UiPath presenta Cartographer: el 'mapa del trabajo' que faltaba para que la IA agéntica funcione en la empresa

UiPath aprovechó su conferencia FUSION 2026 en Las Vegas para lanzar Cartographer y el llamado 'Map of Work' (Mapa del Trabajo), lo que su CEO Daniel Dines calificó como "el anuncio más trascendental" en la historia de la compañía. La presentación arrancó con una intervención de Cassie Kozyrkov, ex Chief Decision Scientist de Google y ahora CEO de Kozyr, quien ilustró con el ejemplo de una imagen de un león (preguntando a la audiencia si era o no 'un gato') que los sistemas de IA producen resultados impredecibles cuando nadie ha definido con claridad el propósito y los límites de la tarea. Su conclusión, en tono de advertencia: los modelos de lenguaje (LLM) son probabilísticos, cada instrucción lleva un 'quizás' invisible adjunto, y sin redes de seguridad y control, un genio sin lámpara es solo un poltergeist con mejor marketing.

Sobre esa base, Dines articuló el problema central que Cartographer pretende resolver. Según él, los LLM tienen tres limitaciones de diseño insalvables: no asumen consecuencias por sus acciones, no aprenden en el puesto de trabajo, y no pueden ser exactos. Para explicarlo recurrió a la analogía de la incorporación de un empleado nuevo: incluso un ejecutivo experimentado pasa sus primeras semanas escuchando, observando y absorbiendo contexto antes de tomar decisiones, porque aprende cómo funciona realmente la organización más allá de lo que dicen los manuales de inducción. Los LLM, en cambio, no aprenden en ese sentido: tienen memoria, pero eso es distinto de aprender. Cada consulta a un modelo arranca de cero (el mismo modelo sirviendo a todas las empresas del mundo), lee su ventana de contexto desde el principio y nada de esa interacción se propaga a los pesos del modelo. Por tanto, para que un LLM sea útil en un entorno corporativo necesita un 'manual' que contenga todas las reglas, excepciones, casos límite y decisiones que un empleado humano normalmente aprende con el tiempo.

El problema, señaló Dines, es que ese manual no existe en un solo lugar: está disperso entre procedimientos operativos estándar (SOP) desactualizados, viejos diagramas de minería de procesos, la memoria de empleados con experiencia y antiguas conversaciones de Slack. Cada nuevo proyecto de automatización o IA tiene que reconstruir esa comprensión desde cero, lo cual resulta costoso e incompleto. El Map of Work de UiPath busca ser una vista viva y gobernada de cómo funciona realmente hoy un proceso empresarial, incluyendo todas sus excepciones y casos atípicos, con un propietario designado que aprueba cada cambio y que sirve de fuente única a partir de la cual se generan documentos de diseño, automatizaciones e instrucciones para agentes, de modo que nada quede obsoleto.

UiPath respaldó el anuncio con datos de una investigación propia, realizada por Wakefield Research y publicada este mes, basada en encuestas a 590 líderes de C-suite y de TI en Estados Unidos, Reino Unido, Francia, Alemania, India y Singapur. El estudio halló que dos tercios de las empresas ya tienen IA agéntica incorporada o adoptada en equipos concretos, pero solo el 29% afirma que la orquestación está plenamente integrada en sus flujos de trabajo. Es decir, las organizaciones están sumando IA a gran velocidad, pero carecen de la coordinación que exige el modelo operativo. Entre quienes sí tienen orquestación embebida, el 89% dice que sus despliegues de IA agéntica han cumplido o superado las expectativas de retorno de inversión (ROI). El Map of Work pretende cerrar esa brecha ofreciendo a agentes, automatizaciones y humanos una fuente compartida y gobernada de 'verdad de proceso' desde la que operar.

En cuanto al funcionamiento concreto, Cartographer es un nuevo producto, ya disponible, diseñado para sustituir las entrevistas, las presentaciones y los documentos de proceso escritos a mano que normalmente preceden a un proyecto de automatización. Se construye sobre las inversiones previas de UiPath en minería de procesos, pero incorpora capacidades de IA antes inexistentes. El llamado Cartographer Agent absorbe la documentación existente y puede recibir instrucciones para entrevistar directamente a expertos en la materia, observar grabaciones de pantalla y hacer preguntas de seguimiento sobre la marcha, del tipo '¿qué ocurre cuando esta factura tiene una excepción?' o '¿por qué se tomó un camino distinto cuando el código postal era de Alabama?'. Toda esa información se sintetiza en un mapa de proceso con el que el analista puede interactuar y que permite simular situaciones y rediseñar el proceso.

Existen tres vías de entrada a Cartographer: los Prebuilt Maps, mapas ya dibujados y configurados para procesos comunes como originación de préstamos, revisión de reclamaciones sanitarias o compras (source-to-pay), basados en la experiencia acumulada de UiPath con su base de clientes; el Process Atlas, una biblioteca curada de mapas detallados con conocimiento de dominio y fuentes autorizadas que recoge la forma completa de procesos complejos, con planes de caso, KPI, puntos de referencia y reglas estándar; y la opción de que las organizaciones con procesos especializados o propietarios construyan sus propios mapas desde cero. Una vez elaborado el mapa, agentes de codificación lo utilizan junto con los documentos de diseño de proceso resultantes para construir las automatizaciones reales, que se ejecutan sobre UiPath Maestro, la capa de orquestación lanzada el año pasado. Después, un 'Decision Ledger' (libro de decisiones) registra cada juicio realizado durante la ejecución en vivo del proceso, capturando las correcciones que los humanos hacen sobre las sugerencias de los agentes; esas correcciones se devuelven como cambios propuestos al mapa, que el propietario aprueba o rechaza, de forma que el mapa 'aprende' con cada ciclo de proceso.

