riesgos es un programa integral reconocido por casi todos los encuestados
Gráfico circular con cuadro de información
La gestión de riesgos empresariales es el enfoque preferido: 33% gestión de riesgos empresariales totalmente integrada, 28% integrada y centralizada, 26% específica del dominio, 13% ad hoc o reactiva. La información destaca que el 61% prefiere el enfoque empresarial frente al aislado/ad hoc
Gráfico circular con cuadro de información
Oportunidades: Ofrecer salvaguardas para los sistemas de AI, hacer cumplir los principios fundamentales de la AI, garantizar la precisión y la validez, cumplir con las regulaciones, maximizar el valor de la AI. Riesgos: Falta de experiencia en gobernanza y gestión de riesgos, falta de apoyo ejecutivo, falta de un programa de educación para toda la empresa, falta de identificación eficaz de riesgos, falta de supervisión y medición eficaces
Diseño de dos columnas con fondo marrón oscuro, visual abstracto de panel de control a la derecha
Análisis situacional que destaca los diferentes enfoques gubernamentales (EE. UU./Reino Unido impulsados por la innovación frente a la legislación integral de la UE) y los desafíos con los programas de riesgo actuales que no anticipan la AI. Analiza las clasificaciones de riesgo de la Ley de AI de la UE (inaceptable, regulada de alto riesgo, transparencia de riesgo limitado, no regulada de riesgo mínimo). Señala que la Orden Ejecutiva de EE. UU. exige que las agencias federales implementen prácticas mínimas de gestión de riesgos para abril de 2026
Diseño de dos columnas con análisis situacional, acción y secciones de tendencias, incluye el diagrama del marco de Info-Tech
Recomendaciones para adoptar una cultura de gestión basada en el riesgo: cultivar una cultura de gestión de riesgos educando a la fuerza laboral sobre los riesgos/beneficios de la AI y estableciendo principios fundamentales de la AI como categorías de riesgo, implementar un marco de gestión de riesgos de AI con evaluaciones periódicas, operacionalizar los principios de AI responsable (considerar herramientas de automatización), asegurar que el programa sea adaptable para abordar las aplicaciones de AI agentic
Elementos de acción en el lado izquierdo, imagen arquitectónica abstracta en el lado derecho
Divisor de sección para la quinta tendencia: 'La AI penderá de un hilo entre la libertad y el control' con un tema rosa/magenta que muestra una estructura geométrica 3D abstracta con un elemento esférico, el lema dice 'La soberanía de la AI se convertirá en una prioridad para los reguladores'
Visual de sangrado completo con iconos de tendencias en la parte superior izquierda, superposición de texto en el lado izquierdo, arte geométrico 3D a la derecha
Tabla comparativa completa de las regulaciones de AI en seis regiones: Unión Europea (basada en riesgos/derechos, EU AI Act), Estados Unidos (impulsada por el mercado, Órdenes Ejecutivas), Reino Unido (impulsada por el contexto/mercado, Online Safety Act), China (impulsada por el estado, Regulación de AI generativa), Canadá (basada en riesgos/derechos, proyecto de ley de AI y datos), Australia (basada en riesgos/derechos, Principios de ética de AI). Incluye el enfoque regulatorio, las regulaciones/iniciativas de AI y los detalles de cumplimiento para cada uno
Tabla comparativa grande con banderas de países, estructura de tres filas que cubre características, regulaciones y cumplimiento
Comparación detallada de enfoques contrastantes: EE. UU. se centra en la innovación y la desregulación con políticas voluntarias y sanciones mínimas, el Plan de Acción de AI de Estados Unidos y los 'Principios de AI imparcial' (búsqueda de la verdad, neutralidad ideológica). La UE se centra en la seguridad y la innovación con regulaciones de AI y sanciones financieras, el Plan de Acción del Continente de AI de la UE (Fábricas de AI, Estrategia de Unión de Datos, Academia de Habilidades de AI) y siete principios fundamentales que incluyen la diversidad/equidad. Muestra los sistemas de clasificación de riesgos para ambos
Tabla comparativa detallada de dos columnas que cubre los impulsores clave, los marcos, los principios, los planes de acción y la gestión de riesgos
Diagrama circular que muestra los componentes de la gobernanza adaptable de la AI: Principios rectores de la AI (icono de átomo central), Estructura organizativa (icono de persona), Riesgo y cumplimiento (icono de escala), Políticas/Procesos/Estándares (icono de lista de verificación), Aseguramiento (icono de escudo), Responsabilidad (icono de apretón de manos), Adaptabilidad y resiliencia (icono de cerebro). Enumera los beneficios: minimiza el riesgo, garantiza el cumplimiento, proporciona atribución, permite la gestión dinámica de políticas, proporciona garantía en tiempo real, permite la mitigación en tiempo real, fomenta la mejora continua, se alinea con NIST AI RMF 1.0 y EU AI Act
