22 de octubre de 2026 # La carta de Satya Nadella sobre el futuro de la IA empresarial: contexto propio y coste por resultado  **Medir cuánto cuesta conseguir un resultado de negocio con IA y entender que el contexto empresarial es lo más importante para conseguirlo** son las dos ideas que más me interesan de la carta anual de Satya Nadella. Está en el [informe anual 2026 de Microsoft](https://www.microsoft.com/investor/reports/ar26/index.html). Nadella habla de *cost-to-outcome*: relacionar lo que gastamos en IA con lo que conseguimos. Llevado a la empresa, *cost-to-business-outcome*. Resolver una incidencia, cobrar una factura o preparar una propuesta que se pueda utilizar. Para hacerlo bien, la IA necesita conocer nuestros clientes, acuerdos, reglas y decisiones. Creo que estas dos ideas explican bastante mejor el futuro de la IA empresarial que una comparación de modelos. ## Cuánto cuesta conseguir el resultado completo  Si una respuesta tarda diez segundos en generarse y veinte minutos en corregirse, esos veinte minutos también cuentan. El precio de usar el modelo dice poco sobre el coste del trabajo terminado. **Yo mediría el coste completo por resultado válido:** IA, licencias, conexiones, revisión humana y correcciones. También ponerlo en marcha y mantenerlo. Un ejemplo inventado, con dos agentes que atienden los mismos 1.000 casos: | | Agente A | Agente B | | --- | ---: | ---: | | Uso de IA | 200 € | 800 € | | Coste total del proceso | 4.000 € | 2.400 € | | Casos resueltos con la calidad y el plazo exigidos | 800 | 960 | | Coste por caso válido | 5 € | 2,50 € | El segundo gasta cuatro veces más en IA, pero consigue cada resultado por la mitad de coste. Necesita menos trabajo de revisión y corrección. Hay que acordar qué significa *resuelto*. Si el cliente vuelve a llamar al día siguiente por el mismo problema, la primera respuesta no ha terminado el trabajo. **La calidad forma parte de la cuenta**, y hay que comparar el resultado con el proceso que teníamos antes. ## El contexto empresarial permite hacer el trabajo  Un modelo puede saber muchísimo sobre ventas y desconocer qué le hemos prometido a nuestro cliente principal. O preparar una propuesta estupenda con una tarifa que ya no se aplica. Ese conocimiento de nuestra empresa es lo que permite hacer bien el trabajo. Incluye: - **Datos del caso:** el pedido, la incidencia, el historial del cliente. - **Decisiones anteriores:** qué se ha acordado y qué excepciones se han aceptado. - **Reglas vigentes:** condiciones, versiones y criterios de calidad. - **Personas y permisos:** quién decide y quién puede consultar o cambiar algo. Lo veo con mi [Panel de Cosas Pendientes](15-saaspocalypse-parte-2.md). Reúne correo, Teams y agenda para ayudarme a responder. El último mensaje suele ser insuficiente: necesita recuperar la conversación, los documentos y los compromisos anteriores. Por eso el botón de buscar contexto es el que más utilizo. **El contexto útil es información seleccionada y vigente.** Darle todas las carpetas puede añadir contradicciones y documentos antiguos. Además, parte del conocimiento sigue en la cabeza de quienes llevan años haciendo ese trabajo. Prepararlo requiere su experiencia. ## Conservar lo aprendido aunque cambie el modelo  Nadella propone separar el modelo del sistema que lo utiliza: contexto, memoria, herramientas y acciones permitidas. Ese conjunto suele llamarse *harness*. Así podemos cambiar de modelo sin tener que reconstruir todo lo que sabemos de nuestro negocio. Habrá que adaptar y probar cosas, claro, pero **las instrucciones, correcciones y criterios de calidad deberían seguir siendo nuestros**. Si corregimos un error y guardamos un ejemplo para detectarlo la próxima vez, hemos mejorado el sistema. Eso no significa que el modelo se haya reentrenado automáticamente. Por eso preguntaría al proveedor qué podemos exportar de la memoria, los registros y las pruebas. Nadella