IA gestionada frente a la proliferación de agentes de IA: Por qué sus agentes de IA no supervisados ​​pronto se convertirán en un riesgo legal

Agentes de IA fuera de control: Cómo la proliferación de agentes se convirtió en el mayor riesgo informático en 2025

El fin de los experimentos con IA: Por qué más del 40 por ciento de los sistemas de agentes autónomos pronto serán desactivados

La inteligencia artificial está revolucionando la actividad empresarial cotidiana, pero mientras los departamentos implementan con entusiasmo agentes de IA cada vez más autónomos para sus procesos, se gesta un enorme riesgo para las TI y el cumplimiento normativo. La denominada "proliferación descontrolada de agentes" no solo conlleva un aumento desorbitado de los costes de infraestructura y la redundancia de sistemas, sino que también abre peligrosas brechas de seguridad. Con los estrictos requisitos de la Ley de IA de la UE, esta falta de control se está convirtiendo en un problema legal existencial. Para evitar un inminente desastre de gobernanza y garantizar el retorno de la inversión a largo plazo de la transformación digital, los líderes tecnológicos se enfrentan ahora a una tarea crucial: deben detener la proliferación descontrolada y sustituirla por una plataforma de IA centralizada y gestionada antes de que la oportunidad se esfume por completo.

Relacionado con esto:

• UNFRAME.AI: Lo bueno, lo malo y lo ingobernable: lo que realmente te está costando la proliferación de agentes

La IA gestionada frente a la proliferación de agentes de IA: cómo una plataforma de control central evita el inminente desastre de gobernanza en la empresa

En la mayoría de las empresas, durante los últimos dieciocho meses ha ocurrido algo que no figuraba en ningún presupuesto, no activaba ninguna alerta de riesgo y del que ningún equipo es responsable de forma centralizada. Departamento por departamento, los equipos han comenzado a implementar agentes de IA. El departamento de finanzas creó uno para la verificación de facturas. Recursos Humanos implementó otro para consultas de incorporación. Atención al cliente lanzó otro para la clasificación de incidencias. Cada uno de estos agentes resolvió un problema real. Cada uno fue aprobado, o al menos no se detuvo. Y cada uno se construyó sobre una plataforma diferente, con un modelo diferente, conectado a una fuente de datos diferente y sin ninguna supervisión general.

Esto se conoce como proliferación de agentes de IA, o «agent sprawl» en la jerga inglesa. Para cuando la mayoría de los líderes tecnológicos le dan un nombre, ya se ha producido un daño financiero y estructural significativo. Lo que a primera vista parece un problema operativo menor, según los datos actuales del mercado, se está convirtiendo quizás en el riesgo estratégico más acuciante de la transformación de la IA. Las cifras son claras: más de tres millones de agentes de IA ya operan en entornos empresariales en todo el mundo, y de estos, solo el 47,1 % están supervisados ​​o protegidos activamente. Alrededor de 1,5 millones de agentes operan, por lo tanto, sin supervisión alguna. Al mismo tiempo, el 82 % de los ejecutivos cree que sus políticas actuales son suficientes. Esta discrepancia entre la autopercepción y la realidad es la base sobre la que florece este crecimiento descontrolado.

Un patrón conocido con un nuevo nombre: El contexto histórico de la proliferación tecnológica

La proliferación de agentes no es un problema nuevo, sino un patrón conocido con una apariencia diferente. El mundo empresarial ya ha experimentado fases similares en varias ocasiones, cuyo desarrollo y consecuencias coinciden notablemente con la situación actual.

Durante varios años, la denominada proliferación de la nube dio lugar a decenas de entornos de nube descoordinados que consumieron presupuestos y crearon vulnerabilidades de seguridad, cuya solución completa a veces tardó años. La proliferación del SaaS siguió el mismo patrón: en su punto álgido, la empresa promedio ejecutaba cientos de aplicaciones simultáneamente. Aunque ahora las empresas se están consolidando activamente —el número promedio de aplicaciones SaaS ha disminuido de 374 a 342—, la TI en la sombra sigue siendo un problema masivo y persistente. Según encuestas recientes, el 68 % de los empleados utiliza herramientas no autorizadas por el departamento de TI, y el 57 % introduce datos confidenciales de la empresa en estos sistemas no autorizados. Actualmente, los departamentos de TI gestionan solo el 28 % del gasto total en SaaS y supervisan únicamente el 17 % de todas las aplicaciones.

