El 7 de agosto, en la edición de la Gran Área de la Bahía del Salón DAMA de Gestión de Datos en Shenzhen, AHS afirmó que la transformación inteligente está pasando de comprar grandes modelos y crear aplicaciones aisladas a construir un sistema productivo donde datos, reglas, agentes y trabajadores digitales colaboran y evolucionan de forma continua.
Para las empresas, esto determina si la IA puede pasar de comprender y responder a juzgar y actuar. Para el sector, abre una nueva vía para convertir los activos de datos en productividad inteligente.
La jornada abordó ontología, conjuntos de datos de calidad, oferta y circulación, activos de Hong Kong y DCMM 2025. Chen Jun de AHS, Xu Yuguang, Luo Xin, Bai Dalong y Ma Huan, presidente de DAMA China, compartieron experiencias de gestión y práctica industrial.
La IA empresarial necesita su propio mundo de negocio
Desde la ciencia cognitiva, Chen Jun explicó el uso de la ontología en la gestión de datos y los grafos de conocimiento, y mostró cómo conecta relaciones de datos con escenarios empresariales.
A medida que modelos, capacidad de cómputo y plataformas de agentes se generalizan, los competidores acceden a herramientas similares. Lo difícil de copiar es el vocabulario, las relaciones entre objetos, las reglas, la experiencia y las formas de colaboración acumuladas durante años.
Estas capacidades suelen estar dispersas entre ERP, CRM, MES y experiencia de primera línea. Un mismo cliente, pedido o equipo puede tener definiciones distintas y reglas clave no formalizadas. La IA puede dar consejos plausibles sin comprender permisos, aprobaciones ni condiciones de ejecución, y no convertirlos en acciones reales.
La ontología empresarial resuelve cómo entiende la IA a la organización. Convierte clientes, pedidos y equipos en objetos explícitos y organiza relaciones, estados y reglas. Así, la IA detecta cambios, evalúa impactos y actúa dentro de límites. Los datos dejan de ser recursos de consulta para convertirse en factores operativos de decisión y ejecución.
Comprender datos y negocio es solo el primer paso. Esa comprensión debe transformarse en capacidad orquestable, ejecutable y mejorable mediante retroalimentación.
En AHS, la ontología espacio-temporal crea un mundo empresarial comprensible y AHS Agentrix coordina agentes y ejecución. Basadas en el World Behavior Model (WBM), las capas Data OS, Agent OS y Agent Workforce conectan datos, agentes y equipos digitales en un ciclo de comprensión, ejecución, retroalimentación y evolución.
De la semántica interna a una nueva coordenada para la circulación de datos
Luo Xin amplió el debate hacia la circulación de elementos de datos. A partir de productos y mercados de intercambio, explicó cómo el gobierno interno puede extenderse a flujos entre sistemas y organizaciones y a la creación de valor.
Xu Yuguang trató la creación y evaluación de conjuntos de alta calidad. Cuando la IA entra en procesos, los datos fiables, los permisos claros y las acciones trazables determinan directamente su adopción real.
Esta visión coincide con la ruta de AHS: no una plataforma que solo genere respuestas, sino un sistema operativo de IA para entornos empresariales reales. Agent OS unifica gestión multiagente, orquestación, permisos, seguridad y cumplimiento; WBM registra comportamiento, resultados y retroalimentación para que cada acción importante tenga fundamento, límites y revisión.
AHS Agentrix se diferencia así de la infraestructura convencional. Los agentes no solo deben trabajar, sino hacerlo de forma fiable dentro de reglas, permisos y responsabilidades. La seguridad de datos es la base para entrar en operaciones críticas, sostener equipos digitales y evolucionar.
El salón DAMA de Shenzhen mostró una ruta clara desde el gobierno y la acumulación hasta la creación de valor en calidad, madurez, activos y circulación. La ontología empresarial de AHS prolonga esa ruta hasta las operaciones.
