Anthropic: 57% de empresas de EE.UU. usa IA agéntica

Qué revela el informe The 2026 State of AI Agents

El 57% de las organizaciones encuestadas en Estados Unidos ya utiliza agentes de inteligencia artificial dentro de flujos de trabajo que involucran varias etapas, según el informe The 2026 State of AI Agents, divulgado por Anthropic junto con la firma de investigación Material. El dato marca un cambio de etapa: la IA dejó de ser una herramienta que genera textos y resume documentos para convertirse en un sistema que ejecuta tareas y toma decisiones dentro de la operación.

Pero el mismo informe señala el freno: el 46% de las organizaciones identifica la integración de los agentes con otros sistemas como uno de los principales obstáculos para escalar su uso. En otras palabras, la capacidad de razonamiento de los modelos avanzó más rápido que la capacidad de las empresas para conectarlos con su información real.

Para un founder, la lectura es directa: el cuello de botella ya no está en el modelo, está en la plomería que lo conecta con el negocio.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Por qué la integración de sistemas define el éxito de la IA agéntica

La información crítica de una empresa vive repartida: sistemas de gestión de clientes, centros de contacto, bases de datos y aplicaciones administrativas. Cuando un agente solo accede a una parte de ese mapa, la automatización resuelve tareas sueltas pero no procesos completos.

La IA agéntica propone lo contrario: sistemas capaces de recibir una solicitud, interpretar qué acciones se requieren y emplear distintas herramientas para cerrar el proceso. El ejemplo clásico es un agente que resuelve una incidencia consultando el historial del cliente, validando condiciones del servicio y gestionando la solicitud sin que el usuario tenga que repetir sus datos en cada canal.

Lograrlo exige tres condiciones que no son del todo tecnológicas: integraciones eficientes, permisos bien definidos y mecanismos de supervisión estrictos. Sin ellas, el agente más capaz del mercado sigue siendo un asistente que responde bien y no cambia nada en la operación.

Del piloto a la producción: la advertencia de Gartner

El entusiasmo tiene contrapeso. En junio de 2025, Gartner proyectó que más del 40% de los proyectos de IA agéntica serían cancelados antes de finalizar 2027, según recoge la guía de IA agéntica para empresas de 2026 de Entel Digital. La consultora atribuyó esa proyección al aumento de los costos, la dificultad para demostrar valor comercial y controles de riesgo insuficientes. Se trata de una estimación prospectiva, no de un recuento de proyectos que ya hayan fracasado.

El mismo análisis advierte sobre el fenómeno conocido como agent washing: presentar herramientas tradicionales de automatización o asistentes como si fueran agentes autónomos. La distinción importa al momento de contratar tecnología. No todas las tareas requieren un sistema capaz de planificar y ejecutar acciones por cuenta propia; en varios procesos, una automatización basada en reglas es suficiente y mucho más sencilla de supervisar.

Los datos de adopción refuerzan esa brecha entre prueba y operación. Según los estudios citados por Entel Digital, el 23% de las empresas estaba ampliando el uso de agentes de IA en al menos una función en 2025, mientras que un 39% seguía experimentando con estas herramientas y la adopción a mayor escala permanecía limitada.

Cómo se está resolviendo la capa técnica

La infraestructura también se movió. Dell renovó Dell AI Factory con NVIDIA para facilitar el paso de la experimentación a la producción, según reportó MuyComputerPro el 26 de octubre de 2026. La propuesta combina infraestructura validada, seguridad basada en hardware, el software Red Hat AI Factory para orquestar la plataforma y la arquitectura NVIDIA OpenShell para la gobernanza en tiempo de ejecución.

El enfoque apunta justo al problema que reporta el informe de Anthropic: agentes que necesitan permisos, trazabilidad y control de acceso antes de tocar sistemas sensibles. Dell también amplió sus plantillas de despliegue de referencia para escalar desde un desarrollador individual hasta despliegues de 1.000 sistemas o más, y sumó Dell Managed Services for AI para gestionar accesos y controlar el consumo al pasar de piloto a producción.

En paralelo, Entel Digital recomienda protocolos como Model Context Protocol (MCP), orientado a conectar agentes con herramientas y fuentes de información, y Agent-to-Agent (A2A), destinado a facilitar la comunicación entre distintos agentes. La propia firma aclara que su utilización no garantiza por sí sola que una implementación sea segura.

Qué significa esto para tu startup

Si estás evaluando IA agéntica, el orden de los factores importa. La mayoría de los proyectos no fracasan por un modelo débil, sino por datos dispersos y permisos mal definidos. Estas son las acciones que conviene ejecutar antes de firmar cualquier licencia.

Mapea tus fuentes de datos antes de elegir la herramienta. Haz una lista de dónde vive la información que el agente necesitaría (CRM, tickets, facturación, base de datos) y qué sistema puede leer y escribir en cada uno. Si esa lista no cierra, el agente tampoco.
Define permisos por función, no por usuario. Un agente que prepara reportes comerciales necesita leer datos de ventas, pero no necesariamente modificar contratos ni acceder a antecedentes personales de todos los clientes. Restringir desde el diseño reduce el riesgo de acciones fuera de su alcance.
Fija métricas antes de escalar. Si no puedes demostrar reducción de tiempos, resolución en el primer contacto o menos errores operativos, el proyecto entra en la categoría que Gartner proyecta cancelar. Define la línea base hoy, no cuando el piloto ya esté corriendo.
Empieza por un proceso acotado y con supervisión humana. La autonomía total no es el punto de partida: es el resultado de integraciones estables y controles ya probados.

Conclusión

La IA agéntica ya no es una promesa de laboratorio: más de la mitad de las organizaciones encuestadas en Estados Unidos la usa en flujos de varias etapas. Pero el dato que debería quedarse con un founder es el otro, el 46% que no logra integrarla con sus sistemas existentes. La ventaja competitiva de los próximos años no estará en tener el modelo más potente, sino en conectar datos, permisos y métricas mejor que el resto.