Herramientas heredadas reciben soporte de IA agéntica y redefinen la automatización corporativa
Las empresas que todavía dependen de sistemas heredados están a punto de vivir un giro bastante significativo. Entre marzo y abril de 2025, algunas de las mayores proveedoras de tecnología corporativa del mundo anunciaron actualizaciones que colocan la IA agéntica en el centro de las herramientas que durante décadas han sostenido operaciones críticas, desde ERPs hasta mainframes.
No es exagerado decir que estamos hablando de una de las capas más sensibles de la infraestructura tecnológica global. Y lo que está ocurriendo ahora puede cambiar la forma en que esas capas funcionan durante los próximos años.
La automatización de cargas de trabajo, conocida en el mercado como workload automation, existe desde hace tanto tiempo que mucha gente ni se da cuenta de lo presente que está en el día a día corporativo. Es ella la que conecta sistemas de diferentes épocas, mantiene procesos funcionando entre plataformas que nunca fueron diseñadas para comunicarse entre sí y garantiza que los datos lleguen donde tienen que llegar, sin fallas y sin sorpresas.
Según Dan Twing, analista de Enterprise Management Associates (EMA), la automatización de cargas de trabajo es básicamente el pegamento que mantiene los procesos unidos a medida que se mueven entre diferentes dominios de aplicación y entornos distintos. Cualquier gran organización posee esta capa en alguna capacidad, y en los últimos 20 años la nube solo creció porque tenía este soporte y esta automatización detrás.
Ahora, con la llegada de la IA al juego, esta capa está ganando un nuevo papel: ser el puente entre el mundo determinístico de las automatizaciones tradicionales y el universo más impredecible de los agentes de inteligencia artificial. 🤖
Broadcom, BMC e IBM están en el centro de este movimiento, cada una con su estrategia, su ritmo y su visión de cómo será el futuro de la orquestación corporativa. Vale la pena entender qué está haciendo cada una y, más importante aún, qué significa esto para quien usa o va a usar estas herramientas en el mundo real.
Qué cambió en la automatización corporativa con la IA
Durante mucho tiempo, la automatización de cargas de trabajo funcionó como un engranaje invisible dentro de las empresas. Estaba ahí, corriendo en segundo plano, garantizando que los procesos ocurrieran en el orden correcto, en el momento correcto y sin que nadie necesitara estar monitoreando cada etapa manualmente. Este modelo funcionó muy bien durante décadas, especialmente para entornos de mainframe, donde la previsibilidad y la estabilidad siempre fueron más valoradas que la flexibilidad.
El problema es que el mundo corporativo cambió bastante. Estos sistemas ahora necesitan comunicarse con plataformas de nube, aplicaciones modernas y, más recientemente, con agentes de IA que toman decisiones de forma autónoma.
La llegada de la inteligencia artificial agéntica cambia la ecuación de una forma muy concreta. A diferencia de los modelos de IA que solo responden preguntas o generan textos, los agentes de IA ejecutan tareas, toman decisiones encadenadas e interactúan con sistemas externos para alcanzar un objetivo. Esto crea un desafío interesante para las herramientas de orquestación tradicionales, que fueron diseñadas para manejar flujos previsibles y bien definidos. Ahora, estas herramientas necesitan acomodar comportamientos dinámicos, donde el siguiente paso puede depender de una decisión que aún no se ha tomado, y no de una regla grabada en piedra en el sistema.
Es exactamente en este punto donde las grandes proveedoras están invirtiendo. La idea no es tirar a la basura lo que ya existe, sobre todo porque los mainframes y los sistemas heredados todavía cargan con cargas de trabajo críticas que no pueden simplemente migrarse a la nube de la noche a la mañana. Lo que está ocurriendo es una capa de inteligencia siendo añadida por encima de estas infraestructuras, creando una especie de sistema nervioso más sofisticado que logra reaccionar, adaptarse e hasta anticipar problemas antes de que se conviertan en incidentes.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Como Twing lo expresó de forma muy directa: la automatización de cargas de trabajo conecta el mundo antiguo con el mundo nuevo y permite que coexistan. Y no existe solo un mundo antiguo y un mundo nuevo. Existen 15 capas de edades diferentes. Todavía hay cosas corriendo en arquitectura client-server por ahí, todavía hay arquitecturas de nube de primera generación. La automatización de cargas de trabajo es lo que hace a la empresa retrocompatible.
