Carlos Varea, CEO de Datision, participó en una conversación sobre cooperación, talento y soluciones de inteligencia artificial con valor real. Su mensaje fue directo: una iniciativa de IA no triunfa por la sofisticación del modelo, sino por su capacidad para integrarse en la operación y mejorar una decisión medible.
Resumen inicial
La participación de Carlos Varea en AI Summit Barcelona 2026 puso el foco en una cuestión decisiva para empresas y organizaciones: cómo pasar de un piloto prometedor a una solución de IA que produzca impacto económico u operativo sostenido. La respuesta combina una buena selección del caso de uso, datos capaces de sostenerlo, integración en el trabajo real, métricas de negocio y un ecosistema de colaboración exigente.
- Empieza por el problema y los datos.
- Usa el piloto para validar el sistema completo.
- Mide adopción, operación y retorno.
- Escala solo con evidencia compartida.
Qué es AI Summit Barcelona
AI Summit Barcelona es un encuentro internacional dedicado al desarrollo y la aplicación de la inteligencia artificial. Su edición de 2026 se celebró los días 22 y 23 de septiembre en el World Trade Center Barcelona y reunió a perfiles de empresa, investigación, inversión, emprendimiento y tecnología.
El programa combinó ponencias, paneles, demostraciones y espacios de conexión profesional. La agenda abordó desde la construcción de modelos e infraestructuras hasta la adopción empresarial, la gobernanza, el talento, la inversión y el futuro del trabajo. Según la información publicada por la organización y las entidades anfitrionas, la edición reunió a más de 10.000 asistentes y más de 200 ponentes.
En este marco, la Digital Catalonia Alliance (DCA) impulsó la sesión “L’ecosistema d’IA de Catalunya: cooperació, talent i solucions de valor real”. El panel reunió a Carlos Varea, CEO de Datision; Tetiana Klymchuk, cofundadora de Somia Solutions; Martí Norberto, CEO y fundador de Timbal AI; y Josep Maria Felguera, CEO & Partner Strategy de Schumpit. La conversación estuvo dinamizada por Jara Forcadell, de i2CAT.
De un piloto de IA a una solución que genera valor real
La distancia entre una demostración técnica y una solución útil sigue siendo uno de los grandes retos de la inteligencia artificial. Un modelo puede ofrecer resultados convincentes en un entorno controlado y, aun así, no cambiar nada en la empresa si llega tarde, no encaja en el proceso o nadie puede actuar sobre su salida.
La pregunta que ordena el proyecto no es “¿qué IA podemos construir?”, sino “¿qué decisión queremos mejorar, con qué datos y cómo activaremos el resultado?”.
Varea defendió que el éxito empieza antes del algoritmo. La definición del caso de uso debe considerar al mismo tiempo el impacto esperado, los datos disponibles y la capacidad de incorporar la solución a la operación. Cuando esa intersección no existe, crecen el coste, el plazo y el riesgo de construir un piloto que nunca llegue a producción.
Buscar la oportunidad en los datos
Explorar el proceso y sus históricos permite detectar dónde hay señal, cuánto cuesta el problema y qué hipótesis merece una prueba.
Validar la operación completa
El piloto debe comprobar integración, tiempos de respuesta, experiencia de uso, responsables y protocolo de actuación.
Demostrar impacto y escala
La decisión de avanzar necesita una línea base, un KPI de negocio y evidencia suficiente para estimar retorno, coste y riesgo.
“El modelo lo aguanta todo. El reto es demostrar que el sistema engrana en la operación y activa el valor que genera la IA.”
Carlos Varea, CEO de Datision
1. Elegir el caso de uso desde el problema y desde los datos
Muchas compañías identifican oportunidades a partir de ineficiencias conocidas o de un plan estratégico. Es un punto de partida válido, pero la IA introduce una condición adicional: debe existir información suficiente para representar el fenómeno y relacionarlo con un resultado que la organización pueda mejorar.
Eso no significa esperar a que el dato sea perfecto. Significa comprobar pronto su cobertura, contexto, continuidad y relación con la decisión. Un análisis exploratorio permite descubrir oportunidades, detectar brechas de información y priorizar casos por impacto y viabilidad. La guía de Datision sobre cómo encontrar el primer proyecto de IA con un EDA desarrolla este enfoque de forma práctica.
La formulación útil cabe en una frase: queremos anticipar o explicar un resultado, con una ventana de tiempo concreta, para que una persona o sistema ejecute una acción y mejore un KPI. Si alguno de esos elementos queda indefinido, el proyecto todavía no está listo.
2. Usar el piloto para probar el sistema completo
Un piloto no debería limitarse a demostrar que el modelo predice, clasifica o recomienda. Su función es reducir las incertidumbres que impedirían desplegar la solución: acceso al dato, integración, frecuencia, latencia, aceptación del usuario, supervisión, seguridad y respuesta ante errores.
Esta mirada cambia el criterio de éxito. Además de precisión técnica, hay que medir si la salida llega a tiempo, si se entiende, si desencadena una acción y si esa acción mejora el resultado. En otras palabras, el piloto debe ensayar la última milla.
El recorrido completo se explica también en la guía sobre Machine Learning aplicado a los negocios: problema, datos, modelo, validación, decisión, integración y monitorización forman una sola cadena de valor.
