Construido desde la realidad del operador

Fundé DeGNZ Labs en 2024 porque, después de años construyendo software y trabajando dentro de empresas, seguía encontrándome con el mismo problema de fondo.

Las empresas disponían de más herramientas, más datos, más paneles, más automatizaciones y más canales que nunca. Sin embargo, el trabajo seguía estando fragmentado.

El conocimiento necesario para tomar decisiones estaba disperso entre documentos, mensajes, reuniones, bases de datos y la memoria de operadores individuales. Los flujos de trabajo existían en parte en el software, en parte en hojas de cálculo, en parte en los hábitos de las personas y, en algunos casos, no existían en ningún lugar. Se tomaban decisiones importantes, pero no siempre se conservaban. Se asignaban responsabilidades, pero no siempre eran visibles. Los sistemas registraban actividad, pero rara vez capturaban todo el contexto operativo que había detrás.

Entonces, la inteligencia artificial entró en la empresa.

Lo hizo a través de empleados individuales, antes de que la mayoría de las organizaciones hubiera decidido cómo debía funcionar. Los equipos empezaron a utilizar grandes modelos de lenguaje para investigar, redactar, analizar, atender a clientes, pensar productos, programar y gestionar operaciones internas. Los copilotos se integraron en el software existente. Los agentes comenzaron a pasar de las demostraciones a los flujos de trabajo.

La tecnología avanzó rápidamente.

La infraestructura operativa que la rodeaba no lo hizo.

Esa brecha es la razón de ser de DeGNZ Labs.

DeGNZ Labs se construye desde la perspectiva de un operador. Los operadores no viven una empresa como un organigrama limpio ni como un conjunto de categorías de software independientes. La vivimos como un sistema vivo de personas, decisiones, dependencias, restricciones, excepciones, información y ejecución.

Vemos dónde el proceso oficial difiere del proceso real, las explicaciones repetidas que nunca se convierten en conocimiento institucional, cómo una pequeña incoherencia de datos puede bloquear un flujo de trabajo completo, cómo las decisiones desaparecen en reuniones y mensajes privados, cómo los equipos incorporan herramientas más rápido de lo que rediseñan el sistema de trabajo que las rodea y cómo la automatización puede acelerar un proceso defectuoso sin llegar a mejorarlo.

Y ahora vemos a las empresas introducir la IA en ese entorno y esperar que la inteligencia aparezca automáticamente.

No ocurre.

La IA hereda la organización en la que entra.

Si el contexto de la empresa está fragmentado, la IA recibe un contexto fragmentado.

Si el conocimiento está desactualizado o es contradictorio, la IA razona a partir de conocimiento desactualizado o contradictorio.

Si los roles no están claros, la IA no puede comprender de forma fiable la autoridad.

Si los flujos de trabajo son informales, los agentes no pueden saber dónde empieza el trabajo, dónde termina ni cuándo debe intervenir una persona.

Si los permisos son demasiado amplios, la autonomía se convierte en riesgo.

Si no existe memoria, cada interacción vuelve a empezar desde cero.

Si la gobernanza solo existe como documento, no puede limitar de forma fiable a un software capaz de actuar.

La IA no elimina la necesidad de estructura operativa.

Hace que esa necesidad sea imposible de ignorar.

La adopción de la IA ya no es una hipótesis.

El AI Index 2026 de Stanford señala que el 88 % de las organizaciones encuestadas utilizaba IA en al menos una función empresarial en 2025, mientras que el despliegue de agentes de IA se mantenía por debajo del 10 % en casi todas las funciones.[^1]

McKinsey también informa de que el 88 % de los encuestados afirma que su organización utiliza IA de forma habitual, pero solo alrededor de un tercio señala que su empresa ha comenzado a desplegar sus programas de IA a escala empresarial. El 23 % declara estar escalando un sistema de IA agéntica en alguna parte de la organización, mientras que otro 39 % está experimentando con agentes.[^2]

Esta es una brecha operativa, no una brecha de adopción.

