La nueva escasez de la IA está dentro de la empresa

TCS prepara hasta 8,900 profesionales para desplegar IA junto a sus clientes. La señal revela una capacidad crítica: traducir inteligencia en operación.

Tata Consultancy Services está construyendo un equipo de profesionales cuya función no será desarrollar inteligencia artificial desde la distancia, sino trabajar directamente con los clientes para convertirla en una capacidad operativa.

La empresa busca que entre 1% y 1.5% de su plantilla pueda desempeñarse como forward-deployed engineers. Considerando los 593,798 colaboradores reportados por TCS al cierre de junio de 2026, esa proporción representa aproximadamente entre 5,900 y 8,900 profesionales.

No se trata necesariamente de 8,900 nuevas contrataciones. La compañía todavía no ha detallado cuántos de estos perfiles surgirán mediante reconversión interna, capacitación especializada o reclutamiento externo. Lo relevante es la dirección estratégica: TCS está asignando una parte significativa de su capacidad profesional a trabajar en la frontera entre la tecnología y la operación del cliente.

La señal permite anticipar una nueva competencia empresarial. Conforme los modelos de IA se vuelven más accesibles, la capacidad escasa deja de ser únicamente la tecnología. El verdadero cuello de botella comienza a trasladarse hacia las personas capaces de comprender el negocio, intervenir en sus procesos y convertir una herramienta avanzada en un resultado verificable.

El acceso a la tecnología ya no resuelve el problema completo

Durante la primera etapa de adopción empresarial, gran parte de la conversación se concentró en seleccionar modelos, contratar plataformas, desarrollar asistentes y automatizar tareas específicas.

Esa etapa permitió demostrar que la IA puede generar contenido, analizar información, apoyar decisiones y ejecutar determinadas actividades. Sin embargo, la disponibilidad de esas capacidades no garantiza que puedan incorporarse de forma segura y sostenida a la operación.

Entre una demostración técnicamente convincente y una solución empresarial funcional existe una distancia considerable.

Para recorrerla, alguien debe comprender cómo opera realmente el proceso, qué sistemas intervienen, dónde se encuentran los datos, qué excepciones se presentan, qué decisiones requieren supervisión y qué resultado económico justifica la inversión.

Cuando esa función no tiene un responsable claro, la empresa puede acumular pilotos sin construir una capacidad permanente.

El perfil que conecta dos realidades

Un forward-deployed engineer trabaja cerca del cliente y de su contexto operativo. Su responsabilidad consiste en adaptar una solución tecnológica a las condiciones específicas donde deberá funcionar.

El término puede parecer propio de las compañías tecnológicas, pero la necesidad que representa es mucho más amplia. Todas las organizaciones que busquen incorporar IA en procesos críticos necesitarán personas capaces de conectar dos realidades que suelen administrarse por separado.

De un lado están los modelos, las integraciones, la infraestructura, los datos y los controles técnicos. Del otro se encuentran los clientes, los procesos, las reglas de negocio, las excepciones operativas y los resultados esperados.

La implementación se debilita cuando cada área entiende únicamente su parte.

El equipo tecnológico puede construir una solución técnicamente correcta que no responda a la dinámica real del proceso. El área operativa puede definir una necesidad sin traducirla en requerimientos utilizables. El proveedor puede cumplir con su alcance contractual sin asumir responsabilidad por la adopción. La Dirección puede aprobar la inversión sin contar con una línea clara entre la herramienta y el resultado.

El nuevo perfil híbrido debe cerrar esas separaciones.

La estrategia de TCS revela dónde se está moviendo el valor

La decisión adquiere mayor relevancia al observar el contexto financiero de la compañía.

En sus resultados del primer trimestre fiscal de 2027, TCS reportó ingresos anualizados relacionados con IA por US$2,600 millones, un incremento secuencial de 13.6%. También informó un valor total de contratos de US$9,500 millones y nuevos acuerdos de transformación empresarial impulsados por IA.

En una entrevista reportada por Reuters, el CEO K. Krithivasan explicó que la implementación exige conocimiento profundo del entorno del cliente. Las empresas utilizan diferentes modelos, sistemas existentes y flujos de datos que deben conectarse para que una solución funcione.

La interpretación de JABRI es que el valor de los servicios profesionales comienza a desplazarse.

Parte del trabajo técnico podrá acelerarse o automatizarse. Pero comprender un entorno empresarial específico, intervenir sobre procesos incompletamente documentados y llevar una solución hasta producción seguirá requiriendo conocimiento contextual, criterio y responsabilidad.

