Por: Ryen White, director de investigación de socios, Microsoft Research.

La investigación siempre ha sido una parte integral de la identidad de Microsoft, que impulsa nuestro papel como líder tecnológico global. Desde 1991, Microsoft Research se ha dedicado a un enfoque de investigación fundamental: avanzar en el conocimiento, profundizar nuestra comprensión del mundo y explorar cómo la tecnología puede empoderar a las personas y las organizaciones. A través de su extenso cuerpo de publicaciones y el compromiso de compartir de manera abierta su trabajo, Microsoft Research continúa la colaboración con la comunidad de investigación global para impulsar avances en IA y más allá. Juntos, ampliamos los límites de lo que es posible para extender la capacidad humana, crear valor para nuestros clientes y ofrecer un amplio beneficio social. 

Click here to load media

Transformación de la investigación con IA en Microsoft Research

Con Microsoft a la cabeza de la carga en IA, los equipos de investigación de Microsoft están a la vanguardia, a través de nuestra experiencia, de fomentar el liderazgo intelectual e impulsar la innovación en IA e investigación. La IA está en el centro de muchos de los proyectos pioneros de Microsoft Research, desde ayudar a los investigadores a analizar conjuntos de datos masivos en cuestión de segundos, inventar nuevas soluciones de IA que beneficiarían a la humanidad y colaborar con la comunidad investigadora global a través del programa Accelerating Foundation Models Research (AFMR).

Microsoft Research se encuentra en una posición única en la que no solo puede adoptar y utilizar la IA, sino también inventar la IA. Hemos realizado importantes inversiones en IA, a través de la creación de nuevos métodos, modelos y tecnologías de IA. Para infundir la IA más a profundidad en el proceso de investigación, se lleva a cabo una iniciativa experimental que ayuda a los equipos a moverse más rápido, pensar en grande y compartir de manera más efectiva. Esta iniciativa se divide en tres estrategias clave: usar, infundir y difundir la IA en toda la organización.

• El uso de la IA (herramientas y operaciones) se centra en optimizar el acceso y el avance de la IA.
• Infundir IA (Investigación y Desarrollo) consiste en maximizar el potencial de la IA para revolucionar los procesos de investigación.
• La difusión de la IA (conectividad y flujo de información) garantiza el intercambio rápido de conocimientos, herramientas y aprendizajes de IA con otras personas, tanto dentro como fuera de Microsoft Research.

El objetivo no es solo adoptar la IA, sino aumentar y reinventar la forma en que se realiza la investigación, para empoderar a todos los miembros de la organización para que logren más.

La integración de la IA en los procesos de investigación en Microsoft Research proporciona información valiosa para los investigadores y las empresas. El uso de la IA puede acelerar los ciclos de innovación, mejorar la eficiencia operativa y conducir al desarrollo de herramientas y productos de vanguardia. Estos avances ponen de manifiesto cómo la IA puede reinventar los flujos de trabajo tradicionales, agilizar las operaciones e impulsar el crecimiento y la rentabilidad, convirtiéndola en un foco estratégico para que las organizaciones la implementen.

GraphRAG: Avanzar en la investigación con grafos de conocimiento

GraphRAG es un sistema modular de generación aumentada de recuperación (RAG, por sus siglas en inglés) basado en gráficos  que utiliza grandes modelos de lenguaje para crear gráficos de conocimiento a partir de texto sin procesar. Esta técnica mejora el rendimiento de los modelos de lenguaje de gran tamaño en conjuntos de datos privados al proporcionar datos estructurados y resúmenes, lo que facilita a los investigadores la extracción de información significativa a partir de datos complejos. 

Más información sobre GraphRAG

Los cambios que ocurren en la IA en este momento, son en verdad sorprendentes. Las capacidades se expanden muy rápido. Lo veo como una especie de acelerador. Todo lo que hacemos en investigación, podemos hacerlo más rápido, podemos hacer más preguntas, y todo esto ha sido una especie de velocidad de vértigo.

