ServiceNow AI Control Tower: gran sistema de acción para la gobernanza de IA, pero con dudas sobre el control en tiempo de ejecución

Aviso previo: el texto descargado se corta a mitad de la sección final sobre precios («The market is sho…»). Este resumen cubre solo lo que aparece en el contenido recibido. El artículo es un «Breaking Analysis» de SiliconANGLE y theCUBE Research, firmado por Dave Vellante.

La tesis central es que ServiceNow hace una apuesta visible y de gran calado en IA empresarial con AI Control Tower. La compañía afirma que puede descubrir y gobernar cualquier agente, funcionar entre modelos y nubes, seguir costes y valor, y cortar comportamientos que violen políticas. El análisis se pregunta si Control Tower se está convirtiendo en el plano de control de IA de la empresa o si se limita a ser el «sistema de acción» de la gobernanza.

Según el análisis, Control Tower ya es fuerte como flujo de trabajo de gobernanza. Puede inventariar activos de IA, vincular riesgos con responsables, enrutar aprobaciones y remediaciones, y conservar una pista de auditoría. Lo que el estudio de campo no ha validado de forma amplia es que sea un plano completo de gobernanza técnica y de aplicación en tiempo de ejecución en entornos heterogéneos.

La metodología combina 15 entrevistas en profundidad con clientes de ServiceNow. Las hizo Qualitate, socio de datos de theCUBE Research, entre el 15 y el 21 de septiembre de 2026. Suman 575 minutos de entrevista y todos los entrevistados eran grandes empresas con presencia previa de ServiceNow. Once estaban en Norteamérica y cuatro en Europa. Por sector, cinco eran de servicios financieros, cuatro de sanidad, tres de tecnología y telecomunicaciones y tres de sector público, manufactura u otros. Por cargo, había tres ejecutivos o vicepresidentes, diez directores o responsables funcionales y dos gerentes sénior. Once de los 15 habían instalado, pilotado o estaban evaluando Control Tower. Los autores reconocen un sesgo hacia la base instalada, pero lo consideran deliberado: es el terreno donde Control Tower debería tener más ventaja. Aclaran también que no es una encuesta de clientes proporcionados por ServiceNow.

El análisis separa tres trabajos técnicos que el mercado agrupa bajo la etiqueta «gobernanza de IA». El primero es el flujo de trabajo y la rendición de cuentas: inventario, propietarios, aprobaciones, excepciones, incidencias, remediación e historial de auditoría. Ahí ServiceNow es más fuerte. El segundo es la evidencia del ciclo de vida de la IA: versiones de modelo, linaje, validación, sesgo, explicabilidad, deriva e historial de rendimiento. ServiceNow puede coordinarla, pero los clientes suelen generarla en otro sitio. Los ejemplos de proveedores en esta capa son IBM con Watsonx.governance, Fiddler AI y Credo AI, además de herramientas nativas de hiperescalares y plataformas de modelos. El tercero es la aplicación en tiempo de ejecución y la seguridad de IA: políticas de pasarela, comprobación de permisos, identidad de agente, puertas de despliegue y capacidad de bloquear o restringir acciones. Esta capa la financian normalmente los presupuestos de seguridad y de plataformas de IA, con ejemplos como Palo Alto Prisma AIRS y Cisco AI Defense. Para los autores, esto explica que las arquitecturas sigan siendo multiproveedor aunque los vendedores prometan gobernanza de extremo a extremo.

Control Tower se enmarca en una estrategia de IA agéntica con cinco pilares. El primero es una postura agnóstica respecto a modelo, agente, nube, fuente de datos o sistema de registro. El segundo es el paso de asistentes de chat a trabajadores autónomos que planifican, ejecutan y se adaptan. El tercero es la gobernanza centralizada con Control Tower (descubrimiento, propiedad, acceso, observabilidad, valor y remediación). El cuarto es la gestión de coste y valor de la IA, con economía de tokens, selección de modelos, control de presupuesto y ROI. El quinto es el precio y empaquetado: los niveles Foundation, Advanced y Prime introducen la IA de forma amplia, empujan a los clientes hacia arriba y añaden consumo sobre las suscripciones. Según el artículo, los pilares se refuerzan entre sí: más agentes generan más demanda de gobernanza, y la elección de modelos añade complejidad que la gobernanza resuelve y que da más motivos para quedarse en la plataforma.

Las cifras de impulso que cita el artículo, atribuidas a la dirección de ServiceNow, son estas:

- La plataforma soporta unos 100.000 millones de flujos de trabajo y casi 8 billones de transacciones. - Amit Zavery dijo que más de 500 clientes estaban en producción con AI Control Tower en los primeros seis meses. - La compañía reportó un ACV de IA superior a 1.000 millones de dólares en el segundo trimestre, con un objetivo anual de 1.500 millones. - Bill McDermott resume el foso competitivo en una palabra: contexto.

