La IA ha revolucionado nuestras vidas y ha evolucionado considerablemente en los últimos años. Si en 2023 el foco estuvo en “escribir mejores prompts” y en 2024 en los copilotos, 2025 lo recordaremos como el año en que la inteligencia artificial empezó a hacer trabajo real colándose en la forma de hacer negocios de la empresa.
¿Cómo? Ejecutando datos, aplicaciones y procesos con una ambición distinta, logrando pasar de asistir a operar.
Y esto no es solo algo que hayamos experimentado en Bimex como empresa y con nuestros clientes.
Según McKinsey, una parte significativa de organizaciones ya ha empezado a escalar sistemas de IA “agentic” o está experimentando con ellos. Y Gartner proyectó un salto relevante en adopción de agentes en aplicaciones empresariales de 2025 a 2026.
La lectura de fondo es clara: la IA entra en una fase operativa, donde el impacto depende menos de la demo y más de la arquitectura.
Para cerrar el año en el blog de Bimex queremos hacerlo con un “Wrapped” de los hitos que de verdad han significado un cambio en la IA.
Lo que ha cambiado en 2025 (y por qué es importante para los negocios)
En 2025 se alinearon tres variables que antes avanzaban a velocidades diferentes:
- Modelos frontier más capaces y estables (mejor razonamiento, mejor desempeño en tareas largas).
- Infraestructura lista “de fábrica” para producción (seguridad, residencia, SLAs, gobernanza).
- Capa de agentes que empieza a orquestar trabajo entre sistemas (ERP, CRM, ITSM, data apps), con más interoperabilidad y control.
El resultado es que la conversación dejó de ser “qué modelo usas” para convertirse en “qué parte del proceso automatizas, con qué trazabilidad, y cómo lo gobiernas”.
Pero aquí hay mucho hilo que cortar así que veamos los grandes hitos que aceleraron la inteligencia artificial en la empresa, mes a mes.
Febrero: Gemini 2.0 Flash llega a disponibilidad general en Vertex AI
Google llevó a GA su modelo “rápido y para producción” en Vertex AI, con un enfoque orientado a flujos de alta concurrencia y controles enterprise.
Esto se traduce en más facilidad para servir casos de uso intensivos (clasificación, RAG, asistentes) con guardrails y requisitos corporativos.
Abril: A2A (Agent-to-Agent) y marketplace de agentes en Google Cloud Next
Google presentó un protocolo abierto para que agentes de distintos proveedores se comuniquen. De esta forma se logró menos “silos de agentes” y más automatización end-to-end entre aplicaciones.
Cuando los agentes pueden coordinarse, aparecen flujos reales: un agente detecta una anomalía en datos, otro abre ticket, otro actualiza un workflow, otro notifica a un responsable… Y así se produce la tan deseada eficiencia operativa.
Mayo: Databricks acuerda adquirir Neon (serverless Postgres)
Databricks se mueve hacia bases transaccionales modernas con Neon, especialmente orientadas a apps y agentes.
A nivel de data management esto implica que los agentes no solo consultan datos; actúan. Y para hacerlo bien necesitan persistir estado, ejecutar transacciones y hacerlo con baja latencia.
En esta nueva etapa OLTP cerca del “plano de agentes” es una pieza clave.
Junio: Snowflake compra Crunchy Data y anuncia Snowflake Postgres
Snowflake anunció la adquisición de Crunchy Data y su apuesta por Postgres “enterprise-grade” dentro del Data Cloud.
Con Postgres dentro del mismo entorno donde viven los datos analíticos y los flujos de IA, se consigue menos movimiento de datos, una gobernanza más simple y un puente directo entre analytics y ejecución.
En la práctica esto también se traduce en una mayor facilidad y rapidez en la toma de decisiones, mucho más fluida y orientada a los datos.
Julio: SAP + NEURA Robotics + NVIDIA empujan “Physical AI”
SAP anunció una nueva alianza para llevar la IA al mundo físico (robótica industrial, logística, retail), conectando aplicaciones empresariales con cómputo NVIDIA y robots.
