Durante el AWS Summit Ciudad de México 2026, realizado el 12 de agosto, Paula Bellizia, VP para Latinoamérica de AWS, puso sobre la mesa una de las conversaciones más relevantes alrededor de la inteligencia artificial empresarial: el reto ya no es experimentar con IA, sino convertirla en resultados concretos y llevarla a escala.
En su participación, Bellizia destacó cuatro proyectos de innovación desarrollados desde México —monico, Cody, Blackcore y Cerby— como ejemplos de compañías que están llevando la IA a problemas operativos específicos y buscando medir su impacto.
La lámina presentada durante la ponencia resumía cuatro resultados: 50% menos tiempo por licitación en monico, 20% de aumento en ventas por asesor con Cody, 90% de reducción en incidencias documentales con Blackcore y una corrección de incidencias 98% más rápida con Cerby. Son cifras presentadas en el Summit que reflejan el tipo de impacto que AWS quiso destacar: métricas operativas, no solamente capacidades tecnológicas.
monico: agentes especializados para transformar las licitaciones públicas
monico aborda un proceso históricamente complejo, documental y altamente regulado: la participación en licitaciones públicas.
Su propuesta consiste en un workspace especializado donde distintos agentes de IA colaboran a lo largo del proceso: búsqueda de oportunidades, análisis de bases, administración documental, preparación de preguntas y aclaraciones y construcción de propuestas. A diferencia de un chatbot genérico, el sistema está diseñado específicamente alrededor del procurement público, incorporando trazabilidad de fuentes, permisos, evidencia, aprobaciones humanas y controles de gobernanza.
En el Summit se destacó una reducción de 50% del tiempo dedicado a cada licitación. Más allá de la eficiencia empresarial, Bellizia señaló también el potencial de este tipo de tecnología para acelerar procesos relacionados con la contratación pública manteniendo transparencia y trazabilidad.
Cody: inteligencia artificial en el punto donde realmente ocurre la operación
Cody lleva la IA a un entorno diferente: los equipos de frontline que venden, atienden clientes y ejecutan procesos diariamente en tiendas y en campo.
Su plataforma proporciona agentes a los colaboradores para acceder a conocimiento corporativo, recibir coaching y recomendaciones contextualizadas y ejecutar acciones conectándose con los sistemas de la organización. La propuesta va más allá de responder preguntas: Cody combina memoria por usuario, conocimiento empresarial, flujos estructurados, herramientas para actuar sobre otros sistemas y una capa de observabilidad para los responsables de la operación.
Bellizia describió durante la ponencia cómo los asesores pueden contar con la información que necesitan “on the spot”, frente al cliente y dentro de su flujo de trabajo. El resultado destacado fue un 20% de aumento en ventas por asesor.
El caso representa una tendencia importante de la IA agéntica: mover la inteligencia artificial desde el escritorio y el backoffice hacia el lugar donde se toman miles de pequeñas decisiones operativas todos los días.
Blackcore: automatizar la complejidad documental
Blackcore trabaja en ingeniería de software, automatización e infraestructura tecnológica para industrias donde los procesos documentales, regulatorios y operativos tienen un peso significativo. Entre sus productos se encuentran soluciones para valuación y gestión de activos, además de desarrollos a medida e integraciones con sistemas empresariales.
Uno de sus proyectos recientes utiliza servicios de IA de AWS para transformar la extracción y procesamiento de información documental. El enfoque combina procesamiento automatizado de documentos con workflows y visualización operativa, buscando pasar de captura manual y reportes estáticos hacia procesos integrados y automatizados.
El resultado presentado en el Summit fue una reducción de 90% en incidencias documentales, mostrando el valor de aplicar IA a procesos donde los errores de captura, validación y procesamiento generan costos importantes aguas abajo.
Cerby: automatización de identidad para las aplicaciones que quedan fuera del IAM tradicional
Cerby ataca otro problema empresarial: las aplicaciones que no soportan adecuadamente estándares modernos de identidad como SAML, SCIM u OIDC.
Cuando estas aplicaciones quedan fuera de las plataformas tradicionales de Identity and Access Management, tareas como contraseñas, MFA, altas, bajas y cambios de usuarios terminan dependiendo de procesos manuales. Cerby crea una capa de automatización que extiende los controles de identidad hacia esas aplicaciones sin exigir que la empresa reemplace su infraestructura existente.
En la presentación se destacó una corrección de incidencias 98% más rápida, conectando la IA y la automatización directamente con una métrica crítica para los equipos de seguridad: reducir el tiempo entre la identificación de un problema y su resolución.
El patrón común: empezar pequeño, pero diseñar para escalar
Más que las cuatro cifras individuales, el mensaje central de la ponencia estuvo en lo que estos proyectos tienen en común.
Como señaló Bellizia, no esperaron a que existiera el ambiente perfecto para comenzar. Empezaron probando, construyeron POCs y validaron casos de uso concretos. Pero tampoco se quedaron atrapados en la experimentación: avanzaron hacia soluciones integradas a procesos reales y capaces de generar resultados medibles.
Ahí aparece una diferencia importante entre experimentar con inteligencia artificial y transformarse con ella.
monico aplica agentes a un workflow completo de licitaciones. Cody los lleva al día a día de vendedores y equipos operativos. Blackcore automatiza procesos documentales críticos. Cerby extiende la automatización hacia una parte tradicionalmente difícil de la infraestructura de identidad.
Los cuatro parten de problemas distintos, pero siguen una lógica similar:
problema operativo concreto → aplicación de IA → integración al workflow → resultado medible → escalamiento.
Es también una señal de cómo está evolucionando el ecosistema mexicano de IA. La conversación comienza a desplazarse de qué puede hacer la inteligencia artificial hacia una pregunta mucho más empresarial: qué proceso podemos transformar y qué resultado podemos demostrar.
Y probablemente sea ahí donde se jugará la siguiente etapa de adopción: no en quién acumule más pruebas de concepto, sino en quién consiga convertirlas en nuevas formas de operar.
