Mozart, la IA colombiana que ejecuta tareas en empresas

Mozart: la IA colombiana que ejecuta tareas dentro de las empresas

El 40 % de los encuestados de grandes empresas ya está ampliando el uso de agentes de inteligencia artificial en al menos una función del negocio, según una encuesta de McKinsey realizada en 2026. En Colombia, tres emprendedores quieren quedarse con una parte de ese mercado con una propuesta distinta: en lugar de responder preguntas, ejecutar el trabajo que viene después de la respuesta.

Mozart es la plataforma creada por Guido Vargas, Samuel Benjumea y Camilo Ortiz, asociados bajo Simphony Technologies Group. Combina tres piezas: un dispositivo físico, un sistema operativo basado en Linux y varios agentes de inteligencia artificial. El equipo se instala en las oficinas del cliente y desde ahí los agentes operan sobre las herramientas que la empresa ya usa.

Entre las tareas que puede asumir están atender conversaciones por WhatsApp, redactar y enviar documentos, consultar plataformas internas, diligenciar formularios y actualizar la información en los sistemas con los que las compañías administran sus recursos y sus clientes. También prepara informes, organiza reuniones y ejecuta varios procesos al mismo tiempo.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La conexión con el software existente ocurre de dos maneras: a través de las interfaces web de cada herramienta o mediante API. El usuario entrega una instrucción y los agentes se encargan de completarla, sin que una persona tenga que entrar programa por programa.

¿En qué se diferencia Mozart de ChatGPT?

Camilo Ortiz, director ejecutivo de la compañía, marca ahí la línea divisoria. Los asistentes que se popularizaron en los últimos años permiten consultar información y generar contenido; Mozart pretende intervenir directamente en las operaciones de una empresa.

Esa diferencia tiene una consecuencia práctica para cualquier negocio: el valor no está en la calidad del texto que produce el modelo, sino en si el sistema puede cerrar el circuito. Un agente que redacta un correo y lo deja en un borrador ahorra poco. Uno que además entra al sistema, actualiza el registro y confirma el envío sí cambia la carga de trabajo.

¿Por qué una empresa querría un equipo físico en su oficina?

La decisión de vender hardware responde a una objeción concreta: qué ocurre con los datos cuando se incorpora IA a los procesos. Según Guido Vargas, las empresas pueden mantener en sus propias instalaciones la memoria y los componentes operativos de Mozart, y las credenciales de acceso se almacenan cifradas en el dispositivo.

Conviene leer ese argumento con precisión. La arquitectura puede involucrar modelos y procesos de inferencia alojados fuera del equipo, así que la seguridad también depende de las conexiones y de los proveedores que se utilicen. Y la compañía aclara que las operaciones irreversibles y las transacciones financieras requieren autorización humana.

Ese matiz importa porque la privacidad es una de las barreras más citadas al adoptar agentes. Los datos confidenciales de clientes, pacientes o expedientes legales no pueden entrar a herramientas públicas abiertas, y en sectores regulados eso frena proyectos enteros. Un despliegue híbrido, con memoria local e inferencia externa, es una respuesta parcial a ese problema, no una solución total.

¿Qué tan grande es el mercado de agentes de IA en las empresas?

Los números del último año explican por qué hay espacio para un jugador regional. La encuesta de McKinsey de 2026, con 1.719 participantes de 97 países, encontró que el 40 % de los encuestados de grandes empresas ya estaba ampliando el uso de estos sistemas en al menos una función, frente al 27 % de 2025.

El detalle de dónde se están usando viene de otras mediciones. Una encuesta de LangChain de 2026 a más de 1.300 profesionales, recogida por Analytics Insight, encontró que el 57 % de los encuestados tenía agentes de IA en producción, con atención al cliente como el caso de uso principal (26,5 %) y seguido por investigación y análisis de datos (24,4 %). La misma publicación señala que, según datos de Information Services Group citados por Microsoft, el 52 % de los casos de uso de agentes por función se concentraban en operaciones de TI en 2025.

Los despliegues grandes ya existen. Tata Steel puso en marcha más de 300 agentes especializados en nueve meses, según Google Cloud, y el sistema AI.g de Air India atiende alrededor de 40.000 consultas diarias de clientes sobre más de 1.300 tipos de preguntas; Microsoft afirma que ese sistema ha resuelto más de 13 millones de conversaciones con una tasa de éxito del 97 %.

Pero el mercado está mucho menos maduro de lo que sugiere el entusiasmo. Un estudio de Capgemini citado por Analytics Insight encontró que el 60 % de las organizaciones encuestadas todavía estaba explorando aplicaciones de IA agéntica, el 23 % corría pilotos o pruebas de concepto y apenas el 3 % reportaba casos escalados en la mayoría de sus funciones o sedes. En la encuesta de LangChain, la calidad fue la principal barrera, mencionada por el 32 % de los encuestados, y cerca del 89 % dijo haber implementado observabilidad sobre sus agentes.

