CIO y arquitectura: la IA agéntica exige integrar cómputo, datos, redes y aplicaciones

La incorporación de agentes autónomos cambia las exigencias de la arquitectura empresarial. El reto para los CIO no consiste en sustituir toda la infraestructura, sino en conectar sus capacidades bajo un modelo común de acceso, ejecución y gobierno.

La adopción de inteligencia artificial agéntica está trasladando el debate tecnológico desde las capacidades de los modelos hacia la arquitectura que permite utilizarlos en procesos empresariales reales. Un agente puede interpretar una petición, consultar información, invocar varias aplicaciones y ejecutar una secuencia de operaciones. Para completar esa tarea, sin embargo, depende de sistemas que fueron diseñados en momentos distintos, con diferentes modelos de integración, seguridad y gestión de datos.

Esta diferencia cambia las prioridades del CIO. El problema ya no consiste únicamente en proporcionar potencia de cálculo para ejecutar modelos, sino en garantizar que la infraestructura completa pueda responder a las necesidades de un sistema que consulta, decide y actúa sobre múltiples servicios.

En su análisis Rethinking enterprise architecture for the agentic era, McKinsey identifica dos caminos para modernizar la arquitectura: incorporar capacidades agénticas progresivamente o acometer una transformación más amplia. La elección dependerá de la complejidad del entorno, los objetivos de negocio y la capacidad de evolución de los sistemas existentes. No todas las empresas necesitan una reconstrucción integral, pero sí evaluar dónde sus arquitecturas actuales pueden limitar la automatización.

El cuello de botella no está solo en el modelo

La infraestructura tradicional suele organizarse alrededor de aplicaciones, usuarios y transacciones con flujos relativamente definidos. Los agentes introducen una dinámica diferente: una sola solicitud puede desencadenar consultas, llamadas a herramientas y operaciones sucesivas en distintos sistemas. La carga resultante depende tanto del modelo como de las decisiones que toma durante la ejecución.

Google Cloud aborda esta cuestión en su análisis de infraestructura para la IA agéntica. En el post State of AI infrastructure report and the Agentic Data Cloud, la compañía sostiene que el acceso al contexto empresarial y a los datos con significado de negocio constituye uno de los principales obstáculos para escalar estas soluciones. También advierte que el cómputo, las redes y el almacenamiento deben responder a los patrones de interacción de los agentes. Su informe cita que el 83% de las organizaciones encuestadas considera necesarias mejoras de infraestructura para soportar sistemas agénticos en producción; la cifra corresponde a ese estudio y no debe interpretarse como una medición universal del mercado.

Para los responsables de tecnología, la implicación es concreta: acelerar el modelo no resolverá una consulta que depende de datos desactualizados, una API lenta o un sistema transaccional incapaz de soportar nuevas cargas. El rendimiento debe medirse de extremo a extremo, desde la interpretación de la petición hasta la finalización de la operación.

Cuatro capas que deben funcionar como un sistema

• Cómputo e inferencia. La planificación, las consultas y las llamadas a herramientas pueden multiplicar las interacciones que necesita completar un agente. La arquitectura debe equilibrar latencia, capacidad, disponibilidad y coste, eligiendo dónde ejecutar cada carga según su sensibilidad, volumen y requisitos de respuesta.
• Datos y contexto. Los agentes necesitan información fiable, vigente y accesible bajo permisos explícitos. Integrar fuentes no basta si cada sistema interpreta de manera diferente conceptos como cliente activo, pedido confirmado o riesgo crítico. La calidad, la trazabilidad y una semántica compartida son condiciones para que el agente pueda razonar sobre el negocio sin confundir registros o utilizar información fuera de contexto.
• Redes e integración. Cada consulta a un servicio, transferencia de información o invocación de una herramienta añade dependencias. La latencia acumulada, los límites de las API y los fallos parciales pueden afectar al resultado de un flujo completo. Por eso, la observabilidad debe permitir reconstruir las interacciones entre agentes y sistemas, mientras que las políticas de acceso deben controlar tanto las comunicaciones como las operaciones autorizadas.
• Aplicaciones y lógica de negocio. Los agentes necesitan ejecutar acciones sin tener que recrear por su cuenta las reglas que ya gobiernan los procesos empresariales. Exponer funciones mediante interfaces estables y reutilizables permite que la IA invoque operaciones existentes, manteniendo validaciones, permisos y controles transaccionales. La arquitectura debe facilitar la composición de servicios sin convertir cada agente en una integración personalizada y difícil de mantener.

La guía de arquitectura empresarial agéntica de AWS organiza estas capacidades en capas de aplicaciones, agentes y servicios, con seguridad, observabilidad y descubrimiento como preocupaciones transversales. Por su parte, Salesforce Architects propone evolucionar la arquitectura tradicional —infraestructura, datos, integración, aplicaciones y experiencia— para incorporar la capacidad de los agentes de razonar y ejecutar acciones. Son marcos de proveedores, no estándares universales, pero coinciden en una cuestión: las capacidades no pueden diseñarse de forma aislada.

Modernizar sin reconstruirlo todo

La respuesta no tiene por qué ser una plataforma única que sustituya los sistemas existentes. En muchos casos, el camino más viable será identificar procesos de alto valor, habilitar interfaces controladas, mejorar el acceso a los datos y reforzar la supervisión de las operaciones automatizadas. La modernización puede avanzar por etapas, siempre que cada nueva integración respete un modelo coherente de identidad, autorización, registro y recuperación ante fallos.

El CIO debe evaluar esa evolución con indicadores que combinen tecnología y negocio: tiempo de ejecución de los procesos, coste por tarea completada, errores, disponibilidad de los servicios invocados, calidad de los datos y proporción de operaciones que requieren intervención humana. También necesita comprobar si los agentes pueden detenerse o escalar una decisión cuando exceden sus permisos o encuentran información contradictoria.

La seguridad no debe añadirse al final. Si un agente puede consultar datos sensibles o modificar registros, sus permisos, límites de ejecución y trazabilidad forman parte de la arquitectura desde el principio. Del mismo modo, la gobernanza de los datos y la supervisión operativa deben extenderse a todo el flujo, no limitarse al modelo que inicia la tarea.

La IA agéntica convierte la arquitectura empresarial en una condición directa de la capacidad de ejecución. Las organizaciones que quieran escalarla deberán tratar cómputo, datos, redes y aplicaciones como partes de un mismo sistema, sin perder de vista que cada capa conserva requisitos y riesgos propios.

La ventaja no estará necesariamente en disponer del modelo más potente, sino en construir una arquitectura capaz de convertir sus decisiones en acciones fiables, medibles y gobernadas.