NYXN lanza Forge: metodología para adoptar IA agéntica con gobernanza

¿Qué es la metodología Forge y por qué surgió?

La inteligencia artificial está dejando de ser una herramienta que genera texto, código o imágenes para convertirse en un sistema que ejecuta tareas completas. Este cambio de paradigma —conocido como IA agéntica— ha obligado a las empresas a repensar no solo cómo implementan estas tecnologías, sino cómo organizan sus equipos de ingeniería alrededor de ellas.

Ante este escenario, NYXN, compañía global especializada en IA agéntica para grandes corporativos en Latinoamérica, lanzó Forge, una metodología diseñada para facilitar la adopción empresarial de agentes inteligentes sin sacrificar el control sobre seguridad, costos y resultados operativos.

La iniciativa nació de forma orgánica: los propios equipos de ingeniería de NYXN compararon proyectos realizados con agentes de IA frente a desarrollos bajo metodologías ágiles tradicionales durante dos años. Los resultados fueron contundentes: mejoras entre 50% y 70% en tiempos de ejecución. A partir de esa eficiencia interna, estructuraron un marco formal que ahora ofrecen al mercado.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Forge se asienta sobre tres pilares fundamentales:

El contexto es el nuevo código: los agentes necesitan conocer el negocio completo —objetivos, reglas, tecnologías y criterios de calidad— para ejecutar correctamente sus tareas. Sin contexto estructurado, un agente inteligente opera a ciegas.
La velocidad exige gobernanza: acelerar el desarrollo requiere establecer reglas claras para el uso de IA y mecanismos de supervisión robustos, tomando como referencia el AI Management System (AIMS) definido por la norma internacional ISO/IEC 42001.
Human on the Loop: los agentes ejecutan tareas de manera autónoma dentro de parámetros definidos, mientras las personas supervisan su operación, intervienen cuando es necesario y mantienen la responsabilidad final sobre los resultados.

Estos principios se materializan mediante specs, especificaciones estructuradas que reúnen el contexto del negocio, la arquitectura técnica, las herramientas disponibles y los criterios de prueba que los agentes necesitan para desarrollar una solución completa. A través de tecnologías como MCP (Model Context Protocol), los agentes pueden interactuar directamente con bases de datos, aplicaciones empresariales y otras herramientas del ecosistema tecnológico.

El desafío real de la IA agéntica en 2026

El lanzamiento de Forge llega en un momento crítico para la adopción corporativa de inteligencia artificial. Según el Índice de IA 2026 de Stanford y la encuesta de Anthropic a más de 500 líderes técnicos, más del 80% de las aplicaciones empresariales ya incorporan al menos un agente de IA, y el 57% de las organizaciones los implementa para flujos de trabajo de varias etapas.

El mercado de agentes de IA empresariales superó los USD 11.2 mil millones en 2026, lo que representa un crecimiento del 44% respecto a los USD 7.8 mil millones de 2025, según cifras reportadas por Informed Clearly. Las proyecciones apuntan a que el sector alcanzará entre USD 47.000 y 50.000 millones para 2030.

Sin embargo, detrás de estos números positivos existe un problema estructural preocupante. Gartner estima que más del 40% de los proyectos de IA agéntica corren el riesgo de cancelarse para 2027, principalmente debido a costos descontrolados y falta de valor tangible. Solo el 21% de las organizaciones cuenta con una gobernanza de IA madura, según Deloitte.

PwC refuerza esta advertencia en sus predicciones para 2026: muchas implementaciones de agentes realizadas durante el último año no han logrado ofrecer resultados significativos porque los agentes no se utilizaron de manera relevante y, en múltiples ocasiones, no fue posible presentar ejemplos de generación de valor por parte de dichos agentes. La integración de sistemas sigue siendo el principal obstáculo, señalada por el 46% de los líderes tecnológicos.

«El verdadero bloqueo no es la capacidad del modelo, es todo lo que rodea al modelo», observó un analista del sector, reflejando un consenso creciente en la industria.

