Vijay Rayapati, CEO y cofundador de Atomicwork – Serie de entrevistas

Vijay Rayapati es el cofundador y CEO de Atomicwork. Antes de fundar la empresa, se desempeñó como Vicepresidente Senior y Gerente General en Nutanix, donde lideró el negocio de End User Computing después de la adquisición de Frame, la empresa de escritorio en la nube que fundó y escaló como CEO. Anteriormente en su carrera, ocupó puestos de ingeniería y liderazgo de productos en VMware y Microsoft, lo que le dio una profunda experiencia en la construcción de infraestructura empresarial y plataformas de computación de usuario final. Su experiencia abarca infraestructura en la nube, software empresarial y tecnología de lugar de trabajo impulsada por IA, lo que lo convierte en un fundador bien conocido en el espacio de TI empresarial.

Atomicwork es una empresa de IA empresarial que está construyendo una plataforma de gestión de servicios de TI agente que ayuda a los empleados a resolver problemas técnicos, automatizar tareas de soporte rutinarias y acceder al conocimiento empresarial a través de la IA. Su plataforma combina agentes de IA con capacidades de gestión de servicios de TI modernas para manejar solicitudes de servicio, solucionar problemas, orquestar flujos de trabajo en sistemas empresariales y reducir la carga de trabajo en los equipos de TI. Los clientes utilizan Atomicwork para ofrecer un soporte más rápido a los empleados mientras mejoran la eficiencia operativa en TI y operaciones comerciales.

Anteriormente, usted cofundó Minjar, construyó su negocio de gestión de nube empresarial y luego lideró la operación en Nutanix después de la adquisición. ¿Qué lecciones aprendidas de la construcción, venta e integración de una empresa de software empresarial lo convencieron de fundar Atomicwork en 2022 y reconstruir la gestión de servicios de TI desde cero para la era de la IA?

En Minjar, creamos software que podía reducir la factura de la nube de una empresa en un tercio a través de la automatización. A los clientes les encantaban las recomendaciones. Luego se sentaban en ellas durante dos trimestres. Me tomó un tiempo entender por qué, y la respuesta no era técnica. Cuando la automatización toma una decisión y sale mal, no hay nadie a quien culpar. Las empresas no solo compran software o resultados. Compran a alguien que responda por ellos. El software sin un lugar en la tabla de organización no obtiene autoridad, no importa cuán bueno sea.

La adquisición me enseñó una lección más estrecha. Los productos de un solo punto se compran. Los sistemas de registro se construyen sobre ellos. Puedes ser el mejor producto y aún así pasar tu vida sorteando a quienquiera que posea el flujo de trabajo.

Los años en Nutanix juntaron las dos cosas. Vi a TI comprar gestión de servicios para control y a los empleados experimentarla como un formulario y una cola. También me di cuenta de que el ticket nunca fue el producto. El registro de auditoría fue. Esa es la razón por la que la gestión de servicios de TI sobrevivió cuarenta años de personas odiándola, y también es la razón por la que nadie podía eliminarla.

Así que la pregunta en 2022 no era si la IA podía hacer el trabajo. Era si podías darle a la IA un lugar en la tabla de organización. Las plataformas de gestión de servicios de TI heredadas no pueden, porque un asignador humano se sienta en el centro de su modelo de datos y cada SLA, aprobación y informe cuelga de esa suposición. Agrega la IA y obtienes un formulario más rápido.

Construímos para la otra respuesta donde la IA entrega una fuerza laboral híbrida, no solo software. Los compañeros de trabajo de IA hacen el trabajo, y TI los gobierna de la misma manera que RRHH gobierna a las personas. No configuras a un compañero de trabajo de IA. Lo contratas para un rol, revisas su trabajo y lo revocas si no cumple. Esa es la diferencia entre la IA como una característica y la IA como una fuerza laboral.

Atomicwork describe a sus compañeros de trabajo de IA como sistemas que poseen roles de trabajo definidos y completan el trabajo desde el principio hasta el final, en lugar de simplemente responder preguntas o ejecutar tareas aisladas. ¿Qué capacidades técnicas distinguen a un compañero de trabajo de IA genuino de un chatbot, copiloto o herramienta de automatización tradicional, y dónde debería terminar su autonomía?

