Encuesta de Google Cloud AI revela que la modernización se estanca por el software existente
Google Cloud publicó hallazgos el 9 de noviembre que muestran que el 49% de los responsables de decisión encuestados vinculó el software local con iniciativas tecnológicas retrasadas o recortadas. Esas iniciativas incluían la IA, aunque el hallazgo no aísla los proyectos de IA. La encuesta de Google Cloud AI aporta una cifra concreta a un conflicto empresarial conocido: mantener las operaciones existentes compite con la creación de nuevas capacidades.
La investigación, realizada con Hypothesis Group, encuestó a 1.250 responsables de decisiones empresariales de TI y negocio en Estados Unidos. Google utiliza los hallazgos para defender una mayor libertad arquitectónica y menor dependencia de proveedores establecidos. Su preocupación central es comprensible: los agentes de IA, software capaz de ejecutar tareas mediante acciones sucesivas, heredan las limitaciones de los sistemas a los que acceden.
Microsoft ofrece una comparación útil. Su investigación enfatiza la preparación organizativa junto con la adopción por parte de los empleados, en lugar de tratar la sustitución de infraestructura como la respuesta central. La tensión presente en ambos planteamientos se da entre ampliar el acceso a la IA y preparar los procesos empresariales para ella. Para los líderes tecnológicos, esto desplaza la conversación hacia la integración, la responsabilidad operativa y si la nueva inversión realmente libera capacidad de ingeniería escasa.
Qué midió realmente la encuesta de Google Cloud AI
La encuesta mide las limitaciones reportadas por los responsables de decisión, en lugar de demostrar que una estrategia de modernización concreta las elimine.
La responsable de riesgos y cumplimiento de Google Cloud, Jeanette Manfra, presentó los hallazgos en un anuncio sobre una encuesta de software heredado. El informe adjunto está fechado en octubre de 2026, mientras que su metodología sitúa el trabajo de campo en agosto. Por tanto, la publicación ofrece un relato reciente de experiencias recogidas anteriormente, no una medición en tiempo real de los despliegues de noviembre.
Una definición importante condiciona la interpretación. El estudio clasifica el software empresarial alojado localmente o en las propias instalaciones como heredado, en contraste con el software alojado y gestionado en la nube. Esa definición se refiere a los acuerdos de despliegue y gestión. Los lectores deben evitar asumir que todos los sistemas incluidos están obsoletos, carecen de soporte o son técnicamente inadecuados para la IA.
La distinción importa porque la ubicación y el estado responden a preguntas diferentes. Una aplicación operada localmente puede tener interfaces claras y un mantenimiento riguroso. Una aplicación en la nube aún puede contener registros confusos, permisos incoherentes o reglas empresariales estrechamente acopladas. Ninguna observación contradice las experiencias de los encuestados, pero ambas limitan las conclusiones que los compradores deberían extraer.
El 49% reportado también agrupa varios resultados: retrasos, reducción de alcance, pausas y cancelaciones. Estos representan distintos grados de disrupción. Un ajuste temporal de calendario no tiene las mismas consecuencias empresariales que abandonar un proyecto. Del mismo modo, la inclusión de otras iniciativas tecnológicas significa que el resultado no puede convertirse en una tasa de cancelación de IA.
Esa salvedad no elimina un hallazgo relevante. Los encuestados asocian sus actuales acuerdos de software con barreras para el cambio planificado. Para los compradores empresariales, esto demuestra que el entorno circundante merece atención junto con el producto de IA que se está evaluando.
Sin embargo, una respuesta de encuesta no puede establecer toda la cadena de responsabilidades. Una iniciativa estancada puede involucrar limitaciones de la aplicación, restricciones de adquisición, falta de experiencia, prioridades contrapuestas o un caso de negocio poco claro. Varias causas pueden coexistir dentro del mismo proyecto.
Por ello, la encuesta de Google Cloud AI resulta más útil como diagnóstico de la fricción organizativa percibida. Da a los líderes un motivo para investigar sus propias dependencias. No les indica qué aplicación sustituir, qué proveedor elegir ni si la migración debe preceder a un despliegue concreto.
Esa diferencia separa una señal de investigación útil de una conclusión de compra excesivamente amplia. La siguiente pregunta es quién debe resolver la fricción y qué trabajo dejaría de hacer para ello.
La presión de mantenimiento recae sobre los equipos encargados de entregar IA
La presión inmediata recae sobre los equipos responsables tanto de la continuidad operativa como de la entrega de nueva IA.
