Hitachi Vantara potencia el almacenamiento híbrido en Azure
El paso de copilotos a agentes redefine el modelo operativo y obliga al CIO a decidir quién —o qué— ejecuta el trabajo.
Durante años, la conversación sobre agentes de inteligencia artificial en la empresa giró en torno a una promesa concreta y medible: aumentar la productividad individual. Copilotos que redactaban correos, resumían documentos, sugerían código. Asistencia inteligente, sí. Pero asistencia al fin: sistemas que respondían cuando se les preguntaba y actuaban cuando se les pedía.
Ese modelo ya no es suficiente. Y los números lo confirman con una claridad que debería incomodar a cualquier líder tecnológico que todavía esté esperando. Cerca del 80% de las compañías ya han desplegado IA generativa en alguna forma, pero aproximadamente el mismo porcentaje reporta ningún impacto material en sus resultados, según McKinsey. La firma llama a esto la “paradoja de la IA generativa”, y su diagnóstico es directo: el problema no es tecnológico, es estructural. Las organizaciones están usando herramientas de nueva generación para sostener modelos de trabajo de la generación anterior.
La presión que hoy enfrentan las empresas es operativa, no tecnológica. Y la respuesta que empieza a tomar forma en el mercado tiene un nombre: agentes.
Una conversación que no puede esperar: sesión sobre agentes de IA el 23 de abril
El jueves 23 de abril, en el marco de las jornadas Edge AI & AI PCs: Inteligencia donde ocurre el trabajo, exploraremos este punto de inflexión con tres ejecutivos que acompañas las tomas de decisiones dentro de organizaciones reales: Laszlo Beke, CEO de Bekesantos; Deomery Blanco, VP de Talento-como-Servicio; y Pedro Gutiérrez, VP de Innovación Digital.
Será una discusión sobre decisiones concretas: qué procesos están siendo realmente transformados por agentes hoy, cómo se integran con sistemas empresariales existentes, dónde están los riesgos que nadie menciona en las demos y, sobre todo, qué diferencia a una empresa que experimenta con IA de una que ya opera con ella.
La sesión comienza a las 10:00 AM (México) – 01:00 PM (Argentina). El registro está abierto aquí.
El salto que los datos ya no permiten ignorar
Pasar de copilotos a agentes de IA autónomos no es una mejora incremental. Es un cambio de naturaleza. Un copiloto amplifica al humano. Un agente opera por objetivos. La diferencia práctica es significativa: mientras un asistente espera instrucciones, un agente recibe un objetivo —gestionar una incidencia de cliente, por ejemplo— y ejecuta de forma autónoma los pasos necesarios para resolverlo: consulta sistemas, cruza datos, toma decisiones intermedias, escala o cierra según las reglas definidas. Todo sin intervención humana directa en cada paso.
La velocidad a la que este modelo está siendo adoptado no tiene precedente en ciclos tecnológicos anteriores. Gartner proyecta que el 40% de las aplicaciones empresariales contarán con agentes especializados integrados para finales de 2026, frente a menos del 5% en 2025. No es una predicción de largo plazo. Es este año. Según datos de IDC, el gasto en inteligencia artificial crecerá a una tasa anual del 31,9% entre 2025 y 2029, impulsado precisamente por la expansión de aplicaciones basadas en agentes, con una inversión proyectada de 1,3 billones de dólares para ese año.
El mercado no está apostando por asistentes más inteligentes. Está apostando por una nueva capa operativa dentro de las organizaciones.
Por qué los agentes de inteligencia artificial en la empresa desafían la arquitectura existente
La mayoría de las organizaciones no están preparadas para operar con agentes. Sus sistemas —ERP, CRM, plataformas de datos— fueron construidos bajo una lógica radicalmente distinta: interacción humana, instrucciones explícitas, control centralizado. Los agentes rompen ese modelo porque operan de forma autónoma, interactúan entre sistemas y ejecutan en tiempo real sin esperar validación en cada paso.