Un chatbot responde a una pregunta, y un copiloto ayuda a alguien a completar una tarea, pero ninguno de los dos es responsable de llevar el trabajo hasta su conclusión. Un compañero de trabajo de IA es diferente porque se le asigna un rol definido y se espera que entregue un resultado. Ya sea que esté triageando incidentes, provisionando acceso o capacitando a empleados, continúa trabajando en cada paso para alcanzar la meta en lugar de detenerse después del primer turno.

Eso requiere mucho más que un modelo capaz. Un compañero de trabajo de IA necesita una identidad, los permisos adecuados, acceso a herramientas aprobadas, contexto organizacional, un presupuesto y límites de operación claros y su rol. Debe trabajar en sistemas empresariales, entender cuándo (y a quién) pedir aprobación y dejar un registro de auditoría detrás de cada acción. Es por eso que nos hemos centrado tanto en la plataforma que rodea al modelo. La IA confiable depende de la orquestación, la gobernanza y la ejecución tanto como de la inteligencia.

La autonomía nunca debería ser ilimitada. Un compañero de trabajo de IA debería operar dentro de las responsabilidades de su rol, mientras que las personas siguen involucradas siempre que el trabajo afecte sistemas sensibles o tenga implicaciones legales, financieras o de empleo.

Su plataforma permite que compañeros de trabajo de IA especializados colaboren en gestión de incidentes, provisionamiento de acceso, capacitación y operaciones de TI. ¿Cómo dividen estos compañeros de trabajo de IA las responsabilidades, comparten el contexto y se recuperan cuando un compañero de trabajo de IA toma una decisión incorrecta que podría afectar el resto del flujo de trabajo?

No creemos que un compañero de trabajo de IA deba intentar hacer todos los trabajos. Las organizaciones de TI ya separan las responsabilidades en diferentes equipos porque cada rol tiene diferentes objetivos, permisos y experiencia. Hemos aplicado la misma forma de pensar a los compañeros de trabajo de IA, por lo que lanzamos con compañeros de trabajo de IA certificados que se especializan en diferentes áreas operativas de TI.

Cada compañero de trabajo posee una función específica mientras comparte el mismo contexto empresarial. Cuando un empleado crea un ticket en Atomicwork, el enrutamiento inteligente garantiza que se enrute al compañero de trabajo de IA adecuado que trabaja en la solicitud y (dependiendo de la solicitud) la reasigna a otro compañero de trabajo de IA, crea tickets secundarios para que los compañeros de trabajo de IA resuelvan el problema en paralelo (por ejemplo, un ticket de capacitación se puede dividir en actividades que se pueden trabajar en paralelo) o la escala a un ser humano. A medida que el trabajo se mueve de un compañero de trabajo a otro, la información relevante se mueve con él a través del ticket (el sistema de registro), junto con el acceso a sistemas relevantes como la mesa de servicio, plataformas de identidad, sistemas de RH y herramientas de colaboración. Ese contexto compartido permite que cada compañero de trabajo tome decisiones basadas en lo que ya ha sucedido en lugar de empezar desde cero.

Atomicwork admite diferentes marcos de agentes y modelos de proveedores como OpenAI, Anthropic y Google. ¿Cómo determina qué modelo debe manejar la recuperación, el razonamiento, la planificación y la ejecución, y cómo pueden las empresas mantener un comportamiento coherente a medida que los modelos subyacentes continúan cambiando?

Diferentes modelos son buenos para diferentes tipos de trabajo. Nuestro enfoque ha sido construir una plataforma que pueda aprovechar los avances sin obligar a los clientes a rediseñar sus flujos de trabajo cada vez que un modelo cambia. El contexto empresarial, la orquestación, la identidad, la aplicación de políticas, la telemetría y la evaluación proporcionan la coherencia que las organizaciones necesitan en producción, independientemente de qué modelo de vanguardia se encuentre debajo.

Hemos discutido públicamente el soporte de múltiples proveedores de modelos junto con marcos de evaluación y gobernanza, pero no hemos descrito la lógica de enrutamiento que decide qué modelo maneja la recuperación, el razonamiento, la planificación o la ejecución. También no hemos compartido el proceso de validación que utilizamos cuando los proveedores lanzan nuevos modelos y actualizaciones.

Un agente de IA empresarial puede encontrarse con documentación contradictoria, registros de configuración incompletos, conocimiento obsoleto y diferentes permisos en sistemas. ¿Cómo determina la capa de Contexto Universal de Atomicwork qué información es confiable y actual antes de permitir que un agente tome una decisión o realice una acción?