Luego llegó la proliferación de RPA: una oleada de bots de automatización que comenzó con resultados piloto prometedores y terminó como una maraña de flujos de trabajo frágiles y superpuestos que nadie podía probar ni mantener por completo. En la práctica, los proyectos de RPA a menudo fracasaban debido a expectativas poco realistas, una selección de procesos poco clara y la falta de infraestructura de gobernanza. La situación actual es prácticamente idéntica en su estructura, con una diferencia crucial.

Los agentes de IA autónomos son como la automatización robótica de procesos (RPA) con inteligencia artificial. Se aplican las mismas dinámicas, pero las consecuencias son más rápidas y de mayor alcance. Un bot de RPA que deja de funcionar simplemente deja de funcionar. Un agente de IA que opera sin gobernanza continúa trabajando y tomando decisiones de forma independiente. Este es el escenario significativamente más peligroso. El software espera órdenes. Los agentes actúan de forma autónoma. Este cambio cualitativo en la tecnología hace que la cuestión de la gobernanza no solo sea gradual, sino fundamentalmente más urgente.

Anatomía de un despliegue descontrolado: cómo se ve el crecimiento descontrolado en la práctica

El patrón de desarrollo de la proliferación de agentes es notablemente consistente en todas las organizaciones, aunque los detalles varíen. Generalmente comienza con un pequeño número de proyectos piloto bien intencionados. Los resultados son lo suficientemente prometedores como para justificar la ampliación. Otros equipos observan las experiencias positivas, solicitan sus propios agentes o simplemente los desarrollan ellos mismos. Los proveedores facilitan este proceso: las empresas se ven atraídas por herramientas de nivel básico gratuitas o económicas y, a primera vista, parece haber pocas razones para no añadir otra plataforma a la infraestructura.

En un plazo de doce a dieciocho meses, una empresa típica se encuentra en una situación con varias características distintivas: se desarrollan agentes con diferentes funciones en plataformas dispares —desde OpenAI hasta AWS y Google, pasando por herramientas internas— sin una forma unificada de supervisarlos o gestionarlos. Dado que cada agente se construye de forma diferente, desde la perspectiva de la gestión, no existe una visión general centralizada, ni una única plataforma centralizada.

Cada agente tiene sus propias conexiones de datos y derechos de acceso, configurados de forma independiente sin una capa de políticas común. Nadie tiene una visión completa de a qué sistemas puede acceder cada agente. Las mismas integraciones se reconstruyen una y otra vez: cinco agentes con cinco conectores separados a Salesforce; tres agentes con tres flujos de datos independientes al almacén de datos. Los agentes que trabajan en funciones adyacentes no tienen un contexto común ni una capa de coordinación. Cuando el agente de marketing, el agente de la cadena de suministro y el bot de RR. HH. operan en silos aislados, no se crea una fuerza laboral automatizada, sino una revuelta digital. La selección del modelo también es ad hoc: diferentes equipos utilizan diferentes proveedores en función de lo que estaba disponible en el momento de la implementación, en lugar de basarse en estándares estratégicos de coste, rendimiento o perfil de riesgo.

La lógica subyacente es perfectamente racional desde la perspectiva de cada equipo: cada departamento optimiza su propio ritmo y su propio caso de uso. El problema sistémico surge de la suma de estas justificaciones locales. Se trata de un caso clásico de fallo de coordinación, que inevitablemente se produce sin una estructura de control global.

Los verdaderos costes: Más allá del evidente despilfarro de presupuesto

Los costes más evidentes de la proliferación de agentes son el despilfarro presupuestario debido a integraciones redundantes, funciones superpuestas e infraestructura duplicada. Esto es real y se acumula rápidamente. Los costes operativos de los agentes de IA comprenden multitud de componentes: costes de infraestructura para computación y memoria, costes de tokens para llamadas a la API, costes de gestión de TI para monitorización, seguridad y actualizaciones, y costes de implementación, que pueden oscilar entre unos pocos miles y varios cientos de miles de euros según la complejidad.