—Nathan Evans, arquitecto principal de software de Microsoft Research

Data Formulator: Transformación de los datos en información

Data Formulator es una herramienta innovadora diseñada para ayudar a los investigadores a explorar y analizar datos más rápido. Mediante el uso de IA, Data Formulator permite a los usuarios crear visualizaciones enriquecidas sin necesidad de amplios conocimientos de programación. Esta herramienta combina IA y enfoques interactivos para comunicar la intención de visualización, lo que hace que el análisis de datos sea más accesible y eficiente

Exploren Data Formulator

La IA en verdad acelera nuestro proceso de experimentación. En el pasado, necesitábamos hacer un montón de hacking durante semanas para experimentar con los diseños. Pero ahora podemos tener un pensamiento de alto nivel, podemos hacer el prototipo en un corto período de tiempo, y podemos empezar a pensar sobre eso.

—Chenglong Wang, investigador senior de Microsoft Research

Aceleración de la investigación de modelos de base: democratización de la investigación en IA

El programa Accelerating Foundation Models Research (AFMR) proporciona a los investigadores académicos acceso a modelos de cimentación de última generación alojados en Microsoft Azure a través de los servicios de IA de Microsoft Azure. Esta iniciativa fomenta una red global de investigación en IA y ofrece modelos sólidos y confiables que ayudan a avanzar en la investigación en disciplinas que van desde el descubrimiento científico y la educación hasta la atención médica, el empoderamiento multicultural, el trabajo legal y el diseño. 

Más información sobre la aceleración de la investigación de modelos de cimentación

El programa AFMR trabaja con la comunidad de investigación académica en general para explorar diferentes aspectos de los modelos de fundación para lograr tres objetivos:

Objetivo 1: Alinear la IA con los objetivos, valores y preferencias humanos compartidos

Esto implica mejorar la seguridad, la solidez, la sostenibilidad, la responsabilidad y la transparencia de los modelos de IA. Un proyecto notable alineado con este objetivo es «ERBench: Un punto de referencia de alucinación verificable de manera automática basado en entidades-relaciones para grandes modelos de lenguaje.” Para este proyecto, los investigadores crearon ERBench, que ayuda a evaluar y mejorar la precisión y fiabilidad del contenido generado por IA. Esto garantiza que los modelos de IA se alineen con los valores humanos y reduce el riesgo de desinformación.

Objetivo 2: Mejorar las interacciones entre la IA y los seres humanos

El segundo objetivo se centra en mejorar las interacciones entre la IA y los humanos para aumentar la confianza, el ingenio humano, la creatividad y la productividad, al tiempo que se reduce el riesgo de desarrollar una IA perjudicial para las personas y la sociedad. El proyecto «A medida que los modelos generativos mejoran, las personas adaptan sus indicaciones» explora cómo los estímulos cambian a medida que mejoran los modelos de IA generativa. Los resultados mostraron que los participantes que utilizaron modelos más avanzados produjeron indicaciones mejores, más largas y más descriptivas. Esta investigación proporciona información valiosa sobre la dinámica cambiante entre los humanos y la IA, lo que ayuda a crear sistemas de IA más intuitivos y efectivos. 

Objetivo 3: Acelerar el descubrimiento científico

El tercer objetivo es acelerar el descubrimiento científico a través del descubrimiento proactivo de conocimiento, la generación de hipótesis y la generación de datos multimodales. Un proyecto que ejemplifica este objetivo exploró «Copilotos basados en inteligencia artificial para generar evidencia causal«. En esta iniciativa, se exploraron grandes modelos de lenguaje como «copilotos» causales para ayudar a identificar fallas en los diseños de estudios médicos. Estos modelos podrían ayudar a los investigadores al proporcionar orientación experta en el diseño de los estudios, para mejorar la precisión de las conclusiones extraídas de los estudios. 

La IA es en verdad importante en la investigación porque tiene el potencial, el enorme potencial para acelerar la investigación, que es necesaria para abordar algunos de los mayores desafíos de hoy y mañana.

—Evelyne Viegas, asesora técnica de Microsoft Research

La próxima frontera: mirar hacia el futuro de la IA en la investigación

A medida que la investigación científica evoluciona en una era impulsada por la IA y las tecnologías en la nube, las oportunidades para la innovación, la colaboración y el impacto global no tienen precedentes. Desde la aceleración de los descubrimientos científicos hasta la mejora de la alineación entre humanos y agentes, los modelos de fundación remodelan la forma en que se realiza, comparte y escala la investigación. De cara al futuro, los investigadores y las instituciones no solo deben adoptar estas herramientas, sino también construir marcos sólidos para su adopción y evaluación.

