IA agéntica: del piloto a la operación real en 2026

¿Qué cambió realmente con la IA agéntica?

La diferencia entre la IA generativa y la IA agéntica no es solo semántica: cambia qué le pides al sistema y, sobre todo, qué hace sin que tengas que microgestionarlo. Como resume La Vanguardia, un sistema generativo recibe una petición y devuelve una respuesta; un sistema agéntico recibe un objetivo, planifica los pasos, usa las herramientas a su alcance y ejecuta acciones dentro de unos límites definidos. Ya no “contesta”, sino que opera dentro de un proceso.

El caso del informe de ventas ilustra bien el salto. La IA generativa redacta un documento a partir de los datos que le pasas. La agéntica, en cambio, accede a las fuentes autorizadas, recoge la información, analiza tendencias, detecta anomalías, elabora el informe, lo distribuye y, si las reglas lo permiten, agenda reuniones de seguimiento. Tú defines el objetivo y el marco; el sistema decide el camino.

Ese pequeño cambio de mentalidad explica por qué el mercado global de IA agéntica está pasando de US$11.560 millones en 2025 a US$19.330 millones en 2026, con un crecimiento anual compuesto del 40,2% hasta US$205.880 millones en 2033, según el informe de MarketsandMarkets publicado en agosto de 2026. Y no es solo hype de analysts: los 10 principales proveedores —Microsoft, AWS, Google, Salesforce, ServiceNow, IBM, Palantir, OpenAI, Oracle y Accenture— concentran ya el 47,16% del mercado.

🤖 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 ciclo de un agente: objetivo, plan, ejecución, revisión

La Vanguardia describe el funcionamiento de un agente como un ciclo continuo: recibe un objetivo, identifica qué información necesita, elabora un plan, elige herramientas, ejecuta acciones y evalúa si ha alcanzado la meta. Si el resultado no convence, replantea la estrategia. Esto convierte al agente en algo más que un ejecutor lineal: es un sistema que adapta su comportamiento a medida que avanzan los datos.

Por ejemplo, al analizar cientos de facturas, el agente localiza los documentos, extrae los datos relevantes, los clasifica, hace cálculos, detecta inconsistencias y genera un informe. Si encuentra facturas ilegibles, no se detiene: identifica el problema y decide cómo continuar según las reglas que le diste. Tú no le indicas cada paso; le marcas el destino y los límites.

Y aquí aparece un matiz clave: la IA generativa no desaparece, se queda como motor de razonamiento dentro del agente. Es el componente que interpreta el contexto, entiende instrucciones en lenguaje natural y decide el siguiente movimiento. La capa agéntica añade planificación, gestión de tareas, conexión con herramientas externas y ejecución autónoma.

¿Quién está vendiendo agentes hoy?

El artículo menciona las plataformas más conocidas: Microsoft Copilot Studio, Azure AI Agent Service, Salesforce Agentforce y Google Agentspace, además de herramientas especializadas para finanzas, RR. HH., operaciones, ciberseguridad y atención al cliente. Lo que ha cambiado en 2026 es que varias de estas suites ya no venden “copilots” que sugieren: venden agentes listos para producir trabajo.

Salesforce presentó el 11 de septiembre de 2026 una cartera de “agentes listos para el trabajo” dentro de Agentforce, con ejemplos concretos: el 50% de las consultas de chat de Engine las resuelve su agente de soporte Eva sin intervención humana; el 60% del pipeline de ventas de Perk lo construye el agente outbound Hunter; el 70% de las solicitudes administrativas de Autism Queensland las cierra Paige, su agente de servicios al empleado; y Hibbett automatiza el 90% del recorrido de compra tras seis semanas en producción. Salesforce también anunció un long-horizon runtime que permite a un agente perseguir objetivos durante días o semanas, no solo en una sesión.

La pelea comercial está al rojo vivo. El CEO de Salesforce, Marc Benioff, llegó a llamar a Microsoft Copilot un “proyecto científico” durante el último Dreamforce, criticando que no aporta valor real. Microsoft respondió con datos propios: usuarios diarios duplicándose trimestre a trimestre y ventas creciendo un 60% intertrimestral. TechTarget recoge que Salesforce cuenta con unos 150.000 clientes y Microsoft tiene el 85% del mercado de productividad, lo que deja a unos 21,5 millones de usuarios que necesitan que ambas plataformas convivan.

