Dos años construyendo con inteligencia artificial: la historia de lo que aprendimos en Xternus

Durante los últimos dos años he dedicado más tiempo a construir con inteligencia artificial para empresas que a hablar de ella. Mientras gran parte del mercado debatía sobre el potencial de ChatGPT o sobre cuál sería la próxima herramienta de moda, en Xternus estábamos haciendo algo mucho más sencillo y, al mismo tiempo, mucho más complejo: experimentar.

No lo hacíamos porque quisiéramos convertirnos en una empresa de software. Tampoco porque creyéramos que desarrollar una plataforma propia fuera nuestro destino. Lo hacíamos porque estaba convencido de que era imposible ayudar a otras empresas a incorporar la implementación de IA en empresas sin haber recorrido antes ese camino nosotros mismos.

Ese recorrido comenzó mucho antes de que la inteligencia artificial ocupara titulares cada semana. Empezó con curiosidad, continuó con muchas horas de trabajo, varios aciertos, bastantes errores y una conclusión que hoy condiciona completamente nuestra forma de entender esta tecnología.

Este artículo no pretende explicar qué es la IA ni hacer predicciones sobre el futuro. Es simplemente la historia de cómo evolucionó nuestra forma de pensar después de dos años construyendo soluciones reales.

Todo empezó cuando dejamos de hacer preguntas a la IA

En 2024 empezamos a trabajar con herramientas como Relevance. En aquel momento todavía predominaba la idea de utilizar la inteligencia artificial para generar textos o responder preguntas, pero pronto descubrimos que había una posibilidad mucho más interesante: hacer que la IA ejecutara tareas.

Ese pequeño cambio de perspectiva fue el primero de muchos. Dejamos de preguntarnos qué podía responder un modelo y comenzamos a pensar qué podía hacer por nosotros. Automatizar procesos, conectarse con aplicaciones, recuperar información o ejecutar acciones empezaba a ser técnicamente posible.

Aquella idea despertó una sensación difícil de explicar. Por un lado, era evidente que estábamos viendo una tecnología con capacidad para transformar la forma de trabajar. Por otro, también aparecía la incertidumbre lógica de cualquier cambio profundo: ¿hasta dónde podría llegar realmente?

El momento en el que decidimos construir

El siguiente gran paso llegó cuando decidimos renovar la web de Xternus. Lo que inicialmente parecía un proyecto de rediseño terminó convirtiéndose en un laboratorio donde descubrimos herramientas como Bolt y empezamos a experimentar con una forma completamente diferente de desarrollar aplicaciones.

Por primera vez era posible describir una idea con lenguaje natural y ver cómo esa idea empezaba a convertirse en una aplicación funcional. La velocidad de desarrollo aumentó de forma espectacular y, con ella, también nuestras ambiciones.

Ese proyecto nos llevó a desarrollar un CMS propio, construir funcionalidades internas y comprobar que muchas barreras técnicas que antes parecían insalvables comenzaban a desaparecer. La sensación era clara: cualquier idea que fuéramos capaces de imaginar podía convertirse en un producto en cuestión de semanas.

Aquello fue tremendamente ilusionante, pero también nos enseñó una primera lección. Construir rápido no significa construir bien. Cada nueva funcionalidad implicaba nuevas pruebas, costes asociados al consumo de modelos y una complejidad creciente que no siempre era visible desde fuera.

De resolver un problema interno a crear nuestros primeros productos

Como ocurre en muchas empresas, las mejores ideas surgieron intentando resolver problemas propios.

Uno de ellos era la elaboración de propuestas comerciales. Era un proceso repetitivo, exigía mucho tiempo y siempre partía de una base similar. Así nació ProposalFlow, una herramienta capaz de generar propuestas comerciales a partir de un único prompt.

Poco después apareció Xternus.ai. La idea era ofrecer un acceso flexible a distintos modelos de inteligencia artificial mediante un sistema basado en consumo real, alejándonos del tradicional modelo de licencias por usuario.

Con el tiempo fuimos incorporando nuevas funcionalidades: gestión de correo electrónico, documentos, proyectos, automatizaciones y, más adelante, agentes de voz. Más que desarrollar una plataforma, estábamos construyendo un laboratorio desde el que aprender cómo aplicar la automatización de procesos con IA al trabajo diario.

