Agentes de IA proliferan y los CIOs reajustan la gobernanza

¿Qué aprendió West Monroe al permitir que sus empleados crearan sus propios agentes?

Cada viernes, Bret Greenstein, director de IA de la consultora West Monroe, reúne a toda la plantilla para repasar las novedades de IA de la semana y destacar a un empleado que haya creado su propio agente desde cero. Desde que la compañía abrió su tienda interna de IA en mayo, más de 200 personas —muchas sin experiencia técnica— han publicado 550 agentes. "Aproximadamente el 15 % de nuestra plantilla se dedica ahora a desarrollar constantemente", afirma Greenstein.

El caso no es aislado. La empresa de software Blackline también acumula cientos de agentes internos, y Microsoft ha desplegado más de 500.000 agentes para ayudar a sus empleados a optimizar flujos de trabajo, según la cobertura original de CIO.com. Gartner prevé que las compañías de la lista Fortune 500 tendrán, de media, más de 150.000 agentes en 2028 —frente a menos de 15 en 2025— y que solo el 13 % de las empresas cuenta hoy con una gobernanza adecuada para gestionarlos, según datos recogidos por Crowdfund Insider.

¿Por qué la fiebre de los agentes se convirtió en problema de costes?

Permitir que cualquier empleado construya agentes resuelve problemas reales: quienes conocen su trabajo detectan puntos de fricción que un equipo central nunca vería. Pero la euforia está girando, según Michael Murphy, socio responsable de IA en Adaptovate: "Hace seis meses, las empresas convertían en agentes prácticamente todo lo que podían. Hoy, el enfoque se centra en controlar la proliferación, evaluar el valor y mantener los costes bajo control".

🤖 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

El síntoma más visible es el gasto en tokens. Uber quemó todo su presupuesto anual de IA para programación en abril de 2026 tras habilitar Claude Code sin topes claros, según CIO.com. Una empresa —citada por TechCrunch— recibió una factura de US$500M de Anthropic por olvidar fijar límites de uso, y la renovación de un contrato rutinario de Cursor en Priceline llegó 4-5 veces más cara que el año anterior. Microsoft, tras habilitar el acceso de sus desarrolladores a Claude Code, empezó a revocarles la licencia meses después, también según TechCrunch.

La raíz está en la propia dinámica de los agentes: según la documentación de Anthropic, un agente consume aproximadamente siete veces más tokens que una sesión estándar. Deloitte estima que solo el 21 % de las organizaciones que despliegan agentes tiene un modelo de gobernanza maduro, y Gartner proyecta que, para 2028, el coste de IA para programación por desarrollador será comparable al salario que la empresa le paga.

¿Qué presión concreta enfrenta hoy un CIO por la proliferación de agentes?

Tiago Azevedo, CIO de OutSystems, resume el dilema: por un lado, la plantilla pide permiso para usar más IA; por otro, el CFO señala que el gasto en tokens se ha vuelto insostenible; y el CEO exige ver innovación y resultados. "Ese es el mayor reto para un CIO", afirma.

Goldman Sachs estima que el consumo global de tokens se multiplicará por 24 hasta 2030, según TechCrunch. Un estudio de Faros AI sobre 20.000 desarrolladores encontró que la productividad sube con el uso de IA, pero también lo hacen los bugs y las reescrituras. La plataforma Jellyfish, en un análisis paralelo, concluyó que los ingenieros más intensos con la IA son aproximadamente el doble de productivos, pero gastan diez veces más tokens para lograrlo: el consumo por desarrollador de IA creció 18,6 veces en nueve meses.

¿Qué palancas están usando las empresas para gobernar a sus agentes?

Los consultados por CIO.com coinciden en cuatro movimientos que las organizaciones están adoptando para no frenar la innovación sin perder el control:

Controles de acceso basados en roles integrados en la herramienta, invisibles para el usuario. "Les permitimos utilizarlas, pero de forma regulada y controlada", resume Azevedo.
Entornos aislados (sandboxes) con credenciales limitadas y cortafuegos. "Si simplemente aplicas las mismas medidas de seguridad que aplicarías a las personas, te ahorrarás muchos quebraderos de cabeza", dice Ivan Burazin, CEO y cofundador de Daytona.
Identidad propia para cada agente. Tratar al agente como si fuera un empleado nuevo: con credenciales, portátil bloqueado y registro de auditoría. "Si mañana algo se descontrola, se podrá ver que se trata de ese agente y no de una persona real", señala Burazin.
Formación en costes por modelo. Greenstein cuenta que, al desconocer las diferencias de precio entre modelos, sus empleados elegían por defecto el más caro. Tras enseñarles los costes relativos, el gasto se redujo sin perder capacidad.

A esto se suma un movimiento institucional: la Linux Foundation anunció en junio de 2026 el lanzamiento de la Tokenomics Foundation, un nuevo organismo de estándares para llevar al consumo de tokens la disciplina que FinOps aplicó al gasto en la nube. En paralelo, el 37 % de las organizaciones ya utiliza cinco o más modelos distintos, según datos recogidos por Crowdfund Insider.

¿Cómo aprovechar este momento desde una startup?

Si estás montando una capa de agentes para clientes internos o externos, el coste y la trazabilidad van a definir tu propuesta de valor tanto como la calidad del modelo. Tres acciones concretas:

Audita el coste por tarea, no por token. Suma coste de modelo, número de invocaciones y valor de salida (tiempo ahorrado, decisiones correctas, ingresos atribuibles). La métrica "tokens consumidos" oculta dónde se va el dinero.
Diseña el agente con identidad, no con permisos compartidos. Aunque tu primer prototipo use la API de un proveedor, modela ya el ciclo de vida: credenciales, sandbox, registro de auditoría. Cuando llegue tu primer cliente enterprise, no tendrás que reescribir nada.
Entrena al equipo en elección de modelos. Un modelo grande mal elegido puede multiplicar tu factura por 10 sin mejorar el resultado. Crea un mini-catálogo interno con qué modelo usar para qué tarea y mide el ahorro real.

El mensaje de fondo: la ventaja competitiva ya no está solo en tener agentes, sino en demostrar, con datos, que cada agente devuelve más de lo que cuesta.