BCG observó que la proporción de encuestados cuyas organizaciones habían integrado agentes de IA en los flujos de trabajo aumentó del 13 % en 2025 al 30 % en 2026. Otro 50 % declaró haber realizado experimentos o pilotos con agentes, mientras que la mitad afirmó que sus empresas seguían sin disponer de una gobernanza clara para los equipos humano–IA.[^3]

Los riesgos tampoco son ya teóricos. La investigación de IBM sobre brechas de seguridad de 2025 reveló que el 97 % de las organizaciones que notificaron una brecha relacionada con la IA carecía de controles de acceso adecuados para la IA.[^4]

Estas cifras describen la misma transición desde distintos ángulos:

• la IA ya está dentro de la empresa;
• los agentes se están acercando a la ejecución;
• la creación de valor a escala empresarial sigue siendo desigual;
• los flujos de trabajo no se han rediseñado con suficiente profundidad;
• la gobernanza y los controles de acceso avanzan con retraso;
• el modelo operativo no ha alcanzado todavía a la tecnología.

La siguiente etapa de la IA no la ganará únicamente la empresa que tenga acceso al mejor modelo.

Los modelos seguirán mejorando. Sus capacidades se generalizarán. Las interfaces se multiplicarán.

La ventaja duradera procederá de la capacidad de una empresa para estructurar el entorno en el que operan esos modelos.

La mayoría de las empresas no necesita otra interfaz de IA desconectada.

Ya tiene acceso a modelos potentes.

Lo que le falta es una base operativa compartida.

Hoy, dos empleados de una misma empresa pueden formular la misma pregunta al mismo modelo y obtener trabajos sustancialmente distintos porque aportan contextos diferentes, utilizan terminologías diferentes, consultan fuentes diferentes y aplican supuestos diferentes.

Un nuevo empleado puede pasar semanas aprendiendo lo que un operador experimentado ya comprende de manera implícita.

Un equipo comercial puede describir el producto de forma distinta al equipo de producto.

Un agente de soporte puede aplicar una política que se actualizó en otro lugar, pero nunca se distribuyó al sistema del que depende.

Un asistente de IA puede recuperar el documento correcto, pero interpretar mal qué parte sigue teniendo autoridad.

Un agente autónomo puede tener la capacidad técnica de ejecutar una acción sin disponer de la autoridad organizativa necesaria para hacerlo.

No se trata principalmente de un problema de modelos.

Es un problema de infraestructura.

Durante décadas, las empresas han construido sistemas de registro para clientes, transacciones, documentos, finanzas, proyectos y comunicaciones.

Todavía no han construido un sistema gestionado para la inteligencia organizativa que la IA necesita para comprender el trabajo y participar en él.

DeGNZ Labs existe para construir infraestructura de software para operaciones inteligentes.

Somos un laboratorio de software que desarrolla desde Marruecos productos nativos de IA para mercados globales.

Nuestra misión es ayudar a las empresas a pasar de un uso fragmentado de la IA a un modelo operativo más coherente, en el que los equipos humanos y los sistemas de IA puedan trabajar juntos mediante una comprensión compartida, una ejecución controlada, una gobernanza explícita y un aprendizaje continuo.

Creemos que una empresa nativa de IA no es simplemente una empresa que utiliza la IA con frecuencia.

Es una empresa que ha diseñado deliberadamente cómo participa la IA en sus operaciones.

Puede responder a estas preguntas:

• ¿Qué sabe el sistema de IA sobre la empresa?
• ¿Qué fuentes tienen autoridad?
• ¿Qué está autorizado a recordar?
• ¿A qué datos puede acceder?
• ¿Qué rol está desempeñando?
• ¿En qué flujo de trabajo está participando?
• ¿Qué decisiones puede tomar?
• ¿Qué acciones requieren aprobación?
• ¿Cuándo debe detenerse o escalar una situación?
• ¿Cómo se evalúa su trabajo?
• ¿Cómo mejora el sistema después de los errores y del feedback?

Sin estas respuestas, la IA sigue siendo una colección de herramientas.

Con ellas, puede convertirse en parte de un sistema operativo.

Esa es la transición que DeGNZ Labs existe para diseñar.

Antes de que un sistema de IA pueda actuar de forma fiable, debe comprender la organización.

Necesita algo más que una carpeta de documentos.

