Uniphore y Tech Mahindra integrarán modelos pequeños, agentes especializados y gobernanza para convertir pilotos de IA en procesos empresariales repetibles. Uniphore y Tech Mahindra se asociaron para crear una fábrica de IA agéntica apoyada en Business AI Cloud. El modelo permitirá desarrollar, desplegar y administrar agentes y modelos de lenguaje pequeños para procesos empresariales. Comenzará en abastecimiento minorista, reclamaciones y beneficios no reclamados para clientes de Norteamérica y EMEA.

Las claves de la noticia

• La fábrica permitirá desarrollar, desplegar y administrar agentes y modelos de lenguaje pequeños.
• Business AI Cloud integrará datos, conocimiento, modelos, agentes, seguridad y gobernanza.
• Retail comenzará con abastecimiento estratégico e inteligencia de proveedores.
• El sector financiero priorizará reclamaciones y beneficios no reclamados.
• La primera etapa atenderá clientes de Norteamérica y EMEA.

Palo Alto, California, 5 de septiembre de 2026.— Las organizaciones están buscando una forma de trasladar la inteligencia artificial desde los laboratorios y pruebas de concepto hacia procesos que puedan operar de manera continua, gobernada y medible. En respuesta a este desafío, Uniphore y Tech Mahindra desarrollarán una fábrica de IA agéntica para clientes empresariales.

La iniciativa combinará Business AI Cloud de Uniphore con la experiencia de implementación y conocimiento sectorial de Tech Mahindra. La plataforma integrará datos, conocimiento empresarial, modelos de lenguaje pequeños, agentes y controles de seguridad dentro de una arquitectura común.

Las primeras soluciones se enfocarán en abastecimiento estratégico para el comercio minorista y en procesamiento de reclamaciones y beneficios no reclamados dentro de banca, servicios financieros y seguros. El anuncio no identifica clientes iniciales, inversiones, cronogramas, precios ni indicadores comprometidos de productividad o retorno.

Un agente capaz de ejecutar tareas no genera valor empresarial solamente por razonar o responder con fluidez. Debe comprender el contexto, consultar datos autorizados, utilizar herramientas, respetar reglas y dejar un registro verificable de sus decisiones. Ese paso, que separa una demostración llamativa de una operación confiable, está impulsando el nacimiento de las fábricas de IA agéntica.

Un mercado en transformación

A lo largo de los primeros años de la inteligencia artificial generativa, muchas organizaciones concentraron sus esfuerzos en asistentes generales, pruebas de concepto y experimentos departamentales. El desafío comienza cuando esos sistemas deben conectarse con datos reales, aplicaciones heredadas y procesos regulados.

La IA agéntica eleva la complejidad porque ya no se limita a producir contenido: puede planificar acciones, invocar herramientas y ejecutar secuencias de varios pasos. Para llevarla a producción se necesitan datos confiables, permisos precisos, evaluación continua, supervisión humana y métricas de negocio. La fábrica de IA surge como una respuesta organizacional a esa brecha.

De los proyectos aislados a una capacidad repetible

Uniphore y Tech Mahindra anunciaron la alianza el pasado 27 de agosto de 2026. El objetivo es codesarrollar soluciones de IA agéntica y convertir su implementación en una capacidad que pueda reutilizarse entre clientes, procesos e industrias.

La denominada fábrica no representa necesariamente un centro físico. Es un modelo operativo compuesto por plataforma, metodologías, equipos especializados, componentes reutilizables y controles para construir soluciones con mayor consistencia.

Uniphore aportará su plataforma Business AI Cloud, mientras Tech Mahindra (NSE: TECHM) contribuirá con conocimiento sectorial, integración tecnológica y capacidad de entrega internacional.

El valor potencial reside en evitar que cada iniciativa comience desde cero. Los modelos, conectores, evaluaciones, políticas y patrones de seguridad podrían transformarse en activos reutilizables. Sin embargo, la estandarización deberá preservar las diferencias regulatorias y operativas de cada empresa.

