ServiceNow acaba de sacudir el mercado corporativo con un anuncio que apunta directo a un dolor antiguo de las grandes empresas: proyectos de IA que nacen aislados, entregan resultados puntuales y nunca se convierten en algo más grande.
Si ya viste esta historia repetirse en tu empresa o en la de tus clientes, sabes de qué estamos hablando. Un piloto exitoso por aquí, una automatización puntual por allá, y al final del año el balance muestra una colección de iniciativas desconectadas que no generaron la transformación que todos esperaban. Es frustrante, caro y, lamentablemente, muy común.
La solución presentada por la compañía el pasado martes se llama AI Workflow Factory, y llega acompañada de otra novedad igualmente relevante: el Autonomous Engineer. Juntas, las dos herramientas prometen unir descubrimiento de procesos, desarrollo asistido por IA y ejecución de workflows en un único sistema continuo, eliminando esa vieja brecha entre la identificación de una oportunidad y la entrega real de valor para el negocio.
La idea central es sencilla de entender, pero difícil de ejecutar sin la estructura adecuada. En palabras de la propia ServiceNow, en lugar de iniciar un nuevo proyecto de transformación cada vez que aparece un problema de negocio, cada resultado entregado ayuda a revelar la siguiente oportunidad de mejora de múltiples procesos con IA. Es un ciclo que se retroalimenta, y no una secuencia de iniciativas sueltas. Y es exactamente ese punto lo que diferencia la propuesta de la compañía de buena parte de lo que ya hemos visto en el mercado de automatización hasta ahora.
Lo que hace interesante este movimiento es que ServiceNow no está simplemente apilando funcionalidades. Está conectando cuatro componentes que, juntos, cubren desde la identificación de los procesos con mayor potencial de automatización hasta la puesta en producción y el monitoreo continuo:
- Process Mining para descubrimiento y análisis de procesos basado en métricas de negocio
- Autonomous Engineer para planificación y desarrollo
- Build Agent para construcción de workflows
- App Engine para ejecución a escala
Y la gobernanza no quedó fuera. A diferencia de lo que ocurre en muchas plataformas de automatización, está en el centro de la propuesta, no como un complemento, sino como parte estructural del modelo. En las siguientes secciones vamos a desglosar cómo funciona todo esto en la práctica, qué están diciendo los analistas sobre los límites de la solución y qué necesitan evaluar los CIOs antes de embarcarse en esta travesía. 🚀
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.
Cómo Funciona el AI Workflow Factory en la Práctica
Para entender lo que ServiceNow está proponiendo con el AI Workflow Factory, el mejor camino es empezar por el problema que la herramienta intenta resolver. Las empresas de gran tamaño suelen tener decenas, a veces cientos, de procesos de negocio corriendo simultáneamente. Buena parte de esos procesos es manual, repetitiva y está llena de cuellos de botella que pasan desapercibidos justamente porque nadie tiene una visión clara del conjunto. Es ahí donde el Process Mining entra como punto de partida del recorrido. Identifica, con base en métricas de negocio, qué procesos pueden mejorarse y cuál es el impacto real de cada ineficiencia. No se trata de un análisis manual hecho por consultores durante semanas. Es un diagnóstico continuo, alimentado por datos, que señala automáticamente qué procesos tienen el mayor potencial de retorno con automatización.
A partir de ahí, el Autonomous Engineer asume el papel de traductor entre el diagnóstico y la solución. Recibe las oportunidades identificadas y comienza a trabajar en la planificación técnica de la automatización. Según ServiceNow, la herramienta soporta codificación no asistida para planificación, construcción y pruebas autónomas del trabajo de implementación, al mismo tiempo que permite a los desarrolladores mantener el control sobre decisiones críticas. En la práctica, esto significa que el Autonomous Engineer puede crear un plan de implementación y, tras la aprobación humana, ejecutar el desarrollo y las pruebas. Este punto es importante porque elimina uno de los mayores cuellos de botella del ciclo tradicional de desarrollo: la distancia entre lo que el negocio quiere y lo que TI logra entregar dentro del plazo.
