NTT Data: el modelo de RR.HH. para tus agentes de IA

El 55% del uso de IA en las empresas de la Unión Europea ya corresponde a agentes, según el informe OpenAI Economic Research de octubre de 2026 recogido por Europa Press. En España esa proporción se queda en el 30%, y el país ocupa el puesto 24 de 27 Estados miembros. La mayoría de los equipos, en otras palabras, ya tiene agentes operando o está a punto de tenerlos, pero casi nadie tiene un sistema para gestionarlos.

Ese vacío es el que aborda NTT Data con una tesis incómoda para los departamentos de TI: los agentes de IA no son un proyecto de software, son personal. Y el personal se selecciona, se entrena, se evalúa y, cuando no rinde, se despide. Oliver Köth, director general de Tecnología e Innovación para la región DACH en NTT Data, lo resume sin rodeos: "Quien quiera utilizar los agentes con éxito debe empezar a gestionarlos como si fueran empleados humanos, lo que incluye la selección de personal, la formación continua, el establecimiento de objetivos y el control de resultados".

El CAIO deja de ser dueño de modelos y pasa a ser jefe de personal

La propuesta de NTT Data mueve el centro de gravedad del rol. Hasta ahora, el director de IA (CAIO) respondía por modelos, infraestructura y gobernanza: un perfil técnico con presupuesto. En el escenario que describe Köth, ese mismo cargo asume funciones que suenan a recursos humanos: definir perfiles de puesto, buscar al candidato adecuado, diseñar el plan de incorporación y decidir cuándo un agente deja de aportar.

No es una metáfora decorativa. Es una descripción bastante precisa de dónde se están atascando los despliegues reales. Elegir un modelo dejó de ser el problema difícil; integrarlo en un flujo de trabajo con permisos, contexto y responsables humanos sí lo es. La propia NTT Data señala que, desde el punto de vista técnico, un agente útil no es un chatbot: es un rol digital con acceso a fuentes de datos, API, sistemas de búsqueda y aplicaciones especializadas, con reglas claras sobre cuándo decide solo y cuándo necesita que intervenga una persona.

Ese matiz tiene consecuencias inmediatas para cualquier equipo pequeño. Un agente con acceso a tu CRM, tu facturación y tu repositorio de contratos es un actor con privilegios, no una función más del software.

Dónde está el cuello de botella real: la gobernanza, no el modelo

El argumento de NTT Data encaja con datos que ya circulan en el sector. Un análisis publicado en HPCwire por Sanjay Koppikar, CPO de EvoluteIQ, recoge que el 88% de las organizaciones declara haber usado IA en al menos una función de negocio, pero solo el 8% mantiene una gobernanza efectiva. Esa brecha de 80 puntos explica por qué tantas pruebas piloto nunca llegan a producción con impacto medible.

El mismo análisis advierte contra la fantasía del "superagente" que hace de todo dentro de una empresa. La alternativa que gana tracción es una plantilla de agentes especializados, cada uno con su ámbito, sus datos y sus límites. El argumento a favor de la especialización tiene respaldo: Gartner proyecta, según ese mismo análisis, que los modelos de lenguaje específicos de dominio y las aplicaciones construidas sobre ellos generarán US$131.000M en 2035. Y research de Amazon Science citado por HPCwire encontró que la colaboración entre múltiples agentes mejoró la tasa de éxito en objetivos hasta un 70% frente a enfoques de un solo agente.

Especializar sin coordinar, sin embargo, genera silos nuevos. Un agente de compras que negocia con un proveedor y un agente financiero que valida el presupuesto pueden operar con informaciones distintas y llegar a conclusiones contradictorias. Por eso el análisis insiste en que la inversión decisiva no son más agentes, sino la capa que los conecta y les da contexto compartido.

El mercado ya está vendiendo la herramienta de gestión de personal digital

Si los agentes son empleados, necesitan algo parecido a un departamento de personal con visibilidad total. Ahí está entrando capital de venture. TechCrunch reportó que Cymphony, startup con sede en Nueva York y Tel Aviv, levantó US$30M, de los cuales US$25M corresponden a una Serie A co-liderada por Sequoia y SMBC Fin Atlas Beyond Fund, con una valoración superior a US$100M tras la inversión.

La compañía construyó lo que llama un "workforce graph": una vista única de empleados, agentes de IA y otras identidades no humanas, con los sistemas y datos sensibles a los que acceden. En uno de sus casos, encontró cerca de 85.000 archivos que habían quedado accesibles a herramientas y agentes de IA en una empresa pública estadounidense.

El dato importa para founders por una razón simple: los controles de acceso corporativos se diseñaron para personas con roles relativamente estables. Un agente puede tomar rutas distintas para completar una tarea, adquirir capacidades nuevas y, en algunos casos, crear otros agentes. Los permisos que le otorgas hoy no describen lo que hará el mes que viene.

