Conduct: la startup que quiere hacer legibles los sistemas legacy para que la IA pueda operar de verdad

El caso en 30 segundos

El 17 de junio de 2026, la startup londinense Conduct anunció una Serie A de 51 millones de euros para expandir sus equipos de ingeniería y go-to-market, profundizar sus capacidades en SAP y acelerar su trabajo sobre sistemas como Salesforce, Oracle, MES, WMS y otros entornos empresariales críticos. La ronda fue co-liderada por Index Ventures e ICONIQ, con inversión estratégica de SAP y participación de Creandum, Lucid Capital y Booom.

Conduct se define como un AI OS para ayudar a las empresas a entender, operar y cambiar sus sistemas de software. Su tesis es clara: muchas organizaciones quieren agentes de IA, pero sus sistemas core están tan personalizados, documentados de forma irregular y llenos de dependencias históricas que ni siquiera los equipos internos pueden entenderlos con rapidez.

La señal WOW: Conduct no intenta reemplazar el ERP. Intenta hacerlo legible, accionable y ejecutable para que la IA pueda operar sobre la realidad tecnológica de la empresa, no sobre una versión idealizada del negocio.

Qué lo hace innovador

1. Ataca el “último metro” de la transformación con IA

Muchas empresas ya tienen modelos, pilotos y casos de uso. Pero cuando llega el momento de modificar un proceso real —una regla de pricing, una aprobación de compras, una integración logística, una migración o una adaptación regulatoria— aparece el freno: nadie sabe exactamente qué se rompe si se toca una pieza.

Conduct ingiere código custom, configuraciones, dependencias e integraciones, y mapea cómo cada componente técnico conecta con la lógica de negocio que soporta.

2. Convierte sistemas opacos en sistemas preguntables

La plataforma permite que los equipos formulen preguntas como: qué depende de un workflow de aprobación, qué objetos se ven afectados por una migración, dónde vive una regla de precios o qué se rompe si cambia un campo. A partir de ahí, Conduct genera código, tests y trabajo de implementación para realizar el cambio de forma más segura y rápida.

3. Resuelve un problema que los agentes de IA no pueden saltarse

Un agente solo puede actuar sobre un sistema que entiende. Si la lógica empresarial está repartida entre código custom, integraciones no documentadas, dependencias antiguas y decisiones de negocio acumuladas durante años, la autonomía de la IA se queda bloqueada.

Forrester ha señalado que en 2026 las aplicaciones enterprise se moverán desde una lógica centrada en usuarios humanos hacia otra capaz de acomodar una fuerza de trabajo digital formada por agentes de IA. Esa transición exige rediseñar procesos y orquestar workflows más allá de la interacción humana tradicional.

Cómo lo implementaron

Conduct trabaja sobre los sistemas que ya existen. No plantea una sustitución masiva del core empresarial, sino una capa que interpreta, conecta y operacionaliza la lógica acumulada en esos sistemas.

Según EU-Startups, su tecnología analiza:

• Código personalizado.
• Configuración de sistemas.
• Dependencias.
• Integraciones.
• Objetos y reglas de negocio.
• Relación entre componentes técnicos y procesos reales.

Ese mapa permite pasar de una pregunta de negocio a una acción técnica: entender impacto, generar cambios, crear tests y reducir la distancia entre decisión directiva y ejecución en software.

La compañía fue fundada en 2024 por exingenieros de Palantir: JP Haas, Philipp Hoefer y Henry Thompson. Ya trabaja con clientes como Daimler Truck, Heidelberg Materials, Fraport y DHL, y afirma que sus clientes están viendo aceleraciones del 30% o más en workstreams de transformación y time-to-value de nuevas funcionalidades.

Resultados y métricas disponibles

Los datos públicos todavía son de fase de crecimiento, pero hay varias señales relevantes:

• 51 millones de euros levantados en Serie A.
• Ronda co-liderada por Index Ventures e ICONIQ.
• Inversión estratégica de SAP.
• Clientes enterprise mencionados: Daimler Truck, Heidelberg Materials, Fraport y DHL.
• Aceleración reportada del 30% o más en líneas de transformación y time-to-value de nuevas funcionalidades.

Para directivos, la métrica clave no es solo la financiación. Es la reducción del tiempo entre “el negocio decide” y “el sistema lo ejecuta”.

Por qué emerge ahora

Primero, porque la IA empresarial está chocando con la realidad del legacy. Las compañías quieren velocidad, pero sus sistemas core fueron diseñados para estabilidad, control y continuidad, no para cambio constante asistido por agentes.