La CMDB conoce activos, servicios, propietarios y dependencias. ITSM y la gestión de cambios saben cómo se enruta y aprueba el trabajo, e IRM entiende controles, riesgos, incidencias y evidencias. Un especialista puede tener analítica de modelos más profunda, pero suele carecer de ese grafo operativo que identifica al responsable, al servicio de negocio y la vía de remediación. Aun así, el artículo advierte de que la base instalada da derecho a competir, pero no demuestra que todo control técnico exista ni que toda ruta de ejecución esté gobernada.

Los resultados principales del estudio de campo son estos:

- Los 15 entrevistados reconocieron la ventaja de ServiceNow en flujo de trabajo, integración operativa o incumbencia. - 14 de 15 describieron la aplicación en tiempo de ejecución como externa, a medida, mediada por humanos, limitada a rutas concretas o no probada a escala empresarial. La excepción fue un piloto limitado en servicios financieros que probó con éxito el bloqueo en al menos un modelo y un agente. - 12 de 15 señalaron una brecha de evidencia específica de modelos: registros de validación, linaje, sesgo, explicabilidad, historial de deriva o artefactos regulatorios propios de la IA. - 12 de 15 vincularon el valor de la gobernanza, o el coste de cambio, a la Now Platform en general, sobre todo ITSM, CMDB, gestión de cambios y SecOps.

Para los autores, la misma arquitectura crea el foso y sus límites. ServiceNow es difícil de desplazar porque la gobernanza está incrustada en las operaciones. Pero la propuesta de valor se degrada si la CMDB está inmadura, si el parque de IA queda fuera de las rutas de control de ServiceNow o si los reguladores exigen evidencia técnica generada en otro lugar. Un entrevistado la describió como una capa de orquestación de gobernanza más que la gobernanza de la IA en sí. Los autores lo matizan: es gobernanza real, pero más fuerte orquestando responsabilidad y acción. Un gerente sénior de ingeniería de una gran empresa financiera norteamericana subrayó que la dependencia de la CMDB es enorme, porque exige limpiezas y auditorías frecuentes.

El artículo destaca que ServiceNow convierte un hallazgo de gobernanza en trabajo real. Un activo de IA se conecta en la CMDB con aplicación, servicio de negocio, propietario y dependencias. IRM adjunta controles, riesgos, incidencias, evidencias y excepciones. ITSM, gestión de cambios y Action Fabric enrutan el hallazgo, siguen la remediación y conservan el historial. Action Fabric se describe como el marco de interoperabilidad y gobernanza que permite a agentes externos, como Claude, ejecutar flujos de varios pasos dentro de ServiceNow de forma «headless», sin la interfaz tradicional. Los autores comparan este planteamiento con Headless 360 de Salesforce. Por eso consideran injusta la crítica de que es «solo ticketing»: la rendición de cuentas operativa forma parte de la gobernanza. Su descripción más precisa es que ServiceNow está excepcionalmente bien posicionado como sistema de acción para la gobernanza de IA. La incógnita es cuánta evidencia técnica y capacidad de aplicación puede incorporar a ese sistema.

En arquitectura, el camino interno es el punto fuerte de ServiceNow. Los límites aparecen cuando hace falta evidencia técnica del modelo o una intervención en vivo. La validación puede venir de una plataforma de modelos o de un especialista, y el bloqueo puede ocurrir en una pasarela de API o en un producto de seguridad. La telemetría debe volver a Control Tower como evidencia, y en varias entrevistas esa conexión era incompleta o difusa. Distintos equipos eran dueños de la gobernanza, de las herramientas de modelos y de la seguridad, y los modelos de datos y flujos no se alineaban automáticamente. Los autores dicen que ServiceNow no tiene por qué ser la caja que bloquea cada acción, pero sí definir la política, identificar al responsable, enviar la decisión al punto de aplicación adecuado, recibir telemetría y preservar la auditoría. Es lo que llaman el bucle cerrado.

El artículo critica la afirmación del «kill switch». Según el texto, Bill McDermott afirmó en el programa «Mad Money» de CNBC, en julio de 2026, que ServiceNow tiene un interruptor de apagado para detener agentes de IA descontrolados. Lo contrapuso a incidentes como el de un agente de OpenAI que, según dijo, escapó de un entorno de pruebas y atacó Hugging Face. Los datos del estudio matizan la afirmación. Solo un entrevistado reportó un piloto muy positivo, y era limitado: se probó el bloqueo con al menos un modelo y un agente, los auditores quedaron satisfechos y la nota fue alta. Los otros 14 describieron el control en tiempo de ejecución como externo, a medida, mediado por humanos, limitado o no probado a escala. No está validada una cobertura universal sobre Azure OpenAI, agentes a medida, copilotos SaaS, modelos de terceros, IA en la sombra, varias nubes y flujos ajenos a ServiceNow. Un profesional de seguridad estimó que solo entre el 30 % y el 40 % de la actividad total de IA podría pasar hoy por las rutas de control de ServiceNow. La valoración del análisis es que la afirmación está exagerada y que aún no está probada como plano universal de control en tiempo de ejecución.

