La IA generativa ya no es un tema futurista del que solo deban preocuparse las grandes empresas. Ya forma parte del trabajo diario. Las personas la utilizan para redactar correos, resumir documentos, buscar respuestas, preparar propuestas, elaborar informes y responder a clientes con más rapidez.
Ese es uno de los motivos por los que la narrativa en torno a la IA generativa ha cambiado tan deprisa. En el "AI Index Report 2025" de Stanford HAI, el 78 % de las organizaciones afirmó utilizar IA en 2024, frente al 55 % del año anterior. El mismo informe indica que el 71 % ya empleaba IA generativa en al menos una función empresarial, frente al 33 % en 2023. Esto revela algo importante: la IA generativa ya ha dejado de ser un experimento marginal y está introduciéndose cada vez más en las operaciones habituales de las empresas.
Para los MSP y las pymes, esto es relevante porque los clientes no necesitan una descripción técnica detallada de cómo se construyen los modelos de IA generativa, sino una explicación clara de qué es realmente la IA generativa, por qué su uso se extiende tan rápido y por qué plantea una nueva cuestión de seguridad.
¿Qué es la IA generativa?
En términos sencillos, la IA generativa es un tipo de inteligencia artificial capaz de crear contenido nuevo. Puede redactar texto, resumir información, sugerir respuestas, reescribir un documento, generar código, traducir contenido o ayudar a un usuario a buscar entre grandes volúmenes de información de una forma mucho más natural.
Eso es lo que la diferencia del software tradicional. Normalmente, el software obliga a las personas a navegar por menús, campos y pasos fijos. Sin embargo, la IA generativa les permite pedir lo que necesitan en lenguaje cotidiano. Un usuario puede escribir "resume esta reunión", "redacta una respuesta para el cliente" o "explica este informe en palabras más sencillas", y el sistema produce un resultado utilizable.
Una forma útil de explicárselo a los clientes es decir que la IA generativa añade una nueva capa entre las personas, los datos empresariales y las aplicaciones del negocio. Ayuda a los usuarios a trabajar con la información con mayor rapidez, pero también cambia la forma en que la información circula dentro de la empresa.
Muchas aplicaciones de IA generativa funcionan gracias a modelos de lenguaje de gran tamaño (LLM). Un LLM es el motor del que se sirven las aplicaciones de IA generativa para interpretar los prompts y generar resultados basados en lenguaje, como respuestas, resúmenes, borradores, código o recomendaciones. Por eso, cuando hablamos de IA generativa, a menudo es más preciso decir "aplicaciones de IA generativa basadas en LLM". Esa misma capa de LLM es también la que hace posible la IA agentiva, ya que permite que el sistema interprete objetivos, razone los pasos necesarios y utilice herramientas o fuentes de datos interconectadas.
¿Qué es la IA agentiva?
La IA agentiva representa el siguiente paso. En lugar de limitarse a responder un prompt cada vez, un sistema agentivo puede completar una tarea con varios pasos. La guía de OpenAI para crear agentes explica que los agentes son sistemas capaces de completar tareas de forma independiente en nombre de los usuarios. En otras palabras, un agente no se limita a responder: puede planificar, utilizar herramientas, incorporar más contexto y seguir avanzando hacia un objetivo.
Un ejemplo práctico ayuda a visualizarlo. Un asistente de IA normal podría resumir un ticket de soporte. Un asistente con generación aumentada mediante recuperación (RAG por sus siglas en inglés) podría resumir el ticket y recuperar el artículo de la base de conocimientos adecuado. Un sistema agentivo podría leer el ticket, comprobar el historial del cliente en el CRM, buscar en la base de conocimientos la solución más probable, redactar la respuesta, actualizar el caso y notificar al técnico, con aprobación humana cuando sea necesaria. La documentación de OpenAI sobre agentes en ChatGPT describe este tipo de flujo de trabajo agentivo como un proceso en el que el sistema razona, investiga y ejecuta acciones en nombre del usuario, con pausas para pedir aclaraciones o confirmaciones cuando corresponde.
Aquí es donde el debate sobre seguridad y gobernanza adquiere mucha más importancia. Cuanto más pueda hacer la IA, más deben pensar las empresas en los límites. ¿Qué herramientas puede utilizar? ¿Qué acciones están permitidas de forma automática? ¿Cuándo debe intervenir una persona? Las directrices de seguridad de OpenAI para agentes en ChatGPT advierten que los agentes pueden acceder a datos confidenciales y ejecutar acciones en nombre del usuario, lo que explica por qué las aprobaciones, los controles de aplicaciones y la supervisión cuidadosa son esenciales.