La tecnología detrás de la fábrica

Business AI Cloud, conocida también por las siglas BAIC, está diseñada para reunir cuatro capas fundamentales:

• Datos empresariales procedentes de sistemas y fuentes autorizadas.
• Conocimiento contextual sobre procesos, políticas y vocabulario sectorial.
• Modelos de IA seleccionados según la naturaleza de cada tarea.
• Agentes capaces de interactuar con aplicaciones, herramientas y usuarios.

La plataforma incorpora seguridad y gobernanza como componentes integrados, según ambas compañías. Esta arquitectura busca proporcionar una base común para desarrollar agentes alineados con flujos de trabajo reales y no únicamente con instrucciones genéricas.

La calificación de BAIC como plataforma soberana y componible pertenece a la propuesta de Uniphore. En la práctica, el grado de soberanía dependerá de dónde se desplieguen los modelos y datos, qué proveedores participen, quién controle las claves y cómo se administren accesos, registros y movimientos de información.

Cómo funciona una fábrica de IA agéntica

Aunque cada implementación será diferente, el modelo puede organizarse alrededor de un ciclo operativo:

1. Seleccionar un proceso cuyo resultado pueda medirse.
2. Identificar los datos, reglas, aplicaciones y responsables involucrados.
3. Elegir o adaptar modelos apropiados para el dominio.
4. Diseñar agentes, herramientas, permisos y mecanismos de supervisión.
5. Evaluar precisión, seguridad, cumplimiento, costo y comportamiento.
6. Desplegar, observar y mejorar la solución de manera continua.

Este enfoque convierte la creación de agentes en una disciplina industrial. La palabra “fábrica” no implica automatizar todo: significa establecer controles, estándares y componentes para producir soluciones de manera repetible.

En procesos sensibles, la supervisión humana continuará siendo necesaria para revisar excepciones, aprobar decisiones relevantes y asumir responsabilidad sobre sus consecuencias.

Por qué los modelos pequeños ganan espacio

La alianza prioriza modelos de lenguaje pequeños o SLM especializados en ámbitos concretos. A diferencia de los grandes modelos generalistas, un SLM puede optimizarse para un vocabulario, un conjunto de tareas o una industria determinada.

Su tamaño reducido puede facilitar despliegues con menores requerimientos computacionales y costos más controlables. También puede ayudar a limitar el comportamiento del sistema a funciones específicas. Esto no significa que un modelo pequeño sea automáticamente más preciso, seguro o económico.

El desempeño dependerá de la calidad de los datos, el entrenamiento, la evaluación y la integración con conocimiento empresarial. En algunos casos, la mejor arquitectura podría combinar modelos pequeños para tareas especializadas con modelos de mayor capacidad para problemas complejos.

Un enfoque orientado al contexto

Cada vez más, las empresas buscan ir más allá de la IA genérica para adoptar soluciones que son profundamente contextuales, poseen conocimientos específicos y están orientadas a resultados”, afirmó Birendra Sen presidente de servicios de procesos comerciales de Tech Mahindra. “Nuestra alianza con Uniphore se basa en nuestros esfuerzos en esa dirección. Esta alianza permitirá que nuestros clientes aceleren la adopción de IA con precisión, para acceder a un valor comercial tangible en sectores clave como banca, servicios financieros y seguros, y comercio minorista”.

La declaración resume uno de los cambios centrales del mercado. Las organizaciones ya no buscan únicamente una IA capaz de conversar sobre cualquier asunto, sino sistemas que comprendan terminología, políticas, restricciones y objetivos propios de cada actividad.

La información publicada por Tech Mahindra señala que la alianza busca orientar esa especialización hacia resultados cuantificables en dos sectores iniciales: comercio minorista y servicios financieros.

Cómo se aplicará en el comercio minorista

En el retail, las primeras soluciones estarán orientadas al abastecimiento estratégico. Este proceso comprende la identificación de proveedores, la evaluación de alternativas, el análisis de costos y la coordinación de compras.