El Build Agent complementa este ciclo encargándose de la construcción efectiva de los workflows dentro de la plataforma de ServiceNow, mientras que el App Engine garantiza que todo lo desarrollado funcione a escala dentro de los entornos corporativos con la estabilidad y la seguridad que las operaciones críticas exigen. El resultado es un flujo continuo que va del descubrimiento a la ejecución sin los saltos manuales que suelen hacer que los proyectos de automatización pierdan impulso a mitad de camino. Y cada mejora entregada ayuda a identificar la siguiente oportunidad, generando nuevos datos sobre cómo se están comportando los procesos después de la automatización. Es literalmente una fábrica, como sugiere el nombre, un verdadero ciclo continuo de mejora de workflows. 🏭
Midiendo el Retorno de la Automatización
Uno de los argumentos más fuertes de ServiceNow es que el AI Workflow Factory puede usarse para alcanzar resultados de negocio bien específicos. La compañía citó un ejemplo de desvío de casos, en el cual el Process Mining identifica dónde pueden desviarse las solicitudes antes incluso de que se conviertan en tickets abiertos. Después de eso, los agentes de IA logran construir e implementar workflows entre diferentes unidades de negocio y seguir refinando esas automatizaciones en busca del resultado esperado. La idea es que las personas sigan definiendo la dirección y aprobando los resultados, mientras la IA asume buena parte del trabajo pesado involucrado en la construcción y operación de los workflows.
Pero no todo es entusiasmo. Sanchit Vir Gogia, analista jefe de Greyhound Research, advierte que el enfoque resuelve la coordinación necesaria para transformar un problema de proceso en una mejora implementada, pero no elimina la necesidad de abordar el proceso de negocio que hay detrás. Según él, los datos y la integración siguen siendo el tejido conectivo de todo. Construir más rápido todavía deja cuestiones de propiedad y rediseño de procesos sin resolver, a menos que la empresa aborde esos puntos de forma explícita.
Gogia también hace una recomendación valiosa para quienes están pensando en adoptar la solución: los CIOs deben evaluar el beneficio de negocio junto al costo continuo de mantener la automatización funcionando. Los dueños de proceso tienen motivos para sentir alivio cuando la implementación repetitiva se vuelve más fácil, pero el beneficio depende de aceptar y mantener lo que se construyó. En otras palabras, la prueba real es si el ahorro sigue ocurriendo después de que el workflow entra en producción. Por eso, vale la pena considerar incluso la jubilación de workflows al calcular el valor de una automatización. 📊
La Autonomía Necesita Límites Bien Definidos
El Autonomous Engineer es, sin duda, el componente más ambicioso de este paquete. Promete transformar requisitos en aplicaciones y workflows con un nivel de autonomía que, hasta hace poco, parecía lejano de la realidad corporativa. ServiceNow deja claro que la herramienta crea un plan de implementación y, tras la aprobación humana, ejecuta el trabajo de desarrollo y pruebas. Esa combinación entre autonomía y supervisión humana es el corazón de la propuesta, pero también es donde residen las mayores precauciones.
Gogia defiende que las empresas necesitan decidir cuánto trabajo puede delegarse basándose en la naturaleza de la tarea, y no estableciendo una meta universal para el desarrollo autónomo. Según él, la delegación debe seguir la claridad y la reversibilidad de la tarea, siempre con validación independiente antes de la liberación. No existe un porcentaje universal que describa cuánto del desarrollo corporativo puede delegarse con seguridad. Cada caso es un caso.
El analista también plantea un punto técnico que merece atención especial de cualquier líder de ingeniería: el riesgo de confiar totalmente en pruebas generadas por IA cuando la implementación y las propias pruebas parten de la misma interpretación de un requisito. Si la IA entendió el requisito de forma equivocada, tanto el código como la prueba van a cargar el mismo error, y el problema puede pasar desapercibido hasta llegar a producción. Por eso, la cautela de un líder de ingeniería está justificada en estos escenarios.
