Hitachi Vantara potencia el almacenamiento híbrido en Azure
La llegada de agentes capaces de decidir, ejecutar tareas y relacionarse con sistemas empresariales está obligando a los líderes de tecnología a replantear equipos, procesos, responsabilidades y formas de gobernanza.
El verdadero legacy de una empresa puede no estar en sus sistemas. Puede estar en la forma en que organiza el trabajo.
Durante años, buena parte de la conversación alrededor de la transformación digital se ha concentrado en modernizar aplicaciones, migrar infraestructura, adoptar cloud o sustituir sistemas heredados. La llegada de la IA agéntica introduce ahora una cuestión diferente y, probablemente, mucho más profunda: ¿qué sucede con el modelo operativo de TI cuando una parte creciente del trabajo puede ser ejecutada por sistemas capaces de interpretar objetivos, utilizar herramientas, tomar decisiones y completar procesos con una autonomía que hasta hace poco estaba reservada a las personas?
Una reciente investigación de CIO sobre cómo los líderes de TI están replanteando sus organizaciones para la era de la IA agéntica muestra que este proceso ya ha comenzado. Los cambios no se limitan a incorporar nuevas herramientas de inteligencia artificial. Los CIO están revisando la organización de sus equipos, la arquitectura tecnológica, la gestión de los datos y, sobre todo, la manera en que TI se relaciona con el negocio.
La cuestión, por tanto, ya no consiste simplemente en decidir dónde incorporar un agente. El verdadero desafío es determinar cómo debe funcionar una organización cuando esos agentes empiezan a formar parte de la propia estructura mediante la cual se ejecuta el trabajo.
El agente no es simplemente otro software
La diferencia puede parecer sutil, pero tiene consecuencias importantes para la organización de TI. Una aplicación tradicional ejecuta un conjunto de instrucciones previamente definidas, mientras que un agente puede recibir un objetivo, interpretar el contexto, decidir qué pasos necesita seguir, utilizar diferentes herramientas y modificar su actuación en función de los resultados que obtiene.
Cuando esa capacidad entra en los procesos empresariales, cambia también la forma de diseñarlos.
Meerah Rajavel, CIO de Palo Alto Networks, explica en CIO que la construcción de verdaderos agentes exige una “reimaginación completa” de cómo se realiza el trabajo. La compañía, por ejemplo, utiliza un agente interno para gestionar tareas relacionadas con TI, viajes, gastos y recursos humanos, y según Rajavel este sistema ha automatizado más del 80% de los tickets.
Sin embargo, el porcentaje de automatización no es necesariamente la parte más interesante de la historia. Lo realmente relevante es preguntarse qué sucede con el trabajo que permanece en manos de las personas.
La experiencia de CCS ofrece una pista. La introducción de agentes para atender llamadas hizo que las interacciones que finalmente llegaban a los empleados fueran más complejas y exigieran un mayor nivel de juicio. La automatización no eliminó simplemente una cantidad determinada de trabajo humano; modificó la naturaleza del trabajo que quedaba después de ella.
Ese patrón puede repetirse en TI. Cuando un agente absorbe las tareas más repetitivas de un proceso, los profesionales no desaparecen necesariamente de la ecuación. Su función puede desplazarse hacia la supervisión, la resolución de excepciones, el diseño del proceso, la evaluación de resultados o la toma de decisiones que requieren contexto empresarial.
La IA agéntica, por tanto, no solo automatiza tareas. También redistribuye responsabilidades.
De ejecutar sistemas a gobernar sistemas que ejecutan
El modelo operativo tradicional de TI ha distribuido responsabilidades alrededor de aplicaciones, infraestructura, datos y equipos especializados. La aparición de agentes introduce una nueva entidad en esa arquitectura: un sistema capaz de ejecutar acciones dentro de esos mismos dominios.
Y ahí empiezan a aparecer preguntas que antes tenían respuestas relativamente sencillas. Si un agente puede ejecutar una tarea sin intervención humana, ¿quién determina qué puede hacer y qué debe quedar fuera de su alcance? ¿Quién supervisa su comportamiento? ¿Quién modifica sus permisos cuando cambian las circunstancias? ¿Quién responde cuando una decisión automatizada produce un resultado inesperado?
No son preguntas exclusivamente tecnológicas. Son preguntas sobre el modelo operativo.
CIO recoge el caso de Gusto, donde ya se han creado funciones específicas de agent manager, responsables del rendimiento, el roadmap y las métricas de los agentes. El puesto combina elementos de producto e ingeniería y establece una figura humana responsable de la actividad del agente.
La aparición de este tipo de funciones resulta significativa porque muestra que los agentes empiezan a necesitar algo parecido a lo que durante años hemos construido alrededor de las aplicaciones críticas: propietarios, responsables, métricas, controles y procesos de supervisión.
La diferencia es que ahora el sistema al que hay que gobernar no se limita a ejecutar instrucciones. También puede interpretar situaciones y tomar determinadas decisiones dentro de los límites que le hemos establecido.
La gobernanza deja de ser una capa administrativa
Esta transformación explica también por qué la gobernanza puede convertirse en uno de los principales cuellos de botella para la adopción empresarial de IA.
