Arquitectura empresarial de IA: cómo encaja con lo que ya tienes
Ninguna empresa construye IA sobre un terreno vacío. Construye sobre un ERP de hace ocho años, un CRM que alguien configuró a su manera, tres hojas de cálculo que son la fuente real de dos procesos y un sistema propio que sólo entiende una persona.
La arquitectura no es el diagrama de lo que se va a construir: es la decisión de cómo lo nuevo convive con todo eso.
Definición
La arquitectura empresarial de IA es el mapa de cómo la IA se conecta a los sistemas y datos que la empresa ya opera, y de qué decide cada capa sin pisar a la siguiente.
Las cinco capas, y qué decide cada una
El valor de separarlas es que cada una se puede cambiar sin rehacer las otras, que es lo que hace que un sistema envejezca bien.
La arquitectura empresarial de IA es el mapa de cómo la IA se conecta a los sistemas y datos que la empresa ya opera, y de qué decide cada capa sin pisar a la siguiente.
- 01
Sistemas de origen. El ERP, el CRM, lo que ya existe. No se toca.
- 02
Acceso. Cómo se llega a esos datos: APIs, servidores estándar, extracciones. Es donde vive la mayor parte del trabajo.
- 03
Contexto. Qué información se prepara para que la IA pueda usarla: índices, memoria, definiciones.
- 04
Decisión. Modelos y agentes. La capa más visible y la más intercambiable.
- 05
Interacción. Dónde lo usa la gente: chat, CRM, WhatsApp, un panel.
La mayoría de proyectos empieza por la cuarta y la quinta, que son las que se ven. Y descubre en el mes dos que la segunda no existe.
Hay una consecuencia práctica de separar las capas que se nota al segundo caso de uso: lo que se construyó para el primero se reutiliza.
Si el acceso al CRM se construyó dentro del primer agente, el segundo lo construye otra vez. Si se construyó como capa, el segundo lo usa y arranca en días.
Es la diferencia entre que el segundo caso cueste lo mismo que el primero o una fracción, y esa diferencia decide si habrá un tercero.
El principio que ahorra más problemas: no tocar el origen
La tentación de modificar el ERP o el CRM para que «encaje mejor» aparece siempre y casi siempre es un error.
Un sistema de origen modificado para un proyecto de IA se vuelve más difícil de actualizar, y cuando el proveedor saque su versión nueva la empresa tiene que elegir entre actualizar y conservar lo suyo.
La alternativa es construir la capa de acceso encima: leer lo que hay, transformar fuera y devolver sólo por las vías oficiales.
Cada vez que he visto modificar un sistema de origen por un proyecto de IA, el costo real apareció dieciocho meses después, en la actualización que no se pudo hacer. Es una decisión que se toma en una tarde y se paga durante años, y casi nunca la toma quien va a pagarla.
La capa de acceso, donde está el trabajo real
Es la menos glamorosa y la que decide si el proyecto avanza o se atasca.
- Sistemas con API razonable. Lo más fácil. Se conecta y se avanza.
- Sistemas con API pobre o con límites duros. Hay que diseñar alrededor: caché, extracciones periódicas, colas.
- Sistemas sin API. Hay que construir una encima o descartarlos del alcance. Conectar por vías no oficiales dura hasta la primera actualización.
- Hojas de cálculo que son la fuente real. Más común de lo que nadie admite en la primera reunión.
El cuarto caso merece una decisión explícita: o se convierte en un sistema de verdad, o se acepta como fuente y se le pone un proceso alrededor. Ignorarlo y descubrirlo a mitad del proyecto es lo que más plazos rompe.
Sobre el segundo caso, los sistemas con límites duros: la salida habitual es una copia intermedia que se refresca cada cierto tiempo.
Eso resuelve el límite y abre una pregunta nueva que hay que responder de forma explícita: cuánto desfase se acepta. Para un catálogo, horas. Para el saldo de un cliente, ninguno.