El conocimiento empresarial rara vez existe en un solo lugar. Alguno de él vive en la documentación, algunos en sistemas de registro y algunos dentro de la actividad diaria del negocio. La IA necesita todo ese contexto si va a tomar decisiones confiables.

El Contexto Universal combina esas fuentes al combinar el conocimiento empresarial con datos de personas, redes, infraestructura y dispositivos de sistemas operativos en vivo. Un compañero de trabajo de IA puede hacer referencia a información de plataformas como Confluence o SharePoint, MDM como Intune y JAMF, mientras también entiende lo que está sucediendo en sistemas como Jira, Workday, Salesforce o proveedores de identidad. También respeta los permisos existentes, por lo que las personas y los compañeros de trabajo de IA solo acceden a la información que ya están autorizados a ver.

Hemos explicado cómo el Contexto Universal conecta los sistemas empresariales y preserva los límites de seguridad, pero no hemos descrito cómo resuelve la información contradictoria cuando las fuentes confiables no están de acuerdo o cómo determina qué fuente debe tener prioridad. Esos detalles de implementación no son parte de nuestra documentación pública.

El Compañero de trabajo de IA Universal puede admitir a los empleados a través de Microsoft Teams, Slack, correo electrónico, navegador, portal y mediante modos de chat, voz y visual. ¿Qué nuevas capacidades de solución de problemas se vuelven posibles cuando un agente puede ver y escuchar lo que el empleado está experimentando, y cómo evita que el contenido de la pantalla sensible o las conversaciones se expongan?

El soporte de TI tradicional depende de que los empleados describan los problemas técnicos con precisión, y eso a menudo es la parte más difícil de la interacción. El contexto de voz y visual permite que la IA vea el mismo mensaje de error, la aplicación o la pantalla de configuración que el empleado está mirando, lo que hace que sea mucho más fácil entender el problema y guiar a alguien a través del próximo paso sin una larga conversación de ida y vuelta.

Esas capacidades solo funcionan si los empleados confían en ellas. Creemos que el acceso visual debe requerir consentimiento explícito y los usuarios siempre deben saber cuándo está activo. La información sensible está protegida a través de la máscara de PII, los controles administrativos y las políticas de retención adecuadas.

También hemos sido claros en que los datos del cliente no se utilizan para entrenar nuestros modelos o modelos de base de terceros. Eso les da a las organizaciones la capacidad de adoptar la IA multimodal sin renunciar al control sobre sus datos.

Atomicwork se puede implementar junto con un entorno de ServiceNow o Jira Service Management existente sin requerir una migración inmediata. ¿Ve esto principalmente como una estrategia de transición o muchas empresas operarán permanentemente una fuerza laboral de IA por encima de su sistema de registro heredado?

La mayoría de las grandes empresas han pasado años construyendo procesos, integraciones y gobernanza alrededor de plataformas como ServiceNow y Jira Service Management. Requerirles que reemplacen esos sistemas antes de que puedan adoptar la IA crea una fricción innecesaria.

Construímos las integraciones de Atomicwork con ServiceNow y Jira Service Management para que los clientes puedan transformar la experiencia del empleado y aumentar sus equipos de servicio con compañeros de trabajo de IA desde el primer día, sin interrumpir los sistemas en los que ya confían. El conector extrae el contexto de TI empresarial relevante para que los compañeros de trabajo de IA lo utilicen mientras mantiene una sincronización bidireccional para los agentes de servicio en su sistema existente. No creemos que las empresas deban elegir un solo camino el primer día. La prioridad es ayudarlos a adoptar la IA en su propio calendario.

Al dar a los compañeros de trabajo de IA acceso a los sistemas de identidad, los datos de los empleados, la infraestructura y las aplicaciones comerciales, se introducen riesgos como la inyección de prompts, las fuentes de conocimiento envenenadas, los permisos excesivos y los errores de agente en cascada. ¿Qué salvaguardias, límites de aprobación y mecanismos de auditoría son esenciales antes de que una empresa pueda permitir que los agentes actúen de forma autónoma de manera segura?

Los compañeros de trabajo de IA están gobernados como empleados con acceso privilegiado. Cada compañero de trabajo tiene un rol definido, permisos limitados, herramientas aprobadas, límites de gastos y límites de operación claros y su rol. Las acciones sensibles, particularmente aquellas que involucran identidad, infraestructura, finanzas, asuntos legales o de empleo, requieren aprobación humana.