¿Por qué la IA generativa está de repente en todas partes?
La razón no es ningún misterio. La IA generativa ahorra tiempo. Elimina fricciones en tareas habituales. Gracias a la IA generativa, las personas no necesitan aprender una herramienta complicada antes de percibir valor, por lo que su adopción avanza a pasos agigantados.
Esa rapidez también está impulsada por la presión empresarial. El informe "Future of Jobs Report 2025" del Foro Económico Mundial afirma que el cambio tecnológico, incluida la IA, es uno de los factores que más transforman el trabajo y los negocios. En paralelo, el "Índice Anual de Tendencias Laborales (2025)" de Microsoft indica que el 82 % de los líderes espera utilizar mano de obra digital para ampliar la capacidad operativa de sus plantillas en los próximos 12-18 meses. A las empresas no les interesa la IA solo porque sea algo novedoso, sino porque sus equipos trabajan bajo presión para completar más tareas en menos tiempo.
Por esa razón, la IA no es un fenómeno exclusivo de las multinacionales. Las grandes organizaciones tienden a hablar con mayor claridad sobre sus programas de IA, pero las más pequeñas sienten la misma presión por ahorrar tiempo, responder más rápido a los clientes y obtener el máximo valor con unos recursos humanos limitados. En muchos casos, estas organizaciones más pequeñas pueden verse afectadas incluso antes, ya que las personas suelen adoptar herramientas útiles antes de que las políticas formales se actualicen.
Por qué las empresas deben analizar con más detenimiento el uso de la IA generativa
El valor de la IA generativa es evidente, pero esa es solo una parte de la realidad. La otra parte es que la IA generativa crea una nueva vía para los datos, las instrucciones y las decisiones. Las personas pueden pegar información empresarial en los prompts, cargar archivos internos para resumirlos o basarse en respuestas generadas por IA que suenan convincentes incluso cuando son incorrectas.
Por eso, este tema no debe tratarse únicamente como una cuestión de productividad. También es una cuestión de gobernanza y seguridad. Cuando los empleados utilizan IA, las empresas deben pensar qué datos se comparten, qué herramientas están aprobadas, quién puede usarlas y cómo se revisan los resultados generados por IA antes de que afecten a los clientes, a las operaciones o a las decisiones internas.
Así es también como el Perfil de IA Generativa del NIST plantea el problema. El NIST trata la IA generativa como un desafío específico de gestión del riesgo y señala que algunos riesgos son nuevos, mientras que otros se agravan por la forma en que funciona la IA generativa. Ese es un mensaje empresarial útil: la IA generativa no sustituye a las preocupaciones tradicionales de seguridad, sino que añade una capa adicional de riesgos y consideraciones que las empresas deben comprender y gestionar.
Por qué esto es especialmente relevante para los MSP y las pymes
Para los MSP, la IA generativa debe entenderse como un componente más de cualquier entorno gestionado, no solo como una función más de un producto. Un cliente puede formular preguntas por un chatbot o un asistente de IA, pero la cuestión de fondo es qué hay detrás. ¿Qué herramientas están ya en uso? ¿Utiliza el personal cuentas corporativas aprobadas o cuentas personales? ¿Qué tipos de datos se introducen? ¿Existe algún control sobre qué es seguro y qué no lo es?
Esas son preguntas habituales para cualquier proveedor de servicios. Los MSP ya ayudan a sus clientes a administrar endpoints, identidades, aplicaciones en la nube, plataformas de colaboración, copias de seguridad y controles de seguridad. Ahora la IA debe formar parte de ese mismo marco de gestión, ya que afecta a muchas de esas áreas al mismo tiempo.
En despliegues pequeños y medianos de infraestructura de TI, el desafío no suele consistir en crear sistemas avanzados de IA desde cero. El desafío es mucho más básico y mucho más inmediato: adopción informal, visibilidad limitada, propiedad poco clara y directivas débiles. Una empresa pequeña puede no tener un equipo especializado en IA, pero aun así puede tener empleados que utilizan IA cada día de formas que afectan al tratamiento de datos, a la calidad y a la seguridad.
