El AI Congress cierra con 2.200 inscritos y una advertencia sobre la IA agéntica
Más de 2.200 inscritos y medio centenar de ponentes en la duodécima edición del AI Congress, celebrada entre el 20 y el 22 de octubre en Barcelona bajo el impulso del CIDAI y la organización del centro tecnológico Eurecat. El mensaje que dejó el evento incomoda a cualquiera que esté automatizando su empresa a toda velocidad: la IA agéntica multiplica la productividad, pero también el volumen y la velocidad de los errores.
Para un founder que ya tiene agentes conectados a su CRM, a su facturación o a su soporte al cliente, eso no es un debate filosófico. Es gestión de riesgo operativo. Y del congreso salió una hoja de ruta concreta: menos dependencia de modelos gigantes en la nube, más modelos propios y gobernanza diseñada antes del despliegue, no después.
Del chatbot al agente que decide: por qué el error se multiplica
La frase más repetida de la edición fue la de Ariadna Font, cofundadora y CEO de Alinia AI: «Una persona se equivoca una vez, pero un agente repite el error mil veces antes de que nadie se haya dado cuenta». Su conclusión era igual de directa: lo urgente no es sumar más IA, sino invertir en marcos y sistemas robustos de control y gobernanza para poder usarla de forma segura y responsable.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasJoan Mas, director del AI Congress y director científico del Área Digital de Eurecat, puso contexto al fenómeno: la IA agéntica «ha eclosionado este último año» y abre la puerta a niveles de automatización muy altos, pero arrastra interrogantes sobre los riesgos y las protecciones que hay que incorporar en los propios agentes para que no se desalineen del criterio humano al decidir.
La diferencia es de arquitectura, no de marketing. Un chatbot espera una instrucción y devuelve texto. Un agente recibe un objetivo y encadena pasos: consulta datos, ejecuta herramientas, envía correos, modifica registros. Si el objetivo está mal definido o el contexto está sucio, el daño no se queda en una respuesta mediocre: se propaga por todos los sistemas conectados, a velocidad de máquina y sin pausa para revisar.
Modelos locales y soberanía: la próxima fase del despliegue
El congreso apuntó hacia dónde va la siguiente ola: la personalización de modelos de IA que se ejecutan de forma independiente y local sobre la infraestructura de la propia empresa. El objetivo es mantener el control de los datos, reforzar la privacidad, reducir la dependencia de proveedores externos y ganar eficiencia, como alternativa competitiva a los servicios en la nube de los grandes modelos de frontera de IA generativa.
Jezabel R. Garcia, directora científica de IA de Multiverse Computing, puso el foco en la eficiencia: según explicó, la compresión permite conservar la capacidad de un modelo mientras se reduce su tamaño y su consumo energético en más del 50%, y eso es lo que hace viable una IA «soberana, eficiente y sostenible en Europa».
No es una deriva exclusivamente catalana. IBM presentó Sovereign Core, una plataforma de código abierto para que las organizaciones controlen el despliegue y la operación de sus entornos de IA, según recogió TechTarget durante el evento IBM Think on Tour EMEA 2026. Y en septiembre de 2026, Airrived anunció desde Dubái su Sovereign AI Platform, con la que los agentes se ejecutan en instalaciones propias o incluso en entornos completamente aislados de la red, según informó Business Wire. La tesis se repite: quien controla el stack completo controla el riesgo.
¿Cuánto cuesta ignorar la economía del token?
Automatizar no es gratis, y el punto donde muchas empresas se llevan la sorpresa es la factura de inferencia. En el CXO Tech Summit 2026, según la cobertura de Gadget Pilipinas, Cisco advirtió que un agente autónomo puede multiplicar hasta 450 veces las llamadas a la API de inferencia de una empresa, porque no descansa ni espera a leer la respuesta. En flujos de desarrollo de software, alrededor del 60% de los tokens generados nunca llegan a código productivo; en pipelines de contenido interactivo, el desperdicio llega al 80%.
En el mismo foro se citó una proyección de Gartner: menos del 5% de las aplicaciones empresariales integraban agentes específicos de tarea a mediados de 2025, y esa adopción debería alcanzar el 40% a finales de 2026. El salto es enorme y explica la urgencia del mensaje de Barcelona: si la adopción se multiplica varias veces en pocos meses, la gobernanza no puede seguir siendo un proyecto para el año que viene.
La respuesta que se está imponiendo es el enrutamiento inteligente de modelos: mandar tareas simples —clasificar, extraer, resumir— a modelos ligeros o a servidores propios, y reservar las API de frontera para el razonamiento complejo. Es, en el fondo, la misma idea que defendía Multiverse Computing desde la compresión.
