NearX: agentes de IA reducen hasta 95% etapas en empresas

Qué cambia cuando un agente de IA sale del chat y entra a tus sistemas

Un chatbot responde. Un agente ejecuta. Esa es la frontera que separa la primera ola de IA generativa de la actual, y la que una startup brasileña llamada NearX está cruzando con proyectos en tarjetas corporativas, educación, salud, telecomunicaciones, retail y hotelería. Según el relevamiento difundido por la empresa, los despliegues registran reducciones de hasta el 95% en el tiempo de revisión y curación de tareas y una precisión del 99,7% en diagnósticos empresariales. Caio Mattos, fundador y CEO de NearX, lo resume así: la pregunta dejó de ser «cómo ponemos IA en la empresa» para pasar a ser «qué problema queremos resolver».

La diferencia operativa importa más que el número. Un asistente generativo explica a un cliente cómo pedir una segunda vía de tarjeta; un agente conectado a la infraestructura identifica al usuario, consulta los sistemas, inicia el protocolo y registra la solicitud. En un proyecto de NearX para una operación de tarjetas y beneficios corporativos, una tarea que obligaba al analista a navegar entre cuatro sistemas pasó a resolverse en una capa única. En educación digital, dos chatbots en paralelo fueron reemplazados por una estructura capaz de conversar y ejecutar transacciones internas al mismo tiempo.

Por qué ahora: la curva de adopción de agentes se acelera a nivel global

El caso brasileño no es aislado. El Agentic Enterprise Index 2026 de Salesforce, que analiza cinco trimestres de uso en producción en 400 empresas, encontró que la cantidad promedio de agentes activos por organización casi se triplicó entre febrero de 2025 y abril de 2026, pasando de 5 a 13, según reportó ZDNet. El tiempo de creación de un nuevo agente cayó 53% y se ubica en torno a 1,9 días. En retail, las acciones únicas promedio por agente llegan a 9, una señal de que la complejidad de las tareas que asumen crece trimestre a trimestre. Salesforce registró 734 millones de Agentic Work Units consumidas en abril de 2026, con un aumento mensual del 15% en la relación acción-token.

🤖 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 señal es clara: el cuello de botella dejó de ser el modelo y pasó a ser la integración. Las empresas que ya tienen la data necesitan una capa que la conecte sin reemplazar décadas de sistemas legados.

Qué dejó la primera ola y qué resuelve esta

Durante los últimos años, la mayoría de las empresas experimentó la IA como una herramienta que responde preguntas o ayuda a producir contenido. Esa fase cumplió su rol, pero su techo quedó visible: si después de cada respuesta alguien tiene que abrir varios sistemas y ejecutar el proceso manualmente, la interfaz mejoró pero la operación no se transformó. Mattos lo describe como «mejorar la interfaz sin transformar la operación».

Los proyectos de NearX muestran la transición en tres dimensiones concretas:

Sector salud (dispositivos médicos): integración con el ERP para automatizar pedidos, conciliaciones y documentos sin migrar de plataforma.
Telecomunicaciones: capa de IA conectada por APIs que responde consultas operativas en lenguaje natural, sin pasar por el equipo técnico.
Retail (cadena de supermercados): interpretación automática de folletos, con extracción de productos, precios y fechas de vencimiento, pero con publicación condicionada a revisión humana.

El denominador común: la tecnología no exige reemplazar la infraestructura existente. Funciona como una capa que conecta datos, sistemas y reglas de negocio ya en producción.

El control gana terreno a la autonomía total

Cuando un agente ejecuta tareas, la pregunta deja de ser técnica y pasa a ser de gobernanza. ¿Qué decisiones se automatizan y cuáles siguen exigiendo supervisión humana? ¿Dónde quedan los datos y quién los ve? El propio relevamiento de NearX documenta dos respuestas que ya están implementando empresas:

Cadena de supermercados: la IA interpreta y extrae información de folletos, pero la publicación queda bloqueada hasta la aprobación humana.
Administradora hotelera: se establecieron controles de acceso, registros de interacción y seguimiento del uso de la tecnología por área.

La regla operativa que Mattos expone es directa: cuanto mayor es el impacto de una decisión, mayor debe ser el control y, en determinados casos, la participación humana. En la práctica, esto significa diseñar arquitecturas con distintos niveles de autonomía por proceso, no una autonomía única para toda la organización.

El dilema de los datos sensibles empuja la misma conversación. Con agentes accediendo a sistemas internos, crece la presión por mantener bases, historiales y reglas dentro del entorno de la empresa, y por combinar modelos según la tarea, en lugar de concentrar toda la operación en un único proveedor.

El contexto global: hyperscalers, grandes corporativos y nuevas reglas

La tendencia se replica a mayor escala. En julio de 2026, 3M y Microsoft anunciaron una alianza estratégica en la que desplegarán agentes de IA para automatizar la gestión de órdenes de clientes, incluidos los controles de crédito, la evaluación de morosidad y las actualizaciones de sistemas, con humanos en el loop y tableros de monitoreo personalizados, según el comunicado oficial publicado en Microsoft Source.

En la última earnings call, Mark Zuckerberg confirmó que Meta ve una oportunidad enterprise amplia: «APIs, business agents, potencialmente vender cómputo directamente y otros servicios que estamos construyendo para grandes clientes», reportó TechCrunch. La compañía puso a prueba un agente empresarial enfocado en atención al cliente y soporte, y admite que vender a empresas es «un músculo diferente» al que Meta usó históricamente, pero ya considera extenderlo más allá de los anunciantes actuales.

A nivel de talento y capacidad computacional, Brasil aparece como tercer país en adopción de IA según Nvidia, y las universidades brasileñas superaron al sector privado como principales compradoras de GPUs. El mayor cliente de Nvidia en Brasil es la Universidad Federal de Goiás (UFG), cuyo Centro de Excelencia en IA adquirió 31 unidades del DGX Spark a US$4.700 cada uno, según Época Negócios.

Qué significa esto para tu startup

La lectura para founders es directa: la próxima generación de soluciones SaaS y de servicios en español no competirá por la mejor respuesta, sino por la mejor ejecución. Si tu producto solo contesta preguntas, queda en la capa de la primera ola. Si conecta sistemas, ejecuta procesos y registra lo que ocurrió, entra al terreno donde hoy se libran los contratos enterprise más grandes.

Dos acciones concretas para aplicar esta semana:

Audita tus flujos actuales y clasifícalos en tres niveles de autonomía: informativo (el agente solo consulta y recomienda), operativo (ejecuta tareas reversibles y registra logs) y crítico (decisiones con impacto financiero, legal o de marca, siempre con aprobación humana). Esta taxonomía te permite diseñar productos sin sobredimensionar el riesgo ni quedarte corto en capacidad.
Define la arquitectura de datos antes que la elección del modelo: dónde vive cada base, qué proveedor procesa qué tipo de dato y bajo qué condiciones se conecta a un modelo externo. Los clientes enterprise que firman contratos de seis cifras lo primero que piden no es qué LLM usás, sino cómo garantizás trazabilidad, residencia y revocación de acceso.

La métrica que empieza a importar en este ciclo ya no son los usuarios activos ni las conversaciones mensuales, sino el porcentaje de tareas completas ejecutadas de extremo a extremo sin intervención humana. Los datos de NearX, Salesforce, Meta y Microsoft convergen en la misma dirección: el mercado paga por procesos cerrados, no por respuestas aisladas.