Un agente podría reunir información procedente de catálogos, contratos, inventarios y sistemas internos; comparar condiciones; detectar variaciones; y preparar recomendaciones para un responsable de compras.

Su utilidad dependerá de que la información sea actual, trazable y autorizada. Una recomendación aparentemente eficiente podría generar riesgos si ignora requisitos de calidad, restricciones logísticas, compromisos contractuales o criterios ambientales y laborales.

La IA puede acelerar el análisis, pero las decisiones de abastecimiento continúan exigiendo juicio humano y responsabilidad empresarial.

Aplicaciones en banca, servicios financieros y seguros

El segundo frente inicial será BFSI, sigla utilizada para agrupar banca, servicios financieros y seguros. Las soluciones se enfocarán en el procesamiento de reclamaciones y beneficios no reclamados.

En una reclamación, un agente podría recopilar documentos, comprobar requisitos, contrastar datos y preparar una resolución preliminar. En beneficios no reclamados, podría ayudar a identificar expedientes pendientes y organizar la información necesaria para continuar el trámite.

Estos procesos combinan grandes volúmenes de documentos con reglas estrictas, datos sensibles y consecuencias directas para las personas. Por ello, cualquier automatización deberá incorporar explicabilidad, revisión humana, derecho de rectificación y trazabilidad.

La velocidad no debería convertirse en una excusa para denegar solicitudes incorrectamente ni trasladar al usuario la carga de corregir decisiones automatizadas.

El impacto para las organizaciones

Una fábrica de IA puede reducir la dispersión que aparece cuando diferentes equipos crean agentes sin estándares compartidos. También puede establecer una base para controlar modelos, permisos, versiones y evaluaciones. Entre sus beneficios potenciales se encuentran:

• Menor duplicación de componentes y trabajo técnico.
• Reutilización de conectores, modelos y patrones de seguridad.
• Despliegues más consistentes entre áreas y geografías.
• Mayor visibilidad sobre costos y comportamiento.
• Evaluaciones comparables antes y después de cada implementación.

Estos beneficios todavía son objetivos de la alianza. El comunicado no presenta proyectos concluidos ni métricas que permitan comprobar reducciones de costos, tiempos de implementación o mejoras de productividad.

Una expansión apoyada en alcance global

Tech Mahindra aporta experiencia especializada en 90 países y más de 1100 clientes en todo el mundo”, señaló Carl Borsody, director de ingresos de Uniphore. “Juntos, combinamos la experiencia de Tech Mahindra con nuestra plataforma Business AI Cloud, que proporciona una base soberana y componible para extender la fábrica de IA agéntica a una iniciativa de ejecución repetible, desde los sectores de comercio minorista y banca, servicios financieros y seguros, como punto de partida para llegar a otras industrias y regiones”.

Tech Mahindra opera en 90 países y atiende a más de 1.100 clientes globales, mientras Uniphore afirma trabajar con más de 2.000 grandes empresas. La alianza utilizará esta presencia para extender la fábrica hacia nuevas industrias y regiones después de la etapa inicial.

El foco anunciado comprende Norteamérica y Europa, Oriente Medio y África. América Latina no aparece entre las regiones iniciales, por lo que no debería interpretarse el comunicado como una confirmación de disponibilidad inmediata en el Perú, pero sí como un panorama evolutivo a tener en cuenta para el futuro.

Los desafíos por resolver

Industrializar la creación de agentes también puede industrializar sus errores si los controles no evolucionan con la misma rapidez. Un agente con acceso excesivo podría consultar información innecesaria, modificar registros equivocados o ejecutar una acción difícil de revertir. Por ello, los permisos deben limitarse según la función, el contexto y el nivel de riesgo.

