- La compañía tecnológica aplica su metodología y ecosistema de inteligencia artificial al desafío de modernizar sistemas heredados, combinando IA, gobernanza y supervisión humana para abordar procesos de transformación de manera controlada y medible.
Santiago, agosto de 2026. – Apiux anunció el fortalecimiento de su propuesta de Modernización de Aplicaciones Legacy con IA Gobernada, potenciado por AI Factory, un servicio que aplica su metodología y capacidades de inteligencia artificial al desafío de actualizar sistemas heredados que continúan siendo críticos para la operación de empresas de distintos sectores.
La modernización se ha convertido en una prioridad para numerosas organizaciones. Entre el 60% y el 80% de los presupuestos de TI se destina actualmente a mantener sistemas legacy, mientras que las plataformas obsoletas pueden presentar hasta tres veces más vulnerabilidades de seguridad que los sistemas modernos. Para Apiux, este escenario plantea un desafío que va más allá de reemplazar tecnología: se trata de modernizar sistemas críticos reduciendo riesgos y liberando recursos que hoy están concentrados en mantener plataformas heredadas.
La propuesta parte de una premisa que Apiux considera fundamental: la inteligencia artificial puede acelerar la modernización, pero no reemplaza el método necesario para ejecutarla correctamente. Por ello, el enfoque no consiste simplemente en ingresar código antiguo a un modelo de lenguaje para obtener una nueva versión, sino en comprender primero cómo funciona el sistema, sus dependencias y reglas de negocio antes de iniciar su transformación.
“El método es el activo durable y la IA es el acelerador reemplazable. Modernizar un sistema crítico requiere entender qué hace, cómo se relacionan sus componentes y qué consecuencias puede tener cada cambio. La IA nos permite acelerar ese trabajo, pero las decisiones relevantes deben estar respaldadas por metodología, gobernanza y conocimiento experto”, explica Francisco Figueroa, CEO de Apiux.
Comprender antes de transformar
El modelo de Apiux comienza convirtiendo la información del sistema existente en un grafo de conocimiento consultable, que permite comprender su estructura y dependencias antes de avanzar hacia la modernización. Sobre esa base se aplica una metodología propia de seis fases, incorporando agentes de inteligencia artificial y puntos de control en los que especialistas validan las decisiones antes de continuar.
Este principio de IA gobernada también implica mantener supervisión humana en las decisiones irreversibles. Los sistemas de IA pueden generar hipótesis, analizar código, identificar relaciones y apoyar la generación de nuevas estructuras, pero la validación continúa en manos de profesionales especializados.
La metodología, además, no está construida alrededor de un único modelo de inteligencia artificial. El objetivo es que la arquitectura pueda evolucionar junto con la tecnología, manteniendo como activo central el proceso, la gobernanza y el conocimiento desarrollado por Apiux.
Para Apiux, la respuesta tampoco está en reemplazar sistemas de manera apresurada. La modernización debe reducir el riesgo tecnológico sin introducir nuevos riesgos derivados de una migración insuficientemente comprendida.
Por ello, la propuesta contempla también un mecanismo de contingencia: cuando las métricas obtenidas durante el proceso indican que la equivalencia funcional alcanzada mediante IA no es suficiente, la tecnología puede utilizarse para generar documentación y especificaciones que permitan que especialistas continúen la reescritura. El objetivo no es forzar el uso de IA, sino utilizarla allí donde genere valor verificable.
Ocho semanas para medir antes de escalar
Apiux propone iniciar cada proceso mediante un piloto de calibración de ocho semanas aplicado a un módulo real. Durante ese período se levantan métricas, se evalúa el desempeño del enfoque y se genera información concreta para determinar la conveniencia y condiciones de un eventual escalamiento.
De esta forma, las organizaciones pueden evaluar la modernización sobre evidencia obtenida de sus propios sistemas y no sobre promesas generales. Incluso cuando un módulo no alcanza los umbrales necesarios para avanzar hacia una transformación automatizada, el proceso permite obtener un inventario y mapa de dependencias que entrega una base estructurada para las siguientes decisiones tecnológicas.
Equipo Prensa
Portal Innova