desarrolla esta idea en [su texto sobre el control del conocimiento propio](https://snscratchpad.com/posts/reverse-information-paradox/). ## Qué propone Microsoft y qué anticipa para las empresas  Microsoft quiere reunir esas piezas: **Copilot** para trabajar con agentes, **Foundry** para combinar modelos y herramientas, **Microsoft IQ** para aportar contexto, **Agent 365** para gestionar los agentes y **Azure** como infraestructura. La dirección es bastante clara: definir un objetivo y delegar trabajo, interviniendo cuando haga falta criterio humano. Eso obliga a decidir qué puede hacer el agente y quién responde por el resultado. También obliga a revisar cómo trabajamos. Si preparar un informe pasa de horas a minutos, pero aprobarlo sigue tardando tres semanas, la mejora será pequeña. Los partners que ayuden con estos cambios tendrán que conocer el negocio, además de la tecnología. **Mi apuesta es que veremos empresas con modelos parecidos y resultados muy distintos.** Influirá cómo utilizan su conocimiento y qué hacen con la capacidad que consiguen: ahorrar tiempo, atender más casos o crear servicios que antes resultaban demasiado caros. ## Por dónde empezaría en una empresa  Elegiría un proceso conocido, con una persona responsable, y dejaría claras cinco cosas: 1. **El resultado:** qué debe quedar terminado, con qué calidad y en qué plazo. 2. **La situación actual:** cuánto cuesta, cuánto tarda y dónde falla. 3. **El contexto:** qué datos, documentos y decisiones necesita la IA. 4. **Los permisos:** qué puede hacer sola y qué requiere aprobación. 5. **La comprobación:** cómo compararemos resultados y guardaremos las correcciones. Después probaría el proceso completo, incluidos los casos difíciles. Y reservaría tiempo para explorar usos nuevos: aprender también tiene valor, aunque todavía no sepamos ponerle euros. Podemos empezar con el contexto y los modelos que ya tenemos, medir lo que conseguimos y mejorar a partir de ahí. Fuente: [Satya Nadella, *Building the Frontier Ecosystem*, informe anual 2026 de Microsoft](https://www.microsoft.com/investor/reports/ar26/index.html). El ejemplo numérico y la propuesta de medir el coste completo son mi interpretación práctica. ## Bonus  > [!tip]+ Más en mi web > - [[28-copilot-home-code-autopilot|El nuevo Copilot en la empresa: Home, Code y Autopilot]] - Lo expliqué con un ejemplo de proveedores: preparar un informe, crear una aplicación y continuar el seguimiento con el equipo. > - [[25-Copilot-OS-for-work|Copilot como el nuevo sistema operativo del trabajo]] - El anuncio que comenté sobre la unión de Chat y Cowork, antes del artículo de Home, Code y Autopilot. > - [[22-la-gran-guia-de-copilot-cowork|La Gran Guía de Copilot Cowork]] - La guía que preparé a partir del evento de Microsoft España: veinticinco módulos, glosario y calculadora de coste. Hecha con el propio Cowork. > - [[21-soberania-digital-microsoft|La nube soberana de Microsoft, explicada]] - Qué podemos controlar sobre datos, accesos e IA. > - [[15-saaspocalypse-parte-2|Mi Panel de Cosas Pendientes]] - Cómo uso el contexto de mi trabajo para responder mensajes. > [!tip]+ Para seguir por tu cuenta en Internet > - [Generative AI at Work](https://academic.oup.com/qje/article/140/2/889/7990658) · Brynjolfsson, Li y Raymond - Un estudio que mide casos resueltos por hora y calidad del trabajo. > - [Cómo preparar el contexto de un agente](https://www.anthropic.com/research/effective-context-engineering-for-ai-agents) · Anthropic - Por qué añadir más información puede empeorar las respuestas. --- Publicado el 22 de octubre de 2026, [LinkedIn](https://www.linkedin.com/pulse/la-carta-de-satya-nadella-sobre-el-futuro-ia-contexto-hurtado-tor%25C3%25A1n-ewzie), [Substack](https://davidhurtado.substack.com/p/la-carta-de-satya-nadella-sobre-el?r=4uyjfg&utm_campaign=post-expanded-share&utm_medium=web), [X](https://x.com/dhtoran/status/2113140580696076463?s=20)