Por qué fracasan los acuerdos de IA empresarial, según Databricks

En la próxima conferencia TechCrunch Disrupt 2026, el cofundador y vicepresidente sénior de ingeniería de campo de Databricks, Arsalan Tavakoli-Shiraji, argumentará que las organizaciones empresariales están rechazando la inestabilidad operativa y no la inteligencia artificial en sí. En su sesión programada, titulada “The Enterprise Isn’t Broken. Your Assumptions About It Are.”, Tavakoli-Shiraji planea exponer por qué los acuerdos de IA de startups rara vez fracasan porque el modelo subyacente tuvo un bajo rendimiento. En cambio, estas iniciativas se estancan porque las empresas luchan por absorber la fricción operativa, los riesgos de implementación y las complejidades de gobernanza que conlleva el despliegue de nueva tecnología. Él afirma que, si bien una demostración o un modelo pueden generar programas piloto iniciales, la transición hacia un despliegue amplio requiere abordar la confianza organizacional.

Como vicepresidente sénior de ingeniería de campo —un puesto centrado en la implementación técnica y el éxito del cliente—, Tavakoli-Shiraji trabaja directamente con empresas que intentan escalar estos sistemas. Su sesión tendrá lugar en el AI Stage, presentado por Google Cloud, en el evento en San Francisco del 13 al 15 de octubre. Se espera que la conferencia de tres días reciba a 10,000+ asistentes y cuente con 250+ sesiones. Para quienes planeen asistir, hay ahorros en entradas de hasta USD 410 disponibles hasta el 29 de mayo.

Tavakoli-Shiraji aporta una doble perspectiva al desafío de la adopción de software empresarial, combinando la investigación académica con la estrategia corporativa. Tiene un doctorado en ciencias de la computación de UC Berkeley, donde su investigación se centró en redes y sistemas distribuidos, y anteriormente trabajó como director asociado en McKinsey & Company, asesorando a empresas sobre computación en la nube y transformación de TI. Desde este punto de vista, explicará por qué los fundadores que venden a empresas deben priorizar la construcción de confianza operativa y una integración organizacional fluida por encima de la novedad técnica. Para sobrevivir más allá de la fase piloto inicial, las startups de IA deben abordar las realidades prácticas de la interrupción del flujo de trabajo, la tensión en la infraestructura y la exposición al cumplimiento que enfrentan los compradores empresariales. Las startups que tengan éxito en la IA empresarial en los próximos años podrían no ser necesariamente las que tengan los modelos con mejor rendimiento, sino las que mejor entiendan cómo las empresas absorben realmente el cambio.

Por qué importa

Las empresas de IA empresarial están fracasando cada vez más no debido al rendimiento técnico, sino porque no pueden abordar los problemas de inestabilidad operativa y confianza organizacional que enfrentan las empresas durante el despliegue.