Broadcom organiza su portafolio y apuesta por el Model Context Protocol
Broadcom dio un paso concreto con el lanzamiento de la versión 26 de Automic Automation, el 8 de abril de 2025. La actualización trajo un nuevo tipo de Job llamado Agentic AI Job, que permite que la herramienta de automatización funcione como un servidor del Model Context Protocol (MCP), conectando la orquestación tradicional de TI directamente a agentes de IA.
Automic está estructurado en torno a Jobs, que son componentes de software responsables de ejecutar comandos en diferentes entornos, como sistemas operativos, bases de datos, aplicaciones empresariales como SAP y Oracle E-Business Suite, transferencias de archivos y servicios web. La versión 26 añade el tipo AI Agent Job, que orquesta agentes de IA y los integra a flujos de trabajo ya existentes. Además, el nuevo tipo de Job aplica el control de acceso basado en roles, los protocolos de log y auditoría de Automic a las actividades de los agentes de IA, garantizando gobernanza sobre lo que estos agentes hacen.
Otra novedad es una interfaz de ejecución de cargas de trabajo basada en lenguaje natural, añadida a una herramienta de Code Assist basada en Python para la construcción de pipelines de datos.
Rajeev Kumar, responsable de productos de automatización de cargas de trabajo en Broadcom, explicó que los usuarios ahora pueden escribir un prompt simple y, con el LLM conectado a Automic, junto con las configuraciones y reglas de grounding que forman parte del producto, el sistema genera un plan de flujo de trabajo.
Para dar un ejemplo práctico: imaginemos que un analista de negocio quiere extraer datos de Salesforce todos los días a las 6 de la mañana, mover esos datos a BigQuery para análisis, después a Looker para generar un reporte, crear un resumen por IA de ese reporte y enviarlo por correo electrónico al CEO. Automic ahora puede generar un plan de flujo de trabajo para esto, identificando los Jobs y elementos que necesitan ser creados, presentando todo al usuario para revisión y luego implementándolo con la aprobación del usuario.
Kumar destacó que el enfoque no está en los ingenieros de software, sino en los analistas de negocio que ya construían estos flujos de trabajo en el pasado, pero dependían de herramientas improvisadas para hacerlo.
Broadcom acumuló un conjunto amplio de negocios de hardware y software en la última década, lo que la posiciona entre las proveedoras de infraestructura de IA más relevantes para que las empresas las consideren. Stephen Elliot, analista de IDC, recordó que la gente no se da cuenta de cuánto del tráfico de internet pasa por hardware de Broadcom. VMware es solo parte de este grupo masivo de software de infraestructura, y no hay que olvidar las piezas que vinieron de CA, de Symantec, de software de redes y de chips.
BMC adopta un enfoque cauteloso y estratégico
BMC, con su Control-M, siguió un camino diferente, pero igualmente ambicioso. La actualización de marzo de 2025 trajo soporte para agentes de IA de socios como CrewAI, LangGraph y Snowflake Cortex, junto con un asistente y creador de flujos de trabajo llamado Jett AI. El soporte para orquestación de múltiples agentes de IA aún está en desarrollo, según explicó Ram Chakravarti, CTO de BMC.
Según Chakravarti, la empresa está abordando el tema en dos frentes. En el producto principal, ya es posible llamar agentes individuales con base en integraciones preconstruidas e incorporarlos a los flujos de trabajo. En paralelo, BMC está co-innovando con algunos de sus clientes más relevantes en casos de uso significativos, donde agentes personalizados están siendo orquestados con el núcleo de Control-M o incluso con funcionalidades adicionales, como Managed File Transfer para intercambio federado de datos con IA.