El índice de IA 2026 de Stanford, recogido por CoinCentral, aporta otro contraste: el 88 % de las organizaciones usó IA en al menos una función durante 2025, pero el despliegue de agentes se mantuvo en un dígito en casi todas las funciones del negocio.

El problema no es el modelo, es el proceso

Hay un dato que debería leer cualquiera que esté evaluando agentes. El proyecto NANDA del MIT concluyó en 2025 que alrededor del 95 % de los pilotos de IA generativa no mostró impacto medible en la cuenta de resultados, y atribuyó la causa más a la integración con los procesos y al aprendizaje organizacional que a la calidad de los modelos, según recoge Forbes.

La misma nota cita el estudio de McKinsey de 2026: el 44 % de las organizaciones ya escala IA en toda la compañía y el 80 % reporta mejoras de productividad individual, pero la proporción que atribuye un impacto en el beneficio (EBIT) sigue en el 37 %, igual que en 2025. Solo el 6 % de los encuestados, los llamados high performers, atribuye al menos el 5 % de su EBIT a la IA.

La lectura para un founder es incómoda pero útil: comprar o construir agentes es la parte fácil. Rediseñar el proceso alrededor de ellos es lo que decide si el proyecto aparece en el estado de resultados. Un estudio de Deloitte citado por Forbes indica que casi el 75 % de los ejecutivos consultados reconoce que su modelo operativo tendrá que cambiar en los próximos 12 a 18 meses.

La competencia y la apuesta regional

Mozart no compite en un vacío. OpenAI, Anthropic y Google desarrollan herramientas para llevar agentes de IA a las actividades cotidianas de las empresas, y lo hacen con presupuestos que una startup colombiana no puede igualar.

La estrategia de Mozart es doble. Primero, Colombia: los fundadores aseguran haber construido relaciones con empresas durante diez años, y ahí está su ventaja de distribución. Después, otros países de América Latina. Sus proyecciones apuntan a conseguir entre 150 y 180 usuarios pagos y alcanzar ingresos recurrentes mensuales de entre 50 y 80 millones para el primer trimestre de 2027.

Ortiz, que lleva doce años trabajando en sistemas empresariales, defiende que la región no tiene por qué limitarse a comprar soluciones creadas en otros mercados. Es una tesis que se verá en los números, no en el discurso.

¿Qué significa esto para tu startup?

Aunque no vendas agentes de IA, la propuesta de Mozart deja lecciones aplicables:

Mapea el punto irreversible antes de automatizar. La compañía exige autorización humana para operaciones irreversibles y transacciones financieras. Haz el mismo ejercicio: identifica qué acciones no debería ejecutar nunca un agente sin revisión y deja ese límite escrito antes de conectar nada.
Empieza por un flujo medible, no por toda la empresa. El 3 % de organizaciones con casos escalados que reporta Capgemini y el 95 % de pilotos sin impacto en el P&L que reporta el MIT apuntan al mismo error: proyectos amplios y difusos. Elige un proceso con métrica clara (tiempo de respuesta, tickets resueltos, horas de carga administrativa) y muévelo solo si el número se mueve.
Presupuesta la integración, no solo la licencia. Mozart se conecta por interfaces web o por API, y esa distinción cambia el costo real. Automatizar sobre interfaces web es más rápido de arrancar pero se rompe cada vez que el proveedor cambia un botón; la API es más estable pero exige que el sistema la tenga. Calcula ambas rutas antes de firmar.
Si vendes a sectores regulados, la residencia de datos es un argumento comercial. Que la memoria y las credenciales vivan en las instalaciones del cliente responde a una objeción real de compra en banca, salud y legal. Si tu producto puede ofrecer algo parecido, aunque sea parcial, conviene decirlo de forma explícita en la propuesta.

Conclusión

Mozart apunta a un hueco real: la distancia entre lo que un asistente responde y lo que una empresa necesita que efectivamente ocurra. El equipo físico le da un argumento de privacidad y un modelo de venta distinto, y el mercado de agentes empresariales crece lo suficiente como para que quepan jugadores regionales.

El riesgo está en el otro lado de la ecuación. La adopción de agentes sigue concentrada en pilotos, la calidad es la barrera número uno que reportan los equipos técnicos y la mayoría de las organizaciones todavía no puede atribuir impacto financiero a su inversión en IA. Mozart tendrá que demostrar que su combinación de hardware y software resuelve necesidades reales y que las compañías están dispuestas a confiarle parte de sus operaciones. Esa prueba no se gana con arquitectura: se gana con clientes que renuevan.