Todavía nos queda mucho por explorar sobre cómo podemos avanzar en la investigación en Microsoft y este es apenas el comienzo.

Exploren la transformación de la IA: vean el vídeo de Customer Zero

Por Jared Spataro, CMO de IA en el Trabajo de Microsoft.

Ilustración de Alex Robbins

Imaginen subirse a un barco de vapor a lo largo del río Hudson en 1900 y embarcarse en un viaje transatlántico que durará una semana completa. Te diriges a un pasajero y le dices: «En unas pocas décadas, este mismo viaje durará siete horas, y lo haremos en el cielo». Es probable que te encuentres con una incredulidad educada, tal vez incluso una risa. La idea sonaría más a fantasía que a previsión. Y, sin embargo, eso es justo lo que sucedió. Lo que antes parecía imposible se convirtió de manera rápida en la nueva normalidad.

Y eso está a punto de suceder con la IA y los negocios, pero con un progreso que alguna vez fue inimaginable comprimido en unos pocos años en lugar de décadas. Muchas organizaciones se encuentran en la fase inicial de la transformación de la IA, y los humanos recurren a la IA como asistente. Algunos ya han llegado a la segunda fase, para formar equipos de humanos y agentes que trabajan juntos hacia objetivos comunes.

Pero la fase tres, la Empresa Frontera, en la que los humanos empoderan a la IA para que se convierta en el motor operativo de los negocios, y los agentes se convierten en los principales productores de trabajo, es más difícil de imaginar. Es el territorio de «imaginar lo imposible». Y la principal barrera para llegar allí no son los límites de la tecnología; es el desafío de imaginar una forma nueva de trabajar y estructurar las organizaciones, y luego descubrir cómo ejecutar esa transformación. 

Las tres fases de la transformación de la IA

Como dijimos en el Informe Anual del Índice de Tendencias Laborales 2025, vemos que las organizaciones atraviesan tres fases en su camino hacia convertirse en negocios nuevos, impulsados por la inteligencia bajo demanda. Los trabajadores del conocimiento  ya no se encargarán de todo el trabajo del conocimiento, y los agentes ejecutarán cada vez más. Los roles humanos se volverán a centrar en torno a la visión, la estrategia, la construcción de relaciones y la gestión de agentes. 

En Microsoft, no solo hablamos de esta transformación, sino que la vivimos. Nuestra organización de ventas navega de manera activa por las tres fases a la vez. Al probar y escalar nuevas herramientas como Microsoft 365 Copilot, Sales Chat y nuestro agente de ventas autónomo, aprendemos sobre qué funciona, dónde están los puntos de fricción y cómo evolucionar tanto nuestra tecnología como nuestras formas de trabajar. Estas experiencias internas nos ayudan a refinar el camino a seguir, no solo para nosotros, sino para todas las organizaciones en este recorrido.  

«El núcleo de lo que hace que un vendedor sea bueno no ha cambiado», dice Pam Maynard, nuestra directora de transformación de IA para Microsoft Commercial. «Comprenden a profundidad el contexto, las prioridades y los puntos débiles del cliente, y luego mapean nuestras soluciones a esas necesidades». Cada vez más, eso vendrá de equipos híbridos de humanos + agentes.

Fase 1: Humano con asistente

Todos los empleados utilizan la IA como asistente personal para trabajar mejor y más rápido: escribir, analizar datos y generar código. Se trata de la productividad a nivel personal más que a nivel de equipo u organización. A escala, el impacto significa que las organizaciones trabajan de la misma manera, por medio de los mismos procesos pero de manera más eficiente. En la primera fase, los humanos siguen como los directores del trabajo.

Para nuestra organización de ventas, este paso se ha centrado en tareas de gran volumen: el trabajo administrativo que los vendedores suelen repetir decenas de veces al día, como actualizar los registros del CRM o tomar notas de las reuniones. «Copilot aborda las minucias administrativas para que los vendedores puedan dedicar más tiempo a conectarse con los clientes», dice Maynard.