Segundo, porque el mercado se está moviendo hacia infraestructura de IA empresarial. EU-Startups sitúa la ronda de Conduct dentro de una ola de inversión en infraestructura para IA enterprise, gobernanza de agentes, modernización ERP, automatización de workflows e IA industrial.

Tercero, porque otros movimientos recientes apuntan en la misma dirección. NeuralTrust, por ejemplo, anunció también el 17 de junio de 2026 una ronda seed de 17,2 millones de euros para asegurar y gobernar agentes de IA empresariales.

Cuarto, porque los analistas están poniendo el foco en gobernanza y ejecución. Gartner señala que la gobernanza de IA ya no puede quedarse en políticas estáticas: requiere monitorización continua, validación y enforcement durante la operación.

Lecciones aplicables

• No preguntes solo qué puede hacer la IA. Pregunta qué sistemas puede tocar con seguridad.
• La documentación del legacy ya no es una tarea de IT; es una prioridad de negocio.
• Los agentes empresariales necesitan contexto operativo, no solo acceso a APIs.
• Modernizar no siempre significa reemplazar. A veces significa hacer comprensible lo que ya existe.
• La velocidad de transformación depende de saber qué se rompe antes de cambiarlo.
• La IA empresarial necesita tres capas: capacidad generativa, contexto de negocio y control de ejecución.

Qué debería hacer una empresa en los próximos 30 días

1. Identificar los sistemas que frenan la transformación

No todos los sistemas legacy son igual de críticos. Priorizar aquellos donde cada cambio bloquea ingresos, experiencia de cliente, cumplimiento normativo o eficiencia operativa.

2. Mapear procesos con alta dependencia tecnológica

Elegir tres procesos donde negocio e IT tengan fricción recurrente: pricing, compras, facturación, planificación de demanda, logística, onboarding de clientes o reporting regulatorio.

3. Medir el tiempo decisión-ejecución

Cuánto tarda una decisión de negocio en convertirse en cambio real en los sistemas. Esa métrica suele revelar más sobre la agilidad de la empresa que cualquier dashboard de transformación digital.

4. Localizar dependencias invisibles

Dónde hay código custom, integraciones no documentadas, reglas duplicadas, aprobaciones históricas o dependencias que solo conocen una o dos personas.

5. Definir qué podría hacer un agente y qué no

Antes de conectar agentes a sistemas críticos, definir límites: consultar, recomendar, simular, generar tests, proponer código, ejecutar con aprobación humana o ejecutar automáticamente.

6. Crear un “legacy readiness score” para IA

Evaluar cada sistema según cinco criterios:

• Documentación.
• Calidad de datos.
• Trazabilidad de cambios.
• Dependencias.
• Riesgo operativo.

Qué vigilar en los próximos 90 días

• Si Conduct convierte la inversión estratégica de SAP en integraciones o casos de adopción más visibles.
• Si sus alianzas con BCG y NTT DATA Business Solutions aceleran proyectos de transformación SAP en grandes cuentas.
• Si el mercado empieza a diferenciar entre “agentes de productividad” y “agentes capaces de operar sistemas core”.
• Si aparecen competidores especializados por vertical: industria, logística, finanzas, retail, energía o administración pública.
• Si las áreas de negocio empiezan a financiar este tipo de capa tecnológica, y no solo IT.
• Si los comités empiezan a medir la “legibilidad operativa” como KPI de transformación.

Riesgos

Riesgo de sobrepromesa

Hacer legibles sistemas complejos no elimina automáticamente el riesgo de cambiarlos. La IA puede acelerar la comprensión, pero las decisiones críticas siguen necesitando gobierno, testing y responsabilidad.

Riesgo de dependencia de capas intermedias

Si una herramienta se convierte en el intérprete principal del sistema core, la empresa debe vigilar dependencia, interoperabilidad y continuidad.

Riesgo de seguridad

Cuanto más capaz sea una capa de entender y modificar sistemas críticos, más importante será controlar permisos, auditoría, trazabilidad y segregación de funciones.

Riesgo cultural

Algunos equipos pueden percibir estas herramientas como una amenaza a su conocimiento experto. La clave es posicionarlas como multiplicadores de conocimiento, no como sustitutos de criterio.

La gran pregunta para directivos

¿Tu empresa está invirtiendo en IA sobre procesos que realmente entiende o está intentando automatizar una complejidad que todavía no sabe explicar?

La próxima ventaja competitiva no será tener más agentes de IA. Será tener sistemas suficientemente legibles, gobernados y conectados para que esos agentes puedan actuar sin romper el negocio.

Conduct convierte una verdad incómoda en oportunidad: muchas empresas no están frenadas por falta de IA, sino por falta de comprensión operativa de sus propios sistemas.