Pero los costos menos visibles son los verdaderamente dramáticos: la llamada deuda de gobernanza. Cada agente que opera sin una capa de políticas central representa una brecha de cumplimiento. Cada agente que opera sin supervisión es un riesgo incalculable. En industrias altamente reguladas como los servicios financieros, la atención médica o la consultoría legal, esta brecha no es solo teórica. Es una advertencia que se convertirá en un problema durante la próxima auditoría. Los agentes descoordinados provocan una "sangrado de tokens", donde las llamadas a la API redundantes y las tareas computacionales superpuestas erosionan silenciosamente el retorno de la inversión.

Aún más grave, pueden provocar fallos operativos reales cuando agentes con objetivos contradictorios trabajan con los mismos datos sin una capa de orquestación que coordine sus decisiones. IDC predice que el 60 % de los fallos de la IA en 2026 se deberán a deficiencias en la gobernanza, no a un rendimiento deficiente del modelo. Esta cifra refleja una idea fundamental: la madurez tecnológica de los modelos de IA ya no es el principal riesgo, sino su integración organizativa y estructural.

Además, existen riesgos legales de gran alcance. IDC advierte en sus previsiones FutureScape que, para 2030, hasta el 20 % de las mil organizaciones más grandes del mundo se enfrentarán a demandas, multas y la destitución de sus CIO, debido a graves problemas derivados de una gobernanza inadecuada de los agentes de IA. La Ley de IA de la UE agrava este panorama con sanciones concretas: las infracciones pueden castigarse con multas de hasta 35 millones de euros o el 7 % de los ingresos anuales globales. Para los sistemas de IA de alto riesgo, se exige explícitamente el registro de datos, la monitorización operativa y la supervisión humana. Por lo tanto, una empresa que opere agentes de IA autónomos sin una gobernanza estructurada se expone directamente a estas regulaciones.

Los costos de implementar retroactivamente la gobernanza en una extensa flota de agentes son invariablemente significativamente mayores que los costos de establecer una infraestructura de gobernanza desde el principio. Las organizaciones que migran del nivel 1 al nivel 3 de gobernanza (es decir, del registro reactivo de errores a una arquitectura de confianza cero con entornos de ejecución aislados) experimentan una reducción del 40 % en su deuda técnica relacionada con la IA y una mejora del 25 % en el tiempo de comercialización de nuevas funciones para agentes, según datos de CISIN.

Plataforma de IA gestionada - Imagen: Xpert.Digital

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una plataforma de IA gestionada es su solución integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución lista para usar y adaptada a sus necesidades de un socio especializado, a menudo en tan solo unos días.

Las principales ventajas de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación lista para usar en días, no meses. Ofrecemos soluciones prácticas que generan valor añadido inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 A prueba de futuro y escalable: Tu IA crece contigo. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más información aquí:

• Plataforma de IA gestionada

La presión regulatoria está aumentando: la Ley de IA de la UE como acelerador de las obligaciones de gobernanza

Con la Ley de IA de la UE, Europa ha creado la primera ley integral del mundo que regula la inteligencia artificial. En vigor desde el 1 de agosto de 2024, su impacto operativo será cada vez mayor a partir de 2026. Para las empresas en Alemania y en toda Europa, esto significa que la gobernanza de la IA ya no es una decisión estratégica voluntaria, sino una obligación legal.

La lógica de la Ley de IA de la UE se basa en el riesgo: los sistemas de IA se clasifican en categorías de riesgo según su potencial para causar daño, y los requisitos aumentan con el riesgo. Ya existen obligaciones exhaustivas para las aplicaciones de IA de alto riesgo, por ejemplo, en el empleo, la educación o las infraestructuras críticas: sistemas de gestión de riesgos, gobernanza de datos, documentación técnica, transparencia, supervisión humana y registro de datos durante todo el ciclo de vida. El requisito de un registro de casos de uso de IA no es una formalidad burocrática, sino el requisito estructural mínimo para cualquier forma de cumplimiento: sin un inventario, no hay priorización; sin priorización, no hay cumplimiento efectivo.