Gobernanza, datos personales y AI Act: lo que ya no es opcional
Meritxell Borràs, directora de la Autoridad Catalana de Protección de Datos (APDCAT), describió el problema con precisión: los agentes tratan datos personales de formas muy diversas —los consultan, los modifican y los intercambian—, de modo que los riesgos para los derechos de las personas se amplifican y, con ellos, las responsabilidades de las organizaciones. Su receta, recogida por Law & Trends: protección de datos desde el diseño y por defecto, supervisión humana efectiva y un experto en protección de datos dentro de los equipos que diseñan y desarrollan los sistemas.
Borràs recordó además el derecho a no ser objeto de decisiones individuales automatizadas y puso en valor el modelo FRIA catalán, impulsado por la APDCAT, pionero en Europa y exportado a otros países, para evaluar el impacto de los sistemas en la protección de datos y los derechos fundamentales.
Los números respaldan esa prudencia. Según TechTarget, IBM presentó en su evento Think on Tour EMEA 2026 una investigación según la cual tres cuartas partes de los directivos encuestados en EMEA esperan que para 2027 un agente ejecute una tarea de negocio completa y tome una decisión sin intervención humana, y el 80% reconoció que al menos un problema relacionado con la IA ya llegó al comité de dirección. En el mismo foro se insistió en una idea que resume todo: la gobernanza «tiene que ser por diseño, no puede ser un añadido posterior».
Durante el AI Congress también se presentaron ejemplos de agentes y sistemas multiagente aplicados a varios sectores, con recomendaciones para reforzar la seguridad técnica frente a amenazas y para cumplir con el Reglamento de Inteligencia Artificial (AI Act).
IA intencional: definir el problema antes de elegir la herramienta
La experta internacional en transformación digital Pooja Munshi introdujo el concepto de IA intencional: aquella que se alinea con objetivos concretos y con las necesidades de las personas, las organizaciones y el medioambiente. A partir de su trabajo en el Programa de las Naciones Unidas para el Medio Ambiente, invitó a los líderes a formular mejores preguntas y a escuchar a las personas, a las evidencias y al mundo al que afecta su tecnología.
El presidente de Eurecat, Daniel Altimiras, lo tradujo a lenguaje de negocio: el reto «ya no es solo entender qué puede hacer la IA, sino incorporarla de manera efectiva, segura y responsable a nuestras organizaciones y convertirla en competitividad, productividad y nuevas oportunidades de crecimiento». Albert Tort, secretario de Telecomunicaciones y Transformación Digital de la Generalitat de Catalunya, añadió la capa pública: una IA orientada a resolver problemas reales y a reforzar la competitividad de las empresas.
¿Qué significa esto para tu startup?
El congreso no fue un acto académico: es una lista de tareas pendientes para quien ya está desplegando agentes.
- Define el límite de autonomía antes de conectar el agente. Establece qué decisiones puede tomar solo, cuáles requieren aprobación humana y qué ocurre si algo falla, con un interruptor de apagado real y probado. Si el agente toca datos personales, revisa la base legal y el derecho de las personas a exigir intervención humana.
- Mapea qué datos personales consulta, modifica e intercambia cada agente. Borràs fue explícita en que los agentes no solo leen: escriben y comparten información. Ese inventario es la base de cualquier evaluación de impacto y de la supervisión humana que exige el AI Act.
- Enruta por costo, no por costumbre. Reserva los modelos de frontera para razonamiento complejo y manda clasificación, extracción o resúmenes a modelos ligeros u on-premise. Con agentes que multiplican las llamadas de inferencia hasta 450 veces, el ahorro se nota en el primer mes de facturación.
- Prueba un modelo local en un caso de uso acotado. El mensaje del congreso es que la compresión y el hardware actual ya permiten operar modelos propios sin perder capacidad y manteniendo los datos dentro de tu infraestructura.
- Mide el desperdicio. Si no sabes qué porcentaje de los tokens que pagas termina en una acción útil, estás financiando ruido. Empieza por un panel simple de costo por tarea resuelta.
Conclusión
El AI Congress de Barcelona dejó una idea que sirve como filtro para cualquier decisión de automatización: no gana quien tiene más IA, sino quien mantiene el control con criterio humano. La IA agéntica ya está desplegada y las proyecciones apuntan a una adopción acelerada en los próximos meses, pero la gobernanza, la supervisión humana y la economía del token son parte del producto, no un trámite posterior. Para una startup, automatizar sin control es asumir un pasivo que crece más rápido que la productividad que promete.
Fuentes
- Automatica e Instrumentacion (fuente original)
- CasaDomo
- Law & Trends
- TechTarget
- Gadget Pilipinas
- Business Wire via Yahoo Finance
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