El intercambio federado de datos es un proceso en el que instrumentos de consulta acceden a datos potencialmente sensibles dentro de la infraestructura de socios, o viceversa, sin exportar la información fuera de la red de la empresa. Esto puede ser una parte importante al inicio de un trabajo con un nuevo socio. Un cliente piloto de Control-M logró reducir el proceso de intercambio federado de datos usando agentes de IA de 30 días a menos de 12 horas. Chakravarti no reveló el nombre del cliente ni el tamaño exacto de la empresa, diciendo solo que se trata de una compañía extremadamente grande.
También hizo una advertencia relevante: a menos que sus casos de uso de IA estén alineados con su estrategia de negocios digitales más amplia, sus pilotos de IA van a languidecer como experimentos científicos. 🧪
El 8 de abril, BMC también publicó una declaración de dirección para soporte a agentes de IA en su producto Automated Mainframe Intelligence (AMI) y expandió los reportes de mainframe generados por IA del zAdviser Enterprise para incluir aplicaciones de sistemas distribuidos.
BMC también pasó por una racionalización significativa de su portafolio en los últimos años, separando sus negocios de gestión de servicios de TI y gestión de operaciones del negocio de automatización de cargas de trabajo y mainframe en empresas distintas el año pasado.
La carrera por la modernización de los mainframes con IA
Broadcom comenzó a integrar IA generativa y agéntica a la gestión de mainframes añadiendo servidores MCP a su software de desarrollo ágil Rally y al software de gestión de cambios Endevor, que soportan mainframes junto con sistemas distribuidos. La empresa también ofrece soporte al framework de código abierto Zowe para integración de mainframe en nube híbrida, incluyendo un servidor MCP de Zowe. Además, la herramienta de observabilidad WatchTower de IBM incluye capacidades de AIOps para mainframes.
Las actualizaciones de la herramienta AMI de BMC en abril incluyeron reportes de análisis de aplicaciones empresariales para zAdviser, su herramienta de monitoreo de productividad de desarrollo basada en IA. El asistente de IA existente en AMI ganó integraciones con el Knowledge Hub del mainframe y un chat Knowledge Expert, que extrae información de fuentes como runbooks, tickets, archivos de log y resoluciones de incidentes anteriores.
La declaración de dirección de BMC para AMI prevé una evolución que va más allá de explicaciones y recomendaciones, avanzando hacia flujos de trabajo autónomos orientados por agentes de IA para diagnósticos de sistema y rendimiento, flujos de desarrollo, validación de seguridad y recuperación operacional, todo esto aprendiendo de incidentes pasados.
Steven Dickens, CEO de HyperFrame Research, evaluó que con esta declaración de dirección BMC está adoptando un enfoque más holístico y pensado para IA en la modernización de mainframes que Broadcom. Según él, Broadcom colocó un servidor MCP en el mainframe y lo conectó a un montón de aplicaciones heredadas, lo que permite interrogarlas vía servidor MCP, pero eso parece ser lo básico esperado, en vez de una implementación holística de IA. BMC, en la visión de Dickens, está mirando cuestiones como ingesta de datos de soporte, Redbooks, bases de conocimiento, explicación de código y automatización de operaciones con un radio de pensamiento más amplio.
IBM, Arm y un paralelo con el pasado
En la visión de Dickens, BMC tiene la estrategia de mainframe más ambiciosa, pero IBM también cuenta con el software de AIOps Concert, que soporta automatización del System Z, además del control sobre el hardware de mainframe, que fue puesto en juego en el reciente acuerdo para soportar chips Arm.
Herramientas que usamos a diario
El 2 de abril, IBM divulgó un acuerdo con el fabricante de semiconductores Arm que traerá aplicaciones de nube y móviles corriendo en procesadores de bajo consumo a entornos IBM Z y LinuxOne por medio de virtualización. Esta alianza tiene un paralelo histórico interesante: IBM realizó un esfuerzo similar para integrar chips x86 en sus sistemas zBX hace más de una década. Estos sistemas ahora soportan la mayoría de las principales cargas de trabajo empresariales, pero presentan algunas cuestiones conocidas en áreas como gestión de recursos de almacenamiento y, en algunos casos, soporte a aplicaciones de terceros.