Para las empresas que operan en un entorno fragmentado y sin control, este panorama regulatorio plantea un doble desafío. En primer lugar, deben realizar un inventario de sus operaciones existentes y evaluar su clasificación de riesgo. En segundo lugar, deben garantizar que las nuevas implementaciones cumplan con los requisitos legales desde el principio. Ambas tareas son prácticamente imposibles sin una infraestructura de gobernanza centralizada. Por lo tanto, la Ley de IA de la UE no representa un obstáculo burocrático adicional, sino más bien un catalizador regulatorio que acelera la decisión estratégica, ya necesaria, de establecer una infraestructura de plataforma.

El análisis de EY sobre las tendencias de IA para 2026 lo resume a la perfección: la diferencia radica menos en si las empresas utilizan o no la IA, y más en si cuentan con las estructuras de gobernanza necesarias para operarla de forma responsable, escalable y adaptativa. Esto incluye roles y responsabilidades claramente definidos para las decisiones relacionadas con la IA, mecanismos de control sólidos que se adapten al ritmo del desarrollo tecnológico y decisiones transparentes sobre las arquitecturas de datos y modelos que permitan tanto la supervisión interna como el control regulatorio.

En el punto de inflexión: El breve lapso de tiempo para adelantarse al crecimiento desenfrenado

Gartner predice que, para finales de 2026, alrededor del 40 % de todas las aplicaciones empresariales integrarán agentes de IA específicos para cada tarea, en comparación con menos del 5 % en 2025. Esto representa un aumento de ocho veces en tan solo doce meses. Al mismo tiempo, menos del 25 % de las empresas han logrado implementar con éxito agentes de IA en producción, a pesar de que casi dos tercios ya están experimentando con ellos.

Aún más reveladora es otra estadística de Gartner: más del 40 % de los proyectos de IA con agentes serán abandonados para finales de 2027, no por limitaciones tecnológicas, sino por el aumento de los costes, la falta de evidencia de valor para el negocio y una gobernanza inadecuada. Solo el 2 % de las empresas han implementado completamente la IA con agentes en la actualidad. Apenas el 21 % afirma contar con un marco maduro para la gestión de agentes autónomos. Estas cifras son desalentadoras si se comparan con el crecimiento explosivo previsto.

La oportunidad para que un CIO o CDO aborde este problema de forma proactiva se reduce día a día. Las unidades de negocio ahora desarrollan agentes según sus propios plazos, utilizando sus propias herramientas y fuera del control del departamento central de TI. Cada día que pasa sin establecer un enfoque de gobernanza estructurado es un día en que la deuda técnica y de cumplimiento continúa acumulándose. Y saldar esa deuda se vuelve más costoso con cada agente adicional implementado sin supervisión.

La plataforma de IA gestionada como respuesta estructural: por qué un enfoque de plataforma resuelve un problema de implementación

Las organizaciones que logran frenar eficazmente el crecimiento descontrolado establecen una distinción estratégica crucial desde el principio: tratan la infraestructura de agentes de IA dentro de la empresa como un problema de plataforma, no como un problema de implementación. Este cambio de enfoque tiene consecuencias estructurales de gran alcance.

Un enfoque centrado en el despliegue plantea la siguiente pregunta: ¿Cómo puedo crear rápidamente un buen agente para este caso de uso específico? Un enfoque centrado en la plataforma plantea la siguiente pregunta: ¿Cómo puedo crear una infraestructura que permita a todos los agentes de la empresa operar de forma fiable, segura, regulada y rentable? La respuesta a la segunda pregunta reside en el plano de control central. Es el único lugar donde se regulan, personalizan, supervisan y despliegan los agentes, antes de que su número crezca hasta el punto en que la gobernanza resulte difícil de implementar retroactivamente.