Diagrama de gobernanza circular en el lado izquierdo, lista de beneficios en el lado derecho
Muchas organizaciones persiguen la AI soberana: 40% utiliza exclusivamente AI soberana, 21% utiliza tanto AI soberana como no soberana, 14% evalúa activamente los modelos de AI soberana, 13% no tiene planes inmediatos, 3% no tiene opciones soberanas disponibles, 9% no es una consideración. La información destaca la seguridad nacional, la autonomía, el control de datos y el crecimiento económico como impulsores
Gráfico circular con cuadro de información
La mayoría de las organizaciones confían en que los proveedores construirán salvaguardas: el 72% se siente confiado (3) a muy confiado (5) en que los proveedores de AI se autorregularán e implementarán las salvaguardas necesarias. La distribución muestra una fuerte inclinación hacia niveles de confianza más altos (4 es la respuesta más común)
Gráfico de barras horizontal con escala de 5 puntos y cuadro de información
Fuerte apoyo a la introducción de regulaciones de la IA: 33% apoya firmemente, 45% apoya moderadamente (78% de apoyo total), 11% neutral, 6% moderadamente en contra, 5% fuertemente en contra (11% total en contra). La información destaca que la mayoría de los encuestados apoya la regulación gubernamental
Gráfico circular con cuadro de información
Oportunidades: Geografías como EE. UU./Reino Unido pueden atraer más capital debido a la falta de regulaciones, las regulaciones de la IA se pueden adaptar para reflejar las prioridades nacionales/económicas, promover la independencia del oligopolio de la IA de las grandes tecnológicas. Riesgos: Las regulaciones únicas pueden ser una barrera de entrada, falta de confianza del consumidor si no hay regulaciones de la IA, la innovación puede estancarse si está sobre regulada
Diseño de dos columnas con fondo morado oscuro, visual abstracto del panel de control a la derecha
Análisis situacional de países que persiguen estrategias soberanas de IA impulsadas por la seguridad nacional, la independencia tecnológica de las grandes tecnológicas, la preservación de la identidad/cultura/idioma nacional y los impulsores económicos. Muestra un diagrama triangular con tres vértices: Soberanía de LLM (autonomía estratégica, seguridad nacional, IP, soporte de idiomas), Soberanía de datos (seguridad nacional, privacidad de datos, legislación, rendimiento), Soberanía de infraestructura (seguridad/resiliencia nacional, impulsar la economía local, control, rendimiento), con Principios fundamentales de la IA en el centro
Análisis situacional en el lado izquierdo, diagrama triangular en el lado derecho con tres componentes de soberanía
Enumera las iniciativas de soberanía de la IA anunciadas a nivel mundial, incluido el Plan de Acción de IA de Estados Unidos, la Estrategia de Computación Soberana de IA de Canadá, el Plan de Acción del Continente de IA de la UE, el Plan de Acción de Oportunidades de IA del Reino Unido, las estrategias de Alemania, Francia, España, Suecia, China, India, Corea del Sur, EAU y Brasil. Señala la Orden Ejecutiva 14320 de EE. UU. que promueve la exportación de la pila tecnológica de IA estadounidense como estándar global. Explica las tendencias del desarrollo desarticulado de la regulación de la IA y los impulsores para el desarrollo de modelos de IA locales (iniciativas nacionales, mercantilización, fuerzas geopolíticas)
Diseño de dos columnas con secciones de acciones y análisis de tendencias
Recomendaciones para navegar por la regulación desarticulada de la IA: comprender los nuevos riesgos asociados con las aplicaciones de la IA, independientemente de la perspectiva del gobierno (introducir un programa de gestión de riesgos de la IA, implementar un sistema de clasificación de riesgos), evaluar la viabilidad de desarrollar o aprovechar modelos soberanos de IA (asegurar que el modelo de base candidato cumpla con los requisitos de precisión, mejorar la relevancia ajustando para el idioma y la cultura local)
Elementos de acción en el lado izquierdo, imagen arquitectónica abstracta en el lado derecho
Resumen ejecutivo de cinco tendencias con elementos de acción: Estrategia de IA (establecer principios fundamentales), Aplicaciones de Proveedores de IA (enfoque centrado en la solución alineado con los principios), IA Agéntica (seleccionar casos de uso impulsados por el negocio con supervisión humana), Gestión de Riesgos de la IA (cultivar la cultura de riesgo con el programa de gestión), Regulaciones de la IA (desarrollar un marco de gobernanza adaptativo, asegurar modelos soberanos competitivos)
