Infobae Talks IA: 6 ejecutivos debaten los agentes autónomos

Qué cambia cuando la IA deja de responder y empieza a actuar

Solo alrededor del 11% de las organizaciones tiene agentes de IA en producción, según las referencias que manejan consultoras como Deloitte y que recoge Actualidad eCommerce. La distancia entre el piloto que luce bien en una demo y el sistema que opera un proceso crítico es hoy el verdadero campo de batalla de la transformación digital. De eso trata Infobae Talks Insights IA, la nueva edición del ciclo conducido por Agostina Scioli que se emite el jueves 22 de octubre desde las 15 horas por la home y el canal de YouTube de Infobae.

Seis ejecutivos de tecnología, comercio electrónico, banca, telecomunicaciones, servicios financieros y consultoría forense contarán cómo sus organizaciones pasaron —o intentan pasar— de automatizar tareas a delegar decisiones. Para un founder importa por una razón concreta: los dilemas de gobernanza, costo de inferencia y trazabilidad que enfrenta un banco aparecen, en otra escala, en cualquier startup que ya usa IA para atender clientes o para sostener su back office.

¿Quiénes participan en Infobae Talks Insights IA?

• Jorge Payró, director regional de SOLA (Argentina, Chile, Paraguay y Uruguay) y country manager para Argentina en Red Hat. Abordará qué cambió en 2026 en la conversación de las empresas sobre IA, por qué ya no alcanza con sumarse a la tendencia y qué implica controlar la propia infraestructura de inferencia en costos, velocidad, seguridad y autonomía tecnológica. También los riesgos de concentrar la ejecución en un entorno cerrado o en un único proveedor de nube, y los desafíos de gobernanza, trazabilidad, privacidad y ciberseguridad de los agentes autónomos. Cierra con lo que dejó el Red Hat Summit: Connect 2026.
• Franco Radavero, gerente general de Tiendanube Argentina. Traerá la evolución del e-commerce en el país, los cambios que la IA genera en la forma de comprar y vender online y el nivel de adopción de las pymes argentinas, además del rol de Chat Nube y Lumi.
• Fernando Turri, director de Tecnología y Operaciones de Santander Argentina. Explicará el lugar de la IA en la transformación tecnológica del banco, su aporte para acelerar el desarrollo de software y por qué considera clave fijar reglas y controles de uso responsable.
• Mariela Fiorenzo, manager de Data Office en Personal. Pondrá el foco en el rol de los datos y la automatización, la diferencia entre IA generativa y agentes de IA, las aplicaciones concretas que incorporó la compañía y su plataforma corporativa de IA.
• Cristian Deferrari, head de Plataformas & Gen AI en Naranja X. Contará cómo la IA transforma la experiencia del cliente, cómo cambió la detección de oportunidades y qué habilidades ganan relevancia.
• Andrés Sarcuno, socio de Risk, Regulatory & Forensic Services de Deloitte. Mostrará cómo la IA cambió la investigación de fraude y corrupción, qué tareas se aceleran y por qué sostiene que no reemplaza el conocimiento experto.

¿Cuál es la diferencia entre automatización, IA generativa y agentes autónomos?

Un chatbot contesta. Un copiloto redacta o resume. Una automatización clásica repite una regla. Un agente, en cambio, recibe un objetivo, lo divide en pasos, consulta datos, abre aplicaciones, pide validación cuando hace falta y deja rastro de lo que hizo. Esa capacidad de actuar sobre el proceso —y no solo de responder preguntas— es la que cambia el modelo de riesgo, según describe Actualidad eCommerce.

El contexto ayuda a calibrar el entusiasmo. La Autoridad Bancaria Europea señaló que en torno al 55% de los bancos encuestados ya utiliza IA generalista o agéntica en procesos de cliente, sobre todo para detectar actividad fraudulenta, apoyar equipos de atención y automatizar respuestas de autoservicio. La adopción, sin embargo, es desigual: hay entidades escalando agentes, otras en fase de experimentación y muchas todavía ordenando datos y procesos.

Infraestructura abierta: por qué el costo de inferencia es una decisión de negocio

El argumento de Payró se entiende mejor con lo que Red Hat viene construyendo. La compañía presentó Red Hat AI 3.4, una plataforma que describe como un enfoque unificado del hardware al agente, con Model-as-a-Service para que los equipos de plataforma ofrezcan modelos curados a través de API gobernadas y con herramientas de AgentOps para rastrear acciones, pasos de razonamiento y llamadas a herramientas.

Dos detalles técnicos explican por qué esto importa a quien paga la factura. El primero: la decodificación especulativa que incorpora la plataforma mejora la velocidad de respuesta entre 2 y 3 veces con un impacto mínimo en la calidad, según el comunicado de Red Hat, lo que se traduce en menor costo por interacción. El segundo: la gestión de identidad criptográfica (SPIFFE/SPIRE) permite sustituir claves estáticas por tokens de corta duración, de modo que cada acción de un agente quede vinculada a una identidad verificada.

