Agentes de IA cercanos, la ciberseguridad como prioridad y el contenido hiper personalizado: algunas de las tendencias tech para 2025

El 2025 se perfila como un año transformador en el ámbito tecnológico, impulsado por la integración masiva de herramientas basadas en inteligencia artificial (IA) y la búsqueda constante de optimización en las empresas.

Según los expertos de Nearsure, empresa líder en la resolución de desafíos empresariales a través de tecnología innovadora, las tendencias clave incluyen avances en hiperpersonalización, la evolución de los agentes de IA, y un renovado enfoque en la ciberseguridad, marcando un nuevo estándar en cómo las organizaciones operan, interactúan con sus clientes y protegen sus activos.

Hiperpersonalización: resultados más rápidos y cercanos para clientes

Las Customer Data Platforms (CDPs), es decir las grandes bases de datos de clientes tomados de diferentes fuentes, serán cada vez más herramientas esenciales para construir una visión 360° del cliente, combinando datos online y offline. Lo novedoso no es su uso, sino la integración de inteligencia artificial generativa (GenAI) para crear contenido altamente personalizado a escala.

Esta tecnología acelera el time to market, permitiendo generar contenido en algunos casos en tiempo real y alcanzar a los clientes en el momento perfecto. El desafío es comparar la efectividad entre el contenido generado con AI y el contenido generado por un ser humano. Para ello, se utilizan para una misma campaña grupos de control para evaluar tasas de conversión.

“La hiperpersonalización no es solo una meta, sino un estándar para 2025. Las organizaciones que adopten estas tecnologías podrán entregar experiencias únicas y relevantes que impulsen la fidelización y el crecimiento, especialmente en industrias como servicios financieros y telefonía, que apuestan fuerte al marketing digital”, señala Pablo Larrosa, VP de Tecnología en Nearsure.

La actualización de los agentes de AI, ahora automáticos y más productivos

La información en las empresas se encuentra en varios sistemas, y la administración de accesos es compleja, lo que hace que muchas veces sea difícil buscar algo en específico. Por eso, los agentes de AI están transformando la manera en que las empresas agilizan procesos internos y democratizan el acceso a la información.

Desde solicitudes de licencias laborales hasta la gestión de cambios en itinerarios de viaje, estos bots integran datos de diferentes sistemas empresariales y los convierten en acciones automatizadas. “Estamos viendo cómo los agentes de IA permiten a las empresas ser más ágiles, reduciendo tiempos de respuesta y mejorando la experiencia tanto para el talento interno, como para clientes”, afirma Diego Garagorry, COO de Nearsure.

A diferencia de los “copilotos” que siempre permiten al usuario estar en control, los agentes de IA operan de forma autónoma con objetivos claros y, a menudo, una personalidad definida. En el ámbito de la salud, por ejemplo, un agente puede programar automáticamente citas de seguimiento tras una consulta, considerando el tiempo recomendado por el médico, la disponibilidad de la agenda y las preferencias del paciente y profesional.

De esta manera, asegura un flujo constante en la atención, ahorra tiempo a los pacientes y al personal médico y demuestra su capacidad para integrar información relevante en su proceso de toma de decisiones. Asimismo, tiene en cuenta preferencias pasadas del usuario, a quien le recuerda sus citas a través de mensajes de texto logrando reducir las tasas de inasistencia.

Búsquedas veloces para reducir datos y costos

En las grandes organizaciones existe un crecimiento constante y exponencial de documentos digitales, lo que genera desafíos importantes en la gestión de plataformas de búsqueda de documentos. Los sistemas están diseñados para indexar grandes volúmenes de datos y permitir búsquedas rápidas y efectivas. Sin embargo, enfrentan un problema central: el incremento de los costos de infraestructura.