Resumen de cinco secciones con imágenes abstractas futuristas a la derecha que muestran una figura caminando a través de un paisaje tecnológico
Lista de colaboradores externos (Andreu Gomez - UN Vienna CDO, Sunil Gupta - CTBTO CITO, Said Ahmed - UN Technology Development Risk, Rick Pastore - SustainableIT.org, Tom Godden y Paul Weiss - AWS) y colaboradores internos (Jack Hakimian - SVP Research, Rob Garmaise - VP AI Research, Mark Tauschek - VP Research Fellowships, Brian Jackson - Principal Research Director, Naveli Thomas - AVP Content Marketing, Manoj Atwal - Senior Member Services Director)
Diseño de dos columnas que enumera los colaboradores externos e internos con títulos, fondo tecnológico abstracto a la derecha
Primera página de la bibliografía que enumera las fuentes, incluyendo la Ley de IA (Comisión Europea), la Política y las Regulaciones de IA de Brasil (NewMind AI), el Marco de Gestión de Riesgos de IA de NIST, el Plan de Acción de IA de Estados Unidos (La Casa Blanca), varias estrategias internacionales de IA e informes técnicos sobre los modelos DeepSeek
Bibliografía de una sola columna con formato de cita estándar, imágenes de fondo abstractas
Continuación de la bibliografía incluyendo el Memorándum M-25-21 (OMB), Hacer de Francia una Potencia de la IA, artículos sobre la estrategia de IA de Walmart, documentación de precios de DeepSeek, estrategias internacionales de IA de Suecia, Corea del Sur, EAU, el Plan de Acción de IA del Reino Unido e informes de incidentes de codificación de ambiente
Bibliografía de una sola columna que continúa desde la página anterior
Promociona tres recursos de Info-Tech: AI Marketplace (desbloquea el potencial de la IA con soporte personalizado), Construye tu Hoja de Ruta de la Estrategia de IA (maximiza el valor mientras gestionas los riesgos), Construye tu Hoja de Ruta de la Gestión de Riesgos de la IA (transforma los procesos ad hoc en un programa formalizado y continuo). Cada uno incluye una breve descripción y una representación visual
Tres secciones con imágenes en miniatura y descripciones para cada recurso
Preguntas comunes sobre esta diapositiva y el contenido de la presentación subyacente.
Las cinco tendencias clave son: 1) Los principios fundamentales de la IA reescribirán el ADN de la organización: las estrategias de IA se basarán en principios emergentes como la seguridad, la privacidad y la equidad; 2) De los copilotos al vibe coding: la IA seguirá reinventando la TI: el ecosistema de soluciones de IA para la TI crecerá con nuevas categorías; 3) La IA agentic alcanzará la madurez e impulsará la empresa exponencial: la IA agentic permitirá operaciones autónomas y un crecimiento exponencial; 4) La gestión de riesgos será el precio de la admisión para la IA: las organizaciones deben adoptar programas de gestión de riesgos de la IA; 5) La IA penderá de un hilo entre la libertad y el control: la soberanía de la IA será fundamental para los reguladores a nivel mundial.
El Marco de Gestión de Riesgos de IA de Info-Tech está diseñado específicamente para los sistemas de IA y consta de cuatro funciones clave: Gobernanza de Riesgos (establecimiento de requisitos legales, principios fundamentales, tolerancia al riesgo e inventario de IA), Identificación de Riesgos (establecimiento del contexto, categorización de los sistemas de IA e identificación de riesgos), Medición de Riesgos (definición de métricas de riesgo de IA, realización de evaluaciones de alineación y supervisión de sistemas) y Respuesta a Riesgos (priorización de respuestas, desarrollo de estrategias de riesgo e implementación de planes de tratamiento). Se basa en NIST AI RMF 1.0 y se centra en los principios fundamentales de la IA como las principales categorías de riesgo.
Las organizaciones deben establecer ocho principios fundamentales básicos de la IA: Seguridad (protección de sistemas y personas), Privacidad de los datos (protección de la información personal), Explicabilidad y transparencia (comprensión de las decisiones de la IA), Validez y fiabilidad (garantía de la precisión), Equidad y detección de sesgos (prevención de la discriminación), Responsabilidad (asignación de responsabilidades), Capacidad de impugnación (permiso para impugnar las decisiones de la IA) y Sostenibilidad (minimización del impacto medioambiental). Otros principios emergentes son la agencia y la autonomía humanas, las consideraciones medioambientales y la protección de la propiedad intelectual.