Un estudio de SAP realizado con Oxford Economics, citado por CIO, encontró que las organizaciones están viendo crecer el valor esperado de la inteligencia artificial mientras sus capacidades de gobierno avanzan a un ritmo menor. La investigación, basada en 2.600 ejecutivos de 13 países, apunta precisamente a esa brecha entre la evolución de los riesgos asociados a la IA y la capacidad de las organizaciones para gobernarlos.
Otro estudio del IBM Institute for Business Value, también recogido por CIO, encontró que el 77% de los ejecutivos encuestados considera que la adopción de IA está avanzando más rápido que las capacidades de gobernanza, mientras que dos tercios de CIO y CTO aseguran tener responsabilidad sobre sistemas de IA que no controlan completamente.
El dato plantea una contradicción que las organizaciones tendrán que resolver. La empresa puede acelerar la incorporación de agentes porque estos prometen mejorar productividad y eficiencia, pero al mismo tiempo puede no haber desarrollado todavía los mecanismos necesarios para determinar quién controla esos agentes, qué información pueden utilizar, qué acciones pueden ejecutar y cómo debe responder la organización cuando algo sale mal.
Por eso la gobernanza ya no puede aparecer al final del proceso como una revisión de cumplimiento.
Tiene que formar parte del diseño del propio modelo operativo.
Los permisos, la observabilidad, los controles, la supervisión humana, la gestión de excepciones y la asignación de responsabilidades tendrán que diseñarse al mismo tiempo que se diseñan los procesos que los agentes van a ejecutar.
Hacia un modelo operativo híbrido
Todo esto apunta hacia una transformación que no necesariamente conduce a una TI completamente automatizada. Lo que empieza a emerger es algo diferente: un modelo operativo híbrido, en el que humanos y agentes desempeñan funciones distintas dentro de un mismo proceso.
Un agente puede analizar información, preparar una respuesta, ejecutar una tarea repetitiva o resolver un caso que se encuentre dentro de determinados parámetros. El profesional humano puede concentrarse en las excepciones, en las decisiones de mayor impacto, en el diseño del proceso y en aquellas situaciones donde el contexto o el criterio empresarial resulten determinantes.
La consecuencia es que también cambian las competencias necesarias dentro de los equipos.
Los líderes entrevistados por CIO anticipan que los desarrolladores tendrán que dedicar menos tiempo a escribir código línea por línea y más a comprender contexto, entradas, resultados, arquitectura, seguridad, escalabilidad y rendimiento. Los product managers, por su parte, necesitarán una mayor comprensión tecnológica para transformar una necesidad de negocio en un prototipo funcional con mucha mayor rapidez.
No se trata, entonces, de sustituir unas profesiones por otras. Se trata de modificar el centro de gravedad del trabajo.
La pregunta deja de ser exclusivamente quién ejecuta una tarea y empieza a ser quién diseña el sistema que decide qué tareas puede ejecutar una máquina, bajo qué condiciones y con qué nivel de autonomía.
El legacy que no aparece en el inventario
Aquí aparece una dimensión de la transformación que puede pasar desapercibida.
Una organización puede haber modernizado su infraestructura, migrado sus aplicaciones a la nube y desplegado modelos avanzados de inteligencia artificial y, sin embargo, continuar funcionando con procesos diseñados para un mundo en el que todas las decisiones importantes eran humanas.
Puede tener equipos organizados alrededor de silos funcionales, cadenas de aprobación pensadas para ciclos de días, sistemas que esperan permanentemente una intervención humana para continuar y estructuras de responsabilidad que no contemplan que una máquina pueda ejecutar una parte del proceso de principio a fin.
Ese puede ser uno de los grandes límites para escalar la IA agéntica.
El problema no siempre será que la tecnología no pueda hacer el trabajo. Puede ser que la organización todavía no esté preparada para trabajar de esa manera.
Por eso, cuando hablamos del CIO Operating Model 2026, quizá tengamos que ampliar la conversación. El desafío no consiste únicamente en decidir qué tecnología incorporará TI durante los próximos doce meses. Consiste en revisar cómo se distribuyen las decisiones, cómo se diseñan los procesos, cómo se organizan los equipos y cómo se establece la responsabilidad cuando humanos y agentes empiezan a compartir el mismo espacio operativo.
La IA agéntica obliga a replantear quién decide, quién supervisa y quién ejecuta, pero también quién responde cuando una decisión tomada por un agente produce un resultado inesperado. Y cuanto mayor sea la autonomía que concedamos a estos sistemas, más importante será que esa responsabilidad esté definida antes de que el agente entre en producción y no después del primer incidente.
El CIO se enfrenta así a una transformación que va mucho más allá de la automatización.
La IA agéntica no está simplemente cambiando las herramientas con las que trabaja TI. Está empezando a cambiar la propia forma en que TI organiza y gobierna el trabajo.
Ese puede ser, precisamente, uno de los grandes debates del modelo operativo de TI en 2026: no cómo incorporar agentes a la organización que ya tenemos, sino qué organización necesitamos construir cuando los agentes formen parte de ella.
