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 del negocio de Cloud Networking and Security en Nutanix, tras la adquisición por parte de Nutanix de Minjar, la compañía de plataforma de gestión de la nube que fundó y escaló como CEO. En etapas anteriores de su carrera, ocupó cargos de liderazgo en ingeniería y producto en Kuliza y Trilogy, lo que le brinda una profunda experiencia en la construcción de infraestructura empresarial y aplicaciones de software. Su trayectoria abarca infraestructura en la nube, software empresarial y tecnología de fuerza laboral de IA, lo que lo convierte en un fundador muy conocido en el sector de TI empresarial.

Atomicwork es una empresa de IA empresarial que construye una plataforma de gestión de servicios de TI basada en agentes que ayuda a los empleados a resolver problemas tecnológicos, automatizar tareas de soporte rutinarias y acceder al conocimiento empresarial mediante IA. Su plataforma combina agentes de IA con capacidades modernas de ITSM para gestionar solicitudes de servicio, solucionar problemas, orquestar flujos de trabajo entre sistemas empresariales y reducir la carga sobre los equipos de TI. Los clientes utilizan Atomicwork para ofrecer un soporte al empleado más rápido mientras mejoran la eficiencia operativa en TI y en las operaciones de negocio.

Usted cofundó Minjar, construyó su negocio de gestión de la nube empresarial y luego dirigió la operación en Nutanix después de la adquisición. ¿Qué lecciones de construir, vender e integrar 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, construimos software que podía reducir la factura de la nube de una empresa en un tercio mediante automatización. A los clientes les encantaron las recomendaciones. Luego las mantenían durante dos trimestres. Me tomó un tiempo entender por qué, y la respuesta no era técnica. Cuando la automatización hace una llamada y falla, no hay nadie a quien responsabilizar. Las empresas no solo compran software o resultados. Contratan a alguien que responda por ellos. El software sin un puesto en el organigrama no recibe autoridad, sin importar cuán bueno sea.

La adquisición me enseñó una lección más concreta. Se compran productos puntuales. Se construyen sistemas de registro. Puedes ser el mejor producto y aun así pasar tu vida rodeando a quien sea dueño del flujo de trabajo.

Los años en Nutanix combinaron ambos conceptos. Vi cómo TI compraba gestión de servicios para control y los empleados la vivían como un formulario y una cola. También me di cuenta de que el ticket nunca fue el producto. Lo que importaba era el registro de auditoría. Por eso ITSM sobrevivió cuarenta años de rechazo y también por eso nadie pudo eliminarlo.

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 el organigrama. Las plataformas heredadas de ITSM no pueden, porque un asignado humano se sitúa en el centro de su modelo de datos y cada SLA, aprobación e informe depende de esa suposición. Añade IA y obtienes un formulario más rápido.

Construimos para la otra respuesta, donde la IA brinda una fuerza laboral híbrida, no solo software. Los AI Coworkers realizan el trabajo, y TI los gobierna como RR.HH. gobierna a las personas. No configuras un AI Coworker. Lo contratas para un puesto, revisas su trabajo y lo revocas si no rinde. Esa es la diferencia entre IA como característica y IA como fuerza laboral.

Atomicwork describe a sus AI Coworkers como sistemas que poseen roles de trabajo definidos y completan el trabajo de principio a fin, en lugar de simplemente responder preguntas o ejecutar tareas aisladas. ¿Qué capacidades técnicas distinguen a un AI Coworker 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 es responsable de llevar el trabajo hasta su finalización. Un AI Coworker es diferente porque se le asigna un rol definido y se espera que entregue un resultado. Ya sea que esté clasificando incidentes, provisionando acceso o incorporando 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 AI Coworker necesita una identidad, los permisos adecuados, acceso a herramientas aprobadas, contexto organizacional, un presupuesto y límites operativos claros en su rol. Debe trabajar a través de los sistemas empresariales, entender cuándo (y a quién) solicitar aprobación y dejar un registro de auditoría detrás de cada acción. Por eso 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 debe ser ilimitada. Un AI Coworker debe operar dentro de las responsabilidades de su rol, mientras las personas siguen involucradas siempre que el trabajo afecte sistemas sensibles o implique implicaciones legales, financieras o laborales.