Traducido a una startup: si tu producto depende de un único proveedor de modelos, el día que cambian las condiciones comerciales o se cae el endpoint, tu operación se detiene. Y si no puedes auditar qué hizo el agente, tampoco puedes explicarle a un cliente corporativo por qué tomó una decisión.

Gobernanza: el control no vive dentro del modelo

La idea más incómoda para los equipos que ya desplegaron agentes es esta: pedirle al modelo que se comporte bien no es un control de seguridad. En la Conferencia Europea de ISACA 2026, la especialista Mónica Verma explicó que reducir la temperatura del modelo no lo vuelve determinista y que los controles deben implementarse en la arquitectura externa, no dentro del modelo, según recogió Silicon.

Su marco de gobernanza se apoya en cinco pilares: datos limpios y clasificados frente al envenenamiento de datos; estrategia con un responsable ejecutivo final, porque los agentes no asumen responsabilidad legal; cultura y alfabetización para erradicar la idea de que escribir instrucciones equivale a hacer ciberseguridad; gestión de riesgos que incluya a los agentes introducidos por proveedores; y controles de ingeniería con identidad no humana, permisos y aislamiento.

De ahí sale una regla de arquitectura que cualquier equipo puede aplicar mañana: un agente que procesa entradas no confiables no debería tener permiso simultáneo para modificar bases de datos o alterar el estado de sistemas sensibles. La evidencia empírica respalda la prudencia: Zscaler encontró vulnerabilidades críticas en todos los sistemas empresariales de IA que analizó y logró comprometer el 90% en menos de 90 minutos, según el mismo medio.

Tiendanube: cómo se ve un agente de IA en una pyme

El caso de Radavero aterriza la conversación en el terreno donde vive la mayoría de los lectores. En una entrevista con InfoNegocios, el ejecutivo describió la apuesta de Tiendanube: cerca de US$100 millones por año en desarrollo de tecnología y un conjunto de soluciones de IA orientadas al negocio.

Chat Nube funciona como un vendedor disponible 24/7 con IA por WhatsApp e Instagram. Lumi, en tanto, es una IA nativa y contextual que vive dentro del administrador de la tienda. Detrás hay más de 30 agentes especializados: editar una foto y quitarle el fondo, generar descripciones y títulos de productos, analizar el embudo de marketing. La escala del ecosistema también da dimensión: solo en Córdoba, 3.000 tiendas facturaron más de $77.000 millones en el primer semestre, y el 80% de las ventas online se concreta desde teléfonos.

La lección para un founder no es la cifra, sino el diseño: Tiendanube no vendió un chatbot genérico, sino agentes atados al contexto de cada tienda. La IA que conoce el catálogo, el stock y el historial de conversaciones convierte mejor que la que solo redacta.

¿Qué significa esto para tu startup?

Cuatro decisiones concretas, tomadas de lo que estos seis ejecutivos van a discutir:

• Escribe la lista de lo que el agente no puede hacer. Antes de darle credenciales, define qué acciones requieren aprobación humana y separa los permisos de lectura de los de escritura. La regla de ISACA sobre entradas no confiables es un buen punto de partida.
• Calcula el costo por interacción antes de escalar. Si no sabes cuánto cuesta cada conversación resuelta, no puedes elegir con criterio entre una API externa y tu propia infraestructura de inferencia. La velocidad de respuesta y el costo por token son variables de negocio, no de ingeniería.
• Mide valor percibido, no cantidad de agentes. Gartner estima que más del 40% de los proyectos de IA agéntica podría cancelarse antes de 2027 por falta de valor percibido y problemas de implementación, según recoge Actualidad eCommerce. Un agente que ahorra horas en un proceso medible sobrevive a la revisión del directorio; uno que solo impresiona en la demo, no.
• Deja rastro desde el día uno. Trazabilidad de pasos, llamadas a herramientas y decisiones. Sin ese registro no hay auditoría posible, y sin auditoría no hay venta enterprise.

Conclusión

El salto de la automatización a los agentes autónomos no es una actualización de software: es un cambio en quién decide y quién responde. Las empresas que están avanzando —un banco, una telco, una plataforma de e-commerce— coinciden en el mismo orden: primero datos y permisos, después autonomía. La conversación del jueves 22 de octubre servirá para ver cuánto de ese orden se sostiene en la práctica y cuánto sigue siendo discurso de escenario.

Para un founder hispanohablante, la ventaja competitiva no está en tener el agente más autónomo, sino en tener el más auditable. Eso es lo que un cliente grande va a preguntar en la primera reunión.

Fuentes

• Infobae Talks Insights IA: de la automatización a los agentes autónomos (fuente original)
• Tiendanube pisa fuerte en Córdoba: 3.000 tiendas locales
• IA agéntica: de pilotos a producción con gobernanza y control humano
• ISACA 2026: Gobernanza de la IA agente y resiliencia en crisis
• Red Hat une a desarrolladores y operadores en el futuro agéntico