A principios de julio dije que el modelo es un commodity (bien genérico) y que la gobernanza es el verdadero moat (ventaja competitiva). Que la mayoría de las empresas pierde el proyecto de IA no porque el modelo no razone, sino porque nadie mapeó quién aprueba qué, con qué política, con qué registro.

Cisco acaba de convertir esa tesis en un caso de producción a escala real. A fines de julio, cuando arranca su nuevo año fiscal, la empresa le entrega un agente de IA personalizado a cada uno de sus cerca de 90,000 empleados, según confirmó el CFO Mark Patterson en una entrevista con Fortune. No es un piloto en un departamento de finanzas. Es, según describe la propia cobertura, una de las implementaciones de asistentes de IA corporativos más grandes documentadas hasta ahora.

Lo que Cisco construyó, según su CFO

El agente que recibe cada empleado hace tres cosas: resuelve tareas, responde preguntas y enruta la solicitud al modelo de IA más adecuado para esa tarea específica. No al modelo más impresionante disponible. Al más eficiente.

Patterson lo dijo sin adornos: “it’s not going to burn a whole bunch of tokens with frontier models” (no va a quemar un montón de tokens con modelos de frontera). El sistema, en sus palabras, “knows which tool is most effective and most efficient” (sabe qué herramienta es la más efectiva y la más eficiente). Una pregunta simple no dispara el modelo más caro del catálogo. Solo las tareas que de verdad lo necesitan lo hacen.

Buena parte de esa infraestructura corre on-premises, en los propios centros de datos de Cisco, no alquilada por completo a un proveedor externo. La razón que da Patterson es doble: control de costo y control sobre datos financieros sensibles, que es exactamente el tipo de dato que una empresa de este tamaño no quiere ver salir de su perímetro sin condiciones claras.

En finanzas específicamente, la IA ya produce entre el 80% y el 90% del primer borrador de la sección MD&A (Management Discussion & Analysis) de los reportes que Cisco presenta ante la SEC. Patterson fue explícito: “80%-90% of the first draft, at least, is now done by AI” (al menos el 80%-90% del primer borrador ya lo hace la IA). Su equipo también construyó una herramienta que cruza el historial financiero de Cisco contra las llamadas de resultados de la competencia para anticipar qué van a preguntar los analistas.

Y encima de todo eso, el equipo de Patterson afina un tablero interno que llaman el “CFO cockpit”: sintetiza desempeño por producto, por geografía y por segmento de cliente, y recomienda acciones. El propio Patterson lo usa para comparar en minutos las métricas de Cisco (crecimiento de ingresos, utilidad por acción, gasto en I+D) contra las de la competencia, algo que antes le tomaba a su equipo días de trabajo manual.

Cisco no se limitó a repartir el acceso y esperar. La empresa acompaña el despliegue con capacitación interna a escala y competencias entre departamentos para descubrir usos nuevos del agente, con el objetivo declarado de que la adopción no dependa de que cada empleado descubra por su cuenta para qué sirve la herramienta. Es un detalle que casi ninguna cobertura del anuncio destacó, y que importa porque la mayoría de los despliegues masivos de IA fallan justo ahí: entregan la licencia y asumen que el uso real va a aparecer solo.

Dos decisiones que sí son torre de control

Hay dos cosas en este diseño que valen más que el titular de “90,000 agentes de IA”, y las dos son exactamente el tipo de decisión de gobernanza que argumenté en el modelo es commodity, la gobernanza es el moat.

La primera es el enrutamiento por costo. La mayoría de las empresas que despliegan IA a escala cometen el mismo error: le dan a cada empleado acceso al modelo más caro disponible, por defecto, para cualquier tarea. Cisco decidió lo contrario. Construyó una capa de decisión que evalúa la tarea antes de elegir el modelo. Eso no es una optimización de presupuesto menor. Es la capa de “decidir” del stack de gobernanza funcionando exactamente como debería: qué está permitido gastar, para qué tarea, bajo qué criterio.