Qué pasa realmente con la plantilla humana cuando entran agentes

La narrativa dominante dice que la IA reemplaza puestos. Los primeros datos de campo sugieren otra cosa. El 2026 AI Adoption Index de la NAW (National Association of Wholesaler-Distributors), desarrollado junto a Infor y difundido por MDM, encontró que el 76,3% de quienes respondieron sobre impacto en plantilla no reportaron cambios por IA, mientras que el 47,4% de quienes evaluaron impacto de negocio ya veía un efecto moderado o significativo en la eficiencia de back-office.

Es decir: el primer dividendo aparece como capacidad, no como recorte. Los procesos que mejor funcionan como campo de prueba son los repetitivos y basados en reglas —documentos, confirmaciones, facturas, correos de pedido— porque ya tienen sistema de registro, ruta de aprobación y una persona que atrapa la excepción. Steve Levy, vicepresidente de Arquitectura Empresarial de Infor, lo describe como "hacer más con menos", y aclara que "no se trata de recortar y quemar".

Esa conclusión también aplica al ecosistema hispanohablante, donde el tejido empresarial es mayoritariamente pyme. En España más del 90% del tejido productivo está compuesto por pymes, según El Periódico, y ahí conviven el acceso a la IA y su uso intensivo como dos realidades distintas. El informe de OpenAI detectó que los usuarios activos semanales de agentes en pymes de la UE crecieron más de un 700% entre mayo y principios de octubre de 2026, y que en España se multiplicaron por 8,8. Pero las empresas "frontera" de la UE producen 6,1 veces los tokens por usuario activo de una empresa típica, frente a 12,9 veces a nivel global. La brecha no está en tener la herramienta: está en usarla a fondo.

Qué significa esto para tu startup

No necesitas un CAIO de tiempo completo para aplicar el marco. Necesitas disciplina de gestión. Cuatro movimientos concretos:

• Escribe la descripción de puesto de cada agente antes de conectarlo a nada. Una plantilla de una página con cuatro respuestas: qué tarea resuelve, a qué sistemas accede, cuándo decide de forma autónoma y a qué persona escala. Sin eso, nadie sabe quién responde cuando el agente se equivoca.
• Define métricas y un calendario de revisión desde el día uno. Tiempo de ciclo, tasa de error y horas de revisión humana por resultado son las tres que mejor detectan a un agente que no rinde. NTT Data plantea explícitamente la evaluación de rendimiento: si no cumple objetivos, se reajusta, se reentrena o se desactiva. Esa decisión solo se puede tomar con datos previos.
• Empieza por back-office con sistema de registro y ruta de aprobación. Los datos de la NAW muestran dónde aparece el retorno primero: procesos repetitivos donde ya existe un humano capaz de capturar la excepción. Evita, al inicio, los flujos de decisión sobre clientes o dinero.
• Aplica el principio de especialización. Antes de agregar funciones a un agente que ya trabaja bien, plantéate un segundo agente con su propio ámbito. La evidencia que cita HPCwire apunta a que los equipos de agentes coordinados superan a un solo agente generalista, pero solo si comparten contexto y permisos bien delimitados.

Conclusión

El valor de la propuesta de NTT Data está menos en la analogía con recursos humanos y más en el desplazamiento que describe: la ventaja competitiva en IA agéntica se está moviendo del acceso al modelo hacia la capacidad de organizar, medir y corregir trabajo automatizado. Los números acompañan ese giro. La UE concentra solo el 10% de las empresas"frontera" del mundo en uso intensivo de IA, frente al 65% de Norteamérica, según el informe de OpenAI recogido por Europa Press, y el gasto global en agentes de IA alcanzará los US$14.620M a fines de 2026, según cifras citadas por HPCwire. Con esos volúmenes en juego, la pregunta útil ya no es qué agente contratar, sino quién lo va a gestionar y con qué criterio se le va a medir.

Fuentes

• Agentes de IA como empleados: un modelo de RR. HH. para la plantilla digital | Revista E3 (fuente original)
• Los agentes ya suponen el 55% del uso de la IA en las empresas de la UE | Europa Press
• The Future of Enterprise AI Isn't a Super-Agent, It's an Agentic Workforce | HPCwire
• Research: Distribution AI's First Workforce Impact Is Capacity, Not Cuts | MDM
• Sequoia doubles down on Cymphony as AI agents create new enterprise security risks | TechCrunch
• La IA despega en España con 450 empresas y 3.300 millones de inversión | La Vanguardia
• España sigue lejos de los líderes europeos en el uso empresarial de la IA | El Periódico