Un marco práctico para pasar del piloto al impacto
| Fase | Pregunta que debe responder | Evidencia mínima | Riesgo que reduce |
|---|---|---|---|
| Descubrimiento | ¿Existe un problema relevante y señal en los datos? | Línea base, coste del problema, fuentes y primera hipótesis. | Invertir en una idea sin viabilidad. |
| Prueba técnica | ¿La IA mejora una referencia sencilla? | Validación con datos no vistos y análisis de errores. | Confundir una correlación con una solución. |
| Piloto operativo | ¿El resultado cambia una acción real? | Usuarios, integración, tiempos, protocolo y adopción. | Crear un modelo correcto que nadie usa. |
| Escalado | ¿El impacto compensa el coste total? | KPI de negocio, retorno, gobierno y plan de mantenimiento. | Escalar sin sostenibilidad técnica o económica. |
La DCA como acelerador del ecosistema catalán de IA
La segunda idea de la mesa redonda fue que la competitividad global no se construye en solitario. Para Varea, la Digital Catalonia Alliance actúa como acelerador porque conecta tecnología, empresa y territorio, y permite que organizaciones locales accedan a proyectos, conocimiento, financiación y alianzas que serían más difíciles de abordar de forma aislada.
La colaboración eleva la ambición. Ayuda a formar equipos complementarios para retos complejos, facilita la participación en iniciativas nacionales y europeas y crea una comunidad en la que compartir dudas reales. En un momento de cambio rápido, contar con interlocutores que entienden el mismo terreno reduce fricción y mejora la calidad de las decisiones.
Esta visión conecta con el marco de la Industria 5.0 y la IA industrial: tecnología, criterio humano, resiliencia y cooperación deben avanzar juntos para producir resultados sostenibles.
Talento en Cataluña: los proyectos importan tanto como el lugar
Barcelona cuenta con calidad de vida, capacidad de atracción internacional, universidades y centros de investigación de referencia. Pero para retener perfiles especializados no basta con la ciudad: hay que ofrecer proyectos técnicamente exigentes, con propósito, autonomía y posibilidades reales de crecimiento.
La oportunidad diferencial de Cataluña está en combinar investigación, deep tech, tejido industrial y capacidad de llevar la tecnología a mercado. Chips, computación de alto rendimiento, robótica, ciberseguridad, ciencias de la vida, espacio e IA aplicada forman un entorno en el que las ideas pueden conectarse con problemas concretos.
Varea subrayó especialmente la capacidad local para el value delivery: convertir conocimiento y datos en productos, servicios y mejoras que funcionan fuera del laboratorio. Esa orientación a la ejecución permite competir incluso cuando la carrera por los modelos de frontera se concentra en otros polos tecnológicos.
Elige bien a tus compañeros de viaje
Ante la pregunta de qué consejo daría a quien quiere emprender o integrar IA desde mañana, Carlos Varea situó el equipo y el ecosistema por delante de la herramienta. La ambición necesita perfiles legales, financieros, técnicos y de negocio capaces de compartir una visión y, al mismo tiempo, discutirla con honestidad.
“Esto no va de tener una corte que te reafirma, sino un grupo de personas que juntas suman más.”
Carlos Varea, CEO de Datision
El consejo tiene una consecuencia práctica: mantener el foco en el negocio y evitar que la urgencia, la moda tecnológica o la caja desvíen el proyecto de su objetivo. Escuchar al ecosistema no significa delegar el rumbo; significa contrastarlo con personas capaces de señalar riesgos, límites y oportunidades a tiempo.
Seis preguntas antes de iniciar una iniciativa de IA
- ¿Qué pérdida, oportunidad o decisión queremos mejorar?
- ¿Qué datos representan el problema y con qué calidad?
- ¿Quién utilizará el resultado y qué hará de forma distinta?
- ¿Qué KPI y línea base demostrarán el impacto?
- ¿Qué debe validar el piloto además del modelo?
- ¿Qué equipo y aliados sostendrán el despliegue?
Preguntas frecuentes sobre la participación de Datision
¿Cuándo y dónde se celebró AI Summit Barcelona 2026?
La edición de 2026 se celebró los días 22 y 23 de septiembre en el World Trade Center Barcelona.
¿En qué sesión participó Carlos Varea?
Participó en la mesa redonda “L’ecosistema d’IA de Catalunya: cooperació, talent i solucions de valor real”, impulsada por la comunidad de inteligencia artificial de la Digital Catalonia Alliance.
¿Cuál fue la principal idea de su intervención?
Que el éxito de una solución de IA depende de elegir un caso de uso con impacto y datos, utilizar el piloto para validar la integración operativa y medir el resultado con indicadores de negocio.
¿Por qué un modelo técnicamente bueno puede no generar valor?
Porque una predicción aislada no cambia por sí sola la operación. Debe llegar a tiempo, integrarse en el flujo de trabajo, ser comprensible para el usuario y activar una acción capaz de mejorar un KPI.
¿Qué papel desempeña el ecosistema catalán de IA?
Conecta empresas, talento, investigación e instituciones; facilita alianzas y proyectos más ambiciosos; y ayuda a convertir capacidades tecnológicas en soluciones con aplicación local y proyección internacional.
Seguir avanzando, con criterio y con impacto
La presencia de Datision en AI Summit Barcelona 2026 reforzó una visión coherente: Cataluña ya contaba con conocimiento, empresas y capacidad de ejecución antes del actual auge de la inteligencia artificial, y seguirá construyendo valor cuando cambie el ciclo tecnológico.
El reto ahora no es sumarse al ruido, sino avanzar con casos de uso defendibles, datos conectados con el problema, pilotos que prueben la realidad operativa y equipos capaces de convertir inteligencia en resultados.