El ecosistema tecnológico español asiste a una paradoja operativa: mientras el 88% de las organizaciones ya ha integrado la inteligencia artificial en alguna de sus funciones, apenas el 38% ha logrado que estos sistemas operen de forma estable fuera de entornos controlados o pilotos experimentales. En este escenario de fricción entre la expectativa y la puesta en producción, la compañía valenciana Maisa ha logrado capitalizar la necesidad de robustez técnica, registrando un crecimiento interanual del 400% y multiplicando por cinco su cartera de clientes en el último ejercicio.
Esta trayectoria ha llevado a que Deloitte incluya a la firma en su programa Technology Fast 50 2026 bajo la distinción de Rising Star. El reconocimiento no responde únicamente a una métrica de ingresos, sino a la validación de un modelo de infraestructura que busca resolver el principal cuello de botella de la IA empresarial: la falta de trazabilidad en procesos críticos. Según los datos que maneja el sector, hasta un 95% de las iniciativas de IA no generan un retorno de inversión claro debido a carencias en la gobernanza y dificultades para integrar modelos probabilísticos en flujos de trabajo que exigen resultados deterministas.
La propuesta de Maisa se vertebra sobre lo que denominan Knowledge Processing Unit (KPU). A diferencia de las implementaciones estándar de modelos de lenguaje, que a menudo actúan como cajas negras, esta unidad de procesamiento combina el razonamiento contextual con una lógica de ejecución basada en código. El objetivo es que cada paso de un trabajador digital sea auditable, una condición sine qua non para industrias con alta carga regulatoria como la banca, la energía o los seguros. No se trata solo de generar contenido, sino de asegurar que la automatización no propague errores no verificados a lo largo de la cadena de valor.
David Villalón, cofundador y CEO de la tecnológica, sostiene que en un mercado saturado de promesas de innovación, la confianza se ha erigido como el factor diferencial. Para las empresas que operan bajo normativas estrictas, la capacidad de verificar cómo se ha llegado a un resultado es tan relevante como el resultado mismo. Este enfoque parece haber encontrado eco en grupos industriales de gran escala. Elecnor, referente global en ingeniería e infraestructuras, ha integrado recientemente esta tecnología para transformar guías operativas semiestructuradas en procesos automatizados funcionales en cuestión de semanas.
La adopción por parte de grandes corporaciones subraya un cambio de ciclo. Si 2024 y 2025 fueron los años de la experimentación con interfaces de chat, 2026 se perfila como el año de la infraestructura de ejecución. El paso de una guía operativa a un flujo de trabajo plenamente autónomo requiere una capa de validación que los modelos de lenguaje generalistas no pueden ofrecer por sí mismos. En el caso de Elecnor, la implementación ha permitido formalizar procedimientos operativos estándar que están alineados con objetivos de negocio específicos, manteniendo el control sobre la ejecución impulsada por IA.
El respaldo financiero también acompaña esta expansión. Con una ronda semilla de 25 millones de dólares liderada por Creandum y Forgepoint Capital International, y la participación de fondos como NFX y Village Global, Maisa ha escalado su equipo y presencia tanto en Europa como en Estados Unidos. Esta inyección de capital está destinada a profundizar en el desarrollo de productos que operen en sectores donde el criterio humano y la documentación intensiva habían frenado históricamente la automatización.
Sin embargo, el reto para este tipo de infraestructura de IA no es solo técnico, sino cultural y regulatorio. A medida que la normativa europea sobre inteligencia artificial (AI Act) comienza a desplegar sus efectos, la demanda de sistemas transparentes y trazables dejará de ser una ventaja competitiva para convertirse en un requisito de acceso al mercado. La arquitectura de ejecución verificable que propone la firma valenciana intenta anticiparse a esta presión regulatoria, permitiendo que las organizaciones mantengan la supervisión sobre flujos complejos de principio a fin.
La evolución de la automatización empresarial con IA se dirige ahora hacia una integración más profunda en el «core» de las compañías. Ya no basta con herramientas periféricas de productividad; el mercado exige sistemas capaces de gestionar operaciones de punta a punta con una fiabilidad equivalente a la del software tradicional, pero con la flexibilidad del procesamiento cognitivo.
El auge de los trabajadores digitales auditables plantea, no obstante, interrogantes sobre la reconfiguración de los equipos humanos en sectores de alta especialización. Aunque la tecnología permite absorber tareas de análisis documental y ejecución logística, la gobernanza de estos sistemas sigue dependiendo de una capa de supervisión que las empresas apenas están empezando a definir de forma estructural. La incógnita reside en si la velocidad de la adopción tecnológica superará la capacidad de las organizaciones para rediseñar sus marcos de responsabilidad interna frente a decisiones automatizadas.