Necesita una representación coherente de:

• la identidad, la estrategia, los productos y los clientes de la empresa;
• el significado de sus conceptos internos y su terminología;
• las responsabilidades de departamentos, equipos y roles;
• las políticas y los límites que rigen el trabajo;
• el historial de decisiones e interacciones;
• los sistemas en los que reside la evidencia autorizada;
• los flujos de trabajo mediante los que se producen los resultados;
• las prioridades y restricciones aplicables en cada momento.

Llamamos a la infraestructura que gestiona esta comprensión Infraestructura de Cerebro de IA.

Un cerebro de IA no sustituye a un CRM, un ERP, un almacén de datos, un repositorio documental ni una plataforma de comunicación.

Estos siguen siendo sistemas de registro.

El cerebro opera por encima de ellos y a través de ellos.

Organiza cómo se interpreta el conocimiento de la empresa. Conserva la memoria operativa. Conecta los sistemas de IA con evidencia aprobada. Representa el conocimiento procedimental que hay detrás de los flujos de trabajo. Aplica la jerarquía organizativa, los permisos, la procedencia y el control de versiones. Permite que los clientes de IA aprobados operen desde una comprensión común y gobernada de la empresa.

El cerebro debe estar centralizado lógicamente, aunque los sistemas de la empresa sigan estando técnicamente distribuidos.

Esta distinción es importante.

No creemos que las empresas deban trasladar todos sus datos a un único repositorio monolítico. Creemos que deben gestionar una capa coherente de inteligencia organizativa sobre los sistemas que ya utilizan.

El cerebro de la empresa se convierte en un activo institucional:

• independiente de cualquier proveedor de modelos;
• reutilizable entre LLM, copilotos, agentes y automatizaciones aprobados;
• gobernado por la organización en lugar de ser reconstruido por cada empleado;
• mejorado con el tiempo mediante evidencia, correcciones y feedback operativo.

Cuantos más sistemas de IA adopta una empresa, más valioso se vuelve este cerebro compartido.

DeGNZ Labs comienza con un solo producto: Cervo.

Cervo es una Infraestructura de Cerebro de IA para empresas que se preparan para operar con IA.

Está diseñado para crear un cerebro de empresa gestionado que conecte el contexto organizativo, el conocimiento, los datos, la memoria, las instrucciones específicas de cada rol y la comprensión de los flujos de trabajo con los LLM y los agentes que los empleados ya utilizan.

Entramos en el mercado a través del contexto porque es el punto de fallo más inmediato y visible.

Cada día, los empleados vuelven a explicar la misma empresa a la IA:

• qué hace el negocio;
• quién es el cliente;
• cómo debe describirse el producto;
• qué terminología debe utilizarse;
• qué tono es apropiado;
• qué rol debe desempeñar el sistema;
• qué políticas son aplicables;
• cuál es la prioridad actual;
• cómo es un trabajo bien hecho.

Este trabajo de contextualización invisible se duplica entre personas, herramientas, conversaciones y departamentos.

Rara vez está gobernado.

Se pierde con facilidad.

No se acumula con el tiempo.

Cervo empieza convirtiendo esas explicaciones repetidas en infraestructura compartida.

Con el tiempo, ese mismo cerebro podrá enriquecerse mediante memoria gestionada, conexiones gobernadas con los sistemas de origen y una inteligencia de flujos de trabajo más profunda. Pero la entrada al mercado seguirá siendo específica: establecer un cerebro de empresa estructurado que proporcione a las herramientas de IA aprobadas una comprensión coherente de la organización.

No fabricaremos artificialmente una cartera de productos antes de que el primero se gane el derecho a expandirse.

Cervo debe demostrar primero adopción real, uso operativo recurrente, valor medible, disposición a pagar, retención y crecimiento.

La arquitectura más amplia de DeGNZ Labs evolucionará a partir de la evidencia, no del deseo de aparentar que somos más grandes de lo que somos.

Creemos que la próxima era del software llevará a las empresas de unas operaciones digitalizadas a unas operaciones inteligentes.

La era anterior creó sistemas para registrar el trabajo.