Como testimonio de cliente, Dines invitó al escenario a Kei Yamamoto, director de Servicios y Planificación Contable de SMBC, uno de los mayores grupos bancarios de Japón y primer gran cliente de UiPath, relación que arrancó hace unos nueve años cuando UiPath era una empresa con unos 3-4 millones de dólares de ingresos anuales recurrentes (ARR) y unas pocas docenas de clientes; hoy UiPath supera los 10.000 clientes y está a punto de cruzar los 2.000 millones de dólares de ARR. Desde 2017, SMBC ha automatizado más de seis millones de horas de trabajo y ha ayudado a 3.000 empleados a pasar de tareas manuales a trabajo más estratégico. En 2024 dio el salto a la IA generativa con un agente contable desarrollado junto con UiPath que automatizó su proceso de pagos basados en facturas; este año esa capacidad se amplió para cubrir los reembolsos de empleados basados en recibos, procesando en un mes más de 10.000 solicitudes y logrando una mejora de eficiencia del 90%.

Uno de los puntos más destacados de la intervención de Yamamoto fue la explicación de cómo se acumula el error en procesos encadenados: si un proceso de tres pasos tiene cada paso con un 90% de precisión, la precisión de extremo a extremo cae a cerca del 73%, un nivel inaceptable en contabilidad. En lugar de perseguir una IA perfecta, SMBC rediseñó los procesos de extremo a extremo combinando reglas, datos históricos, IA generativa, controles de automatización y puntos de verificación humanos: los casos de alta confianza y bajo riesgo se procesan automáticamente, mientras que las excepciones se derivan a personas. Yamamoto llamó a este enfoque 'IA por diseño' (AI by design). SMBC está además construyendo una plataforma común de datos financieros entre sus principales empresas del grupo, que cubre más del 99% de los registros a nivel de grupo, con datos financieros y de gestión actualizados a diario, un objetivo que describió como 'inteligencia empresarial': una capacidad a nivel de alta dirección que identifica los pocos hechos críticos ocultos en los datos, cuantifica su impacto y los convierte en información de gestión. Como resumió, "la calidad de las finanzas determina la calidad de la gestión".

Junto a Cartographer, UiPath anunció una serie de actualizaciones de plataforma que su CPTO, Raghu Malpani, describió como un refuerzo del 'plano de control' en gobernanza, datos, conectividad y despliegue, un enfoque respaldado también por la investigación de la compañía: al preguntar a los líderes empresariales qué les impide escalar la IA agéntica, señalaron como las tres principales barreras la calidad y preparación de los datos (38%), la integración con flujos de trabajo y sistemas existentes (37%), y la gobernanza y el cumplimiento normativo (33%). Entre los anuncios de producto destacan: los UiPath Coding Agents, presentados por primera vez en mayo de 2026, que ahora alcanzan disponibilidad general y permiten a los equipos usar los agentes de codificación propios de UiPath o conectar Claude Code, Cursor, Codex, Antigravity u otros agentes compatibles, todos ellos con soporte nativo para carpetas, trabajos, colas, registros de auditoría y conexiones de UiPath; un nuevo producto llamado UiPath Delegate, que actúa como agente de productividad para tareas empresariales, especialmente en pruebas de software, guardando flujos de trabajo repetibles a partir de acciones de testers y ejecutándolos bajo demanda mediante disparadores.

En el terreno de los datos, UiPath Integration Service incorpora Database Hub (lectura y escritura en SQL Server, Oracle y Databricks sin necesidad de código a medida), Relay (conecta automatizaciones en la nube con sistemas locales), un almacén de credenciales de terceros y un conector MCP que permite a los flujos de trabajo invocar herramientas de cualquier servidor compatible con MCP como una actividad nativa. UiPath Data Fabric, por su parte, está pensado para convertir datos empresariales distribuidos en contexto gobernado y reutilizable para agentes y automatizaciones. La gobernanza suma varias capas nuevas: Model Hub, para visibilidad centralizada de qué modelos están en uso; un Runtime Checker que valida de forma continua el comportamiento de los agentes frente a las políticas mientras se ejecutan (y no solo en el momento de construcción); una barrera de seguridad de tipo LLM-as-Judge; paquetes de cumplimiento normativo; y políticas de identidad y acceso. Además, Automation Suite ya está disponible en Linux con la pila completa de IA agéntica, pensada para organizaciones con requisitos de soberanía o seguridad.

La autora del artículo, presente en el evento, señala en su valoración que todo el discurso de Dines apuntaba a un mismo lugar: el valor empresarial no procede del modelo en sí. Las limitaciones sobre consecuencias, aprendizaje y exactitud, que ya había discutido previamente con Dines en un pódcast, subrayan que los LLM son motores de razonamiento potentes que no entienden el negocio de cada empresa, porque parten de cero cada vez y están construidos para transmitir confianza aunque no la tengan justificada. El texto original incluye además una divulgación editorial: UiPath es partner premium del medio que publica el artículo (diginomica) y costeó los gastos de viaje y alojamiento de la autora para asistir a FUSION 2026.