Agentes de IA: el 82% confía, solo el 26% está listo

La brecha entre confianza y preparación real

El 82% de los ejecutivos cree que su organización puede seguir el ritmo de gobernar, integrar y monitorear agentes de IA en producción. Pero solo el 26% se declara bien preparado para resolver los conflictos que esos agentes generan entre sí, según la investigación de OutSystems junto a CIO Dive y KPMG, que encuestó a más de 850 responsables de tecnología.

Esa distancia es la misma que describe Pablo Olmos, especialista en datos, analítica e inteligencia artificial y directivo de Aeroméxico, en entrevista con NotiPress: contar con tecnología capaz de ejecutar tareas o tomar decisiones no garantiza que una empresa pueda ampliar sus operaciones si antes no define objetivos, responsabilidades, reglas de negocio y límites de actuación.

Para un founder, la lectura es incómoda pero útil: el cuello de botella de los agentes de IA casi nunca está en el modelo. Está en la documentación de los procesos que ese agente deberá ejecutar.

La prueba de los mil empleados nuevos

Olmos propone un ejercicio simple para medir la madurez operativa: imagina que tu empresa recibe mil empleados nuevos y tiene que incorporarlos de inmediato a sus actividades.

La pregunta central es si esas personas podrían empezar a trabajar en pocas horas o días, tomar decisiones de manera independiente y cumplir sus responsabilidades sin comprometer el funcionamiento de los procesos. Si la respuesta es afirmativa, la organización tiene procedimientos lo bastante definidos para absorber nuevas capacidades operativas, y la integración de agentes de IA podría hacerse con mayor rapidez.

Si cada nuevo trabajador necesita semanas o meses para entender sus funciones, el problema no es el talento: es la falta de documentación y de estructura en los procesos. Un agente de IA hereda exactamente esa misma indefinición, solo que la ejecuta a mayor velocidad.

Reglas de negocio: dónde se traban los agentes

El obstáculo principal aparece cuando el sistema se topa con una situación para la que la organización nunca definió cómo actuar. No es un problema tecnológico, sino una decisión de negocio que quedó sin tomar.

Olmos lo detalla: hace falta definir qué considera la empresa un cliente, cómo funciona su estrategia comercial y cuáles son los criterios para tomar determinadas decisiones. También límites concretos, como los descuentos autorizados o las condiciones bajo las cuales se puede presentar una oferta. Esas definiciones se extienden a conceptos, procedimientos y metadatos que conectan las actividades del negocio con las tecnologías que las ejecutan.

Sin esa estructura, sumar inteligencia artificial no elimina las indefiniciones existentes: los agentes encuentran situaciones recurrentes en las que no tienen instrucciones ni criterios suficientes para continuar su trabajo.

Fernando Leibowich Beker, CEO de Lidd AI, aporta el matiz técnico en otra entrevista con NotiPress: la IA generativa permite desarrollar automatizaciones con mayor agilidad al trabajar con información no estructurada, algo que los sistemas tradicionales de automatización no resolvían. En ese marco, describe a los agentes como una combinación de componentes determinísticos y no determinísticos, lo que amplía el rango de procesos empresariales automatizables.

Los datos: la brecha entre piloto y producción

El diagnóstico de Olmos no es una opinión aislada. Los números de 2026 lo respaldan desde varios frentes.

La encuesta de UiPath a casi 600 directivos y profesionales de TI en empresas con más de US$1.000 millones de ingresos anuales, recogida por CIO Economic Times, encontró que solo el 31% tiene la IA plenamente integrada en toda la organización, mientras el 35% la limita a equipos concretos y el 11% sigue en fase piloto. El mayor obstáculo es la calidad y disponibilidad de los datos (38%), seguido de la integración con flujos y sistemas existentes (37%) y la gobernanza y el cumplimiento (33%).

Deloitte, en su encuesta de agosto de 2026 a 501 líderes de negocio y TI de Estados Unidos, encontró que el 43% espera que la IA agéntica altere significativamente su fuerza laboral en 12 a 18 meses, y el 72% en dos o tres años. Pero solo el 25% se considera preparado en materia de talento y apenas el 21% en procesos de negocio. Solo el 5% califica sus procesos como altamente preparados para agentes de IA, según recoge The Next Web.

