Agentes de IA en Peru: 70% prioriza datos sobre modelos

Cómo escalar agentes de IA sin perder el control

Más del 70% de las empresas peruanas que aumentaron su inversión en inteligencia artificial durante 2026 prioriza mejorar la gestión de datos, según el estudio AI Insights Perú 2026 citado por Alexander García, socio de Consultoría Tecnológica y Ciberseguridad de PwC Perú, en declaraciones recogidas por El Peruano. El dato confirma que el cuello de botella ya no es el modelo: es quién decide, qué puede tocar y cuándo debe pedir permiso un agente para actuar.

La advertencia del experto es directa: no todo lo que técnicamente puede automatizarse debería funcionar sin un humano en el circuito. Esa línea roja separa el uso legítimo del riesgo operativo, y entenderla es lo que separa a las empresas que escalan IA de las que acumulan tickets de soporte.

El principio que guía a PwC: menos autonomía cuando más duele el error

La regla que propone García es tan simple como incómoda de implementar: «el nivel de autonomía debe reducirse a medida que aumenta el impacto de una decisión y disminuye la posibilidad de revertirla». Traducido al lenguaje de un founder: en tareas repetitivas y corregibles —clasificación de tickets, borradores de correo, consultas estandarizadas— el agente puede correr libre; en tareas donde un clic equivocado sale caro, una persona tiene que seguir apretando el botón.

🤖 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 propio García identifica los escenarios donde el veto humano debería ser innegociable, recogidos por El Peruano:

Transferencias de alto valor y movimientos de dinero a nuevas contrapartes.
Accesos privilegiados a sistemas sensibles, bases de datos de clientes o infraestructura crítica.
Decisiones con impacto en personas: clientes, colaboradores o proveedores (despidos, créditos, sanciones, cambios de plan).

A la inversa, los agentes pueden operar con mayor soltura en tareas de alto volumen y fácilmente reversibles: clasificación de información, atención de consultas tipo, redacción de borradores y soporte interno de primer nivel.

La superficie de ataque ya no es código: es el agente con permisos

Hay un punto que el análisis de El Peruano deja claro y que la mayoría de startups subestima: si el agente se conecta a un ERP, un CRM o cualquier plataforma operacional, la superficie de exposición crece. Un error ya no se queda en una ventana: se propaga por todos los sistemas conectados.

Por eso cobran peso cuatro controles que cualquier CTO puede empezar a aplicar este trimestre, y que García menciona explícitamente:

Gestión de accesos: cada agente con su propia identidad técnica, no credenciales compartidas con humanos.
Principio de mínimo privilegio: que el agente solo vea lo que necesita para la tarea en cuestión.
Segmentación de permisos: repartir capacidades por entorno (producción, staging, finanzas, RR. HH.).
Monitoreo de acciones con logs auditables en tiempo real.

El informe Cyber Pulse 2026 de Microsoft llega a una conclusión similar desde el lado corporativo global: con más del 80% de las Fortune 500 utilizando agentes activos creados con herramientas de bajo código, el problema ya no es si los agentes existen, sino cuántos operan sin estar registrados formalmente —lo que el reporte llama shadow IA—. Según el Data Security Index de la propia Microsoft, solo el 47% de las organizaciones afirma estar implementando controles específicos para IA generativa, y una encuesta a más de 1.700 profesionales de seguridad reporta que el 29% de los empleados ha usado agentes no autorizados en su trabajo cotidiano.

La pregunta incómoda, según Interempresas, es directa: ¿cuántos líderes tienen visibilidad real sobre cuántos agentes están operando ahora mismo dentro de su organización?

Trazabilidad: si no puedes explicar qué hizo, no debería poder hacerlo

El segundo eje que destaca García es la trazabilidad: las empresas deben poder responder con un solo clic qué información consultó el agente, qué operación ejecutó y qué sistemas fueron afectados. Si tu equipo no puede reconstruir una decisión automatizada, esa automatización no debería estar en producción.

Las cifras del estudio AI Insights Perú 2026, recogidas por El Peruano, dibujan cómo se está repartiendo el presupuesto entre las empresas que están aumentando inversión en IA:

70% prioriza mejorar la gestión de datos.
61% implementa gobernanza, políticas y controles.
58% fortalece la infraestructura habilitadora.

La secuencia no es casual. Primero datos limpios, después reglas claras, después la tecnología que las ejecuta. Saltarse el primer paso es lo que vuelve ingobernable a cualquier agente.

No apostar todo a un solo proveedor

El último punto que García aborda es la selección tecnológica: las organizaciones deberían analizar la compatibilidad de las distintas soluciones con sus datos, procesos e infraestructura, en lugar de casarse con un proveedor. El dato que respalda esa intuición viene del mismo estudio: el 44% de las empresas que incrementaron su inversión en IA prioriza alianzas estratégicas, lo que confirma el giro hacia arquitecturas multi-modelo y multi-plataforma.

En el contexto regional, el reporte de Salesforce citado por Infobae aporta un punto de referencia interesante: el número de agentes en producción se ha triplicado en el último año y el indicador de tareas ejecutadas (AWU) alcanzó 734 millones de acciones en abril de 2026, con un crecimiento mensual del 15%. La habilidad promedio por agente —de dos a seis funciones distintas— se triplicó también en doce meses.

¿Qué significa esto para tu startup?

Si estás construyendo o integrando agentes en tu operación, el mensaje es menos filosófico y más práctico de lo que parece.

Dibuja tu mapa de autonomía antes de escribir prompts. Define para cada flujo de tu producto tres categorías: (1) tareas donde el agente decide solo, (2) tareas donde propone y un humano aprueba, (3) tareas donde el humano decide y el agente ejecuta el resto. Si no podés llenar la categoría 2 con procesos concretos, todavía no estás listo para producción.
Trata al agente como un empleado con credenciales propias. Asignale identidad técnica separada, otórguele el mínimo privilegio posible y registra cada acción en logs auditables. El mismo principio de mínimo privilegio que aplicas a un becario el primer día aplícalo a un agente el primer minuto.
Mide la calidad de tus datos antes de medir la del modelo. El 70% de las empresas peruanas que invierten más en IA detectó que su cuello de botella es el dato. Antes de subir un proyecto de agentes a producción, audita los datos que va a leer: si están dispersos, sucios o sin dueño, el agente va a heredar exactamente esos problemas y los va a propagar más rápido que cualquier empleado humano.
No te cases con un solo modelo ni con un solo proveedor. El 44% de las empresas que más invierten en IA prioriza alianzas estratégicas. Diseña tu arquitectura con un gateway o capa de abstracción que permita cambiar de modelo sin reescribir el negocio —el movimiento que ya están haciendo empresas grandes según Bolsamanía al adoptar soluciones tipo AI Gateway—.

El mensaje de fondo que recoge García y que repiten los reportes globales de Microsoft y Salesforce es el mismo: la ventaja competitiva no vendrá de tener más agentes, sino de tener agentes a los que puedas explicar, auditar y, cuando haga falta, frenar.