Una organización de ingeniería no puede tratar su carga de trabajo existente como opcional simplemente porque los ejecutivos establezcan una fecha límite para la IA. Las correcciones de seguridad, los cambios de acceso, la respuesta a incidentes y el soporte de aplicaciones siguen siendo necesarios. Asignar un objetivo adicional no crea automáticamente la capacidad necesaria para cumplirlo.
Esto genera un problema presupuestario que las cifras de plantilla por sí solas pueden ocultar. Un equipo puede parecer suficientemente dotado mientras sus especialistas siguen ocupados con sistemas que requieren sus conocimientos específicos. La limitación relevante suele ser la experiencia disponible durante la ventana de entrega, no el número total de empleados.
Considere un agente interno ilustrativo que ayuda a los empleados a resolver problemas de cuentas. Generar una respuesta plausible es solo una parte de la tarea. El proceso circundante debe identificar al empleado, establecer el acceso permitido, recuperar información actual y derivar las excepciones a una persona responsable.
Si el agente puede modificar una cuenta, la organización también necesita reglas de aprobación y un registro de la acción. Una demostración eficaz puede evitar gran parte de este trabajo operativo. Un servicio de producción no puede depender de que alguien corrija manualmente cada caso inusual después.
Estas exigencias explican por qué los desarrolladores y los equipos de seguridad reciben presión desde distintas direcciones. Los líderes empresariales quieren avances visibles. Los equipos de operaciones deben preservar la disponibilidad. Los revisores de seguridad necesitan evidencia suficiente para aprobar el acceso. Sin prioridades explícitas, el trabajo de integración puede convertirse en una dependencia sin propietario entre esos grupos.
El mantenimiento también afecta a la secuenciación. Sustituir una aplicación podría reducir finalmente el esfuerzo de soporte, pero exigir un trabajo considerable antes de que aparezca ese beneficio. Durante la transición, los equipos pueden tener que mantener los procesos existentes mientras aprenden el reemplazo. Por tanto, una propuesta de modernización necesita explicar la carga de trabajo temporal.
Aquí es donde conviene examinar las promesas generales de liberar ingenieros. La pregunta relevante es qué tareas recurrentes desaparecen, quién las realiza actualmente y cuándo esas personas quedan disponibles. Transferir responsabilidades a un proveedor puede ayudar, pero el trabajo conservado de integración y supervisión sigue necesitando un responsable.
Los equipos de compras afrontan un desafío relacionado. Deben distinguir entre la comodidad de adquirir un producto y el esfuerzo de operarlo. Un contrato conocido puede simplificar la compra sin resolver el acceso a los datos. Un proveedor desconocido puede ofrecer capacidades atractivas al tiempo que añade otro conjunto de responsabilidades operativas.
Para los trabajadores del conocimiento, las consecuencias aparecen como una disponibilidad desigual. Un asistente podría resumir documentos correctamente y, aun así, no poder utilizar los registros necesarios para una decisión importante. La interfaz visible de IA avanza entonces más rápido que el flujo de trabajo que la sustenta.
Por tanto, la presión es tanto organizativa como técnica. El liderazgo debe decidir qué dependencias merecen inversión y qué proyectos propuestos deberían esperar. De otro modo, cada nuevo piloto compite por las mismas personas sin cambiar las condiciones que ralentizaron a sus predecesores.
Añadir un agente no elimina el trabajo que hay debajo
La automatización amplía la importancia de interfaces empresariales fiables porque las acciones requieren límites más claros que las sugerencias.
El argumento de Google se vuelve más convincente cuando se aplica a un flujo de trabajo específico que cuando se aplica únicamente a la ubicación del software. Un sistema que produce recomendaciones puede dejar la ejecución a una persona. Un sistema autorizado para actuar debe encontrarse con reglas que la organización haya hecho explícitas.
Tomemos una solicitud de compra ilustrativa. Un empleado podría pedir a un agente que prepare un pedido con un proveedor aprobado. La tarea lingüística es fácil de describir. La tarea empresarial incluye comprobar la autorización, seleccionar la cuenta correcta, aplicar la política de compras y gestionar artículos no disponibles.
Cada etapa plantea una pregunta que un texto fluido no puede resolver de forma independiente. ¿Qué registro es autoritativo? ¿Tiene permiso el solicitante? ¿La compra propuesta se ajusta a la política? ¿Qué ocurre si el pedido tiene éxito, pero falla la confirmación?