Una plataforma de IA gestionada de este tipo aborda sistemáticamente todos los problemas fundamentales del crecimiento descontrolado. Crea una visión unificada de todos los agentes activos dentro de la organización, independientemente de la plataforma subyacente de la que provengan. Implementa una capa de políticas común para el acceso a los datos, los permisos y las rutas de escalamiento. Permite una verdadera observabilidad: la capacidad de comprender qué datos ha consultado un agente, qué alternativas ha considerado y por qué tomó una decisión en particular. Además, garantiza que la selección de modelos, el monitoreo de costos y la arquitectura de seguridad sigan estándares estratégicos en lugar de decisiones improvisadas.

La analogía con DevOps y MLOps resulta especialmente pertinente en este caso: al estructurar el desarrollo de software y las operaciones de aprendizaje automático en los últimos años, se siguieron los mismos principios: herramientas, directrices, métricas y niveles de políticas centrales como base. Esta misma lógica se aplica a los agentes de IA, pero con una urgencia añadida debido a la naturaleza autónoma de los sistemas.

IDC reconoce ahora las plataformas unificadas de gobernanza de IA como infraestructura crítica para la escalabilidad. Proporcionan una fuente única de información fidedigna para políticas, monitoreo e informes. Según un estudio de IBM, las organizaciones con marcos de gobernanza integrales logran un retorno de la inversión (ROI) un 30 % superior en sus carteras de IA en comparación con aquellas que utilizan enfoques manuales.

Dimensión de seguridad y protección de datos: El riesgo subestimado de los agentes no supervisados

Más allá de los riesgos operativos y de cumplimiento normativo, la proliferación incontrolada de agentes presenta una dimensión de seguridad específica que aún no se aborda lo suficiente. Cada agente no supervisado representa un posible centro de costos oculto que consume recursos en la nube, una responsabilidad en materia de cumplimiento normativo que expone a la empresa a sanciones regulatorias y una vulnerabilidad de seguridad potencial que puede ser explotada para el acceso no autorizado a datos.

El problema de las cascadas de decisiones incontroladas es especialmente crítico: cuando se autoriza a los agentes a realizar acciones, es fundamental considerar cómo estas podrían propagarse a través de sistemas interconectados. La falta de control y visibilidad puede generar consecuencias no deseadas que se extienden por entornos de sistemas complejos. Además, si los equipos carecen de herramientas explicativas para comprender por qué un agente realizó una acción determinada, los gerentes podrían no ser capaces de justificar los resultados ante los reguladores o los clientes.

Solo el 14,4 % de las organizaciones obtienen la autorización de seguridad completa antes de implementar agentes. Esto significa que, en más del 85 % de los casos, los agentes operan en entornos de producción sin que su perfil de seguridad haya sido evaluado sistemáticamente. En un mundo donde los agentes pueden acceder a archivos confidenciales de personal, datos financieros, datos de clientes y procesos empresariales críticos, esto es inaceptable.

Un enfoque de confianza cero para la infraestructura de agentes —donde cada agente recibe solo los permisos mínimos necesarios, otorgados dinámicamente en cada sesión— proporciona la respuesta técnica a este perfil de riesgo. Complementado con mecanismos de intervención humana que definen cuándo un agente debe detenerse y solicitar confirmación humana, esto crea una arquitectura de seguridad que equilibra la autonomía y el control.

Tres acciones estratégicas inmediatas: ¿Qué deben hacer ahora los líderes?

La solución práctica a esta proliferación descontrolada no comienza con la selección de una plataforma, sino con un inventario estructurado. Las empresas deben tomar tres medidas inmediatas consecutivas antes de implementar el siguiente agente.

El primer paso consiste en un inventario completo de todos los agentes activos en toda la organización. Esto incluye registrar la plataforma en la que se creó cada agente, los datos a los que puede acceder, los sistemas con los que interactúa y las personas responsables de su comportamiento. La mayoría de las organizaciones descubren más agentes de los previstos durante este proceso, a menudo con derechos de acceso más amplios de lo previsto inicialmente. Este inventario no es una tarea puntual, sino el inicio de un proceso continuo de gestión del ciclo de vida que sirve de base para todas las medidas de gobernanza posteriores.