Las organizaciones también deberán resolver otros desafíos:

• Calidad, procedencia y actualización de los datos.
• Evaluación de respuestas y acciones antes del despliegue.
• Registros auditables de cada decisión y herramienta utilizada.
• Protección de información personal y propiedad intelectual.
• Intervención humana ante excepciones o resultados inciertos.
• Prevención de dependencia excesiva de plataformas y proveedores.
• Cálculo del costo completo de operación, supervisión y corrección.

La gobernanza no puede aparecer al final del proyecto. Debe acompañar al agente desde su diseño hasta su retiro.

Qué deben hacer ahora las organizaciones

El primer paso no es construir una fábrica completa, sino identificar procesos adecuados para la automatización agéntica. Conviene comenzar con tareas frecuentes, delimitadas y medibles donde los errores puedan detectarse y revertirse.

Cada iniciativa debería contar con un propietario empresarial, responsables tecnológicos y especialistas en riesgo, seguridad y cumplimiento. También necesita una línea base que permita comparar tiempo, costo, calidad y satisfacción antes y después de incorporar IA.

Los líderes deben preguntar qué decisiones podrá tomar el agente, qué herramientas utilizará, qué datos consultará y cuándo deberá detenerse para solicitar intervención humana.

Sin estas respuestas, la empresa puede producir más agentes, pero no necesariamente mejores resultados.

Las palabras pequeñas

La alianza establece dirección y casos de uso, pero deja preguntas abiertas:

• ¿Cuándo estarán disponibles las primeras soluciones comerciales?
• ¿Qué clientes participarán en las implementaciones iniciales?
• ¿Qué inversión realizarán ambas compañías?
• ¿Qué modelos y proveedores serán compatibles?
• ¿En qué regiones se alojarán los datos?
• ¿Cómo se medirán precisión, retorno y reducción de costos?
• ¿Qué certificaciones y controles regulatorios serán aplicados?
• ¿Cómo podrán los clientes migrar sus agentes a otra plataforma?
• ¿Cuándo se extenderá la oferta hacia América Latina?

Estas omisiones no invalidan la propuesta, pero impiden evaluar todavía su desempeño económico y operativo.

Lo que cambia para el mercado

El concepto de fábrica desplaza la conversación desde “qué modelo utilizar” hacia “cómo producir y gobernar soluciones de manera constante”. El diferenciador ya no será solamente el acceso a un modelo avanzado, sino la capacidad de conectarlo con procesos, datos y responsabilidades institucionales.

Para consultoras e integradores, el cambio abre un mercado de componentes, evaluación, orquestación y operación continua. Para los clientes, plantea el riesgo de adoptar arquitecturas difíciles de trasladar si no negocian desde el inicio portabilidad, interoperabilidad y control sobre sus activos.

La IA empresarial entra así en una etapa menos espectacular, pero más decisiva: la ingeniería de convertir capacidades algorítmicas en trabajo confiable.

Relación con la IA empresarial y la gobernanza de datos

Una fábrica de agentes depende de la calidad del conocimiento que recibe. Los datos deben contar con propietarios, permisos, clasificación y reglas de conservación. Los modelos necesitan versiones controladas, mientras las acciones requieren registros que permitan reconstruir qué ocurrió.

Esta relación une IA empresarial, nube, ciberseguridad, integración de aplicaciones y gobierno de datos. Ninguna capa puede operar de forma aislada.

El agente será tan confiable como el ecosistema institucional que lo rodea. Cuando las reglas son ambiguas o los datos están fragmentados, la automatización puede acelerar la confusión en lugar de resolverla.

¿Por qué es importante?

Para el CIO, CTO y líderes empresariales, la fábrica de IA representa una vía para convertir experimentos dispersos en capacidades repetibles y gobernadas. Su valor no dependerá de cuántos agentes produzca, sino de su precisión, seguridad, costo, trazabilidad y contribución comprobable a procesos donde personas y tecnología comparten responsabilidad.