La segunda es más sutil y más importante. La IA redacta el 80%-90% del primer borrador del MD&A. No lo aprueba. No lo firma. No lo presenta ante la SEC. Ese documento sigue pasando por el equipo financiero y legal de Cisco antes de convertirse en algo con consecuencias regulatorias reales. Es la diferencia exacta entre usar IA para acelerar el trabajo y dejar que la IA actúe de forma autónoma sobre algo que puede generar una demanda de accionistas si sale mal. El “cockpit” hace lo mismo: sintetiza y recomienda, no ejecuta. Cisco automatizó el borrador y dejó la decisión donde debe estar, en una persona con nombre y responsabilidad legal.

Eso es una torre de control en producción. No en un documento de políticas de IA que nadie lee. En el flujo real de trabajo de 90,000 personas.

Vale la pena notar lo que Cisco no hizo, porque también es una decisión de diseño. No prometió que el agente iba a reemplazar el juicio de un analista financiero. No conectó el “CFO cockpit” a ningún sistema que ejecute una acción sin que alguien la apruebe primero. La ambición del despliegue está en la cobertura (90,000 personas) y en la eficiencia (menos tokens gastados en tareas simples), no en darle a la IA autoridad para actuar sola en decisiones que importan. Esa contención, más que la escala, es la parte que otras empresas deberían copiar primero.

La prueba de confianza que ni Cisco ha pasado todavía

Ahora la parte que no puedo dejar afuera, porque sería venderte medio caso como caso completo.

Cisco despliega este sistema el mismo trimestre en que recorta empleos. La empresa eliminó cerca de 4,000 puestos a nivel global en mayo de 2026, y los recortes en California arrancan el 13 de julio, apenas semanas antes de que el agente llegue a los 90,000 empleados restantes. Cisco no es una empresa en crisis: su ingreso del tercer trimestre fiscal fue de 15,800 millones de dólares, un 12% más que el año anterior. Recorta con la empresa creciendo, en un año en el que las tecnológicas de Estados Unidos anunciaron más de 123,000 despidos entre enero y mayo, con la IA citada con frecuencia como motivo.

Es exactamente esa coincidencia de calendario la que llevó a UCToday a titular su cobertura como la prueba de confianza más grande que ha enfrentado la IA empresarial, no como un caso cerrado. Un empleado que ve recortes ligados a IA en su empresa y dos semanas después recibe un agente de IA personal no tiene por qué leer eso como una herramienta que lo hace mejor en su trabajo. Puede leerlo, con la misma razón, como el sistema que está aprendiendo a hacer su trabajo.

Y acá está el punto que hay que decir con honestidad: que 90,000 personas reciban un agente el primer día del año fiscal y que ese agente funcione bien y genere confianza real durante meses son dos afirmaciones distintas. Solo la primera está confirmada. La segunda todavía no tiene datos, y el propio medio que cubrió la historia lo dice mejor que cualquier spin que yo pudiera ponerle: esto no está resuelto, se está probando en vivo.

Lo que hacemos en IQ Source

Este es el caso que uso cuando alguien me pregunta cómo se ve la torre de control fuera de la teoría. Cisco no empezó por el modelo. Empezó decidiendo dónde corre la infraestructura, cómo se paga cada tarea y qué le permite decidir a la IA por su cuenta versus qué queda siempre en manos de una persona con firma.

Ese es el mismo orden que seguimos en el discovery de AI Maestro: antes de conectar un agente a un proceso, mapeamos dónde vive cada aprobación, qué tan sensible es el dato que va a tocar, y qué decisión nunca puede quedar del lado de la IA aunque el borrador lo haga ella. Y también miramos el otro lado del caso Cisco, el que casi nadie audita: si tu empresa ya tiene adopción de IA sin gobernanza formal, repartir agentes oficiales sin resolver esa desconfianza previa no la arregla, la formaliza.

Cisco construyó bien la parte técnica. La parte de confianza todavía se está escribiendo, un trimestre a la vez.

Diseña tu torre de control antes de escalar agentes de IA