El 90% de las Empresas están Atrasadas en Incorporar Agentes de IA en sus Operaciones

Gerardo Cerda Neumann
hace 4 minutos
4 Min. de lectura

José Luis Parra, Socio Director de Go! Latam nos comparte una actualización del uso de Agentes IA en las empresas, los invitamos a conocerla.

Por Octavian Tanase

Chief Product Officer de Hitachi Vantara

Hoy, los equipos tecnológicos en las organizaciones están sobrepasados por el volumen y la complejidad de los datos, el aumento de las amenazas cibernéticas y las crecientes demandas de infraestructura.

Como resultado, se necesita algo más que solo consejos de la IA. La IA agéntica marca la transición desde una IA que recomienda hacia una IA que actúa y ejecuta tareas. Las organizaciones que aún utilizan la IA como asesora están quedando atrás frente a aquellas que la utilizan como operadora.

Este cambio no es incremental. Representa una transformación estructural en la manera en que operan las tecnologías en las empresas, pasando de una función reactiva de soporte a una capa autónoma de ejecución.

Sin embargo, menos del 10% de las organizaciones han logrado escalar exitosamente agentes de IA en alguna función, según el informe State of AI 2025 de McKinsey & Company, lo que revela que, para la mayoría de las empresas, la brecha entre la ambición en IA y la realidad operativa sigue siendo amplia.

Qué es realmente la IA agéntica

La mayor parte de la IA en las empresas sigue siendo de carácter asesor. Se le hace una consulta y responde. La IA agéntica funciona de forma distinta: monitorea condiciones, aplica políticas definidas por humanos y actúa en nombre del usuario sin necesidad de esperar instrucciones directas.

Pero el nivel de autonomía otorgado a estos sistemas marca una diferencia enorme. El enfoque prudente consiste en comenzar en modo de recomendación antes de avanzar hacia una autonomía total. Así es como se establecen mecanismos de gobernanza, se prueban políticas, y se incorpora "explicabilidad" sobre los resultados y decisiones de la IA, antes de que aumenten los riesgos.

La supervisión y la auditabilidad son lo que hacen que la IA agéntica esté preparada para entornos empresariales. Aun así, solo una de cada cinco compañías posee un modelo maduro de gobernanza para agentes autónomos de IA, según Deloitte.

La IA agéntica también aporta valor de otra manera. La capacidad de cómputo se ha "comoditizado", especialmente gracias a las GPU y la nube, y muchos algoritmos ya son de código abierto. Los datos son el único elemento del ecosistema tecnológico que sigue siendo tanto propietario como abierto.

Las organizaciones necesitan correlacionar, enriquecer y ajustar modelos de IA utilizando información propietaria que puedan controlar. Por eso los datos son tan críticos para la IA agéntica.

En una era donde los modelos son cada vez más intercambiables, la calidad, gobernanza y accesibilidad de los datos empresariales se convierten en los verdaderos diferenciadores.

El problema de la base de datos

Estas brechas de gobernanza apuntan a un problema más profundo: los datos. Si la base no es sólida, incluso los sistemas agénticos más sofisticados fracasarán. La IA agéntica solo puede actuar responsablemente si tiene acceso gobernado a datos confiables. Para entender esto, es necesario examinar las tres fases diferenciadas por las que la IA atraviesa dentro de una organización.

Preparación de datos: Los datos se integran en un “lago de datos” capaz de manejar fuentes estructuradas y no estructuradas, escalar desde petabytes hasta exabytes y mantener una estructura de costos acorde a su volumen.
Entrenamiento del modelo: Un subconjunto curado de esos datos se somete a procesamiento intensivo. Aquí, las exigencias de infraestructura cambian desde la escala hacia la capacidad de procesamiento.
Inferencia: El modelo entrenado se despliega, muchas veces en múltiples ubicaciones cercanas al consumidor de IA. La demanda cambia nuevamente, esta vez hacia latencias extremadamente bajas.

La fase que recibe menos atención es la preparación de datos. Ahí es donde la gobernanza se establece o se omite. Las compañías deben gestionar trazabilidad de datos, requerimientos del Reglamento General de Protección de Datos, de Información de Identificación Personal, modificados o eliminados antes de iniciar el entrenamiento. Los datos deben comprenderse antes de utilizarse.

El imperativo de la gobernanza

Al operar IA agéntica, la gobernanza debe integrarse desde el inicio en la forma en que el sistema funciona. Si un sistema no puede explicar qué hizo, por qué lo hizo y qué política aplicó, no está listo para un despliegue empresarial.

Alrededor del 77% de las organizaciones trabajan activamente en programas de gobernanza de IA, mientras que el 90% ya está desplegando IA. Pero solo el 45% cuenta con un marco de trabajo (framework) formal de gobernanza, según un informe de Hitachi Vantara. La gobernanza incorporada al sistema se convierte así en una ventaja competitiva.

Sin embargo, los frameworks de gobernanza por sí solos no son suficientes. La arquitectura Zero Trust es el mecanismo de cumplimiento forzoso que asegura la real gobernanza. En un mundo donde sistemas de IA agéntica toman decisiones autónomas sobre infraestructuras complejas, el principio de “nunca confiar, siempre verificar” se vuelve esencial.

Usuarios y sistemas deberían acceder únicamente a los datos para los cuales están autorizados, y nada más. Sin Zero Trust, incluso una gobernanza bien diseñada se vuelve difícil de aplicar a la velocidad y escala requeridas por la IA agéntica.

Autonomía confiable

La conversación sobre IA agéntica suele enfocarse en velocidad y escala. Pero el aspecto verdaderamente crítico es la confianza. Eso significa sistemas en que las empresas puedan confiar para actuar correctamente en su nombre, dentro de políticas definidas y con total accountability (rendición de cuentas).

La autonomía confiable implica un sistema que sabe qué hacer, puede demostrar cómo llegó a esa decisión, y opera dentro de límites cuidadosamente definidos. Para lograrlo, las organizaciones necesitan bases de datos sólidas y frameworks robustos de gobernanza.

Las empresas donde la alta dirección participa activamente en la gobernanza de IA obtienen mayor valor de negocio que aquellas que delegan esta tarea únicamente a equipos técnicos, según Deloitte.

La IA agéntica puede pasar del hallazgo profundo y procesable (insight), extraído de un gran volumen de datos, a la acción sin comprometer gobernanza, integridad de datos ni confianza. Tiene el potencial de saber qué hacer sin necesidad de instrucciones detalladas o supervisión constante.

Para los especialistas en tecnologías empresariales, la IA agéntica ya está aquí. La pregunta crítica es si la infraestructura, los datos y la gobernanza están realmente preparados para soportarla.