Sofía: negocio con agentes de IA ya opera en 3 ciudades

Un negocio de retail gestionado por agentes de IA que ya opera en tres ciudades

Sofía es una experiencia comercial construida íntegramente con agentes de IA que pasó del aula al mundo real y hoy funciona en Mendoza, San José de Costa Rica y Panamá. El proyecto lo desarrollaron durante tres meses alumnos de una maestría en inteligencia artificial de ADEN, con un objetivo concreto: comprobar si un grupo sin trayectoria previa en informática podía crear y operar un negocio de retail usando agentes autónomos.

Para un founder, la pregunta de fondo no es si la IA puede hacer una demo vistosa. Es si puede sostener una operación. Ese es exactamente el salto que este caso intenta documentar.

¿Qué es Sofía y por qué el café es solo la puerta de entrada?

La propuesta tiene una particularidad que la separa de cualquier automatización de retail convencional. Aunque el café es el producto que identifica a Sofía, la experiencia no se centra en vender una bebida: el café se ofrece como cortesía y el usuario participa en desafíos breves, preguntas y ejercicios vinculados con la IA agéntica. También es posible chatear con Sofía desde cualquier lugar del mundo.

El planteo desplaza el foco desde el producto comercial hacia la interacción. En lugar de presentar la tecnología con conceptos técnicos o discursos de automatización, usa una actividad cotidiana como gancho para que cualquier persona experimente con agentes autónomos.

Andrés Culasso, que presentó la iniciativa en el programa Negocios son Negocios de Multiplataforma 617, fue explícito en un punto: Sofía no es un simulador ni una demostración aislada, sino un MVP (producto mínimo viable) que opera en condiciones reales. El trabajo, según relató, demandó más horas de las previstas, aunque la planificación se ejecutó según lo esperado.

Ese detalle importa más de lo que parece. La mayoría de los proyectos de IA mueren justamente en la transición entre la prueba y la producción.

¿Por qué la mayoría de los proyectos de IA no llegan a producción?

Culasso aportó una estimación que vale la pena mirar con cuidado: según sus propias cifras, mientras los proyectos tecnológicos tendrían una tasa de éxito del 40%, en los proyectos de IA esa proporción caería al 5%. En la entrevista no se identificó el estudio ni la metodología detrás de esos números, así que deben tomarse como una estimación del entrevistado y no como una medición verificada de forma independiente.

Lo llamativo es que la magnitud coincide con lo que reporta la industria. Un análisis publicado por Forbes Technology Council señala que hasta el 95% de los programas de IA empresariales no logran entregar valor medible, y atribuye la causa raíz a cómo se construyen los sistemas, con tasas de fracaso que duplican las de los proyectos de TI convencionales.

El problema, entonces, no es la tecnología. Es la gestión.

CIO.com recoge otro dato que ayuda a calibrar el contexto: en el informe Pulse of the Profession 2026 del Project Management Institute, el 31% de los proyectos complejos no alcanza el alcance completo de los beneficios previstos. Y entre las causas recurrentes que enumera el medio aparecen la ambigüedad en las métricas de éxito, la falta de un dueño de negocio con responsabilidad clara y la ausencia de un plan de gestión del cambio.

Traducido a la práctica: tener un modelo potente no alcanza. Sin objetivos definidos, procesos adaptados y alguien que responda por el resultado, el piloto se queda en piloto.

El mercado se mueve hacia el comercio agéntico

El contexto de mercado refuerza la relevancia del experimento. Según un informe de ICSC y McKinsey citado por International Business Times, el comercio agéntico en el retail B2C de Estados Unidos podría alcanzar los US$1 billón en ingresos hacia 2030. El mismo trabajo indica que el 68% de los consumidores usó al menos una herramienta de IA en los últimos tres meses como parte de su proceso de compra, y que el 62% la utilizó para comparar marcas, modelos, precios o reseñas.

Hay además una señal específica para retail: la firma de ingeniería de IA Solvd encontró que los proyectos de IA en ese sector reportan alto ROI positivo con más frecuencia que en el resto del mercado, 26,4% frente a 18,6%, según el mismo medio. La razón es estructural: alto volumen de transacciones, datos de cliente ricos y resultados medibles.

Y el mercado global de IA empresarial acompaña: según el reporte de BCC Research difundido por Yahoo Finance, pasaría de US$40.700 millones en 2025 a US$206.600 millones en 2031, con una tasa de crecimiento anual compuesta del 31,7% entre 2026 y 2031. El informe atribuye ese salto a que la IA agéntica está moviendo al gasto empresarial desde la experimentación hacia la inversión a escala de producción.

¿Qué significa esto para tu startup?

El caso de Sofía deja tres lecciones aplicables, sobre todo si tu equipo está en esa etapa en la que ya probó la IA pero todavía no la puso a operar.

1. Define el éxito antes de construir el agente. El informe del PMI que recoge CIO.com apunta a la ambigüedad en las métricas como una de las causas principales de fracaso. Antes de escribir código de orquestación, escribe qué número tiene que moverse y cuánto. Si no puedes expresarlo, el requisito de negocio todavía no está maduro.

2. Pon un dueño de negocio, no solo un dueño técnico. Los proyectos que fracasan suelen tener un equipo de IT entusiasmado y ningún responsable del área que vaya a usar la herramienta. Alguien del negocio tiene que responder por la adopción y por los cambios de proceso, no solo por la entrega técnica.

3. Empieza por un MVP que opere en el mundo real, no por una demo. La diferencia entre Sofía y un prototipo de laboratorio es que el primero convive con clientes reales. Eso expone fricciones que ninguna presentación revela: tiempos de respuesta, casos borde, errores de datos. Un MVP en producción, aunque sea pequeño, enseña más en tres meses que seis meses de pruebas controladas.

4. Diseña el cambio organizacional desde el día uno. El mismo informe del PMI señala la gestión del cambio como un factor crítico. Si tu equipo va a trabajar con agentes, alguien tiene que definir qué tareas se delegan, qué se supervisa y qué formación hace falta. La IA agéntica no reemplaza la discusión sobre las funciones del equipo: la vuelve más urgente.

La pregunta que excede al proyecto

Culasso planteó desde ADEN una posición sobre el futuro del trabajo que vale la pena tomar como marco: usar la IA para ampliar capacidades humanas, no como argumento para dejar de contratar. La institución abrió una operación en Silicon Valley hace tres años y orienta sus programas de IA hacia la aplicación concreta en organizaciones, con formación en áreas como recursos humanos, operaciones, marketing y ventas, además de la maestría en inteligencia artificial.

Sofía no resuelve el debate sobre empleo ni productividad. Pero ofrece algo que escasea: un caso concreto, verificable y en operación, de cómo se construye y se pone a prueba un negocio con agentes autónomos fuera del laboratorio. Para un founder, ese es el material útil. La teoría sobre IA agéntica sobra; lo que falta son ejemplos que hayan sobrevivido al contacto con clientes reales.

Fuentes

• 617 News: Sofía, el negocio creado con agentes de IA que funciona en Mendoza
• Forbes Technology Council: Evals, And How They Help Build Good AI Agents For Enterprises
• CIO.com: Why IT projects still fail
• International Business Times: Agentic Commerce Has Arrived, But Not Without Complications
• Yahoo Finance: Global Enterprise AI Market to Reach $206.6 Billion by 2031