El segundo paso consiste en estandarizar la capa de infraestructura, no los casos de uso. El error que cometen muchas empresas es intentar construir todos los agentes de la misma manera. Esto frena la innovación y resulta prácticamente inaplicable. Lo que se debe estandarizar es la capa inferior: cómo los agentes acceden a los datos, cómo se registran, cómo se mide su rendimiento y cómo se aplican las políticas de seguridad. Esta separación entre una capa de infraestructura estandarizada y la libertad de personalización a nivel de caso de uso es la clave estructural para una gobernanza de IA empresarial exitosa. Las grandes organizaciones deberían optar por un diseño centrado en la plataforma con estándares centralizados y ejecución local: gobernanza multiplataforma con catálogos de modelos aprobados, registro estándar, plantillas de evaluación reutilizables y acceso basado en políticas.

El tercer paso consiste en establecer un marco de medición continua del retorno de la inversión (ROI) para todos los agentes. Los líderes deben garantizar una base para evaluar la contribución real de valor de cada agente antes de aprobar nuevas implementaciones. Esto incluye exigir a quienes deseen implementar un agente que presenten una evaluación de costos y una previsión de beneficios con antelación. Además, las revisiones periódicas de los gastos en IA de los agentes y las oportunidades de optimización crean la base organizativa para un equilibrio sostenible entre costo y beneficio. Los consejos de administración y los comités de gobernanza exigen cada vez más retornos cuantificables, no solo titulares sobre innovación; la gobernanza desempeña un papel directo en el ROI al reducir riesgos, mejorar la fiabilidad y acelerar la implementación.

Las primeras decisiones arquitectónicas como punto de inflexión: ¿Por qué ahora es el momento decisivo?

En la historia de la tecnología, un patrón se repite con notable regularidad: las decisiones arquitectónicas iniciales determinan la competitividad a largo plazo. Quienes adoptaron la gobernanza multinube al comienzo de su transición a la nube ahora cuentan con ventajas significativas sobre quienes, años después, tuvieron dificultades para desmantelar entornos distribuidos y no controlados. Con la proliferación de agentes, el panorama empresarial se encuentra precisamente en esta coyuntura.

La ventana de oportunidad es estrecha. Gartner identifica un horizonte de tres a seis meses dentro del cual las organizaciones de software deben definir su estrategia de IA con agentes y su plan de inversión, o corren el riesgo de quedarse atrás. La curva de crecimiento exponencial —de menos del 5 % a un 40 % de penetración en doce meses— significa que si el crecimiento descontrolado no se estructura ahora, alcanzará muy rápidamente un nivel en el que tomar medidas correctivas se volverá enormemente costoso o prácticamente imposible.

Al mismo tiempo, la otra previsión de Gartner sirve como una seria advertencia: más del 40 % de los proyectos de IA basados ​​en agentes se abandonarán para 2027. Las empresas que abandonen estos proyectos no serán aquellas que eligieron la peor tecnología de IA, sino aquellas que no lograron construir una infraestructura de gobernanza y cuyos costos crecientes y la falta de valor comprobado han erosionado su legitimidad para futuras inversiones. Por lo tanto, la gobernanza no es lo opuesto a la innovación, sino la infraestructura que, en primer lugar, hace posible la innovación sostenible.

La lección aprendida de las anteriores oleadas tecnológicas —ya sean de nube, SaaS o RPA— es clara: el crecimiento descontrolado siempre se produce cuando la velocidad de adopción supera la madurez de la infraestructura de gobernanza. Los agentes de IA que aún eran experimentales en 2025 serán una realidad operativa en 2026. El impulso es imparable. La cuestión no es si los agentes se convertirán en el estándar empresarial —eso ya está decidido—. La única incógnita es si esta transición se desarrollará sobre bases controladas o en medio de un desastre de gobernanza.

Las empresas que invierten hoy en una infraestructura de IA centralizada y gestionada no solo adquieren control y cumplimiento normativo. Adquieren el derecho a seguir beneficiándose de la IA con agentes durante dos o tres años, mientras que otras estarán ocupadas lidiando con las consecuencias de un crecimiento descontrolado y sin control.

Konrad Wolfenstein

Estaré encantado de servir como su asesor personal.

contactarme en wolfenstein ∂ xpert.digital

Llámame al +49 7348 4088 965 .

LinkedIn