La próxima creará sistemas capaces de comprenderlo, apoyarlo y participar cada vez más en él.

Los equipos humanos seguirán siendo responsables del propósito, el juicio, las relaciones, la ética, las prioridades y la rendición de cuentas.

Los sistemas de IA ayudarán cada vez más a recuperar conocimiento, interpretar información, producir análisis, supervisar estados, coordinar tareas, ejecutar acciones delimitadas y detectar excepciones.

Las organizaciones más sólidas no plantearán esta evolución como una competencia entre personas y máquinas.

Diseñarán la relación, decidirán dónde el juicio humano es indispensable, dónde puede asistir la IA, dónde pueden ejecutar los agentes bajo supervisión, harán explícita la autoridad, convertirán los límites en reglas ejecutables, preservarán la memoria institucional, medirán los resultados y tratarán el contexto, la orquestación, la gobernanza y el aprendizaje como infraestructura esencial.

Esto es lo que entendemos por un futuro operativo inteligente.

No es una empresa con IA en todas partes. Es una empresa en la que la inteligencia humana y la inteligencia de las máquinas se coordinan deliberadamente.

Creemos en esta visión porque la alternativa ya es visible.

Sin una infraestructura compartida, la adopción de la IA se fragmenta por toda la organización.

Cada empleado desarrolla sus propias prácticas privadas de prompting.

Cada departamento crea sus propias definiciones.

Cada herramienta de IA se convierte en un silo adicional.

El contexto se repite en lugar de reutilizarse.

El conocimiento se copia sin procedencia.

Los agentes reciben permisos sin un modelo coherente de responsabilidad.

Aumentan los resultados, mientras la rendición de cuentas se vuelve menos clara.

La empresa genera más actividad producida por máquinas sin obtener necesariamente más inteligencia organizativa.

Este modelo no puede escalar indefinidamente.

A medida que los sistemas de IA aumentan sus capacidades, también aumenta el coste de una infraestructura débil.

Una respuesta de baja calidad es incómoda.

Una acción autónoma de baja calidad puede resultar costosa para las operaciones.

Un borrador incoherente puede corregirse.

Un agente que actúa con permisos incorrectos puede exponer datos, activar transacciones, modificar registros o generar un problema de auditoría.

Cuanta más autonomía recibe el sistema, más contexto, memoria, claridad de los flujos de trabajo, gobernanza, observabilidad y supervisión humana necesita.

De aquí surge la tesis central de DeGNZ Labs:

Cuanto más capaz se vuelve la IA, más importante se vuelve la infraestructura operativa que la rodea.

Nuestros valores son decisiones de ingeniería sobre la empresa que queremos construir y los productos que estamos dispuestos a crear.

Partimos de problemas operativos observados, no de categorías de producto de moda.

Los mercados de la IA evolucionan rápidamente. Las narrativas cambian todavía más rápido. La realidad de los operadores es una fuente de verdad más duradera.

Nos preguntamos qué necesita realmente el trabajo, dónde se rompe, quién es responsable del resultado y si el producto genera un valor medible.

Las interfaces importan, pero la novedad superficial no es suficiente.

Invertimos en las capas que hacen que la IA sea fiable, reutilizable, portable, segura y gobernable.

Preferimos resolver un problema estructural difícil antes que añadir una funcionalidad de IA que parezca impresionante, pero que no mejore el sistema operativo subyacente.

Un agente no debería recibir más libertad de la que la organización le haya proporcionado en forma de comprensión.

La calidad de un sistema autónomo no depende únicamente de lo que puede hacer, sino también de si entiende dónde se encuentra, por qué importa la tarea, qué reglas se aplican y cuándo debe detenerse.

El uso no equivale al éxito.

No consideraremos que más prompts, más agentes o más contenido generado constituyan pruebas de valor.

Los sistemas deben ganarse el derecho a expandirse mediante fiabilidad, adopción, valor económico y riesgo controlado.

Construimos para reforzar la capacidad de acción humana, no para ocultar la responsabilidad.

La IA puede apoyar el juicio y ejecutar trabajo delimitado. No debería hacer desaparecer la responsabilidad.

Todo sistema importante necesita un responsable humano, mecanismos de escalado claros y un modelo definido de rendición de cuentas.