¿Los resultados? Un equipo de ventas de casi 700 personas ya ha informado de un aumento del 9,4% en los ingresos por persona y de un 20% más de acuerdos cerrados en comparación con sus homólogos con un menor uso de Copilot¹, ganancias concretas que muestran cómo la IA impulsan resultados empresariales reales.

Fase 2: Equipos de humanos y agentes

Los agentes se unen al equipo como colegas digitales, para asumir tareas específicas bajo la dirección humana: clasificar tickets de soporte, manejar la gestión de proyectos, facilitar reuniones, contribuir a sesiones de lluvia de ideas. Los agentes aumentan la eficiencia y la productividad a nivel de equipo, aumentan las habilidades de los empleados y los liberan para que asuman tareas nuevas y más valiosas.

En Microsoft, este cambio se materializa en Sales Chat, una extensión de Copilot que aporta un rico contexto de ventas y CRM directo al flujo de trabajo del vendedor. En lugar de alternar entre docenas de herramientas para prepararse para una reunión con un cliente, los vendedores ahora pueden obtener acceso instantáneo a información detallada de la cuenta y la oportunidad, incluidos los detalles de la licencia, los plazos de renovación y los responsables de la toma de decisiones clave. También muestra resúmenes de cuentas de alto nivel y desgloses de ingresos, brinda asesoramiento en tiempo real y proporciona información predictiva para pronosticar los resultados de los acuerdos y sugerir los próximos pasos. «Antes de Sales Chat, los vendedores tenían que alternar entre 20 herramientas diferentes solo para obtener una imagen completa», dice Maynard. «Ahora pueden tan solo preguntar: ‘¿Qué necesito saber antes de mi reunión con este cliente?’ y tenerlo todo en un solo lugar. Les indica de manera directa la acción de mayor valor que pueden realizar».

Fase 3: Dirigido por humanos, operado por agentes

Los seres humanos definen la estrategia y asignan objetivos a los agentes. Estos agentes trabajan de manera primordial con otros agentes para realizar operaciones complejas, y escalan los problemas a los humanos para que los guíen cuando sea necesario. Los agentes diseñarán flujos de trabajo e incluso se evaluarán entre sí. Los humanos monitorearán su progreso a través de paneles que resumen las actividades de los agentes, e intervienen solo para decisiones críticas. Veremos el surgimiento de una nueva oportunidad profesional para los humanos en la era de la IA: gerente de agentes, encargado de crear, delegar y supervisar a los colegas digitales.

El progreso a través de estas fases no será lineal, muchas empresas se encontrarán en más de una al mismo tiempo, y habrá una «frontera irregular» de transformación de la IA a medida que implemente enfoques de fase tres en proyectos y equipos. Al fin y al cabo, eso es parte del progreso: la gente cruzó el Atlántico en barcos de vapor mucho más allá de los albores de la era de la aviación. 

La frontera de la fase 3

Dejar de lado un papel humano más práctico en las operaciones diarias se sentirá desalentador, en especial en estos primeros días. Y ser el primero en moverse siempre parecerá arriesgado, pero otorgar a las máquinas una autonomía sin precedentes requiere un nuevo nivel de confianza en nuestras herramientas y una comprensión de lo que pueden y no pueden hacer bien.

Pero con un poco de imaginación pueden avanzar con valentía y con un riesgo manejable al adoptar un enfoque paso a paso: con la experimentación en proyectos de bajo riesgo, la verificación de que funcionen bien, la documentación de sus aprendizajes y luego escalándolos.

Por ejemplo, muchas empresas contratan a representantes de desarrollo de ventas para hacer el trabajo necesario pero repetitivo de prospectar clientes potenciales. Un agente puede asumir ese trabajo de nivel de entrada en un territorio en el que, de todos modos, no planeaba contratar a un humano. Es la diferencia entre contratar a un trabajador digital y encontrar valor en un mercado que de otro modo estaría descubierto, o no tener ningún trabajador.