Estas preguntas revelan una distinción entre generar una respuesta y completar una transacción. La organización necesita saber qué ocurrió en sus sistemas, incluida la finalización parcial. Una respuesta conversacional segura no puede sustituir esa evidencia.
Las aplicaciones existentes a veces codifican reglas que los empleados comprenden por experiencia, en lugar de documentación. Un despliegue de agentes puede sacar a la luz ese conocimiento oculto. Lo que parece un problema de integración puede implicar en realidad decisiones no resueltas sobre políticas, excepciones o responsabilidades.
Sustituir la aplicación no resolverá necesariamente esas decisiones. Puede crear un lugar mejor para expresarlas, pero alguien aún debe determinar el comportamiento previsto. Por eso, las propuestas de modernización deberían identificar el límite empresarial que mejoran, en lugar de basarse en la antigüedad del software subyacente.
El propio relato de Google sobre un despliegue de servicio al cliente ofrece un ejemplo concreto. En abril de 2025, la empresa describió que FreshAI de Wendy’s gestionaba pedidos en autoservicio y se expandía por 24 estados. Son afirmaciones de despliegue comunicadas por la empresa, no una prueba independiente de la fiabilidad general de los agentes.
No obstante, el ejemplo ilustra el valor de una tarea definida. Pedir comida tiene entradas reconocibles, restricciones de menú y una transacción que debe llegar a las operaciones del restaurante. Su utilidad depende de las conexiones con el proceso de servicio real, no solo de la calidad de la conversación.
Un flujo de trabajo empresarial interno necesita una claridad comparable, incluso cuando sus límites son menos visibles. Una solicitud para investigar un contrato, preparar una renovación o resolver un problema de acceso requiere un destino acordado. De lo contrario, un equipo puede declarar el éxito cuando el agente genera texto mientras los empleados posteriores siguen completando el trabajo sustantivo.
Esto convierte la integración en una cuestión de responsabilidad. Alguien debe asumir la transición de la recomendación a la acción aprobada y de la acción al resultado verificado. Sin esa responsabilidad, la automatización puede redistribuir el esfuerzo mientras deja el proceso empresarial prácticamente sin cambios.
El caso de modernización más sólido identifica esas transiciones y demuestra que mejoran. Su evidencia debería mostrar menos transferencias sin resolver, finalización fiable y una recuperación manejable cuando algo sale mal.
Google y Microsoft ponen el énfasis en rutas distintas hacia la preparación
Los proveedores difieren en énfasis, pero ambos planteamientos hacen de la preparación organizativa un elemento central para un despliegue útil de IA.
La posición de Google otorga un papel destacado a la libertad arquitectónica. La investigación de Microsoft sobre preparación organizativa para la IA pone mayor énfasis en la gestión, el diseño del trabajo y la evaluación. Su informe de mayo de 2026 se basa en una encuesta a 20.000 trabajadores que utilizan IA en 10 mercados.
Microsoft afirma que las condiciones organizativas están estrechamente asociadas con el valor que los encuestados declaran obtener de la IA. Su metodología distingue explícitamente la asociación estadística de la causalidad. Esta cautela importa al comparar los hallazgos con la versión de Google: ninguna de las dos encuestas establece una fórmula universal para un despliegue exitoso.
La comparación también refleja distintas posiciones comerciales. Google tiene incentivos para animar a los compradores a reconsiderar relaciones empresariales consolidadas. Microsoft tiene incentivos para convertir los entornos de trabajo existentes en espacios productivos para la IA. Estos incentivos ayudan a explicar el énfasis sin invalidar automáticamente los hallazgos de ninguna de las empresas.
Para los compradores, la elección implica compensaciones prácticas. Ampliar un entorno consolidado puede preservar una administración conocida y reducir parte del trabajo de transición. Introducir una alternativa puede ampliar las opciones de negociación o satisfacer un requisito específico de flujo de trabajo. Cualquiera de las dos vías puede decepcionar si la organización omite la evaluación de integración.
Por tanto, la encuesta Google Cloud AI debería impulsar un análisis de la dependencia, no el rechazo automático de un proveedor establecido. La dependencia se vuelve relevante cuando cambiar un componente exige una disrupción inaceptable, provoca la pérdida de información esencial o deja a la empresa sin capacidad para operar de forma independiente.