Esto significa dar los primeros pasos para que la automatización “salga” de la pantalla. Por ejemplo, permite que los agentes empiecen a impactar inventario, operaciones y tareas repetitivas en planta.
Agosto: OpenAI lanza GPT-5 (y llega a Azure AI Foundry el mismo día)
GPT-5 aterrizó con foco profesional y despliegue enterprise inmediato en Azure AI Foundry. Sin duda una gran noticia para tener más calidad y estabilidad para tareas complejas y largas (análisis, redacción estructurada, copilotos internos), además de un camino claro de operación gobernada.
Septiembre: Microsoft detalla Fairwater y su visión de “AI Superfactory”
Microsoft explicó la arquitectura de sus datacenters orientados a alta densidad y eficiencia térmica, y amplió su visión de capacidad conectada para IA. Así, se logró más capacidad real para entrenamiento e inferencia a escala.
Dicho en otras palabras: tenemos mejores ventanas de disponibilidad para cargas empresariales, y más facilidad para mover pilotos a producción con SLAs.
Octubre: Oracle Database@Azure se expande (incluyendo Spain Central)
Oracle amplió Oracle Database@Azure y se confirmó soporte en regiones como España, lo que representa la posibilidad de un multicloud “de facto” con baja latencia y cumplimiento local, especialmente relevante para los sectores más regulados.
Noviembre: Gemini 3 y la idea de “Generative UI”
Google lanzó Gemini 3 (con capacidades avanzadas de razonamiento) y se abrió paso la noción de interfaces generadas dinámicamente según el trabajo a realizar.
Con esta nueva versión, los agentes no solo ejecutan; también pueden adaptar la experiencia para cada rol y flujo (operaciones, finanzas, sostenibilidad), reduciendo la fricción y aumentando la adopción.
Diciembre: AWS re:Invent — Nova 2 y Bedrock AgentCore (policy, evals, memory)
Para acabar el año, AWS presentó Nova 2 y reforzó AgentCore con policy enforcement, evaluaciones y memoria, además de mejoras de runtime.
Estamos sin duda ante la profesionalización del agente gracias a controles “fuera del prompt”, trazabilidad de calidad y mecanismos para reducir el riesgo legal y/u operativo antes de escalar.
El patrón que todo lo une: la IA solo opera si tu dato está listo
Haciendo este repaso por los grandes hitos de la inteligencia artificial en 2025 a nivel empresarial, nos encontramos con un mensaje claro y útil pero quizás un poco incómodo para quienes aún no están preparados.
Y es el siguiente: la IA no escala por voluntad, escala por arquitectura.
Esto quiere decir que si tu información está en silos, el agente se atasca en integraciones. Si la trazabilidad no existe, la auditoría (y el riesgo) te visitarán antes que el ROI. Y si tu BI es “solo visual”, la empresa entiende las cosas tarde y actúa aún más tarde.
Por eso 2025 no ha sido solo un año de nuevos modelos, sino el año en que el data management y BI se volvieron protagonistas.
Mientras el business intelligence se mueve hacia lo operativo (alertas, anomalías, explicación en lenguaje natural), el dato vuelve a ser el activo crítico: calidad, linaje, semántica, gobierno.
¿Estás preparado?
Nosotros, sí.
El mindset para 2026
En Bimex Analytics lo vemos cada vez más claro: la ventaja no es tener IA, es tener IA que opera con datos fiables.
Y eso exige foundations de data management, BI operativo y gobernanza a la altura del nuevo contexto.
No se trata de “abaratar la ineficiencia” con prompts ni de “agente-por-moda”. 2026 exige tratar la IA como un modelo operativo: con datos bien gobernados, pipelines auditables, dashboards assurance-ready (XBRL/ESRS/CSRD), y agentes con controles de política, memoria y evaluación continua.
La promesa ya no es “hacer más rápido el mismo proceso”, sino “redefinir qué proceso merece existir”, con productividad, resiliencia regulatoria y sostenibilidad inteligente integradas.
Si tu objetivo para 2026 es pasar de casos de uso sueltos a una ejecución real, es hora de que hablemos. El salto de tu organización no empieza con el modelo, empieza con la base.
