El ecosistema tecnológico ha alcanzado un punto de inflexión donde la capacidad de generar texto o imágenes ya no es el baremo de éxito para la alta dirección. La prioridad en los consejos de administración de las grandes corporaciones españolas ha virado hacia la operatividad: cómo transformar modelos masivos en acciones concretas que impacten en la cuenta de resultados.
En este escenario, marcado por una urgencia de retorno de inversión, SAS ha aprovechado su evento global Innovate 2026 para redefinir el rol de su plataforma analítica. La introducción de capacidades de Agentic AI en SAS Viya no solo busca mejorar la eficiencia, sino permitir que los sistemas interactúen con herramientas, ejecuten procesos y operen en entornos complejos de forma coordinada, superando la fase de los simples asistentes conversacionales.
La transición del copiloto al agente autónomo en SAS Viya
La arquitectura de la inteligencia artificial corporativa está mutando de una función meramente consultiva a una ejecutiva. Mientras que los modelos tradicionales se limitan a resumir información o proponer borradores, la nueva apuesta de la compañía tecnológica se centra en la capacidad de los sistemas para tomar decisiones bajo supervisión. Esta evolución no es menor; implica que la IA ahora puede conectarse con las tripas operativas de una organización para realizar tareas que antes requerían una intervención humana constante.
Según Jared Peterson, Senior Vice President of Global Engineering en SAS, este avance no desplaza el juicio humano, sino que lo sitúa en una posición de mayor relevancia estratégica. Para el directivo, la automatización que permite SAS Viya debe entenderse como un complemento reforzado por datos de confianza y una gobernanza empresarial estricta. Esta visión responde a una tensión latente en el sector: la necesidad de agilidad frente al temor por la pérdida de control en procesos críticos. La plataforma intenta resolver este dilema integrando la toma responsable de decisiones en el mismo flujo de trabajo donde se generan los modelos.
Un pilar fundamental en esta estrategia es el lanzamiento del SAS Viya Model Context Protocol (MCP) Server. Se trata de una funcionalidad que utiliza un estándar abierto para exponer las capacidades analíticas y de modelización de la plataforma a agentes de IA externos. En la práctica, esto permite que una empresa utilice sus propios Large Language Models (LLMs) o interfaces personalizadas sin renunciar a la lógica analítica y los controles de seguridad que ya tiene implementados en su núcleo de datos. Es un movimiento que reconoce la heterogeneidad de las infraestructuras tecnológicas actuales, donde la interoperabilidad se ha convertido en una ventaja competitiva frente a los ecosistemas cerrados.
Aceleradores sectoriales y la superación del cuello de botella en producción
Uno de los mayores frenos para la adopción masiva de la IA en España ha sido la dificultad de trasladar proyectos piloto a entornos de producción a escala. La falta de talento especializado y la complejidad de las regulaciones sectoriales a menudo estancan la innovación en los laboratorios de datos. Para mitigar este problema, la compañía ha desplegado el SAS Agentic AI Accelerator. Este marco estructurado permite tanto a desarrolladores experimentados como a usuarios de perfiles menos técnicos, entornos low-code o no-code, construir y desplegar agentes de IA de forma repetible y, sobre todo, segura.
El enfoque no es solo tecnológico, sino profundamente vertical. La inversión de 1.000 millones de dólares en soluciones sectoriales que mantiene la firma comienza a materializarse en herramientas que hablan el lenguaje de industrias específicas. No es lo mismo un asistente para el sector retail que un agente diseñado para la detección de delitos financieros en la banca. La especialización se vuelve crítica cuando los datos y las terminologías son tan divergentes. Durante el año 2026, la hoja de ruta contempla la expansión de estos copilotos a áreas donde la precisión es innegociable, como la planificación de suministros o la prevención del fraude.
En este sentido, el nuevo SAS Supply Chain Agent aparece como una respuesta directa a las interrupciones en las cadenas de suministro globales que han castigado la rentabilidad de fabricantes y distribuidores en los últimos años. Este agente no se limita a observar; opera continuamente para equilibrar la demanda y el suministro, simulando escenarios en tiempo real a través de una interfaz conversacional. La capacidad de un directivo de operaciones para preguntar por el impacto de un retraso logístico y recibir no solo una respuesta, sino una recomendación de ajuste de inventario basada en datos vivos, representa un cambio en la dinámica de poder dentro de la organización.
El reto de la gobernanza en un entorno de IA distribuida
Sin embargo, la autonomía conlleva riesgos que los sectores regulados no pueden ignorar. La integración de SAS Viya Copilot en todo el ciclo de vida analítico busca precisamente que el asistente tenga un conocimiento profundo del contexto y de las aplicaciones que maneja el usuario. Al estar integrado en la gestión de datos y modelos, el sistema reduce la probabilidad de errores derivados de la descontextualización, un problema recurrente en el uso de herramientas de IA genérica aisladas de la infraestructura corporativa.
La propuesta técnica sugiere que la IA empresarial ya no puede ser un parche externo, sino una capa más del sistema operativo del negocio. Al automatizar la ingesta de información y el despliegue en producción, se reducen los tiempos muertos, pero se incrementa la necesidad de auditoría. La promesa de una IA más útil y autónoma solo es viable si, en paralelo, se refuerzan los mecanismos de trazabilidad.
La evolución presentada en el SAS Innovate 2026 sitúa a SAS Viya en una posición de observador activo de la realidad operativa de las empresas. Al final, el éxito de estos agentes inteligentes no se medirá por su sofisticación algorítmica, sino por su capacidad para resolver tensiones cotidianas: desde evitar duplicidades en un almacén hasta detectar una transacción sospechosa antes de que se ejecute.
La IA deja de ser una tecnología que se consulta para convertirse en un motor que ejecuta, dejando a los profesionales la tarea de supervisar la coherencia de una maquinaria que ya no espera instrucciones para empezar a funcionar.