Su plataforma permite que AI Coworkers especializados colaboren en la gestión de incidentes, provisión de acceso, incorporación y operaciones de TI. ¿Cómo dividen estos AI Coworkers las responsabilidades, comparten el contexto y se recuperan cuando uno toma una decisión incorrecta que podría afectar el resto del flujo de trabajo?

No creemos que un solo AI Coworker deba intentar hacer todos los trabajos. Las organizaciones de TI ya separan responsabilidades entre diferentes equipos porque cada rol tiene metas, permisos y experiencia diferentes. Hemos aplicado ese mismo razonamiento a los AI Coworkers, por lo que lanzamos con AI Coworkers certificados que se especializan en distintas áreas operativas de TI.

Cada Coworker posee una función específica mientras comparte el mismo contexto empresarial. Cuando un empleado crea un ticket en Atomicwork, el enrutamiento inteligente garantiza que se dirija al AI Coworker adecuado que trabaje en la solicitud y (según la solicitud) lo reasigne a otro AI Coworker, cree tickets hijos para que los AI Coworkers resuelvan el problema en paralelo (por ejemplo, un ticket de incorporación puede dividirse en actividades que se pueden trabajar simultáneamente) o lo escale a un humano. A medida que el trabajo pasa de un Coworker a otro, la información relevante se traslada con él a través del ticket (el sistema de registro), junto con el acceso a sistemas relevantes como el service desk, plataformas de identidad, sistemas de RR.HH. y herramientas de colaboración. Ese contexto compartido permite que cada Coworker tome decisiones basadas en lo que ya ha ocurrido en lugar de comenzar desde cero.

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

Los diferentes modelos son buenos en distintos 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 consistencia que las organizaciones necesitan en producción, sin importar qué modelo de vanguardia se encuentre debajo.

Hemos hablado públicamente sobre el soporte a 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. Tampoco hemos compartido el proceso de validación que usamos cuando los proveedores lanzan nuevos modelos y actualizaciones.

Un agente de IA empresarial puede encontrarse con documentación conflictiva, registros de configuración incompletos, conocimientos desactualizados y diferentes permisos entre sistemas. ¿Cómo determina la capa Universal Context 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. Parte de él vive en documentación, parte en sistemas de registro y parte dentro de la actividad diaria del negocio. La IA necesita todo ese contexto si va a tomar decisiones fiables.

Universal Context reúne esas fuentes combinando el conocimiento empresarial con datos de personas, red, infraestructura y dispositivos provenientes de sistemas operacionales en vivo. Un AI Coworker puede referenciar información de plataformas como Confluence o SharePoint, MDMs como Intune y JAMF, mientras también comprende lo que ocurre en sistemas como Jira, Workday, Salesforce o proveedores de identidad. También respeta los permisos existentes, de modo que personas y AI Coworkers solo accedan a la información que ya están autorizados a ver.

Hemos explicado cómo Universal Context conecta sistemas empresariales y preserva los límites de seguridad, pero no hemos descrito cómo resuelve información conflictiva cuando las fuentes confiables discrepan o cómo determina cuál fuente debe tener prioridad. esos detalles de implementación no forman parte de nuestra documentación pública.

El AI Coworker universal puede apoyar a los empleados a través de Microsoft Teams, Slack, correo electrónico, navegador, portal y mediante chat, voz y modos visuales. ¿Qué nuevas capacidades de solución de problemas se vuelven posibles cuando un agente puede ver y oír lo que el empleado está experimentando, y cómo evitan que se exponga contenido sensible de pantalla o conversaciones?

El soporte tradicional de TI depende de que los empleados describan con precisión los problemas técnicos, y eso suele ser la parte más difícil de la interacción. El contexto de voz y visual permite que la IA vea el mismo mensaje de error, aplicación o pantalla de configuración que el empleado está mirando, facilitando mucho la comprensión del problema y guiando al usuario al siguiente 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 se protege mediante enmascaramiento de datos personales, controles administrativos y políticas de retención apropiadas.

También hemos dejado claro que los datos de los clientes no se utilizan para entrenar nuestros modelos ni los modelos de base de terceros. Eso brinda a las organizaciones la posibilidad de adoptar IA multimodal sin perder el control sobre sus datos.

Atomicwork puede implementarse junto a un entorno existente de ServiceNow o Jira Service Management sin requerir una migración inmediata. ¿Lo ve 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. Obligarles a reemplazar esos sistemas antes de poder adoptar IA crea fricción innecesaria.

