Por: Federico Pascale

Hace unas semanas las noticias sobre la vuelta del ser humano al espacio eran la agenda del día. Aprovechando un fin de semana largo, volví a ver algunas películas sobre la temática. Entre ellas, Apolo 13.

Esa misión sufrió una explosión en un tanque de oxígeno camino a la Luna. De repente, tres astronautas quedaron atrapados en una nave dañada; cancelado el alunizaje y ya de regreso surgió otro problema: los filtros del oxígeno del módulo de comando eran cuadrados; los del módulo lunar, redondos. Eso los enfrentó al problema de cómo hacer entrar un cuadrado en un círculo.

Mientras la tripulación intentaba mantener la nave estable a más de 300.000 kilómetros de la Tierra, en Houston (Estados Unidos), el equipo de ingenieros que seguía cada dato de la misión desde el Centro de Control, no se quedó de brazos cruzados. Uno de ellos entró a una sala, volcó sobre una mesa todo lo que los astronautas tenían disponible a bordo y dijo algo así como:: «Señores, tenemos que resolver esto con lo que hay sobre la mesa». Ni más, ni menos. No podían pedir piezas nuevas. No podían cambiar el diseño. Solo podían usar lo que tenían.

Y lo resolvieron.

Ahora pensemos en nuestro mundo. En el de la tecnología empresarial de 2026. Nuestro problema es exactamente el inverso.

Los ingenieros del Apolo 13 tenían restricciones: pocos materiales, poco tiempo, ninguna posibilidad de agregar nada nuevo. Nosotros tenemos el problema opuesto. Cada semana,  sin exagerar,  aparece una herramienta nueva, un modelo nuevo, un proveedor nuevo, un framework nuevo. IA generativa, agéntica, copilots, asistentes de código, plataformas no-code, orquestadores, agentes autónomos. El menú es inmenso.

Y sin embargo, a la hora de sentarnos frente a un problema concreto de un cliente, muchas veces nos encontramos paralizados. No por falta de opciones. Por exceso.

La lección del Apollo 13 para la era de la IA agéntica: resolver problemas reales con lo que hay sobre la mesa.

La parálisis por abundancia y vuelta a la mesa

Hay un concepto en psicología que describe exactamente esto: la paradoja de la elección. Cuando tenemos demasiadas opciones, nos cuesta más decidir, estamos menos satisfechos con lo que elegimos y, en muchos casos, terminamos sin elegir nada. Lo mismo nos pasa a la hora de elegir qué mirar un sábado por la noche en alguna plataforma a demanda. Y lo mismo nos pasa cuando un cliente nos trae un problema real y nosotros llegamos a la reunión pensando en herramientas en lugar de en soluciones.

Creo que la lección del Apolo 13 sigue siendo profundamente vigente. No porque tengamos que trabajar con restricciones extremas, sino porque la disciplina de mirar lo que tenemos sobre la mesa y resolver con eso es una habilidad que estamos perdiendo.

Antes de salir a buscar la herramienta perfecta, vale la pena hacerse las preguntas de siempre: ¿Cuál es el problema real? ¿Qué tengo hoy que ya funciona? ¿Qué necesito realmente agregar y qué es solo ruido?

Los ingenieros de la NASA resolvieron el problema porque entendieron exactamente qué necesitaban lograr y trabajaron con lo que tenían. Sin dispersarse. Sin pedir más. Sin esperar a que apareciera algo mejor.

La restricción como ventaja

Suena contradictorio, pero las restricciones claras producen mejores soluciones. Cuando el problema está bien definido y los recursos están acotados, la creatividad se enfoca. No hay espacio para divagar.

Quienes trabajamos en el ecosistema GeneXus conocemos bien esa lógica. Llevamos décadas resolviendo problemas complejos de negocio con un enfoque que prioriza entender el qué antes que elegir el cómo. Modelar la realidad antes que saltar a la implementación. Eso no cambió con la IA. Si acaso, se volvió más importante.

Porque en un mundo donde las herramientas sobran, lo que escasea es criterio. La capacidad de mirar una mesa llena de opciones y decir: esto es lo que necesito, esto es lo que no, y con esto resuelvo.

Lo que hay sobre la mesa

Y acá es donde la metáfora se cierra de una forma que no esperaba cuando empecé a escribir este artículo.

Porque desde GeneXus by Globant, esa mesa ya existe. Y tiene elementos concretos, no experimentales: herramientas que ya están funcionando en producción.

Globant Enterprise AI es la Plataforma operativa de IA que conecta datos, modelos y agentes a nivel empresarial, con gobernanza, observabilidad y control. No es una herramienta más en el menú: es la infraestructura que permite orquestar todo sin depender de un solo proveedor y sin perder trazabilidad de lo que hacen los agentes.

GeneXus for Agents, lanzado en abril de este año, abre nuestras Knowledge Bases (KBs) para que agentes de IA puedan leer, proponer cambios, generar código y explorar el sistema existente a través de protocolos estándar como MCP. Pero aquí radica la clave: los agentes proponen, GeneXus valida y genera de forma determinística. La velocidad de la IA con la consistencia y las reglas de negocio que los sistemas críticos necesitan.

Y GeneXus, con más de 35 años de historia, sigue siendo lo que siempre fue: la Plataforma que modela la realidad del negocio antes de saltar a la implementación. Solo que ahora, además del IDE tradicional, permite interactuar con tu Knowledge Base desde una CLI, desde agentes como Globant CODA, Claude Code o Codex, sin perder nada de lo que hace a GeneXus confiable.

Y para quienes eligen seguir trabajando desde el IDE, la mesa también tiene algo que merece atención especial. 

La tecnología de Patterns lleva años resolviendo lo que muchos hoy intentan reinventar con IA generativa: automatizar la construcción de aplicaciones, reducir complejidad y garantizar consistencia permitiendo que un equipo de desarrollo automatice hasta el 60% de la construcción de una aplicación GeneXus, con interfaces listas para producción, seguridad integrada y diseño escalable. No es nuevo, ni experimental, funciona. A veces lo más potente que tienes sobre la mesa es lo que ya estaba ahí antes de que empezara el ruido.

No se trata de elegir entre IA generativa o determinística, entre lo nuevo y lo probado, entre los agentes y el IDE. Se trata de tener todo en la misma mesa, trabajando junto, con reglas claras sobre qué hace cada cosa.

Los ingenieros del Apolo 13 resolvieron el problema porque miraron lo que tenían disponible y se pusieron a trabajar. Hoy, quienes trabajamos en el ecosistema GeneXus tenemos sobre la mesa un conjunto de herramientas que no existía hace un año. Los invito a sentarse, preparar café y empezar por la pregunta correcta: no ¿qué herramienta uso?, sino ¿qué problema estoy resolviendo?