España y LATAM: del piloto al proceso real

La conversación en español lleva meses moviéndose de la presentación a la cuenta de resultados. SAP organizó en Madrid los días 15, 16 y 17 de septiembre de 2026 las jornadas Agent Ready con Inetum, SEIDOR e Indra para mostrar agentes ya en producción en clientes españoles. Indra, por ejemplo, presentó el Departamento de Administración Autónomo para ENCE: tres agentes que automatizan la gestión de facturas, el alta de proveedores y las reclamaciones, con un 85% de reconocimiento automático y un 98% de precisión en extracción de datos. Su agente fiscal, integrado en SIGEFI, reduce hasta un 60% el tiempo de búsqueda de información fiscal y un 80% el de revisión de declaraciones. SAP enmarca la iniciativa en su visión de “Empresa Autónoma” y la acompaña con una inversión de 100 millones de euros para que sus partners desarrollen agentes sobre su stack.

Según el Observatorio Nacional de Tecnología y Sociedad (ONTSI), en España alrededor del 11% de las empresas de 10 o más empleados ya usa soluciones de IA, y el porcentaje sube al 44% en grandes compañías, recogido por Interempresas. Zoho, en un estudio sobre adopción corporativa, sitúa a España entre los países europeos con mayor uso de herramientas de IA, con niveles cercanos al 40% en actividades personales y profesionales.

El lado oscuro: agentes sombra y nuevos vectores de ataque

Más autonomía implica más responsabilidad y más superficie de ataque. Bleeping Computer advierte del fenómeno “shadow AI agents”: empleados creando agentes en Salesforce Agentforce, Microsoft Copilot Studio, Cursor, Zapier, Retool y una docena de plataformas más, a menudo sin visibilidad del equipo de seguridad. La diferencia con el shadow AI clásico es importante: un chatbot te da una mala respuesta; un agente toca sistemas, ejecuta acciones y mantiene permisos persistentes.

Los números refuerzan la preocupación: el 48% de los profesionales de ciberseguridad sitúa a la IA agéntica como el vector de ataque más peligroso de 2026, según datos citados por Dark Reading; el 80% de las organizaciones reconoce haber encontrado ya riesgos de este tipo (SailPoint); y solo el 21% de los líderes de TI afirma tener un programa maduro de gobernanza para IA agéntica (Deloitte). El informe de MarketsandMarkets lo llama “control de acceso, identidad, observabilidad y gobierno del runtime” — exactamente lo que muchas empresas todavía no han resuelto.

¿Qué significa esto para tu startup?

Si estás construyendo producto o simplemente tratando de escalar operaciones con menos gente, la pregunta ya no es “si uso un agente”, sino cuándo y con qué barreras de seguridad. La propia MarketsandMarkets señala que la mayoría de las empresas empieza con agentes únicos sobre flujos acotados, porque son más fáciles de desplegar, monitorizar y gobernar que los sistemas multi-agente. Customer support, asistencia al empleado, gestión de TI, finanzas y ventas son los casos donde más rápido se ven resultados, precisamente porque tienen reglas claras, datos estructurados y rutas de escalado a humanos.

Acciones concretas para aplicar esta semana:

Empieza por un proceso, no por una herramienta. Elige un flujo donde hoy intervienen 3 o más personas en tareas repetitivas (calificación de leads, revisión de facturas, clasificación de tickets, elaboración de informes). Mide tiempo y errores antes, y vuelve a medir a las cuatro semanas. Si el agente no mejora métricas reales, cambia de caso.
Define los límites antes de encender el agente. Regístralo por escrito: qué datos puede consultar, qué herramientas puede invocar, qué acciones requieren aprobación humana. Sin ese marco, el primer error costará más caro que cualquier ahorro. Un agente con permisos persistentes a tu CRM o tu repositorio de código es un riesgo operacional real, no teórico.
Separa el “copilot” del “agente” en tu roadmap. Un copilot sugiere; un agente ejecuta. Tu pricing, tu soporte y tu modelo de responsabilidades probablemente necesiten diferenciar ambos. Si vendes un agente, asume que el cliente espera que “haga el trabajo”, no que “ayude a hacerlo”.
Invierte en observabilidad y trazabilidad desde el día uno. Cada acción de un agente debería dejar huella: quién lo creó, a qué sistemas está conectado, qué permisos tiene, cuándo se usó por última vez. Esto te servirá para auditoría, para depurar errores y para vender a clientes corporativos que te van a pedir exactamente eso antes de firmar.

La IA generativa cambió cómo escribimos y buscamos información. La IA agéntica está empezando a cambiar cómo operan las empresas. La diferencia entre leer sobre ella y haber desplegado el primer agente en producción se está convirtiendo, en 2026, en la misma diferencia que había en 2019 entre “tener un chatbot” y “tener una app móvil”.