Cobertura de fuentes
Qué fuentes cubrimos
Panorama de los materiales utilizados para distinguir problemas anteriores a la IA generativa, cambios recientes y nuevas exigencias de integración, gobierno y mercado.
- Estado
- Lectura provisional
El Observatorio reúne 58 materiales de investigación. Cincuenta y tres tienen suficiente comprobación para utilizarse públicamente; cinco continúan en revisión y no se emplean como evidencia mientras no cambie su estado.
La selección busca cubrir varias etapas del problema para no atribuir a la IA fenómenos que ya existían ni tratar una novedad reciente como si explicara por sí sola toda la transición.
Antes de la IA generativa · 12 materiales
Atención; information overload; VUCA; OODA; Cynefin; exploración/explotación; capacidad de absorción; conocimiento organizativo; capacidades dinámicas; learning organization; Agile Manifesto; business agility.
Estas referencias permiten reconocer problemas anteriores: escasez de atención, decisión bajo incertidumbre, aprendizaje organizativo y necesidad de reconfiguración.
Aparición de IA generativa · 10 materiales
ChatGPT; GPT-4; Microsoft Copilot; GitHub Copilot; Generative AI at Work; potencial económico; impacto sobre trabajo profesional; NIST AI RMF; OECD AI Principles; EU AI Act.
Aquí observamos la expansión de capacidad generativa junto con las primeras exigencias de riesgo, responsabilidad y gobierno.
Integración empresarial · 10 materiales
MIT NANDA GenAI Divide; Stanford Enterprise AI Playbook; McKinsey operating model; tres horizontes; Deloitte; BCG; señales sobre integración, bolt-on AI y capability moat.
Estas fuentes permiten distinguir entre incorporar una herramienta y conseguir que cambie realmente un proceso, un resultado o una capacidad de la organización.
Fase agéntica · 12 materiales
Agentes en aplicaciones; agentwashing; Frontier Firm; NCSC; OWASP Agentic AI; OWASP Agentic Skills; guardian agents; supply chain; OpenAI Agents y tracing; NIST Generative AI Profile; responsabilidad jurídica; privacidad y acceso profundo.
El foco cambia cuando una IA deja de limitarse a producir contenido y puede actuar: delegación, autoridad, permisos, identidad, observabilidad, corte y responsabilidad pasan a ser problemas operativos.
Instituciones, capital y mercado · 14 materiales
Mapas de mercado; financiación y retorno; consolidación; stacks de agentes; coding agents; ITU; sandboxes; Thomson Reuters; Law Society; Marsh; IAIS; Ada Lovelace Institute; IA en mercados de capitales.
Este bloque amplía el campo hacia regulación, seguros, servicios profesionales, capital e infraestructura de mercado.
Qué exigimos a una fuente antes de utilizarla
Una referencia útil debe poder identificarse, fecharse y localizarse. Cuando existe una fuente primaria, tiene prioridad. Si un material es secundario, contextual o compuesto, su estatuto debe quedar claro.
También registramos lo que una fuente no permite afirmar. Un estudio puede ser sólido y seguir limitado a una muestra, sector, periodo o geografía concretos.
Qué ocurre cuando una fuente contradice la lectura general
No se elimina.
Los materiales que muestran adopción sin valor, proyectos cancelados, dificultades técnicas, riesgos de privacidad, problemas de seguridad o límites regulatorios son especialmente útiles porque indican dónde una generalización deja de funcionar.
Una lectura solo merece confianza si puede convivir con evidencia que la limita.