Abrir la plataforma para chips Arm puede ofrecer otra vía de compatibilidad con aplicaciones de terceros, y existen incentivos fuertes de ambos lados para hacer que la integración funcione, según Dickens. Él destacó que, independientemente de lo que cualquier persona diga sobre el mainframe, es altamente disponible, altamente resiliente y altamente eficiente, siendo el procesador comercialmente disponible más rápido. Arm, por su parte, gana acceso a esta colaboración de conjunto de instrucciones con cientos de desarrolladores y arquitectos de chips, y IBM tiene bastante experiencia en este espacio.
Sin embargo, Dickens no espera ver resultados listos para entrega de esta colaboración hasta el lanzamiento de la próxima generación del System Z, probablemente en 2028, considerando la cadencia típica de lanzamientos cada tres años de IBM. Los sistemas z17 más recientes fueron lanzados en abril de 2025.
El panorama competitivo de la automatización de cargas de trabajo
En el lado de la automatización de cargas de trabajo, el Reporte EMA Radar de octubre de 2025 para Workload Automation and Orchestration colocó a IBM Workload Automation en la categoría de fuerte valor. Esta posición quedó por debajo de Control-M y Automic, que estaban entre las herramientas en la categoría máxima de líder en valor, junto con Stonebranch, HCLSoftware, Beta Systems y Redwood.
Pero en general, IBM y Red Hat poseen un conjunto sólido de herramientas de IA agéntica para nube híbrida para competir, en la visión de Dickens. Él señaló que cuando se mira a Red Hat y la integración de OpenShift hecha en el mainframe, IBM no está teniendo solo una conversación sobre herramientas de mainframe, sino una conversación más holística sobre TI híbrida. 🔍
Qué significa esto en la práctica para las empresas
Para quienes están del lado de los que usan estas tecnologías, la pregunta más importante no es qué proveedor está ganando la carrera, sino qué cambia en el día a día de las operaciones de TI. Y la respuesta más honesta es: bastantes cosas, pero no de un momento a otro. La adopción de IA agéntica dentro de entornos de automatización corporativa es un proceso gradual, que comienza con casos de uso bien delimitados, como detección de anomalías en pipelines de datos, ajuste automático de prioridades de jobs en horarios pico o generación de alertas más inteligentes que reducen el volumen de falsos positivos que los equipos de operaciones necesitan investigar.
El impacto más inmediato tiende a aparecer en la reducción del esfuerzo operacional. Cuando la orquestación comienza a funcionar de forma más autónoma, los equipos logran atender un volumen mayor de demandas sin necesidad de crecer proporcionalmente. Esto es especialmente relevante para empresas que operan con equipos de TI reducidos y que necesitan sostener entornos complejos, muchas veces mezclando mainframes, sistemas on-premise y múltiples nubes al mismo tiempo. La IA no resuelve la complejidad, pero ayuda a gestionarla de una manera más inteligente, identificando patrones que un ojo humano tardaría mucho tiempo en percibir.
Otro punto que merece atención es la cuestión de la gobernanza. A medida que los agentes de IA ganan más autonomía dentro de los flujos de automatización, las empresas necesitan garantizar que exista un mecanismo claro de auditoría y control. Ninguna organización de gran tamaño va a aceptar que un sistema tome decisiones críticas sin que haya trazabilidad y límites bien definidos. Las plataformas de Broadcom, BMC e IBM están, cada una a su manera, invirtiendo en mecanismos de explicabilidad y control que permiten que los equipos de TI entiendan por qué se tomó una determinada decisión y, si es necesario, reviertan o ajusten el comportamiento del sistema. Esto es fundamental para que la confianza en la IA crezca dentro de los entornos corporativos de forma sostenible.
Lo que está ocurriendo en el mercado de automatización corporativa en 2025 es, en el fondo, el comienzo de una reescritura de cómo las empresas operan su infraestructura más crítica. Los mainframes no van a desaparecer, la orquestación tradicional no va a ser descartada, y la IA no va a resolver todos los problemas por sí sola. Lo que va a cambiar es la forma en que estas piezas se conectan y se complementan, creando sistemas más resilientes, más adaptables y, con suerte, más fáciles de mantener a largo plazo.