Para controlar ese riesgo, Gogia sugiere el uso de permisos restringidos y entornos delimitados, que limitan el potencial de impacto de un agente. Además, mecanismos de revocación y recuperación debidamente probados ayudan a las empresas a mantener el control sobre la autoridad de estos agentes. La frase que resume bien esta filosofía es directa: la responsabilidad sobre producción necesita permanecer explícita, incluso cuando la implementación ocurre de forma no asistida. 🔍
La Gobernanza Trae una Nueva Pregunta al Juego
Uno de los puntos que más llaman la atención en la propuesta del AI Workflow Factory es la forma en que la gobernanza fue posicionada dentro de la arquitectura de la solución. En gran parte de las plataformas de automatización que surgieron en los últimos años, la gobernanza llegó después, como una capa añadida para satisfacer exigencias de cumplimiento normativo. ServiceNow invirtió esa lógica y colocó los controles como parte del flujo desde el inicio.
En la práctica, esto ocurre a través del AI Control Tower, que ofrece una supervisión centralizada de los workflows de IA, de las decisiones y de las acciones de los agentes que operan dentro del AI Workflow Factory. Y la compañía fue más allá: con la funcionalidad llamada Action Fabric, este modelo de gobernanza se extiende también a agentes de IA y herramientas de terceros. La promesa es darles a las empresas una visión única y gobernada de todo el entorno, sin obligarlas a abandonar otras herramientas de desarrollo o agentes externos que ya usan en el día a día.
Gogia reconoce el papel de ServiceNow en este contexto, ya que sus workflows conectan decisiones de negocio con acciones concretas. Pero hace una advertencia importante: interoperabilidad no significa necesariamente gobernanza o aplicación equivalente de reglas. En sus palabras, las políticas y las evidencias de auditoría crean una especie de gravedad de plataforma. Los protocolos abiertos ayudan a que los sistemas se comuniquen, pero no establecen aplicación equivalente ni controles corporativos portables entre plataformas diferentes.
Herramientas que usamos a diario
Esto lleva a una pregunta que todo CIO debería hacerse antes de comprometerse: la capacidad de revocar la autoridad de un agente y de recuperarse de una falla en el plano de control es un factor decisivo. Una empresa debería ser capaz de reemplazar su plataforma de gobernanza sin perder la evidencia de cómo gobernó hasta ese momento. Es un criterio que separa las decisiones estratégicas de largo plazo de las trampas de dependencia tecnológica. 💡
Lo Que los CIOs Necesitan Evaluar Antes de Adoptar
Para quienes están en la posición de decidir si vale la pena invertir en el AI Workflow Factory, algunas preguntas necesitan estar respondidas antes de cualquier compromiso. La primera de ellas es sobre la calidad de los datos que alimentan los sistemas de la empresa. El Process Mining depende de información rica y confiable para entregar diagnósticos precisos. Si los sistemas legados de la organización no generan esos datos de forma estructurada, el punto de partida del ciclo ya queda comprometido, y cualquier automatización desarrollada a partir de un diagnóstico impreciso va a reproducir o incluso amplificar las ineficiencias existentes.
La segunda cuestión es sobre la capacidad interna de absorber lo que la plataforma va a generar. El AI Workflow Factory puede acelerar significativamente el ritmo de desarrollo de automatizaciones, pero eso significa que los equipos de TI necesitan estar preparados para revisar, aprobar y monitorear un volumen mucho mayor de workflows del que están acostumbrados. Si no existe una estructura mínima de gobernanza y revisión ya funcionando, el riesgo es que la velocidad de generación de automatizaciones supere la capacidad de gestión, creando problemas de seguridad, cumplimiento normativo y mantenimiento a mediano plazo.
Por último, vale evaluar el costo recurrente de la plataforma junto al resultado de negocio. Como bien recordó Gogia, el ahorro necesita continuar después de que el workflow entra en producción, y los costos de operación no pueden comerse el valor generado por la automatización. Hacer este análisis con anticipación, involucrando tanto a los equipos de TI como a las áreas de negocio impactadas, es el camino más seguro para transformar una propuesta prometedora en resultados concretos.
Para quienes quieran poner manos a la obra, el AI Workflow Factory ya está disponible a nivel global. El Autonomous Engineer llega a través de un programa de acceso anticipado, disponible previa solicitud. Es un buen momento para que las empresas comiencen a diseñar su estrategia de adopción y entiendan dónde esta nueva fábrica de workflows puede generar más valor dentro de sus operaciones. 🚀