Cuando esa pregunta no se responde, el sistema termina respondiendo con datos de ayer sin que nadie lo haya decidido.
La capa de contexto, la que casi nadie planifica
Entre los datos crudos y la IA hay una capa de preparación que rara vez está en el diagrama inicial y siempre acaba existiendo.
- Definiciones compartidas. Qué es un cliente activo, qué cuenta como venta cerrada. Si cada área lo define distinto, la IA hereda la ambigüedad.
- Índices de documentos, si hay búsqueda sobre texto.
- Memoria de interacciones, si el sistema tiene que recordar entre sesiones.
- Histórico ordenado, para poder comparar contra lo que pasó antes.
El primero es el que más discusión genera y el que más valor tiene fuera de la IA. Una empresa que acuerda sus definiciones gana consistencia en todos sus reportes, con modelo o sin él.
Dónde vive cada cosa
Tres decisiones de ubicación, cada una con su compensación, y ninguna es obviamente correcta.
- Rápido de arrancar.
- Sin operación técnica propia.
- El dato sale del perímetro.
- Dependes de sus políticas y su precio.
- El dato no sale.
- Control total de versiones.
- Asumes la operación completa.
- Cuesta más al principio y menos a escala.
La decisión no tiene que ser la misma para todas las capas. Es habitual y razonable que el contexto viva dentro y el modelo fuera, que es el reparto que más empresas medianas terminan eligiendo. El contraste completo está en IA en la nube contra on premise.
En qué orden se construye
De abajo hacia arriba, aunque la presión sea siempre por enseñar la capa cinco cuanto antes.
- 01
Un caso de uso concreto, elegido por dolor y no por vistosidad.
- 02
El acceso a los datos que ese caso necesita. Sólo esos.
- 03
El contexto mínimo, con las definiciones acordadas.
- 04
La decisión. Recién aquí el modelo o el agente.
- 05
La interacción, donde la gente lo va a usar de verdad.
El paso dos es donde se atascan la mayoría de proyectos, y donde conviene poner el esfuerzo de estimación. Si la capa de acceso no está resuelta, todo lo de arriba es una demo.
Señales de que la arquitectura está mal planteada
Cinco síntomas que aparecen entre el mes tres y el seis.
- Cada caso de uso nuevo obliga a rehacer la conexión con el mismo sistema.
- Cambiar de modelo implica tocar la lógica de negocio.
- Nadie sabe de dónde salió un número que el sistema mostró.
- Hay tres definiciones distintas de la misma métrica dentro del mismo sistema.
- El proyecto depende de que una persona esté disponible.
Los cinco tienen la misma raíz: capas que se mezclaron. Y todos se corrigen mucho más barato en el mes tres que en el dieciocho.
El diagrama mínimo que hay que tener
No hace falta un documento de arquitectura de cincuenta páginas. Hace falta una hoja con cuatro cosas.
- Qué sistemas de origen entran y por dónde se accede a cada uno.
- Qué se prepara en el medio y quién lo mantiene.
- Qué decide cada pieza y dónde está el límite.
- Dónde lo usa la gente.
Con esa hoja, cualquier persona nueva entiende el sistema en veinte minutos. Sin ella, el sistema es una dependencia de quien lo construyó. El detalle de qué documentar está en cómo se documenta una arquitectura de IA.
Qué hacer cuando ya hay tres sistemas construidos sin arquitectura
Es la situación más común en empresas que empezaron por casos sueltos, y no hace falta rehacer nada para ordenarla.
El primer paso es dibujar lo que hay: qué sistema toca qué, con qué credencial y qué se duplicó. El dibujo suele revelar que dos de los tres leen lo mismo de formas distintas.
A partir de ahí se extrae lo compartido a una capa común, empezando por el acceso que más se repite. No es un proyecto de meses: es una refactorización acotada que se paga en el siguiente caso de uso.
Preguntas frecuentes
¿Hay que rediseñar la arquitectura de datos antes de empezar con IA?
