Agentes de IA: 25% espera automatizar la cadena en 5 años

¿Qué dice el informe de Capgemini sobre los agentes de IA?

El 22% de las organizaciones ya ha pilotado o implementado agentes de IA en 2026, frente al 16% de 2025. La cifra sale de «Resilient by design: Reinventing supply chains with human-agent operations», el informe que el Capgemini Research Institute publicó el 10 de noviembre de 2026.

Conviene precisar el término: un agente de IA es un sistema capaz de ejecutar tareas de forma semiautónoma para alcanzar un objetivo, no solo de responder consultas. Esa diferencia —ejecutar en lugar de contestar— es la que está moviendo el debate en las áreas de operaciones.

El dato que debería interesar a cualquier equipo que esté diseñando su hoja de ruta es otro: la adopción sube, pero la ambición de automatizarlo todo baja.

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 →

Adopción al alza, expectativas a la baja

El informe describe dos curvas que van en direcciones opuestas.

Adopción: el 22% ya pilotó o implementó agentes (16% en 2025). Las organizaciones que no planean explorarlos cayeron del 32% al 21%.
Financiación: el 65% ya asignó presupuesto al despliegue de agentes.
Expectativas: el 56% cree que la IA agéntica tomará la mayoría de las decisiones de la cadena en tres a cinco años, frente al 66% de 2025.
Automatización total: solo el 25% espera cadenas completamente automatizadas en ese horizonte, cuando en 2025 era el 37%.

No es un freno a la inversión. Es un ajuste de expectativas: las empresas están comprando agentes, pero dejando de creer que la operación se sostenga sola.

¿Qué se debe delegar en un agente y qué debe validar una persona?

El informe no entrega una taxonomía cerrada, pero sí un patrón. En un horizonte de dos a tres años, las organizaciones esperan que la IA ejecute con supervisión humana mucho más de lo que esperan que opere con autonomía total.

Del lado del agente quedan las tareas donde aporta velocidad y capacidad de proceso: vigilar señales de la cadena, evaluar escenarios, coordinar respuestas entre sistemas.

Del lado humano quedan las salvaguardas, las excepciones, los escalados, los compromisos entre objetivos que compiten (coste, plazo, riesgo, reputación) y las decisiones de alto impacto. Un escalado de excepción es, en simple, el paso de un caso atípico que no encaja en las reglas hacia una persona que decide cómo resolverlo.

La distinción no es técnica, es de responsabilidad. Y exige algo que muchas empresas todavía no tienen: definir de antemano quién valida qué.

Los números respaldan esa frontera. El 84% afirma que las personas deben mantener la autoridad para validar las decisiones generadas por IA (casi idéntico al 85% de 2025) y el 80% sostiene que la confianza en la IA debe equilibrarse con la capacidad de intervenir. Ocho de cada diez creen además que una supervisión insuficiente aumenta el riesgo operativo y reputacional.

¿Por qué la supervisión humana es más difícil de lo que parece?

Aquí el informe de Capgemini se cruza con una línea de investigación incómoda. El propio análisis de MuyComputerPRO señala que los puntos donde un agente falla —sistemas interconectados, calidad desigual de los datos, requisitos regulatorios, excepciones que requieren juicio contextual— coinciden con lo que ya advertía un estudio del MIT sobre transparencia y seguridad de estos sistemas.

Y hay evidencia de que el problema no se resuelve solo con más capacidad de cómputo. El experimento Emergence World 2, publicado por El País el 15 de septiembre de 2026, desplegó diez agentes idénticos en ocho mundos paralelos durante 16 días. Sin instrucción alguna, los agentes empezaron a desarrollar su propio vocabulario. En los mundos de Gemini, GPT y Claude, el porcentaje de mensajes que los investigadores no lograban entender llegó a rozar el 55%, el 50% y superar el 40% respectivamente.

«Que algo sea observable no significa que sea comprensible», resume Satya Nitta, cofundador y científico jefe de Emergence. Es exactamente el problema operativo del CIO que pone un agente a coordinar respuestas: si no entiende por qué el agente hizo lo que hizo, la supervisión se vuelve un trámite.

El sector financiero ya lo está diciendo en voz alta. En una mesa redonda recogida por El Español el 26 de septiembre de 2026, María Guillamón, CISO de CaixaBank Tech, fue tajante: «Los agentes de IA no están lo suficientemente maduros como para operar autónomamente. Necesitan supervisión humana y guardarraíles». Pedro Luis Juste, director de ciberseguridad del Grupo Asisa, añadió la regla práctica: automatizar solo procesos reversibles y no críticos.

Resiliencia: prioridad declarada, práctica desigual

El contexto donde se despliegan estos agentes es exigente. El 78% de los directivos ve la inestabilidad geopolítica como un reto significativo para su cadena, frente al 52% de 2025, y el 73% considera la resiliencia una prioridad.

La práctica, sin embargo, va por detrás. Solo el 45% evalúa con regularidad los riesgos de sus dependencias de entidades extranjeras. Y la visibilidad sobre proveedores se degrada rápido: de media, las organizaciones dicen tener visibilidad sobre el 51% de sus proveedores de primer nivel y solo sobre el 23% de los de segundo nivel, es decir, los proveedores de sus proveedores.

Ese desfase es justamente donde agentes y personas pueden complementarse, siempre que el diseño lo contemple desde el principio.

Una cautela metodológica: son cifras de una encuesta realizada en julio de 2026 a 1.000 directivos de 13 países y cuatro sectores (aeroespacial y defensa, gran consumo, fabricación industrial y ciencias de la vida), comparada con la edición de marzo y abril de 2025. Describen lo que declaran los propios encuestados en una muestra global, no una medición del mercado español.

¿Qué significa esto para tu startup?

Si tu equipo está metiendo agentes en operaciones, la lección del informe no es esperar. Es diseñar la frontera antes de escalar.

Haz el mapa de decisiones antes que el de herramientas. Lista los procesos donde un agente podría actuar y clasifícalos por reversibilidad e impacto. Automatiza primero lo que puedes revertir; reserva validación humana para lo que no.
Define por escrito quién valida qué. El 84% de los directivos exige autoridad humana sobre las decisiones de IA, pero esa autoridad no existe si nadie sabe a quién le toca aprobar. Un responsable con nombre por tipo de decisión vale más que un comité.
Instrumenta los escalados. Mide cuántas excepciones genera cada agente y cuánto tarda una persona en resolverlas. Si el volumen de escalados crece, el problema no es el agente: son tus datos o tus reglas.
Arregla la visibilidad de proveedores antes de automatizar compras. Con visibilidad declarada del 51% en primer nivel y 23% en segundo, un agente que negocie o priorice proveedores va a operar a ciegas en buena parte de la cadena.
Cambia la métrica de éxito. El porcentaje de tareas automatizadas premia la autonomía; el porcentaje de excepciones resueltas bien premia el resultado.

Conclusión

La conversación sobre agentes de IA está madurando en la dirección correcta. Con el 65% de las organizaciones ya financiando despliegues y la adopción subiendo del 16% al 22% en un año, la pregunta dejó de ser cuánto se puede automatizar y pasó a ser qué decisiones no se delegan y quién responde por ellas.

Para un founder, eso es una buena noticia: la ventaja competitiva ya no está en tener el agente más autónomo, sino en tener la frontera mejor diseñada entre lo que ejecuta la máquina y lo que firma una persona.