Nuestro equipo de ventas utiliza nuestro nuevo Agente de Ventas para manejar justo ese tipo de trabajo. Puede investigar clientes potenciales, programar reuniones y enviar correos electrónicos a los clientes. Un vendedor humano se hace cargo cuando llega el momento de cerrar el trato, tal como lo haría con cualquier representante de desarrollo de ventas al principio de su carrera (de manera eventual, el agente podrá cerrar el trato por sí mismo).

Hemos comenzado en nuestro segmento de pequeñas y medianas empresas, donde la escala de oportunidades supera con creces lo que los vendedores humanos pueden cubrir. «No hay ninguna posibilidad de que podamos cubrir esa oportunidad de manera efectiva con humanos», dice Maynard. «No se trata de reemplazar a los vendedores, se trata de desbloquear un valor que antes estaba fuera de nuestro alcance». Muchos de estos clientes ya usan productos de Microsoft, pero no han tenido una relación directa con un vendedor. El agente de ventas cambia eso, al identificar necesidades de manera proactiva, ofrecer soluciones personalizadas y mejorar la experiencia del cliente de una manera escalable y rentable. Solo en los últimos tres meses, el agente se ha puesto en contacto con 36 mil clientes potenciales para generar oportunidades de venta, y convertir el 10,4% en oportunidades de venta.²

La fase tres aún es temprano para nosotros. Aun así, el cambio ya da lugar a un nuevo concepto: el territorio de la IA. «En un territorio tradicional, se asigna un vendedor. En un territorio de IA, se asigna un agente que puede operar de forma independiente y ofrecer valor», dice Maynard. «Es un nuevo modelo de negocio a escala».

Una nueva perspectiva sobre la IA y la confianza

Está bien establecido que aceptamos con facilidad los riesgos que conllevan los errores humanos mientras exigimos a las máquinas un estándar mucho más alto (los coches autónomos, por ejemplo). En el contexto de los negocios, nos preocupa que la IA pueda decir o hacer algo incorrecto, aunque toleramos estos mismos defectos en las personas todos los días. Esta tolerancia al riesgo asimétrica merece un examen, en especial porque los sistemas de IA ya pueden hacer mucho más de lo que les permitimos.

Consideren cómo la capacidad de razonamiento de OpenAI o3  ha traído un progreso impresionante en puntos de referencia de inteligencia clave. Con la IA desarrollándose tan rápido, ¿es más arriesgado dar un salto o seguir esperando? Recuerden: las empresas cuentan con innumerables sistemas para mitigar el riesgo causado por los humanos, y también pueden desarrollarlos y los desarrollarán para la IA. 

Es más, ninguna empresa recorre el camino para convertirse en una empresa fronteriza por su propio bien. La transformación al estilo de la fase tres no solo afectará a las estructuras organizativas; también impulsará el crecimiento. A medida que avanzan en este recorrido, el costo de la mano de obra humana disminuirá, mientras que los costos de la mano de obra digital aumentarán, aunque de manera marginal. Con el tiempo, surgirán nuevas fuentes de ingresos, lo que conducirá a un aumento general de los márgenes de beneficio.

La tercera fase significa pasar de dirigir a las personas a diseñar sistemas. El liderazgo, por su parte, va más allá de la gestión de personas para orquestar el rendimiento. Para comenzar, prueben un nuevo enfoque: elijan un proceso en un área de bajo riesgo y gran potencial, e intenten hacerlo dirigido por agentes.

Preocuparse por lo desconocido es comprensible. Pero el verdadero riesgo aquí es la inacción. Las innovadoras empresas fronterizas que reinventarán el trabajo del conocimiento y dominarán sus industrias en la próxima década ya han comenzado a avanzar.

¹Datos internos del equipo de ventas de Microsoft basados en 687 vendedores de Microsoft 365 Copilot de enero a junio de 2024, en comparación con vendedores con poco uso de Copilot. El uso regular de Copilot se refiere a los vendedores que lo utilizan a diario al menos el 50% del tiempo durante el periodo de prueba.

²Basado en datos internos de Microsoft, de enero a marzo de 2025. Un cliente potencial de ventas es un cliente potencial que ha expresado interés en realizar una compra, mientras que una oportunidad de venta es un acuerdo de ventas calificado derivado de ese cliente potencial.