Por qué utilizar la IA sin gestionar es un verdadero problema
Uno de los indicadores más claros aparece en una encuesta de TELUS Digital publicada en febrero de 2025. A través de esa encuesta se descubrió que casi el 68 % de los empleados de grandes empresas que utilizan IA generativa pública en el trabajo lo hacen a través de cuentas personales, y el 57 % afirma haber introducido información confidencial o de alto riesgo en esas herramientas. Estas cifras importan porque muestran cómo el uso de la IA puede crecer fuera de los controles habituales de la empresa.
Ese es el verdadero problema para muchos clientes de MSP y para los entornos de pymes. El desafío no suele ser un despliegue de IA cuidadosamente planificado, sino el uso "en la sombra" que se extiende de forma silenciosa por navegadores, aplicaciones de productividad, flujos de trabajo de soporte y cuentas personales. Cuando la dirección empieza a interesarse en elaborar una directiva de IA para la empresa, es posible que el personal ya esté utilizando varias herramientas cada semana.
Por eso, el primer paso adecuado no suele ser prohibirlo todo ni prometer una transformación basada en IA de un día para otro, sino hacer visible el uso de la IA. A partir de ahí, las empresas pueden decidir qué herramientas se aprueban, qué datos no deben compartirse bajo ningún concepto, dónde se necesita más formación y qué controles deben añadirse.
Lo que los clientes necesitan escuchar en un lenguaje claro
La mayoría de los clientes no necesitan un discurso abstracto sobre IA. Necesitan una explicación sencilla. La IA generativa es una nueva forma de trabajar con información mediante lenguaje natural. Puede ayudar a las personas a ser más productivas, pero también puede generar nuevos riesgos si se utiliza sin visibilidad, directivas y revisión.
Ese mensaje funciona bien para los MSP porque es equilibrado. Evita la exageración, pero también evita la negación. La IA puede aportar valor real. Al mismo tiempo, las empresas deben pensar dónde se utiliza, qué datos fluyen hacia ella, cómo se revisan los resultados que genera y qué controles deben aplicarse.
Para los clientes pymes, esto no consiste en copiar el programa de IA de una gran empresa. Se trata de plantear unas pocas preguntas prácticas: ¿dónde está utilizando IA el personal? ¿Qué está permitido? ¿Qué datos no deberían compartirse nunca? ¿Quién se encarga de la supervisión? ¿Y cómo garantizamos que la rapidez no compromete la seguridad ni la confianza?
Conclusión
La IA generativa es importante porque cambia la forma en que las personas crean, buscan, resumen y responden. Por eso se está extendiendo con tanta rapidez en empresas de todos los tamaños. Sin embargo, esa misma facilidad de uso también la convierte en una nueva cuestión de seguridad.
Para los MSP y las pymes, la conclusión es clara. Este desafío no se limita a las grandes empresas. También afecta al trabajo empresarial cotidiano, a equipos más pequeños, a adopciones más rápidas y a la necesidad de contar con mayor visibilidad y control. Las empresas que mejor aprovechen la IA no serán las que más hablen de ella, sino las que la entiendan con claridad y la gestionen con sensatez.
Acronis aborda estas preocupaciones gracias a Acronis GenAI Protection, una solución diseñada para ayudar a los MSP y a sus clientes a mejorar la visibilidad, la gobernanza y la seguridad al utilizar la IA en el trabajo diario. En los materiales que compartiste, Acronis presenta esta propuesta en torno a las principales áreas problemáticas a las que se enfrentan hoy día las empresas: detección de IA en la sombra, prevención de pérdida de datos, protección frente a la inyección de prompts, supervisión del sobrecoste por uso indebido ("denial of wallet"), gestión de directivas para aplicaciones de IA generativa, agentes y servidores MCP, y un motor de seguridad de IA por capas. La idea es simple: si la IA está convirtiéndose en parte de los flujos de trabajo habituales, las empresas necesitan controles que se ajusten a esa realidad en lugar de depender únicamente de métodos de seguridad tradicionales.
Written by
Acerca de Acronis
Una empresa suiza fundada en Singapur en 2003, Acronis tiene 15 oficinas en todo el mundo y empleados en más de 60 países. La solución Acronis Cyber Platform está disponible en 26 idiomas en 150 países y la utilizan más de 21,000 proveedores de servicios para proteger a más de 750,000 empresas.
