OpenAI y Atlassian apuestan por el contexto empresarial con Rovo

La pregunta de qué modelo de inteligencia artificial es el más capaz está cediendo terreno a otra, más operativa: cuánto contexto empresarial puede manejar ese modelo sin equivocarse. Tres señales recientes —un acuerdo, una plataforma y un estudio académico— apuntan a la misma conclusión.

Del modelo al contexto

OpenAI y Atlassian ampliaron su alianza para incorporar modelos de la familia GPT-6 en toda la plataforma de Atlassian. El componente central es Rovo, que combina los modelos con el Teamwork Graph, una capa de contexto que conecta personas, proyectos, documentos y decisiones para darle a la IA una visión de cómo trabaja realmente la empresa. La promesa es que un agente no responda solo con conocimientos generales, sino con el estado real de los proyectos. El ejemplo que ilustran las compañías: un product manager pregunta si el equipo está en condiciones de lanzar y el agente cruza tickets de Jira, documentos de Confluence y conversaciones para detectar bloqueos y entregar una evaluación.

Dentro de Atlassian, más de 3.000 desarrolladores ya usan Codex en sus flujos de código, y los plugins basados en Teamwork Graph llevan ese contexto a ChatGPT y Codex (OpenAI).

Databricks lanza por su lado Agent Bricks, su plataforma de agentes empresariales, con una tesis casi idéntica pero desde la infraestructura de datos: no es difícil construir el agente, lo difícil es operarlo con permisos reales, datos reales y consecuencias reales. Por eso la plataforma gobierna en un solo sistema el acceso a datos, modelos y herramientas externas, y el agente hereda la identidad del usuario en cada interacción. Dos datos sostienen la propuesta: el 63 % de sus clientes enrutan tareas entre dos o más familias de modelos para evitar depender de un único proveedor, y sus agentes reportan un 70 % más de precisión que un RAG estándar y un 30 % de mejora en flujos de varios pasos (Databricks).

El mundo académico viene documentando este mismo límite. Una revisión presentada en EMNLP 2025 sistematiza por qué los modelos de lenguaje fallan en tareas complejas: razonamiento pobre, conocimiento desactualizado y alucinaciones. Su diagnóstico sobre el RAG clásico —la técnica de conectar el modelo a documentos externos— es que sufre conflictos de conocimiento, recupera contextos de baja calidad y no logra razonamiento iterativo o multi-salto. La alternativa que estudian es la misma que están implementando Atlassian y Databricks: combinar modelos con grafos de conocimiento, que representan entidades y relaciones en lugar de textos sueltos. El acrónimo ya tiene nombre, GraphRAG, y la evidencia apunta a que ancla mejor las respuestas en la estructura real del negocio (ACL).

Qué implica para una empresa en América Latina

Para un equipo ejecutivo en la región, la lectura es práctica. Si el valor del agente depende de la capa de contexto, la ventaja competitiva se construye internamente, no se compra. La elección de modelo sigue importando —Anthropic, por ejemplo, mantuvo los precios de su Claude Sonnet 5 en el 5.5 (Unite.AI)—, pero el factor que distinguirá a las organizaciones será la calidad de sus datos y de las reglas que los gobiernan.

Adoptar agentes sin antes ordenar el conocimiento institucional es el riesgo concreto de siempre en tecnología. Los primeros pasos recomendables son auditar qué información crítica está estructurada y accesible, definir permisos granulares para que los agentes operen con la identidad del usuario y no con accesos genéricos, y seleccionar plataformas que permitan cambiar de modelo sin reconstruir los sistemas. En una región donde el cumplimiento normativo y la protección de datos son cada vez más estrictos, la gobernanza integrada que ofrecen estas plataformas no es un extra: es condición para escalar.

Lo que decidirá el siguiente ciclo competitivo no será el modelo más nuevo, sino la profundidad con que cada empresa consiga que sus agentes entiendan cómo funciona realmente su operación. Las plataformas ya están listas para eso. El trabajo pendiente está en los datos que cada organización decida conectar.