No, y esperar a tenerla perfecta es la forma más común de no empezar nunca. Lo que hay que ordenar es lo que el primer caso necesita, que suelen ser tres o cuatro campos. Ordenar todo el dato de la empresa es un proyecto propio que rara vez se justifica por sí solo.
¿Qué pasa si nuestro ERP no tiene API?
Hay tres salidas: construir una capa de acceso encima, trabajar con extracciones periódicas, o dejar ese sistema fuera del alcance del primer caso. La cuarta, conectar por vías no oficiales, funciona hasta la siguiente actualización y no conviene.
¿Conviene un data warehouse antes de la IA?
Si ya existe, se aprovecha y ahorra mucho trabajo. Si no existe, montarlo antes de tener un caso de uso concreto suele ser un proyecto largo que retrasa todo. Es más eficiente ordenar lo que el primer caso necesita y construir el almacén cuando haya tres o cuatro casos que lo justifiquen.
¿Quién debería dibujar esta arquitectura?
Alguien que entienda a la vez el negocio y lo que es viable técnicamente, y eso rara vez es una sola persona en empresas medianas. Lo que funciona es que la dibuje el perfil técnico y la valide quien es dueño de los procesos, línea por línea.
¿Cada cuánto se revisa?
Cada vez que se añade un caso de uso nuevo, aunque sea en quince minutos. Es cuando se detecta si el caso nuevo cabe en lo que hay o si obliga a tocar una capa. Revisarla sólo una vez al año garantiza que para entonces el diagrama y el sistema real no se parezcan.
Fuentes
Este artículo sintetiza y pone en contexto de negocio material público de estas fuentes. Léelas directo; aquí solo se agrega criterio de implementación.
- McKinsey documenta que el freno principal para escalar IA no es el modelo sino la integración con los sistemas y datos existentes, que es la tesis de esta guía. mckinsey.com/quantumblack
- Google Cloud documenta patrones de arquitectura empresarial de IA y el reparto entre capas de acceso, contexto y decisión. cloud.google.com/architecture
- IBM documenta el gobierno de datos y la separación de capas que sostienen sistemas de IA en entornos con sistemas heredados. ibm.com/topics/ai-governance
Sigue explorando
Cómo integrar la IA con los sistemas de la empresa (ERP, CRM y lo que ya existe)
Cómo integrar la IA con los sistemas de la empresa: los tres caminos y su costo de mantenimiento, qué hacer con un ERP sin API y cuándo no conviene integrar.
TecnologíasArquitectura de agentes de IA: las piezas que decide un arquitecto
Qué decide la arquitectura de agentes de IA: qué recuerda, qué herramientas usa, dónde se detiene y quién lo supervisa. Con los errores que salen caros.
TecnologíasArquitectura RAG en una empresa: de dónde sale cada respuesta
Cómo se arma una arquitectura RAG en una empresa, qué decide la calidad de la respuesta y por qué casi todos los problemas están en el dato, no en el modelo.
TecnologíasCómo se documenta una arquitectura de IA para que sobreviva al equipo
Qué documentar de una arquitectura de IA para que el sistema no dependa de quien lo construyó, y qué documentación no sirve aunque se vea impecable.
TecnologíasIA en la nube vs on-premise: cuál conviene a tu empresa
IA en la nube vs on-premise: qué se decide de verdad (control del dato, costo, quién opera) y en qué casos la regulación obliga a servidores propios.
El siguiente paso
No son artículos relacionados al azar: es el orden en el que esto se entiende y se aplica.
Tecnologías · Arquitectura empresarial de IA: cómo encaja con lo que ya tienes
Lo siguiente que conviene entender
Cómo se ve aplicado a un proceso real
Cuando quieras aplicarlo
Siguiente paso recomendadoArquitectura IA
El framework propio para construir la empresa con IA, no decorarla con un chatbot.
Las piezas técnicas, en criterio de negocio · Playbook AI Native