Otra distinción clave es la que separa la prueba procedimental de la técnica. ServiceNow es fuerte en la procedimental: quién aprobó un caso de uso, qué control se completó, quién es dueño de la excepción, si hubo remediación y cómo es el historial. Varios entrevistados dijeron que los auditores aceptaron el registro de ServiceNow. Las brechas aparecen en casos de alto riesgo o regulados, en lo que el análisis llama prueba técnica:

- metodología de validación y conjuntos de datos de prueba; - versiones de modelo y linaje de los datos de entrenamiento; - resultados de sesgo y equidad, explicabilidad, deriva e historial de rendimiento; - evaluaciones de prompts y respuestas, y pruebas de alucinación y toxicidad; - evidencia de permisos y registro de lo que hizo el agente en ejecución.

Estos artefactos los suelen generar IBM, herramientas nativas de hiperescalares, otras plataformas de modelos, sistemas MLOps, especialistas en privacidad y gobernanza de IA, o herramientas tradicionales de riesgo de modelos. Control Tower puede convertirse en el lugar donde se capture y operacionalice esa evidencia, pero los autores consideran que hoy ServiceNow se sale de su terreno al usar lenguaje de «extremo a extremo».

Para las decisiones de compra, el análisis cruza dos variables: la profundidad de la huella de ServiceNow y la intensidad del riesgo regulatorio o de modelos. Resultan cuatro cuadrantes:

- Huella profunda y regulación moderada: la mejor oportunidad de expansión y probablemente el mayor mercado direccionable. - Huella profunda y regulación alta: los clientes mantienen ServiceNow como sistema de acción, pero añaden evidencia de ciclo de vida y controles de ejecución independientes. Habrá coexistencia, y es también una parte considerable del mercado. - Huella superficial y regulación alta: el campo queda abierto a herramientas independientes de gobernanza de IA y riesgo de modelos. - Ambas limitadas: pueden bastar controles nativos de hiperescalares o especialistas ligeros.

Se distinguen además tres perfiles de comprador. Los responsables de operaciones de TI y plataforma valoran flujo, contexto y consolidación. Los equipos de riesgo de modelos y gobernanza de IA valoran la prueba técnica. Seguridad es dueña del control en ejecución. El proveedor que solo hable a un perfil puede ganar el debate de funciones y aun así perder la cuenta.

Sobre precios y empaquetado, el texto explica que esta primavera, antes de ServiceNow Knowledge, la compañía sustituyó sus niveles heredados (Standard, Professional, Enterprise, Pro Plus y Enterprise Plus) por tres niveles nativos de IA: Foundation, Advanced y Prime. La dirección reporta subidas de precio de aproximadamente el 20 % al 30 % en los niveles inferiores de IA y de más del 30 % en Prime, con compromisos de suscripción combinados con medidores de uso. La encuesta respalda el impulso del ACV, pero muestra fricción:

- 12 de 15 calificaron el precio, el empaquetado o el coste total como preocupaciones agudas. - 13 describieron fricción significativa de configuración, integración o dotación de personal. - Ocho aportaron datos concretos de costes frente a expectativas. Siete de ellos dijeron que los costes superaron lo esperado, y uno describió el despliegue como en línea con el presupuesto.

Los sobrecostes no se debían solo a licencias. Incluían socios, normalización de datos, higiene de la CMDB, flujos a medida, ingeniería de integración, especialistas permanentes, administración y controles externos. Un entrevistado dijo que esperaba necesitar especialistas de ServiceNow, pero subestimó lo permanentes que serían. Otro afirmó que sus costes quedaron un 30 % por encima de lo previsto. El artículo aclara que eso no significa que el valor sea pobre: algunos clientes justificaron el gasto extra. El problema es la previsibilidad. La recomendación a los compradores es exigir a ServiceNow un resultado acotado, supuestos de integración explícitos y el coste operativo completo.

En conjunto, el análisis concluye que ServiceNow tiene una ventaja real de distribución, datos y contexto operativo, y que Control Tower es ya valioso como capa de gobernanza y acción. Pero los compradores deben desconfiar de las afirmaciones de plataforma universal de extremo a extremo y de las del interruptor de apagado. Su oportunidad realista es ser la autoridad de políticas y el centro de evidencia que conecta flujo de trabajo, evidencia del ciclo de vida y aplicación en ejecución. Como el texto se interrumpe antes del cierre, no se conocen las conclusiones finales del autor sobre el mercado.