La gobernanza debe estar presente en la identidad, los permisos, el acceso al contexto, las aprobaciones, los registros, los límites y la revocación.

No debería llegar después del despliegue en forma de un PDF de políticas que el sistema de ejecución no puede aplicar.

Toda corrección útil, decisión, flujo de trabajo y aprendizaje debería tener el potencial de mejorar el trabajo futuro.

La IA debería reducir la cantidad de conocimiento que desaparece cuando termina una conversación, un empleado abandona la empresa o se cierra un proyecto.

Construimos para mercados globales, pero la ambición no justifica la falta de precisión.

Creemos que las empresas de infraestructura relevantes se construyen mediante enfoque, evidencia, precisión y ejecución sostenida.

DeGNZ Labs fue fundada en Mequinez, Marruecos. Construimos desde Marruecos para mercados globales. Forma parte de la convicción de la empresa.

Internet y la infraestructura moderna de software han hecho posible crear productos de relevancia global desde lugares que históricamente solo se consideraban mercados, reservas de talento o centros de ejecución.

Queremos que Marruecos sea un lugar del que puedan surgir categorías originales de software, tesis técnicas y productos de infraestructura global.

Construir desde Marruecos también moldea nuestra disciplina.

Nos enseña a generar apalancamiento bajo restricciones, hace visible el desperdicio, nos impulsa hacia estándares globales sin dar por hecho un acceso ilimitado al capital, a las redes o al apoyo institucional, y nos recuerda que la infraestructura de software debe ser útil en distintas realidades operativas, no únicamente dentro de las mayores empresas o de los ecosistemas mejor financiados.

Nuestra ambición no es convertirnos en una empresa marroquí de software exitosa que, además, vende en el extranjero.

Es construir una empresa de infraestructura relevante a escala global cuyo origen sea Marruecos.

Hay momentos en los que una tecnología llega antes de que las organizaciones comprendan lo que exige de ellas.

Este es uno de esos momentos.

La IA está entrando en el trabajo desde la base y desde la dirección de las organizaciones al mismo tiempo.

Los empleados la adoptan porque les ayuda a avanzar más rápido.

Los directivos la adoptan porque esperan obtener apalancamiento estratégico.

Los proveedores de software la integran porque el mercado la demanda.

Las plataformas de agentes facilitan la conexión de los modelos con herramientas y acciones.

Pero la capa operativa que debería conectar todo sigue ausente.

La empresa no dispone de una arquitectura operativa para la colaboración humano–IA.

El momento de construir esa arquitectura es ahora: antes de que las prácticas fragmentadas queden profundamente arraigadas, antes de que el contexto organizativo se disperse entre decenas de herramientas de IA y antes de que los agentes adquieran más autoridad sin la infraestructura necesaria para supervisarlos.

Las empresas que resuelvan este problema pronto harán algo más que reducir riesgos.

Crearán una ventaja acumulativa: el conocimiento organizativo será más fácil de distribuir, los sistemas de IA partirán de una comprensión más sólida, los empleados dedicarán menos tiempo a repetir el contexto, los flujos de trabajo serán más observables, las decisiones serán más fáciles de conservar, mejorará su capacidad para cambiar de modelo o de herramienta y la adopción de la IA se convertirá en una capacidad institucional en lugar de una colección de hábitos personales.

Por eso es ahora.

Construimos primero para empresas que ya han cruzado el umbral entre la curiosidad y el uso real de la IA.

Sus equipos utilizan LLM, copilotos o agentes en el trabajo diario.

Perciben el beneficio.

También perciben la fragmentación.

Observan resultados incoherentes entre empleados.

Les preocupa qué información llega a modelos externos.

Quieren que la IA comprenda de manera diferente los departamentos y los roles.

Necesitan un control más sólido sobre lo que está actualizado, aprobado y tiene autoridad.

Están considerando utilizar agentes, pero saben que la autonomía sin estructura genera riesgo.

No necesitan que nadie les convenza de que la IA importa.

Necesitan infraestructura que permita que la IA importe en términos operativos.

También construimos para los operadores responsables de hacer realidad esta transición.

