Slack prepara una función llamada Slackforce Surfaces que busca convertir instrucciones escritas dentro de una conversación en objetos interactivos como reportes, dashboards, encuestas, presentaciones y micrositios. La propuesta parte de una idea sencilla: en lugar de sacar información de Slack para construir una pieza visual en otra herramienta, el usuario describe lo que necesita a Slackbot y la plataforma genera el resultado dentro del flujo de trabajo.
El cambio se vuelve más relevante por las fuentes de datos que puede utilizar. La información descrita para la herramienta incluye contenido de conversaciones y datos procedentes de aplicaciones conectadas, entre ellas Google Drive y Salesforce. Eso amplía la función desde la generación de una página aislada hacia una capa de síntesis que puede combinar contexto distribuido en distintos sistemas empresariales.
La promesa práctica no es sólo producir texto. Un dashboard o un reporte interactivo puede reorganizar información y presentarla para una decisión concreta. En teoría, eso reduce el tiempo entre una pregunta y un artefacto que un equipo puede revisar. La diferencia frente a un chatbot tradicional está precisamente en que la salida pretende ser utilizable dentro de un espacio colaborativo.
Sin embargo, el valor de esta clase de herramienta dependerá menos de la demostración visual y más de la calidad de los datos que utilice. Cuando una IA extrae información de conversaciones, documentos y aplicaciones externas, la precisión, los permisos y el contexto se vuelven críticos. Un reporte atractivo que mezcle información desactualizada o interprete mal una métrica puede ser más problemático que no tener reporte.
Para Azutora, la señal fuerte es el desplazamiento del trabajo desde “preguntar a la IA” hacia “hacer que la IA construya algo dentro del flujo”. Slack está intentando que la conversación sea también el lugar donde se produce el resultado final. Esa estrategia compite menos con un asistente aislado y más con herramientas de analítica, automatización y creación de contenido.
El siguiente punto de evaluación será la disponibilidad efectiva y el comportamiento con datos reales de empresa. Será importante saber qué conectores están habilitados, qué controles de acceso conserva cada fuente y cuánto trabajo de revisión requiere el resultado. La función apunta a una integración profunda de IA en el trabajo cotidiano, pero todavía no hay evidencia suficiente para afirmar cuánto sustituirá a herramientas especializadas.
Hay además una cuestión de confianza. Cuanto más capaz sea la herramienta de construir resultados directamente desde datos corporativos, más importante será mostrar de dónde provienen las cifras y qué supuestos hizo el sistema. Esa trazabilidad puede convertirse en una ventaja competitiva frente a herramientas que sólo generan una presentación bonita. La utilidad dependerá de poder revisar y corregir el resultado. También será importante saber qué usuarios tendrán acceso y bajo qué condiciones de despliegue.