Una empresa activa Copilot, conecta sus primeros agentes y descubre que responden con información incompleta o desactualizada. El modelo funciona. La falla está en otro lugar: los datos que esos agentes necesitan siguen encerrados en un SQL Server local que nadie migró, en un ERP on-premise de más de una década y en planillas que viven fuera de cualquier plataforma gobernada. La distancia entre “queremos IA” y “la IA nos entrega resultados” casi siempre pasa por ahí.
Un agente solo razona sobre los datos que puede ver
Un agente de IA no inventa contexto. Lo toma de las fuentes a las que tiene acceso. La arquitectura FY27 de Microsoft lo reconoce con Microsoft IQ, la capa que da a los agentes un contexto compartido del negocio. Dentro de ella, Fabric IQ traduce tablas y métricas dispersas en conceptos que un agente entiende, como qué es un cliente, un pedido o un margen dentro de tu organización. Cuando esos datos viven en una aplicación legacy sin conector ni modelo semántico, el agente no tiene nada sobre lo cual razonar y devuelve respuestas genéricas.
Microsoft sostiene que compartir ese contexto entre agentes mejora la calidad de las respuestas en un 36% y reduce hasta un 80% el costo de tokens que implica que cada agente reconstruya el mismo conocimiento por separado. El dato revela lo esencial: el rendimiento de la IA depende del estado de los datos, antes que del modelo.
Hay un segundo punto. Durante años, las aplicaciones legacy cumplieron el rol de sistemas de registro: documentaban lo ocurrido sin ejecutar acciones. El giro de este ciclo apunta a sistemas de acción, donde agentes ejecutan tareas sobre ventas, finanzas o cadena de suministro. No puedes convertir en sistema de acción un proceso cuyos datos siguen atrapados en un sistema de registro que el agente no alcanza.
Dónde se queda corto el contenido genérico de migración
La mayoría del contenido sobre Azure Migrate vende el movimiento: rehospedar máquinas virtuales, salir del datacenter, bajar el costo de infraestructura. Todo eso es válido y sigue siendo parte del trabajo. Responde una pregunta distinta a la que se hace un decisor que quiere IA.
El motor de la modernización cambió. El costo del datacenter dejó de ser el argumento principal. El disparador ahora es que la iniciativa de IA no avanza mientras los datos que la alimentan no estén accesibles ni gobernados. Modernizar dejó de ser un proyecto de infraestructura para convertirse en la condición que habilita la IA.
La estrategia FY27 describe la trampa en la que caen muchas organizaciones: sostienen a la vez el costo de mantener sistemas antiguos (SQL Server local, mainframes, SAP en instalaciones propias) y el costo de experimentar con IA nueva, sin obtener retorno de la segunda inversión por las limitaciones de la primera. Microsoft recomienda iniciar el proceso por SQL Server, porque un número relevante de empresas ya sostiene licencias activas de ese producto. Ubica la oportunidad de modernización en 740.000 millones de dólares para 2029 y estima un rendimiento de bases de datos hasta 5 veces superior en Azure frente a AWS RDS. Esta información acompaña a la decisión previa de cuándo modernizar, migrar o reemplazar una aplicación legacy
Qué significa modernizar para IA, en concreto
Mover la aplicación tal cual a la nube, el clásico lift and shift, resuelve la continuidad y el costo de infraestructura. No garantiza que los datos queden listos para que un agente razone sobre ellos. Una aplicación rehospedada puede seguir guardando su información en un formato que ningún agente entiende.
La preparación real para IA tiene tres capas:
- Acceso: los datos llegan a una plataforma unificada, Fabric y su almacenamiento común OneLake, con conectores hacia los sistemas donde hoy viven.
- Significado: Fabric IQ convierte esos datos en conceptos de negocio consistentes, para que todos los agentes hablen el mismo idioma. El detalle técnico de esta capa lo cubrimos en IA aplicada al análisis de datos con Fabric.
- Gobierno: defines qué datos puede ver cada agente y qué acciones puede ejecutar.
La tercera capa separa un proyecto serio de un riesgo. Un agente con acceso a datos sensibles y capacidad de acción es un actor digital nuevo dentro de la organización, y requiere el mismo control que cualquier usuario con acceso a información crítica. Microsoft lo resume en una fórmula de dos palabras, Intelligence + Trust, y coloca la confianza como requisito de entrada. Las herramientas que lo sostienen ya están en la plataforma: Purview para los datos, Entra para las identidades y Agent 365 para administrar el ciclo de vida y los permisos de cada agente. Abrir los datos legacy a los agentes sin esa capa de gobierno cambia un problema, la información inalcanzable, por uno peor: la exposición sin control.
Por dónde empezar
El orden importa más que la velocidad.
- Inventaría lo que está atrapado. Identifica qué sistemas legacy on-premise guardan los datos que tus casos de uso de IA necesitan.
- Prioriza por valor de IA, no solo por deuda técnica. Pregunta qué conjunto de datos, una vez accesible y gobernado, habilita un caso de uso real de agente en ventas, finanzas o soporte.
- Moderniza el camino del dato. SQL Server hacia Azure SQL como punto de entrada, datos hacia Fabric y OneLake, significado con Fabric IQ, gobierno con Purview y Entra.
- Recién entonces agentifica el proceso.
Este recorrido se ejecuta en tres fases: una evaluación que mapea qué está bloqueado y qué desbloquea valor, una implementación que moderniza el camino del dato con gobierno desde el diseño, y un modelo de servicios gestionados que sostiene la operación mientras los agentes entran en producción. Es el enfoque del servicio de modernización de aplicaciones heredadas con IA de XMS, apoyado en las especializaciones avanzadas de seguridad que permiten ejecutar la capa de gobierno, no solo mencionarla. La visión completa del tema la encuentras aquí modernización de aplicaciones en Azure.
Antes del próximo piloto de Copilot conviene mirar los datos antes que el modelo. ¿Pueden tus agentes llegar a la información que mueve tu negocio? ¿Quién gobierna lo que esos agentes ven y ejecutan? Si la respuesta involucra un sistema on-premise que nadie migró, ahí está el trabajo que decide si la IA entrega resultados o se queda en demostraciones.
Da el siguiente paso con XMS
¿Tus datos on-premise están frenando a tus agentes de IA?
En XMS revisamos sin costo qué datos siguen atrapados en sistemas legacy y te entregamos la ruta para dejarlos accesibles, gobernados y listos para que tus agentes los usen.
Preguntas frecuentes
Porque un agente razona solo sobre los datos a los que accede y entiende. Si la información vive en un sistema on-premise sin conector ni modelo semántico, el agente no la ve y responde de forma genérica.
No. El lift and shift resuelve continuidad y costo, pero los datos pueden seguir en un formato que ningún agente entiende. La preparación para IA suma acceso, significado y gobierno del dato.
Los datos que habilitan un caso de uso de IA con impacto de negocio. Microsoft recomienda SQL Server como punto de entrada frecuente, por la base instalada de licencias activas.
