Agentes de IA: de programadores a contables, médicos y abogados

Los agentes de IA salen del IDE y entran a la oficina

Hasta hace poco, agente de IA era casi sinónimo de programador: GitHub Copilot autocompletaba, Claude Code resolvía tareas cortas, Devin de Cognition ejecutaba proyectos enteros. Pero según el análisis publicado por Notícias Neo, esa frontera ya se rompió: los agentes autónomos están migrando hacia contabilidad, inversión y medicina, sectores donde hasta ahora la IA había sido solo un asistente de preguntas y respuestas.

Lo que cambió es el alcance. Un agente que escribe funciones vive dentro del editor y rara vez toca datos sensibles fuera del repositorio. Un agente que cruza bandejas de entrada, hojas de cálculo, sistemas de gestión médica o terminales de broker accede a miles de puntos de datos privados por sesión sin pedir permiso en cada paso. Esa diferencia parece técnica, pero redefine por completo el riesgo operativo.

La pista clínica: Oracle Health triplicó el uso en seis meses

El caso más concreto del desplazamiento lo aporta Oracle Health, que el 19 de agosto de 2026 sumó tres capacidades nuevas a su Clinical AI Agent: codificación automática de honorarios profesionales, dictado por voz y revisión de historia clínica asistida por IA. Es decir, el agente pasó de tomar notas a facturar por el servicio.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La cifra que mejor cuenta el efecto práctico: Oracle reportó que su agente había ahorrado a los médicos más de 200.000 horas de documentación en su anuncio de febrero de 2026. Para el anuncio de agosto, esa métrica ya supera las 400.000 horas ahorradas en casi dos años desde el lanzamiento, lo que implica que el volumen se duplicó en aproximadamente seis meses y medio, según el reporte publicado en Unite.AI. Entre los clientes nombrados aparecen Billings Clinic, Beacon Health System, Covenant Health y St. John's Health.

La consecuencia organizacional es directa: cuando el agente deja de ser un escriba y empieza a sugerir códigos de facturación, el margen de error ya no se mide en caracteres sino en dólares — y en auditorías de reguladores.

La pista contable: el entusiasmo, contenido

En el otro extremo, la profesión contable muestra una adopción más tibia. Durante el webinar "AI Agents for Accountants: What's Working Right Now" del 8 de julio organizado por Earmark, el panel describió casos reales con IA manejando transformaciones de hojas de cálculo, organización de bandejas de entrada, generación de reportes y estandarización de plantillas. Pero cuando se les preguntó por flujos contables completamente autonomizados, los ejemplos "siguieron siendo cuestionablemente limitados" durante toda una sesión dedicada al tema, reportó CFO.com / Earmark en su cobertura de agosto.

Eso contrasta con las cifras de adopción. Una encuesta de Bain & Company publicada por CFO.com encontró que solo el 7% de las organizaciones encuestadas tiene agentes de IA completamente autónomos corriendo en producción. Gartner, citado en la misma cobertura, sostiene que el contexto de datos sigue siendo una de las barreras más grandes al desempeño confiable de agentes.

¿Qué explica la brecha? Los contadores manejan información fiscal, contratos laborales y datos personales de clientes. Cada paso del agente toca superficie regulada. El caso contable, más que el clínico, expone la regla del juego: a mayor sensibilidad del dato, mayor rediseño de seguridad se requiere antes de soltar al agente.

Por qué los proveedoresgeneralistas tienen presión

La nota de Notícias Neo señala un dato económico que rara vez se dice en voz alta: la programación representa solo una fracción del mercado potencial para agentes autónomos. Expandirse hacia profesiones tradicionales multiplica el consumo de cómputo — y por lo tanto el valor capturado por sesión larga, que es donde se gana dinero en este negocio.