La IA puede reducir el esfuerzo necesario para producir determinados componentes. Al mismo tiempo, aumenta el valor de las personas capaces de decidir qué construir, dónde incorporarlo y cómo hacerlo funcionar dentro del negocio.

La empresa necesita traductores, no solamente usuarios de IA

Capacitar colaboradores para utilizar asistentes generativos es importante, pero no resuelve esta necesidad.

Un usuario competente sabe emplear una herramienta para ejecutar mejor una tarea. Un traductor empresarial de IA puede analizar el proceso completo, identificar dónde debe intervenir la inteligencia y coordinar las capacidades necesarias para convertirla en una solución operativa.

Ese perfil combina al menos cinco dimensiones:

Comprensión del negocio

Debe identificar qué resultado necesita la organización, qué variable empresarial se busca modificar y por qué el problema merece una inversión.

Dominio del proceso

Necesita conocer actividades, responsables, decisiones, controles, excepciones y dependencias. No puede limitarse al procedimiento documentado cuando la operación real funciona de otra manera.

Fluidez tecnológica

No necesariamente construirá todos los componentes, pero debe comprender las posibilidades y limitaciones de los modelos, los datos, las integraciones, la seguridad y la infraestructura.

Capacidad de implementación

Debe acompañar la iniciativa desde la definición del problema hasta su funcionamiento en producción. Esto incluye pruebas, ajustes, adopción, medición y mantenimiento.

Responsabilidad por resultados

Su desempeño no puede medirse únicamente por la entrega técnica. También debe evaluarse por adopción, confiabilidad, impacto operativo y contribución al resultado esperado.

El reto será especialmente relevante para México y Latinoamérica

Muchas organizaciones de la región deberán incorporar IA en entornos construidos durante años mediante sistemas heredados, aplicaciones desconectadas, hojas de cálculo, procesos manuales y proveedores especializados.

Además, una parte importante del conocimiento operativo permanece en las personas que ejecutan cotidianamente el trabajo. Las excepciones, decisiones informales y mecanismos de coordinación no siempre se encuentran documentados.

En estas condiciones, una plataforma no puede adaptarse sola al negocio.

La implementación requiere descubrir cómo funciona realmente la organización antes de decidir qué debe automatizarse. También exige integrar conocimiento operativo, tecnología, gestión del cambio y criterios económicos.

Las empresas latinoamericanas no necesitan replicar literalmente el puesto creado por TCS. Pueden desarrollar esta capacidad mediante equipos internos, células multidisciplinarias, consultores especializados o modelos mixtos con proveedores.

Lo indispensable es que exista un responsable capaz de observar el recorrido completo.

Una nueva decisión para la alta dirección

La pregunta ya no es solamente si la empresa cuenta con especialistas en inteligencia artificial.

La Dirección debe preguntarse quién conecta esos especialistas con las áreas operativas, quién convierte los problemas del negocio en implementaciones y quién acompaña cada iniciativa hasta que produce un resultado verificable.

Para iniciar esa evaluación, conviene responder:

• ¿Quién traduce actualmente los casos de IA a procesos completos?
• ¿Qué conocimiento operativo necesita documentarse antes de automatizar?
• ¿Quién coordina negocio, tecnología, datos, riesgo y adopción?
• ¿Nuestros proveedores conocen el contexto integral o solo el componente que implementan
• ¿Estamos desarrollando una capacidad interna o generando dependencia permanente?
• ¿Cómo mediremos a estos perfiles: por entregables técnicos o por resultados operativos?

Si ninguna persona o equipo puede responder por el recorrido completo, la empresa todavía tiene una brecha de implementación.

Conclusión: la capacidad de traducción será el verdadero diferenciador

La decisión de TCS no demuestra por sí sola que el modelo de forward-deployed engineers será la respuesta definitiva para todas las organizaciones. Sí confirma que uno de los mayores desafíos de la IA empresarial se encuentra entre la tecnología disponible y la realidad donde debe operar.

Los modelos continuarán avanzando. Las plataformas incorporarán más capacidades y producirán resultados técnicos con menos esfuerzo. Pero cada empresa seguirá teniendo procesos, sistemas, datos, clientes y restricciones particulares.

Esa especificidad no desaparece con una licencia.

La siguiente ventaja no provendrá únicamente de contratar mejores herramientas. Surgirá de desarrollar personas capaces de comprender el contexto, intervenir en la operación y hacerse responsables de convertir la inteligencia en resultados.

La inteligencia artificial puede adquirirse como tecnología. Su traducción al negocio debe construirse como capacidad.