La conversación sobre agentes de IA cambió: ya no se trata de construirlos, sino de operarlos
La pregunta de los últimos dos años fue cómo construir un agente de IA. La pregunta de los próximos años es otra: cómo operar decenas o cientos de ellos sin que la organización se le vaya de las manos. Salesforce lo describe en su blog como el tránsito de la experimentación a la Agent Factory: un modelo operativo donde los agentes dejan de ser proyectos aislados y se convierten en una fuerza laboral gestionable. La idea suena abstracta, pero la foto actual del sector la hace urgente.
La propia Salesforce publicó junto a su release Winter ’27 una encuesta global a 2.025 responsables de IA agéntica, citada por TechTimes: el 30% de las organizaciones ya tiene agentes desplegados en producción, con un recorte promedio del 29% en costos operativos y una resolución de incidentes un 31% más rápida. Y, según la cobertura de IBTimes Australia sobre Dreamforce 2026, la plataforma Agentforce acumula ya 7.000 millones de Agentic Work Units (3.200 millones en el último trimestre) y US$1.500 millones de ARR, con un crecimiento interanual del 240%. Construir dejó de ser el cuello de botella; gestionarlo sí lo es.
Qué es una Agent Factory, en términos operativos
Una Agent Factory es, según Salesforce, una fábrica continua que conecta estrategia, arquitectura, ingeniería, seguridad, gobernanza, observabilidad y gestión del cambio en cinco capas:
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días- Portfolio & Catalog: qué agentes existen y qué problema resuelven.
- Build, Release & Learn: cómo llegan a producción y cómo mejoran con uso real.
- Trust & Guardrails: qué puede ver, decidir y hacer cada agente.
- Orchestration: cuándo se necesita un agente, varios, o solo automatización determinista.
- Performance & Lifecycle: cómo se evalúan, se mejoran y se retiran.
El framework ordena la conversación, pero el insight de fondo es más simple: construir el primer agente es relativamente fácil; operar decenas o cientos es una categoría distinta de problema. Lo que falla en la mayoría de organizaciones no es la creación, es la ausencia de un catálogo que evite duplicidades, de guardrails que eviten acciones fuera de política y de un ciclo de revisión que decida cuándo un agente se ajusta, se expande o se retira.
Catálogo primero: si no lo puedes listar, no lo puedes gestionar
El primer aprendizaje del modelo es contraintuitivo: antes de construir nada nuevo, hay que preguntarse si ya existe un agente, skill o capability que cubra parte del problema. La recomendación de Salesforce es directa: “construir bien incluye saber cuándo no construir”.
Sin catálogo central, la dispersión llega rápido. Marketing crea sus agentes, soporte los suyos, RR.HH. otros, las unidades de negocio contratan externos. Lo que queda es un mosaico de capacidades duplicadas, tecnología fragmentada y casi cero visibilidad sobre qué está haciendo qué. La solución operativa es modesta y a la vez transformadora: registrar para cada agente qué problema resuelve, quién es responsable, a qué datos accede, qué acciones puede ejecutar, su nivel de autonomía y riesgo, sus KPIs y su costo operativo. Un agente sin estas seis preguntas respondidas no es un activo; es una deuda técnica esperando a vencer.
Producción controlada, no producción perfecta
Salesforce propone una idea clave: “release → observe → learn → improve → expand”, donde el go-live no cierra una fase de desarrollo, la abre. Los agentes son sistemas probabilísticos; los laboratorios y las simulaciones no pueden reproducir el mundo real. Los usuarios hacen preguntas inesperadas, las integraciones se comportan distinto bajo carga y los casos de uso aparecen solo cuando la gente empieza a usar la herramienta.
El objetivo no es esperar la perfección. Es llegar rápido a una producción controlada: alcance limitado, población definida, observabilidad completa y reglas de control alineadas con el nivel de riesgo. La propia investigación de Salesforce, según TechTimes, mostró que las organizaciones con despliegues exitosos tardaron unos 8 meses en ver ROI claro, y que los factores más predictivos de éxito —citados por el 36% de los desplegadores— fueron datos limpios y accesibles en el momento en que el agente actúa y un caso de uso estrechamente acotado.
Autonomía diseñada, no asumida
Hay una distinción en el blog de Salesforce que cualquier founder debería tener presente: cuando un agente autónomo comete un error en una respuesta, lo corriges; cuando lo comete en una acción, lo deshaces —si tienes suerte. A partir de cierto umbral, el riesgo cambia de categoría.
La tentación natural es binaria: el agente puede hacerlo o no puede. Esto no escala. Un agente que necesita aprobación para todo pierde el valor que justifica su existencia. La solución que propone Salesforce es diseñar la autonomía por acción, no por agente: el mismo agente puede tener libertad total para consultar datos, autonomía condicional para transacciones por debajo de un umbral y ninguna autonomía para acciones irreversibles por encima de él.