Esa presión ya se nota en el lado defensivo. Mordor Intelligence —citado en cobertura de Forbes de agosto— estima el mercado de penetration testing (pruebas de intrusión éticas) en USD 2.720 millones en 2026 y proyecta que llegará a USD 5.540 millones hacia 2031. XBOW, fundada por el creador original de GitHub Copilot, ocupa esa categoría con una ronda de USD 120 millones. Y Gartner predice que para 2027 el 40% de las empresas degradarán o desmantelarán sus agentes de IA autónomos cuando descubran brechas de gobernanza solo después de incidentes en producción, según reportó Forbes en agosto de 2026.

El mensaje para el proveedor de plataforma es claro: si tu agente de uso general no aprende a operar de forma segura sobre datos regulados, una camada de startups verticales te va a comer el nicho antes de que te des cuenta.

Qué están construyendo las startups de seguridad para agentes

Para entender dónde está el dinero, vale mirar la lista de CRN de las 10 Hot AI Security Startups of 2026 (publicada el primer semestre del año). El patrón es claro: el grueso de las nuevas plataformas no compite con los agentes, compite por gobernarlos.

Aurascape: USD 50M anunciados en abril de 2025. Lanzó un Zero-Bypass MCP Gateway que audita qué herramientas externas usa cada agente, evitando el bypass de controles.
HiddenLayer: ronda Serie A de USD 50M de 2023. Lanzó en marzo protección runtime específicamente para "amenazas multi-paso de agentes".
Straiker: Serie A de USD 64M anunciada en junio de 2026, con el foco en descubrimiento de agentes, pruebas adversariales pre-despliegue y runtime protection.
WitnessAI: USD 58M anunciados en enero de 2026, sumados a su Serie A de USD 27,5M de 2024. Ofrece gobernanza unificada de IA + agentes.
Zenity: Serie B de USD 38M de octubre de 2024, con un modelo agent-centric para visibilidad y prevención en tiempo real.

Todas coinciden en algo: el problema no es que el agente haga algo mal en abstracto, es que no hay forma de saber, hoy, qué datos tocó, con qué permisos, bajo qué política y a nombre de quién. Esa falta de trazabilidad es lo que frena la expansión más que la capacidad técnica del modelo.

Qué significa esto para tu startup

Si estás construyendo producto en 2026, esta transición te deja tres decisiones tácticas que no podés postergar.

1. Elegí dónde entra el agente, no dónde puede entrar. Oracle empezó por documentación y fue expandiéndose paso a paso, con cada nueva capacidad atada a una revisión humana explícita. Ese es el manual. Si tu roadmap dice "agente que hace todo", tu contrato con un enterprise te va a decir "agente que hace esto y firma esto antes de cada acción". Empezá por una operación repetible de bajo riesgo (clasificación de tickets, preparación de borradores, extracción de datos de PDFs) y dejá que el feedback del cliente abra la siguiente puerta.

2. Construí el log antes de construir el agente. Cada acción del agente debería registrar de forma inmutable: quién la pidió, con qué herramientas, sobre qué datos, bajo qué política, con qué resultado. Si no podés contestar esas cinco preguntas en producción, no tenés un control plane — tenés un script con patas. Plataformas como las que listó CRN existen justamente porque la mayoría de equipos descubre esto después del primer incidente.

3. Negociá los datos antes de negociar las features. En contabilidad y medicina, el cliente no compra velocidad: compra confianza sobre datos sensibles. Eso te obliga a separar dos conversaciones. Una técnica ("qué hace el agente"). Otra regulatoria ("dónde vive el log, quién lo audita, qué pasa si el regulador pide los registros mañana"). Llegar con la segunda ya resuelta te va a dar un deal que tu competidor va a perder.

La nota original concluye con una pregunta que sigue vigente: ¿la adopción generalizada depende de que los usuarios acepten mayor delegación de control, o la industria desarrollará mecanismos de gobernanza que permitan automatización sin exposición de datos? La respuesta, al menos por ahora, es la segunda — pero solo para quienes lleguen a la conversación empresarial con la gobernanza ya incorporada al producto, no agregada después.