Esta preocupación se aplica tanto a un nuevo proveedor como a uno existente. Una empresa puede sustituir una restricción conocida por otra menos familiar. Un contrato distinto no demuestra por sí mismo una mayor libertad.
Una elección significativa exige pruebas operativas. Un comprador debe entender si los registros siguen siendo utilizables fuera del producto, si los permisos pueden reconstruirse y si el trabajo completado sigue siendo verificable. Estas preguntas revelan más que la cantidad de nombres de modelos disponibles en un menú.
También hay una diferencia entre elegir un modelo de IA y sustituir una plataforma de flujo de trabajo. El modelo genera o interpreta información. La plataforma puede contener instrucciones, conexiones, registros e historial de aprobaciones. Cambiar el primero puede ser relativamente acotado, mientras que cambiar la segunda afecta a todo el proceso.
Esto hace que el debate de compras sea más exigente. Los compradores deberían evaluar el acuerdo operativo completo, incluidas las obligaciones que se mantienen y las condiciones de salida. Una demostración conveniente ofrece una visión limitada de lo que ocurre cuando una conexión crítica falla o una unidad de negocio modifica su proceso.
La gestión del conocimiento ofrece un paralelo más acotado. Una base de conocimiento con capacidad de búsqueda resulta útil cuando las personas pueden recuperar material relevante en contexto. La automatización empresarial añade más requisitos porque la información recuperada puede influir en acciones con consecuencias organizativas.
La comparación más sólida entre Google y Microsoft se refiere, por tanto, a cómo cada entorno propuesto respalda el trabajo real. La preferencia de marca es un sustituto débil de examinar el mismo proceso, permisos y criterios de aceptación en enfoques competidores.
La encuesta deja abiertas importantes cuestiones causales y de seguridad
La fricción de mantenimiento reportada justifica una investigación, pero no demuestra que la migración a la nube produzca mejores resultados para todas las cargas de trabajo.
El informe de preparación empresarial que lo acompaña describe una encuesta en línea de 20 minutos, complementada con entrevistas cualitativas. Su muestra estadounidense de responsables de la toma de decisiones ofrece una perspectiva definida. Los lectores deberían mantener presente ese alcance al debatir sobre empresas de otros lugares o empleados ajenos a las áreas de compras y liderazgo tecnológico.
El informe también señala que el 78% de los encuestados cree que el mantenimiento tecnológico desvía recursos de la IA, mientras que el 48% considera que su stack está preparado para un despliegue a escala. Se trata de valoraciones de capacidad y preparación. No son mediciones directas de las horas de ingeniería recuperadas tras una migración.
Los encuestados pueden describir con precisión su frustración sin identificar la mejor solución. Un equipo que tiene dificultades con las exigencias de soporte podría beneficiarse de una sustitución, una mejor configuración, conocimientos adicionales o un alcance de IA más limitado. Elegir entre estas respuestas requiere evidencia del entorno afectado.
El patrocinio comercial merece atención por la misma razón. Google vende servicios alineados con la dirección que propone. La respuesta adecuada es examinar las definiciones y comparar alternativas, preservando a la vez los hallazgos que sigan siendo útiles bajo escrutinio.
La definición de despliegue de la encuesta es especialmente relevante. Considerar como legado el software administrado localmente convierte la comparación con la nube en el eje central desde el principio. Los compradores aún necesitan una evaluación independiente de la mantenibilidad, la seguridad, la calidad de integración y la idoneidad empresarial.
La seguridad introduce otro límite a una narrativa simple de migración. Un servicio gestionado puede cambiar quién se encarga del mantenimiento de la infraestructura. No elimina la necesidad de decidir a qué información puede acceder un agente ni qué acciones requieren revisión.
El marco de gobernanza de agentes de Gartner aborda esa distinción. El analista Shiva Varma sostiene que los controles uniformes pueden restringir en exceso a los agentes simples y, al mismo tiempo, restringir insuficientemente a los más autónomos. El marco diferencia entre observación, asesoramiento y acciones que requieren aprobación.
Esta perspectiva complica la suposición de que aumentar la autonomía siempre representa progreso. Un agente limitado a preparar una recomendación puede ser apropiado para un flujo de trabajo de consecuencias relevantes. Exigir aprobación es una decisión de diseño cuyo valor depende de la acción y de sus posibles efectos.