¿Por qué las metodologías ágiles tradicionales ya no bastan?

David Casillas, CTO de NYXN, explica que el cambio no consiste simplemente en utilizar IA para escribir código más rápido. Los agentes pueden participar en prácticamente todo el ciclo de ingeniería: descubrir, diseñar, construir, probar, desplegar y operar. Cuando esa capacidad se incorpora a una organización, también es necesario cambiar la manera en que se define el trabajo, se entrega contexto y se supervisan las acciones.

Las metodologías tradicionales fueron concebidas para equipos humanos trabajando entre humanos. Cuando entran agentes inteligentes a la operación, el contexto completo, la arquitectura técnica y la supervisión dejan de ser opcionales y se convierten en el núcleo del trabajo.

Forge sustituye enfoques como Agile o Scrum para adaptarse de forma óptima al desarrollo guiado por agentes cognitivos. En lugar de limitar el uso de IA a tareas individuales, los especialistas pasan a trabajar como responsables de dirigir y supervisar agentes que participan en distintas etapas del ciclo de desarrollo. Esto implica una transformación cultural profunda en los equipos de ingeniería.

Para las organizaciones, el reto ya no es únicamente determinar qué pueden hacer los agentes, sino establecer en qué procesos tiene sentido utilizarlos, qué contexto necesitan, qué nivel de autonomía pueden asumir y cómo mantener control sobre su ejecución.

La infraestructura detrás de Forge: ISO 42001 y alianzas estratégicas

NYXN respalda su propuesta con certificaciones y alianzas que delimitan su campo técnico. La compañía obtuvo la certificación internacional ISO 42001, el primer estándar global diseñado específicamente para sistemas de gestión de inteligencia artificial. Este aval indica que todas sus operaciones e implementaciones de IA se ejecutan bajo altos niveles de seguridad, operabilidad y escalabilidad reconocidos internacionalmente.

La ISO 42001, publicada en diciembre de 2023, establece requisitos para gestionar riesgos, asegurar prácticas responsables y demostrar rendición de cuentas a lo largo de todo el ciclo de vida de la IA. Su importancia se ha amplificado con el desarrollo regulatorio global: la Unión Europea la referencia en los procedimientos de evaluación de conformidad del AI Act, y reguladores de múltiples jurisdicciones la utilizan como punto de comparación para el cumplimiento normativo.

Adicionalmente, NYXN mantiene participación en iniciativas de servicios de inteligencia artificial de AWS y es partner oficial de Anthropic, lo que le permite acceder a modelos avanzados como Claude para sus despliegues empresariales.

Qué significa esto para tu startup

Si estás evaluando implementar agentes de IA en tu organización, aquí hay tres acciones concretas que puedes tomar:

Invierte en especificaciones antes que en modelos. Un agente bien contextualizado con specs claras vale más que un agente potente sin instrucciones precisas. Dedica tiempo a documentar el contexto de negocio, las reglas operativas y los criterios de calidad antes de desplegar cualquier agente en producción.
Implementa observabilidad desde el día uno. Supervisa qué modelos utilizan tus agentes, cuántos ciclos ejecutan, qué acciones realizan y cuánto consumen en tokens. El control de costos asociados es parte fundamental de la gobernanza; sin visibilidad, no hay sostenibilidad.
Diseña roles híbridos para tu equipo. No contrates exclusivamente ingenieros que escriban código ni exclusivamente expertos en prompts. Busca perfiles que entiendan la arquitectura tecnológica general y sepan gestionar y supervisar agentes. La tendencia del mercado apunta hacia menos capas intermedias especializadas y más generalistas capaces de alinear el trabajo de los agentes con los objetivos de negocio.

La próxima etapa de la IA empresarial no estará definida únicamente por cuánto pueden hacer los agentes, sino por cómo las organizaciones aprenden a trabajar con ellos. La velocidad que ofrecen los agentes solo resulta sostenible cuando existe contexto, gobernanza y supervisión sobre su ejecución.