Y Redwood Software, en su informe de 2026 basado en una encuesta a 300 directivos y profesionales de tecnología, riesgo e IA, difundido por Europa Press, reporta que el 77% ya sufrió una consecuencia negativa por un agente de IA no gobernado: los costos inesperados de nube son los más comunes, seguidos de interrupciones operativas y problemas de cumplimiento. Además, el 82% sostiene que los sistemas existentes son un obstáculo mayor para escalar la IA que la falta de estrategia, y solo el 42% reporta gran capacidad para conectar agentes con sistemas heredados o centrales.

Cómo empezar: por dominios, no por toda la empresa

Olmos propone no intentar transformar todas las operaciones a la vez. El punto de partida es elegir dominios específicos según tres criterios: qué áreas tienen mayor capacidad de evolución, cuáles cuentan con disposición de sus responsables y dónde existe una posibilidad real de generar valor para el negocio.

Con el dominio elegido, el paso siguiente es documentar, estructurar y definir los procesos más importantes, priorizando los de mayor impacto en los resultados. La preparación se amplía de forma gradual, a medida que las primeras actividades quedan suficientemente establecidas.

El enfoque exige algo que la tecnología no resuelve sola: la participación de los responsables de negocio. Incorporar herramientas no transforma los procedimientos existentes si las personas involucradas no participan en su revisión. En la práctica, eso significa cuestionar prácticas que llevan años funcionando de una determinada manera y evaluar si todavía responden a las necesidades actuales de la organización.

¿Qué significa esto para tu startup?

Tres acciones concretas, en este orden:

• Haz la prueba de los mil empleados con un proceso real. Toma el flujo que quieres automatizar y pregúntate si un equipo nuevo podría ejecutarlo en días con la documentación que existe hoy. Si la respuesta es no, ese es el trabajo previo: escribir reglas, criterios y excepciones antes de elegir la herramienta.
• Define los límites antes de dar autonomía. Descuentos autorizados, condiciones para presentar una oferta, qué se considera un cliente. Un agente sin esos límites no falla por falta de inteligencia, falla por falta de instrucciones.
• Mide el piloto contra un objetivo de negocio. Olmos insiste en que los equipos de tecnología comprendan cómo sus actividades contribuyen a los resultados generales de la empresa. Sin esa alineación no hay forma de comparar iniciativas ni de decidir cuál justifica una mayor inversión.

Un dato extra para calibrar expectativas: en el informe de Capgemini sobre datos e IA en el gobierno, recogido por MuyCanal, el 77% de los directivos españoles encuestados reconoce que los sistemas de IA requieren más mantenimiento, supervisión y ajuste continuo de lo previsto, y el 72% de las organizaciones gubernamentales no logra llevar sus iniciativas de IA más allá de la fase piloto.

Conclusión

La pregunta que plantea Olmos no es tecnológica, es organizativa: si tu empresa no puede incorporar mil personas en días, tampoco puede incorporar agentes de IA en semanas. La buena noticia es que el trabajo previo —documentar procesos, definir reglas, asignar responsables— es exactamente el que hace más eficiente cualquier operación, con IA o sin ella.

Empezar por un dominio acotado, con objetivos medibles y responsables de negocio involucrados, sigue siendo la ruta más corta entre la promesa de los agentes y un resultado que aparezca en el balance.

Fuentes

• NotiPress (fuente original)
• Yahoo Finance: OutSystems research on agentic AI readiness
• CIO Economic Times: Enterprise AI adoption remains limited
• The Next Web: AI agents are joining your workforce
• Europa Press: El 77% de las empresas han pagado un precio por el uso de agentes de IA sin gobernanza
• MuyCanal: De la ambición en IA a la madurez operativa en España

Artículos relacionados:

Desempleo, agentes 24/7 y la carta de Dario Amodei Agentes IA en la empresa: ¿uno por persona o uno por equipo? IBM: solo 11% de ejecutivos se siente listo para agentes IA Cloudflare lanza 30+ herramientas para agentes IA en 2026: guía para founders 70% de CMOs priorizan IA, pero solo 30% está listo para escalar