El 46% de las organizaciones cita la integración con sistemas existentes como su principal desafío de despliegue, según el State of AI Agents Report 2026. No es un problema de tecnología. Es un problema de arquitectura heredada que no fue diseñada para este tipo de interacción.
Esto obliga a replantear la operación desde tres dimensiones que son organizativas antes que técnicas:
- Integración. Cómo conectar agentes con sistemas existentes sin generar fricción ni duplicar lógica. El desafío no está en la conectividad técnica sino en la coherencia operativa: que el agente entienda el contexto del sistema, no solo su API.
- Orquestación. Tanto Forrester como Gartner señalan 2026 como el año de ruptura para los sistemas multiagente, donde agentes especializados colaboran bajo una coordinación central, manteniendo contexto compartido y transfiriendo trabajo entre ellos sin intervención humana. El reto es garantizar que múltiples agentes operando en paralelo no generen conflictos de ejecución.
- Gobernanza. La más crítica de las tres. Y la que más organizaciones están resolviendo tarde.
Automatización con agentes: el control como ventaja competitiva, no como freno
Cuanto más autonomía tienen los sistemas, más relevante se vuelve la pregunta de quién responde por las decisiones que toman. Y los datos sobre lo que está pasando en producción deberían poner en alerta a cualquier organización que esté escalando sin haber resuelto esta pregunta.
Según el informe State of AI de McKinsey 2025, el 51% de las organizaciones reportò al menos un incidente negativo relacionado con IA en los últimos doce meses: problemas de imprecisión, cumplimiento normativo, reputación y acciones no autorizadas como los más frecuentes.
La tensión es real y no tiene solución estándar en ninguna industria: demasiado control limita el valor de la automatización; demasiada autonomía introduce riesgos que ningún CIO puede ignorar. Las organizaciones que más rápido están escalando en 2026 son las que construyeron la infraestructura de gobernanza antes de ampliar la autonomía de los agentes, no después.
El error más frecuente es tratar el control como un mecanismo de freno que se activa cuando algo sale mal. La organización que saca ventaja de los agentes de IA en operaciones empresariales es la que diseña el control como parte del sistema desde el inicio: supervisión por excepción, trazabilidad de decisiones, modelos de responsabilidad claros. No como burocracia. Como arquitectura de confianza.
Porque cuando un agente modifica un contrato, aprueba un gasto o responde a un cliente en nombre de la empresa, la pregunta ya no es solo si funciona. Es quién responde por esa decisión.
El verdadero impacto: rediseñar el trabajo, no solo automatizarlo
Hablar de agentes de inteligencia artificial en la empresa es, en realidad, hablar de organización. McKinsey identifica que las empresas con mejor desempeño en IA tienen casi tres veces más probabilidades que sus pares de rediseñar fundamentalmente sus flujos de trabajo, en lugar de simplemente superponer IA sobre los procesos existentes. La diferencia entre una empresa que experimenta con agentes y una que opera con ellos no es tecnológica. Es de diseño organizacional.
Ese rediseño requiere nuevos roles: ingenieros de prompts para refinar las interacciones, orquestadores de agentes para gestionar flujos de trabajo, y diseñadores de supervisión humana para gestionar excepciones y construir confianza. El valor del trabajo humano no desaparece en este modelo, pero se desplaza de forma definitiva: deja de estar en ejecutar tareas para concentrarse en definir objetivos, supervisar sistemas e interpretar resultados donde el juicio y el contexto no se pueden delegar.
Deloitte proyecta que el 50% de las empresas que usan IA generativa habrán desplegado agentes autónomos para 2027, el doble que en 2025. La curva de adopción está acelerando. Y más del 40% de esos proyectos podrían ser abandonados antes de llegar a producción si las organizaciones no resuelven antes los fundamentos de gobernanza y retorno sobre la inversión, advierte Gartner. Ese es exactamente el dilema que define la ventaja competitiva en este momento.