Nuestro objetivo es proporcionarles un sistema mejor desde el que ejercer esa responsabilidad.

DeGNZ Labs invierte en una misión a largo plazo:

Construir la infraestructura de software mediante la que las empresas puedan coordinar la inteligencia humana y la inteligencia de las máquinas.

Construiremos lo que la evidencia demuestre que necesitan las empresas.

Mantendremos el suficiente enfoque para validar cada etapa.

Publicaremos nuestro pensamiento para que la tesis pueda examinarse.

Trataremos a clientes y usuarios como fuentes de verdad operativa.

Diferenciaremos lo que sabemos de lo que todavía debemos demostrar.

Revisaremos el marco cuando la realidad lo contradiga.

Queremos ayudar a construir empresas en las que el conocimiento no tenga que redescubrirse cada vez que alguien formula una pregunta.

Donde la IA entienda la diferencia entre una verdad aplicable a toda la empresa, un contexto departamental, unas instrucciones específicas de un rol y una información temporal vinculada a una tarea.

Donde las decisiones se conserven junto con su razonamiento.

Donde la autoridad de las fuentes sea visible.

Donde los agentes operen dentro de permisos limitados y explícitos.

Donde los flujos de trabajo definan cuándo la IA asiste, cuándo actúa y cuándo debe intervenir una persona.

Donde los sistemas puedan explicar qué contexto y qué evidencia influyeron en un resultado.

Donde los clientes de IA puedan cambiar sin que la organización pierda su cerebro.

Donde los empleados obtengan apalancamiento sin perder su capacidad de acción.

Donde la gobernanza permita despliegues útiles en lugar de existir únicamente para impedirlos.

Donde la inteligencia organizativa se acumule.

Ese futuro debe diseñarse.

DeGNZ Labs todavía se encuentra en una fase temprana.

Cervo ya está en el mercado, y los nuevos espacios de trabajo se activan actualmente mediante incorporación guiada en lugar de un despliegue autoservicio.

El marco es una tesis que debe ponerse a prueba en empresas reales, con flujos de trabajo reales, restricciones reales y resultados reales.

Creo que ser honestos sobre la etapa actual de la empresa es compatible con ser ambiciosos respecto a su destino.

No necesitamos fingir que el futuro ya está construido.

Necesitamos ser precisos sobre lo que falta, disciplinados sobre lo que construimos primero y estar lo bastante comprometidos como para seguir trabajando hasta que la infraestructura sea real.

Fundé DeGNZ Labs porque creo que la próxima generación de empresas necesitará una nueva capa operativa para la inteligencia humana y de las máquinas. Y creo que el momento adecuado para empezar es antes de que el problema resulte evidente para todo el mundo.

Esta es la razón por la que existe DeGNZ Labs. Y esta es la razón por la que estamos construyendo la infraestructura para un futuro operativo más inteligente.

— Yassir Haouati Operador-Ingeniero Fundador y CEO de DeGNZ Labs

[^1]: Stanford Institute for Human-Centered Artificial Intelligence, The 2026 AI Index Report — Economy. Stanford señala que el 88 % de las organizaciones encuestadas utilizaba IA en al menos una función empresarial en 2025 y que el despliegue de agentes se mantenía por debajo del 10 % en casi todas las funciones.

[^2]: McKinsey & Company, The State of AI: Global Survey 2025. McKinsey informa de un uso habitual de la IA en el 88 % de las organizaciones de los encuestados, con un 23 % escalando IA agéntica en alguna parte de la empresa y un 39 % adicional experimentando con agentes.

[^3]: Boston Consulting Group, AI at Work: Why Strategy Matters More Than Tools. BCG señala que la integración de agentes en los flujos de trabajo aumentó del 13 % en 2025 al 30 % en 2026, que otro 50 % de los lugares de trabajo había realizado experimentos o pilotos y que la mitad de los encuestados afirmaba que su empresa carecía de una gobernanza humano–IA clara.

[^4]: IBM, Cost of a Data Breach Report 2025. IBM informa de que el 97 % de las organizaciones que sufrieron una brecha relacionada con la IA carecía de controles de acceso adecuados para la IA.