Es esperable que este tipo de costos crezcan proporcionalmente con la cantidad de información almacenada. Esta aumenta a medida que incrementa el volumen de datos indexados. Los índices que soportan las búsquedas tienden a consumir un espacio significativo, pudiendo llegar en algunos casos a ser mayores que los documentos originales. Además, cuanto más grandes son estos índices, se necesitan más nodos y mayor potencia computacional para manejarlos, lo que implica más CPUs, memoria RAM y recursos adicionales.

“Usar técnicas de IA para la extracción de información relevante y generación de metadatos permite optimizar la gestión de los datos indexados. En lugar de indexar documentos completos, la IA analiza los documentos, extrae la información relevante y reduce significativamente la cantidad de datos que deben almacenarse, generando múltiples beneficios”, afirma Martín Ferreira, Data & AI Studio Leader de Nearsure.

Entre las principales ventajas se encuentran los índices de menor tamaño que disminuyen significativamente los costos de almacenamiento, infraestructura, operativos y energéticos. En cuanto a la reducción de costos, esta varía según los documentos procesados, la complejidad de la metadata extraída y otros factores específicos. No obstante, el uso de IA tiene el potencial de generar ahorros significativos, alcanzando incluso hasta 10 veces menos gastos en comparación con los métodos de procesamiento tradicionales.

Además, se mejora el rendimiento general al ofrecer búsquedas más rápidas y precisas. Asimismo, la IA permite identificar y gestionar datos duplicados o desactualizados, contribuyendo a una gestión más eficiente.

Small LLMs: Modelos específicos y sostenibles

Los grandes modelos de lenguaje (LLM, por sus siglas en inglés) se han destacado en el último tiempo como herramientas poderosas para procesar y generar lenguaje natural -fundamental para la IA-, pero su tamaño y alto costo computacional los hacen poco accesibles para muchas empresas e industrias. En respuesta a estas limitaciones, están surgiendo los Small LLMs, modelos más pequeños y optimizados con menos parámetros que mantienen capacidades avanzadas pero se centran en aplicaciones específicas.

Diseñados para sectores como el legal, la medicina o el comercio, estos modelos ofrecen soluciones más precisas y personalizables, ajustándose a las necesidades particulares de cada industria. Gracias a su menor demanda de recursos, no solo son más económicos de implementar, sino también más sostenibles desde el punto de vista energético.

“Los Small LLMs hacen más accesible la inteligencia artificial avanzada y abren la puerta a nuevas posibilidades de innovación en sectores que hasta ahora enfrentaban limitaciones para implementar estas tecnologías debido a complejidad. Sectores como el de salud, finanzas y atención al cliente podrán optimizar procesos, automatizar tareas específicas y ofrecer servicios más personalizados gracias a estas herramientas. Este acceso más amplio a la IA promete impulsar la transformación digital y aumentar la competitividad en mercados donde estas capacidades aún no estaban plenamente explotadas”, comenta Pablo Larrosa, VP de Tecnología en Nearsure.

Proyectando al 2025, se espera que los Small LLMs aceleren la adopción de la IA en empresas medianas y pequeñas como en el sector del comercio minorista. Al requerir menos recursos de procesamiento y energía son ideales para dispositivos con limitaciones de hardware, como smartphones y tablets. Además, permiten que organizaciones de diferentes tamaños puedan mejorar su eficiencia, reducir costos y ofrecer experiencias más personalizadas a sus clientes, mientras que mantienen la privacidad al almacenar los datos localmente.

Phi-3 es un ejemplo de una serie de modelos de lenguaje pequeños (SLM) presentada por Microsoft, que ofrece capacidades similares a los modelos grandes (LLM). El primer modelo, Phi-3-mini, es una herramienta útil para organizaciones con recursos limitados, ya que promete mejorar el acceso a la IA, incluso sin conexión a la nube. Además, se entrenó utilizando datos cuidadosamente seleccionados y es ideal para aplicaciones sencillas y locales.