Las habilidades y las instrucciones se verifican antes de la publicación para riesgos como la inyección de prompts, las instrucciones ocultas, el acceso a credenciales, la fuga de datos y las acciones no seguras. Si una herramienta cambia de una manera que aumenta su riesgo, se deshabilita automáticamente hasta que se revise. Las salvaguardias adicionales, incluyendo los límites de acción, la prevención de acciones duplicadas, los controles de apagado de emergencia y la toma de control humana, ayudan a contener los errores antes de que puedan propagarse.

Cada acción es rastreable: las organizaciones pueden ver qué desencadenó al compañero de trabajo, qué información y herramientas utilizó, qué aprobaciones se obtuvieron y qué resultado siguió. La evaluación continua, el monitoreo y las pruebas de equipo rojo garantizan que estas salvaguardias sigan siendo efectivas a medida que los modelos, las herramientas y los entornos empresariales evolucionan.

Hemos invertido mucho en la evaluación, la aplicación de políticas, el monitoreo y las pruebas de equipo rojo porque implementar la IA es solo el comienzo. Las organizaciones necesitan confianza en que esos compañeros de trabajo sigan comportándose como se espera a medida que los modelos y los entornos empresariales evolucionan.

El informe State of AI in IT 2026 de Atomicwork encontró que dos tercios de los profesionales de TI están informando rendimientos positivos de las inversiones en IA, mientras que solo una de cada cinco organizaciones ha integrado completamente la IA en sus equipos de gestión de servicios. ¿Qué separa las implementaciones que producen un valor comercial medible de los pilotos que siguen atascados en la experimentación?

La mayoría de las organizaciones ya han demostrado que la IA puede mejorar las tareas individuales. Las empresas que ven un valor comercial medible están conectando la IA a flujos de trabajo operativos completos en lugar de utilizarla como asistente independiente.

Eso comienza resolviendo un problema de negocio específico pensando en roles, dando a los compañeros de trabajo de IA acceso a los sistemas que necesitan y midiendo los resultados que importan, ya sea que sean tiempos de resolución más rápidos, costos de soporte más bajos o una mejor experiencia del empleado. Una vez que los equipos confían en esos resultados, expandir la IA en flujos de trabajo adicionales se vuelve mucho más fácil.

Nuestra investigación también encontró que la IA responsable sigue siendo una de las prioridades más altas para los líderes de TI. Eso tiene sentido porque las organizaciones no darán a la IA más responsabilidad a menos que entiendan cómo toma decisiones, puedan revisar esas decisiones después y sepan que los guardrails adecuados están en su lugar.

A medida que los compañeros de trabajo de IA comienzan a resolver solicitudes de soporte, gestionar el acceso, diagnosticar incidentes y coordinar flujos de trabajo, ¿cómo cambiarán las responsabilidades de los profesionales de la mesa de servicio, los equipos de operaciones de TI y los directores de información? Mirando hacia el futuro, ¿podría TI convertirse en el departamento responsable de contratar, gobernar y medir la fuerza laboral digital completa de una empresa?

La IA asumirá mucho del trabajo operativo repetitivo que consume las mesas de servicio de hoy, lo que permitirá a las personas pasar más tiempo manejando excepciones, mejorando los procesos y perfeccionando el conocimiento en el que se basa la IA.

Los equipos de operaciones de TI se centrarán cada vez más en gobernar a los compañeros de trabajo de IA en lugar de ejecutar manualmente cada flujo de trabajo. Definirán permisos, conectarán sistemas, monitorearán el rendimiento y garantizarán que la IA siga operando dentro de las políticas establecidas.

También espero que el rol del director de información se expanda. Administrar a cientos de compañeros de trabajo de IA comienza a parecerse a administrar cualquier otra infraestructura empresarial. Alguien tiene que decidir a qué pueden acceder esos compañeros de trabajo, cómo se miden, cuándo se actualizan y si están entregando valor. Los equipos comerciales seguirán definiendo el trabajo, mientras que TI se convierte en el departamento de RRHH para la IA, es decir, responsable de la plataforma, la gobernanza y los controles operativos que mantienen a la fuerza laboral de IA de una empresa funcionando de manera segura.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Atomicwork.