Mientras nosotros construíamos, el mercado corría todavía más rápido

A medida que avanzábamos, también lo hacían los grandes actores tecnológicos.

Google integraba Gemini dentro de Workspace. Microsoft convertía Copilot en una pieza central de Microsoft 365. OpenAI lanzaba nuevas capacidades prácticamente cada mes y Anthropic mejoraba Claude a un ritmo difícil de seguir.

Cada anuncio producía una sensación curiosa. Validaba muchas de las decisiones que habíamos tomado, pero también nos obligaba a aceptar una realidad evidente: competir desarrollando una plataforma generalista frente a empresas con recursos prácticamente ilimitados no era la batalla adecuada.

La cuestión dejó de ser tecnológica y pasó a ser estratégica.

Los clientes terminaron de confirmar nuestra intuición

Después de realizar decenas de demostraciones, empezamos a detectar un patrón muy claro.

Las empresas valoraban nuestra plataforma, pero pocas necesitaban una solución que hiciera absolutamente todo. Lo que realmente buscaban era resolver un problema específico: reducir tiempos administrativos, automatizar tareas repetitivas, mejorar la atención al cliente o facilitar el acceso al conocimiento interno.

La inteligencia artificial nunca era el objetivo.

Era simplemente la herramienta para conseguir una organización más eficiente.

Ese aprendizaje cambió completamente nuestra estrategia.

Elegir dónde aportar valor

Fue entonces cuando decidimos dejar de pensar como desarrolladores de producto y volver a pensar como consultores.

Nuestra experiencia construyendo soluciones propias seguía siendo enormemente valiosa, pero ya no porque quisiéramos competir con los grandes modelos, sino porque nos permitía entender cómo integrarlos dentro de los procesos de negocio de nuestros clientes.

Hoy seguimos utilizando muchas de las herramientas que desarrollamos internamente porque nos ayudan a trabajar mejor. Sin embargo, nuestra prioridad ya no es construir una nueva plataforma, sino seleccionar las mejores tecnologías disponibles y adaptarlas a cada organización.

Este es solo el comienzo

Si algo he aprendido durante estos dos años es que la inteligencia artificial cambia demasiado rápido como para enamorarse de una herramienta concreta.

Lo importante no es utilizar el último modelo que ha salido al mercado. Lo importante es entender qué problema queremos resolver y elegir la tecnología adecuada para hacerlo.

Por eso este artículo es solo el inicio de una serie en la que compartiré algunos de los aprendizajes que hemos obtenido construyendo con IA desde dentro. Hablaré sobre el consumo por tokens, los agentes de voz, la productividad, la automatización, los retos legales y las decisiones estratégicas que hemos tenido que tomar durante este recorrido.

Porque, después de todo este tiempo, la mayor conclusión no tiene que ver con la tecnología.

Tiene que ver con el negocio.

La inteligencia artificial para empresas no aporta valor por sí sola. Lo hace cuando se integra con criterio, resuelve problemas reales y permite que las personas dediquen su tiempo a aquello que realmente marca la diferencia.

Preguntas Frecuentes (FAQs)

¿La inteligencia artificial reemplaza procesos completos en una empresa?

La inteligencia artificial no reemplaza procesos completos de forma automática. Su valor está en asistir, automatizar partes específicas y reducir carga operativa. La implementación efectiva combina IA con supervisión humana para asegurar calidad, control y adaptación al contexto del negocio.

¿Cuánto tiempo lleva implementar IA en una empresa?

El tiempo depende del nivel de complejidad del proceso y la integración necesaria. Un piloto puede implementarse en semanas, mientras que una adopción más estructural puede requerir varios meses. Lo importante es avanzar de forma progresiva y validar impacto en cada etapa.

¿Qué tipo de empresas se benefician más de la IA?

Cualquier empresa con procesos repetitivos, alto volumen de datos o necesidades de automatización puede beneficiarse. Sectores como servicios, tecnología, operaciones y atención al cliente suelen ver impacto más rápido debido a la naturaleza de sus tareas.

¿Es necesario tener un equipo técnico para implementar IA?

No siempre. Muchas soluciones actuales permiten comenzar sin equipos altamente técnicos, aunque sí es clave contar con criterio estratégico para seleccionar casos de uso y asegurar integración con los procesos existentes.