Reclutamiento más preciso: el poder de la IA en RRHH

La inteligencia artificial también está revolucionando el proceso de selección de talento, convirtiéndose en una aliada clave para los equipos de Recursos Humanos. Herramientas avanzadas, como las desarrolladas por Nearsure, permiten analizar grandes volúmenes de datos de candidatos de manera rápida y efectiva, identificando aquellos perfiles que mejor se ajustan a las necesidades específicas de cada puesto.

“El reclutamiento está evolucionando hacia procesos más precisos y justos, que no solo ahorran tiempo, sino que también mejoran la experiencia para todos los involucrados. Gracias a la IA, las empresas pueden tomar decisiones basadas en datos y reducir sesgos inherentes a los procesos tradicionales“, menciona Agustín Sedano, Chief Capacity Officer de Nearsure.

Estas soluciones también optimizan el diseño de descripciones de puesto, generándolas automáticamente a partir de ejemplos como el historial laboral de empleados exitosos. A partir de esto, las herramientas buscan en bases de datos y presentan un ranking de candidatos filtrados según experiencia específica, habilidades clave y otros criterios relevantes.

El impacto de esta tecnología no solo se limita a acelerar el proceso de contratación; también permite a las empresas captar talento de manera más inclusiva y efectiva. Por ejemplo, al eliminar el sesgo manual, se amplía el alcance de candidatos considerados, diversificando los equipos y mejorando la calidad de las contrataciones. A futuro, se espera que la IA en Recursos Humanos continúe avanzando hacia la personalización de las experiencias para los candidatos, desde entrevistas virtuales adaptadas hasta recomendaciones de desarrollo profesional.

Ciberseguridad, la IA como oportunidad y potencial problema

El avance de la AI redefinió el panorama de la ciberseguridad, presentando tanto oportunidades como retos significativos. Por un lado, las herramientas basadas en IA permiten analizar amenazas, automatizar respuestas y predecir vulnerabilidades con una precisión sin precedentes. Por otro lado, estas mismas tecnologías están siendo aprovechadas para desarrollar métodos de ataque más sofisticados, como modelos de lenguaje de gran escala (LLM) diseñados para aprender técnicas de hacking.

“Desde hace tiempo venimos hablando de la ciberseguridad como un pilar fundamental para las empresas. Sin embargo, con el boom de la inteligencia artificial en el último año, este punto se ha vuelto indiscutible. Proteger los entornos digitales ya no es una opción, es una necesidad estratégica“, menciona Johan Barrios Infrastructure and Security Manager en Nearsure.

Según encuestas recientes, el 20% o menos de las organizaciones encuestadas otorgaron autorización para el uso de la AI generativa para su personal, pero, con el acceso libre a estas herramientas, es muy posible que se utilice sin el consentimiento de las organizaciones.

En este contexto, es vital priorizar la adopción de arquitecturas Zero Trust, especialmente debido al aumento del trabajo remoto y la proliferación de entornos de TI híbridos. Este tipo de estrategia de seguridad para las redes multi nube implica que se debe llevar una “verificación continua” para cada usuario, dispositivo o aplicación que intente acceder a recursos de la empresa, y no confiar en estos automáticamente. Además, las empresas deben garantizar que cumplen con los requisitos de ciberseguridad y regulaciones específicas de cada mercado. Estas normativas, cada vez más estrictas, protegen a las organizaciones y fortalecen su confianza con socios y clientes.

Asimismo, el fortalecimiento de las competencias internas de ciberseguridad es fundamental. Esto incluye al personal técnico y administrativo, quienes deben estar preparados para responder a amenazas. La capacitación práctica mediante talleres y simulaciones es importante para fomentar la cultura de la ciber resiliencia.

La adopción de estas tecnologías no solo está transformando el presente, sino que sienta las bases para un futuro más eficiente, conectado y seguro. Sin embargo, su implementación conlleva desafíos técnicos, éticos y culturales que las organizaciones deben abordar con visión y responsabilidad. Aquellos que puedan adoptarlas con un enfoque centrado en el cliente, la seguridad y la sostenibilidad marcarán la pauta para la próxima generación de soluciones tecnológicas.