Estados Unidos y la UE adoptan enfoques contrastados en la regulación de la IA. Estados Unidos sigue un enfoque impulsado por el mercado y centrado en la innovación, con políticas voluntarias a través de órdenes ejecutivas y sin legislación federal, haciendo hincapié en una regulación mínima para promover el liderazgo estadounidense en IA. La UE adopta un enfoque basado en los riesgos y los derechos, con una regulación exhaustiva a través de la EU AI Act, el GDPR y otras leyes, que imponen sanciones económicas por incumplimiento. Estados Unidos se centra en los 'Principios de la IA Imparcial' (búsqueda de la verdad y neutralidad ideológica), mientras que la UE hace hincapié en siete principios fundamentales que incluyen la agencia humana, la transparencia, la diversidad, la equidad y el bienestar social. Ambos implementan sistemas de clasificación de riesgos, pero el de la UE es más prescriptivo con cuatro categorías: inaceptable (prohibido), de alto riesgo (regulado), de riesgo limitado (obligaciones de transparencia) y de riesgo mínimo (no regulado).
La IA agentic representa un software autónomo que puede razonar, descomponer los objetivos en subtareas y ejecutar programas externos sin intervención humana. Es la evolución más avanzada más allá de RPA, la automatización inteligente y la IA generativa. Las organizaciones deben utilizar la IA agentic para tareas complejas y dinámicas que requieran adaptación y toma de decisiones, como la investigación autónoma, la orquestación del servicio de atención al cliente y la automatización de flujos de trabajo de varios pasos. Sin embargo, las organizaciones deben EVITAR la IA agentic para: tareas fijas y repetitivas, situaciones que requieran resultados deterministas, requisitos de baja latencia o entornos con restricciones de costes. Las mejores prácticas incluyen la implementación de la supervisión humana para las operaciones de alto riesgo, el establecimiento de procesos claros de revisión y aprobación y el uso de sistemas de retroalimentación para mejorar continuamente el rendimiento del agente.
La IA soberana se refiere a los modelos e infraestructuras de IA desarrollados y operados dentro de un país o región específicos. Según la encuesta, el 40% de las organizaciones utilizan exclusivamente modelos de IA soberana, y el 21% utilizan modelos tanto soberanos como no soberanos. Las organizaciones persiguen la IA soberana por varias razones clave: Seguridad Nacional (protección de datos y operaciones sensibles), Independencia Tecnológica (reducción de la dependencia de los proveedores de Big Tech de otros países), Identidad Nacional (preservación de la cultura y el idioma locales), Crecimiento Económico (impulso de la industria y los empleos locales de IA) y Control de Datos (garantía de la soberanía de los datos y el cumplimiento de las regulaciones locales). Países como Estados Unidos, Canadá, las naciones de la UE, China, India, Corea del Sur, los Emiratos Árabes Unidos y Brasil han anunciado iniciativas y estrategias de IA soberana.
Según la encuesta, el 41% de las organizaciones prefieren comprar soluciones comerciales listas para usar, el 13% construye ajustando modelos existentes y el 46% hace ambas cosas. A la hora de elegir, tenga en cuenta: Para las soluciones de los proveedores: un tiempo de comercialización más rápido, unos costes iniciales más bajos, un menor mantenimiento, una mejor escalabilidad, pero corre el riesgo de quedar atrapado por el proveedor, problemas de integración, una personalización limitada y un menor control sobre las funciones. Para la construcción personalizada: la mejor herramienta para tareas específicas, menores costes de licencia a largo plazo, mayor flexibilidad, pero requiere múltiples herramientas, mayores costes de integración y una mayor complejidad en la gestión de proveedores. La mejor práctica es adoptar un enfoque centrado en la solución que se centre en el valor empresarial, garantice la alineación con los principios fundamentales de la IA y siempre planifique una estrategia de salida para evitar el bloqueo del proveedor.
Los CIO deben centrarse en cinco áreas de acción críticas: 1) Estrategia de IA: establecer principios fundamentales de IA que aborden los riesgos y reflejen los principios estratégicos de la organización; 2) Aplicaciones de proveedores de IA: adoptar un enfoque centrado en la solución utilizando los marcos de selección de software existentes que incluyan la alineación de los principios fundamentales de la IA; 3) IA agentic: seleccionar casos de uso impulsados por el negocio, comprender las características más adecuadas para la IA agentic e incluir la supervisión humana para las operaciones de alto impacto; 4) Gestión de riesgos de IA: cultivar una cultura de gestión de riesgos educando a la fuerza laboral e implementando un programa formal de gestión de riesgos de IA alineado con los procesos de negocio; 5) Regulaciones de IA: desarrollar un marco de gobernanza de IA adaptable para proporcionar salvaguardias y autorregularse independientemente del entorno legislativo, y garantizar que los modelos de IA soberana sean competitivos con los modelos de los proveedores de Big Tech.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Referencia diseños profesionales, elige tu estilo y genera diapositivas con renderizado de texto perfecto. Impulsado por Nano Banana—comienza a crear tu presentación ahora.
Tu Agente IA para diapositivas. Ahorra tiempo, brilla más rápido con la creación inteligente de presentaciones.
© 2026 2slides. Todos los derechos reservados.