Construimos las integraciones de Atomicwork con ServiceNow y Jira Service Management para que los clientes puedan transformar la experiencia del empleado y ampliar sus equipos de servicio con AI Coworkers desde el primer día, sin interrumpir los sistemas de los que ya dependen. El conector extrae el contexto de TI empresarial relevante para que los AI Coworkers lo aprovechen, manteniendo una sincronización bidireccional para los agentes de servicio en su sistema existente. No creemos que las empresas deban elegir un solo camino desde el primer día. La prioridad es ayudarles a adoptar IA a su propio ritmo.

Dar a los AI Coworkers acceso a sistemas de identidad, datos de empleados, infraestructura y aplicaciones empresariales introduce riesgos como inyección de prompts, fuentes de conocimiento contaminadas, permisos excesivos y errores en cascada de agentes. ¿Qué salvaguardas, límites de aprobación y mecanismos de auditoría son esenciales antes de que una empresa pueda permitir de forma segura que los agentes actúen de manera autónoma?

Los AI Coworkers se rigen como empleados con acceso privilegiado. Cada Coworker tiene un rol definido, permisos limitados, herramientas aprobadas, límites de gasto y fronteras claras sobre lo que puede hacer de forma independiente. Las acciones sensibles —especialmente aquellas que involucran identidad, infraestructura, finanzas, asuntos legales o empleo— requieren aprobación humana.

Las habilidades e instrucciones se revisan antes de su publicación para mitigar riesgos como inyección de prompts, instrucciones ocultas, acceso a credenciales, filtración de datos y acciones inseguras. Si una herramienta cambia de forma que aumenta su riesgo, se desactiva automáticamente hasta que sea revisada. Salvaguardas adicionales —incluidos límites de acción, prevención de acciones duplicadas, controles de apagado de emergencia y toma de control humana— ayudan a contener errores antes de que se propaguen.

Cada acción es rastreable: las organizaciones pueden ver qué activó al Coworker, qué información y herramientas utilizó, qué aprobaciones se obtuvieron y cuál fue el resultado. La evaluación continua, el monitoreo y las pruebas de equipos rojos garantizan que estas salvaguardas sigan siendo efectivas a medida que los modelos, herramientas y entornos empresariales evolucionan.

Hemos invertido fuertemente en evaluación, aplicación de políticas, monitoreo y pruebas de equipos rojos porque desplegar IA es solo el comienzo. Las organizaciones necesitan la confianza de que esos Coworkers continúen comportándose como se espera a medida que los modelos y los entornos empresariales evolucionen.

El informe State of AI in IT 2026 de Atomicwork encontró que dos tercios de los profesionales de TI reportan retornos 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 diferencia a los despliegues que generan valor empresarial medible de los pilotos que permanecen estancados en la experimentación?

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

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

Nuestra investigación también encontró que la IA responsable sigue siendo una de las máximas prioridades para los líderes de TI. Tiene sentido, porque las organizaciones no otorgarán más responsabilidad a la IA a menos que comprendan cómo llega a sus decisiones, puedan revisarlas después y sepan que existen las barreras de protección adecuadas.

A medida que los AI Coworkers comienzan a resolver solicitudes de soporte, gestionar accesos, diagnosticar incidentes y coordinar flujos de trabajo, ¿cómo cambiarán las responsabilidades de los profesionales del service desk, los equipos de operaciones de TI y los Directores de Información? Mirando más adelante, ¿podría TI convertirse en el departamento responsable de contratar, gobernar y medir toda la fuerza laboral digital de una empresa?

La IA asumirá gran parte del trabajo operativo repetitivo que consume los service desks actuales, permitiendo que las personas dediquen más tiempo a manejar excepciones, mejorar procesos y refinar el conocimiento del que depende la IA.

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

También espero que el rol del CIO se expanda. Gestionar cientos de AI Coworkers empieza a parecerse a gestionar cualquier otra infraestructura empresarial. Alguien tiene que decidir a qué pueden acceder esos Coworkers, cómo se les mide, cuándo se actualizan y si están entregando valor. Los equipos de negocio seguirán definiendo el trabajo, mientras que TI se convertirá en el RR.HH. de la IA, es decir, responsable de la plataforma, la gobernanza y los controles operacionales que mantengan una fuerza laboral de IA empresarial funcionando de forma segura.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar Atomicwork.