En consecuencia, un comprador empresarial prudente debería diferenciar la mejora de infraestructura de la mejora de autorización. Un mejor alojamiento puede favorecer la disponibilidad y el mantenimiento. Una mejor autorización define qué está permitido hacer al sistema. Ambas merecen atención, y ninguna debería sustituir a la otra.
La encuesta Google Cloud AI no resuelve el equilibrio entre estas inversiones. Identifica restricciones percibidas que los líderes pueden investigar. El error analítico sería convertir esa señal en prueba de que una arquitectura, proveedor o nivel de autonomía es inherentemente preferible.
Existe otro problema de medición después del despliegue. Los empleados podrían dedicar menos tiempo a iniciar el trabajo, pero más a comprobar resultados inciertos. Una afirmación de productividad debe tener en cuenta ese esfuerzo de revisión, junto con el soporte y la recuperación. De lo contrario, la aparente automatización puede ocultar trabajo transferido a otro equipo.
Observe los flujos de trabajo completados, las pruebas de cambio y la recuperación
La próxima evidencia útil conectará las decisiones de modernización con resultados operativos que los compradores puedan inspeccionar.
Durante los próximos meses, la primera señal que conviene observar son los informes de clientes sobre flujos de trabajo completados. Las divulgaciones útiles distinguirán una demostración del uso recurrente y explicarán qué se considera una finalización exitosa. También deberían identificar dónde sigue siendo necesaria la intervención humana.
Esta evidencia reforzaría el argumento de Google si la modernización elimina restricciones identificables y produce mejoras operativas repetibles. Debilitaría una afirmación amplia sobre migración si los proyectos siguen requiriendo una reparación manual extensa pese a sustituir el entorno subyacente.
La finalización por sí sola es insuficiente cuando el proceso produce errores inaceptables. Los compradores necesitan evidencia sobre la corrección y el esfuerzo necesario para resolver excepciones. Un flujo de trabajo que termina rápidamente mientras genera disputas posteriores ha desplazado el problema en lugar de resolverlo.
La segunda señal es un cambio demostrado. Los anuncios de productos sobre conectores o elección de modelos merecen un examen más minucioso cuando los clientes demuestran que un proceso operativo sobrevive al cambio de un componente. Conservar permisos, criterios de evaluación y registros utilizables aportaría evidencia significativa de flexibilidad.
Un cambio que exige una reconstrucción extensa cuenta una historia diferente. Sugiere que existe una elección nominal junto con una dependencia operativa considerable. Esta distinción importará a medida que los compradores comparen plataformas de trabajo consolidadas con entornos alternativos de agentes.
La tercera señal es la recuperación ante fallos controlados. Los relatos de clientes y las evaluaciones técnicas deberían explicar qué sucede cuando expira el acceso, una aplicación conectada deja de estar disponible o una acción se completa solo parcialmente. La evidencia de recuperación revela cómo se comporta el sistema más allá de la demostración favorable.
Una responsabilidad clara reforzaría la confianza. Un equipo debería poder identificar el último estado verificado, determinar qué acciones se produjeron y decidir cómo se reanuda el trabajo. Si esas respuestas exigen una investigación informal cada vez, la carga operativa sigue sin resolverse.
Estas señales también ayudan a separar las restricciones de infraestructura de las restricciones de proceso. Una conexión fallida puede indicar una dependencia técnica. Una disputa de aprobación sin resolver apunta hacia la gobernanza. Ambas pueden bloquear la entrega, pero requieren respuestas diferentes.
La encuesta Google Cloud AI ofrece a los líderes empresariales una razón para examinar a dónde va la capacidad de ingeniería. Sus hallazgos son más valiosos cuando se traducen en preguntas sobre un servicio específico, sus dependencias y las personas responsables de mantenerlo útil.
Para los lectores que planifican una inversión en IA, sigan el trabajo más allá de la respuesta del asistente. Pregunten qué resultado empresarial debe producirse, qué registros acreditan la finalización y quién gestiona las excepciones. Comparen las propuestas con ese mismo resultado, incluido el esfuerzo de migración y la revisión continua. Mantengan criterios de aceptación coherentes al evaluar una plataforma establecida o una alternativa. Exijan que las afirmaciones sobre menor mantenimiento identifiquen las tareas eliminadas y las responsabilidades retenidas. Después, busquen evidencia de clientes de que esos cambios persisten durante las operaciones habituales y los fallos controlados. ¿Qué dependencia impide actualmente a su equipo completar trabajo valioso y qué evidencia demostraría que la inversión propuesta realmente la elimina?