Visión Estratégica

La aparición de fábricas de IA agéntica muestra que el mercado está pasando de la fascinación por los modelos hacia la disciplina de operarlos. Para América Latina, esta tendencia abre oportunidades, pero también puede ampliar dependencias si las empresas importan plataformas, modelos y metodologías sin desarrollar conocimiento propio.

En el Perú, banca, seguros, retail, telecomunicaciones y servicios públicos podrían beneficiarse de agentes especializados. Sin embargo, la adopción debería comenzar con procesos medibles, datos gobernados y mecanismos claros de supervisión humana.

Las organizaciones latinoamericanas necesitarán evaluar soberanía, costos de inferencia, portabilidad y disponibilidad de talento antes de comprometer procesos críticos. También deberán adaptar los modelos al español regional, las regulaciones y las formas locales de interacción.

La fábrica más valiosa no será la que produzca agentes con mayor velocidad, sino aquella capaz de detenerlos cuando exista incertidumbre y devolver la decisión a una persona responsable.

Datos citables

• La alianza fue anunciada el 27 de agosto de 2026.
• Business AI Cloud se integrará en la fábrica de IA agéntica de Tech Mahindra.
• La plataforma reunirá datos, conocimiento, modelos y agentes empresariales.
• La iniciativa desarrollará modelos de lenguaje pequeños especializados.
• El enfoque inicial comprende comercio minorista y servicios financieros.
• Retail priorizará abastecimiento estratégico e inteligencia de proveedores.
• BFSI comenzará con reclamaciones y beneficios no reclamados.
• Tech Mahindra opera en 90 países.
• La compañía atiende a más de 1.100 clientes globales.
• Uniphore declara trabajar con más de 2.000 grandes empresas.
• La primera etapa atenderá Norteamérica y EMEA.
• América Latina no figura en el alcance geográfico inicial anunciado.

Knowledge Layer – Glosario

• IA agéntica: sistemas de inteligencia artificial capaces de planificar, utilizar herramientas y ejecutar secuencias de acciones orientadas a un objetivo.
• Agente de IA: componente que interpreta una meta, consulta información, selecciona acciones y emplea aplicaciones o servicios bajo permisos definidos.
• Fábrica de IA agéntica: modelo operativo que estandariza el diseño, evaluación, despliegue y administración de agentes mediante procesos y componentes reutilizables.
• Business AI Cloud: plataforma de Uniphore que integra datos, conocimiento, modelos, agentes, seguridad y gobernanza empresarial.
• Modelo de lenguaje pequeño —SLM—: modelo optimizado para operar con menos recursos o ejecutar tareas delimitadas dentro de un dominio específico.
• Especialización por dominio: adaptación de datos, vocabulario, reglas y modelos a las necesidades particulares de una industria o proceso.
• Orquestación: coordinación de modelos, agentes, herramientas y pasos necesarios para completar una tarea empresarial.
• Componibilidad: capacidad de construir soluciones combinando módulos que pueden sustituirse, ampliarse o reutilizarse.
• Soberanía de IA: control de una organización sobre sus datos, modelos, infraestructura, accesos y decisiones tecnológicas.
• Gobernanza de agentes: conjunto de políticas, responsabilidades, evaluaciones y registros destinados a controlar el comportamiento de los agentes.
• Relación de conocimiento: Datos empresariales → conocimiento especializado → SLM → agentes de IA → orquestación → proceso de negocio → resultado medible.

Tu Opinión Importa 🗣️

¿Las fábricas de IA ayudarán a las empresas a superar la etapa de experimentación o crearán una nueva dependencia de plataformas y consultoras?

¿Qué decisiones deberían permanecer siempre bajo control humano, incluso cuando un agente pueda ejecutarlas con mayor rapidez?

¿Las organizaciones peruanas están preparadas para gobernar agentes autónomos o todavía necesitan ordenar sus datos y procesos fundamentales?

La inteligencia empresarial del futuro no se medirá por la cantidad de tareas que deleguemos, sino por la sabiduría con la que decidamos cuáles nunca debemos abandonar. #ItusersAwards2026 #superfan

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457