Esto coincide con lo que expuso Dr. Rania Khalaf, Chief AI Officer de WSO2, en WSO2Con Africa 2026, según recoge TechTrends Kenya: la gobernanza no puede vivir en el prompt. Un prompt puede decirle a un agente que no borre una base de datos, pero si el agente tiene el permiso técnico para hacerlo, la instrucción termina dependiendo del mismo sistema probabilístico al que intenta controlar. La gobernanza es una propiedad del sistema que rodea al agente, no del prompt que lo acompaña.
Multiagente: solo cuando haya una razón real
Otro consejo directo del documento: no adoptar multiagente por defecto. Cada agente nuevo abre un frente de coordinación: más latencia, más consumo, más traspasos de tareas, más puntos de falla y más dificultad para explicar por qué un resultado salió como salió.
La pregunta correcta no es cómo convertir un proceso en multiagente, sino cuál es la arquitectura más simple capaz de ejecutarlo con la calidad y el control necesarios. Múltiples agentes tienen sentido solo cuando existe una razón objetiva: especialización claramente distinta, separación de responsabilidades, distintos requisitos de permisos, contexto demasiado grande para un solo agente, una capacidad reutilizada por varios procesos, o ejecución paralela real. En cualquier otro caso, la complejidad mata al valor.
Evaluación: una fuerza laboral digital merece la misma disciplina que una humana
Cuando contratas a alguien, no mides el éxito preguntando si está trabajando. Defines responsabilidades, objetivos e indicadores. Salesforce plantea que una fuerza laboral de agentes merece el mismo tratamiento: una revisión mensual que examine si el agente está produciendo el resultado para el que fue creado, si la gente lo usa, con qué frecuencia resuelve la tarea correctamente, cuándo y por qué escala a una persona, cuánto cuesta producir un resultado, y si hay comportamientos inesperados o violaciones de política.
La diferencia con el software tradicional es importante: la revisión debe producir una decisión, no solo un informe. Ajustar instrucciones o contexto, ampliar autonomía tras buen rendimiento, restringirla tras incidentes o retirar el agente si dejó de generar valor. Esto conecta con un dato que recoge la cobertura de IBTimes: Salesforce presentó en Dreamforce 2026 su Trusted Enterprise AI Harness, una capa de gobernanza diseñada para empresas que ya corren múltiples plataformas de agentes en paralelo, lo que confirma que el problema dejó de ser técnico y se volvió operativo.
El ciclo completo: build es solo una parte
El ciclo operativo de una Agent Factory termina pareciéndose a esto:
Discover → Prioritize → Register → Build or Reuse → Test → Release → Govern → Observe → Review → Improve → Scale or Retire
Construir ocupa solo una fracción de este ciclo. A medida que las herramientas aceleran la creación, el diferencial pasa a estar en qué tan bien una organización opera los agentes que ya tiene. El prototipado se abarató; el gobernar, no.
Qué significa esto para tu startup
Para una startup temprana, el riesgo no es construir agentes: es lanzarlos sin gobernanza y descubrirlo cuando ya tocaron un sistema crítico. La investigación de Salesforce recogida por TechTimes es clara: las organizaciones con gobernanza liviana llegaron al ROI en 7,2 meses, pero fueron casi el doble de propensas a descubrir un agente operando fuera de sus parámetros solo después de un error con consecuencias (32% vs 18% en organizaciones bien gobernadas). Más velocidad, más incidentes.
Acciones concretas que podés aplicar esta semana:
- Empezá por un catálogo, no por un agente. Antes de construir, listá qué workflows querés automatizar, qué datos necesita cada uno y quién es el dueño. Si no podés contestar esas tres preguntas, todavía no estás listo para un agente.
- Diseñá autonomía por acción, no por agente. Definí umbrales explícitos: qué puede hacer el agente solo, qué necesita aprobación humana, qué está prohibido. La autonomía binaria no escala y la total es un riesgo legal.
- Definí KPIs antes del go-live. Si tu agente no tiene una métrica de éxito y un umbral de retirada, no es un activo, es un experimento sin fin. Una revisión mensual con el dueño del producto es lo que separa una fuerza laboral digital de una colección de demos.
Fuentes
- Agent Factory: de la experimentación a la escala con agentes de IA | Salesforce (fuente original)
- Salesforce Agentforce Winter ’27: AI Agents Now Run Full Enterprise Workflows in Production | TechTimes
- Salesforce Shares Jump 3.73% as New AI Agent Blitz Builds Momentum Ahead of Its Flagship Dreamforce 2026 | IBTimes Australia
- Salesforce unveils AIforce at Dreamforce 2026, bringing enterprise intelligence to every AI interface | DQ India
- WSO2 says trusted AI governance has to be built into the architecture around agents | TechTrends Kenya
- Best AI Agent Frameworks in 2026: Features, Pros, Cons, Use Cases | Analytics Insight
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
