Cisco: 84% de empresas operará redes con IA en 12 meses

La nueva foto de las redes corporativas: agentes que ya actúan, no solo alertan

El 84% de las organizaciones que ya usan IA en sus operaciones de red prevé alcanzar un modelo operativo dirigido por IA en los próximos doce meses, y el 51% asegura que ya emplea sistemas de IA agéntica capaz de intervenir directamente en producción. Son las cifras centrales de The Impact of Agentic AI on Network Operations, un estudio de Omdia encargado por Cisco a partir de una encuesta a más de 1.000 responsables de TI y operaciones de red en empresas de 500 o más empleados en Norteamérica, Europa Occidental y Asia-Pacífico, anunciado por Cisco el 23 de septiembre de 2026 según su comunicado oficial.

Para un founder, el dato relevante no es la estadística en sí: es que el backoffice tecnológico de las grandes empresas — proveedores, banca, retail, telcos — está dejando de ser un sistema pasivo que recibe tickets y empieza a parecerse a un equipo de ingeniería autónoma que decide y ejecuta. Quien venda SaaS B2B, infraestructura cloud, observabilidad o ciberseguridad verá cómo el cliente pasa de comprar «más herramientas» a comprar políticas, límites y orquestación.

¿Por qué las redes corporativas están colapsando bajo sus propias alertas?

El detonante del cambio es un problema aritmético, según el estudio de Omdia: una organización media genera unas 4.100 alertas y eventos de monitorización al día, de los cuales alrededor del 51% (unos 2.100) están relacionados con la red. Un profesional puede revisar, investigar y resolver unas 21 alertas de red diarias, lo que implicaría un equipo manual de cerca de 100 especialistas para vaciar el backlog.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La consecuencia operativa es un deterioro silencioso:

El 46% de las alertas de red se cierra sin investigación.
El 45% del tiempo dedicado a incidencias se va en falsos positivos.
El 65% de los responsables identifica la fatiga de alertas como fuente de insatisfacción para sus equipos.
La mediana de resolución es de 12,5 horas, pero la media sube a 88 horas, y el 10% de las organizaciones reconoce incidencias que tardan más de una semana en cerrarse.

El 95% de los encuestados considera que sus herramientas de AIOps tradicionales tienen carencias relevantes —sobre todo por necesitar interpretación humana y por la falta de visibilidad entre dominios— y el 92% afirma que los problemas de rendimiento suelen afectar a varias áreas y obligan a correlacionar datos de diez o más herramientas. En conversación con Light Reading, Joe Vaccaro, SVP y director general de Network Platform & Assurance en Cisco, resumió el cambio así: «IT is managing more with fewer people than ever before… IT just can’t hire their way out of this anymore.»

¿Qué cambia cuando los agentes actúan en lugar de recomendar?

Cisco bautiza este modelo como AgenticOps: los humanos fijan objetivos, políticas y límites, y los agentes detectan, razonan y ejecutan acciones en producción. El matiz importa: las herramientas AIOps convencionales generan alertas, correlaciones y recomendaciones; la IA agéntica, en cambio, redirige tráfico, modifica parámetros inalámbricos, aísla dispositivos sospechosos o cierra una incidencia de principio a fin.

El nivel de autonomía aceptado es alto: el 80% de las organizaciones se siente cómoda concediendo a la IA un papel de alta o total autonomía —el 24% incluso sin supervisión humana, y el 56% con aprobación humana previa en determinadas acciones. El 82% considera aceptable permitir al menos algunos cambios en producción sin autorización previa.

Esta autonomía introduce una categoría de riesgo nueva. Una recomendación incorrecta se revisa antes de aplicarse; una acción ejecutada sobre infraestructura crítica puede afectar al servicio, la seguridad o el cumplimiento normativo. Por eso, según el estudio recogido por Yahoo Finance en el comunicado de Cisco, el despliegue desplaza parte del esfuerzo desde la ejecución manual hacia el diseño de políticas, permisos y mecanismos de reversión.

¿Qué controles exigen las empresas antes de ceder el control?

La disposición a delegar no equivale a aceptar sistemas opacos. El 69% exige explicaciones detalladas sobre cada decisión de los agentes, y un 36% considera que la observabilidad completa —trazabilidad, justificación y auditoría posterior— es el mínimo aceptable. Prácticamente nadie plantea prescindir de controles: el 99% reclama al menos uno de los mecanismos estudiados (explicabilidad, aprobación humana, límites operativos, paradas de emergencia, controles por rol, registros inmutables).

También hay una preferencia clara por la consolidación: el 86% considera que una plataforma integrada que abarque cómputo, seguridad, aplicaciones y redes es la vía más eficaz para escalar AgenticOps. Este movimiento favorece a los proveedores capaces de concentrar telemetría, políticas y actuación en una misma capa de control, y al mismo tiempo incrementa la presión por interoperabilidad y por evitar dependencias difíciles de revertir.

En la misma línea, Vaccaro explicó a Light Reading que el nivel de confianza se construye como con un ingeniero junior de NetOps: «You need a level of trust as you bring [agents] into the fold as you would with a new junior network operations engineer.» Y añadió que el cuello de botella ya no es tecnológico sino organizativo: «[The] biggest barrier might not be technology in the first place… It might be organization readiness.»

¿Y si los propios agentes saturan la red que deben optimizar?

La adopción de IA no solo cambia quién opera la red: también cambia cuánto tráfico genera. Un análisis de Cisco sobre telemetría agregada en campus y sucursales estima que el tráfico dirigido a servicios de IA podría duplicarse cada seis meses, con un crecimiento del 54% en tráfico directo hacia IA por cliente.

La cifra más llamativa llega de pruebas internas de Cisco: una tarea ejecutada por un agente llegó a generar hasta un 450% más de tráfico total que su equivalente convencional. El propio informe aclara que se trata de resultados experimentales y no de una medición generalizable, pero el mensaje operativo es claro: automatizar NetOps alivia presión sobre los equipos y simultáneamente multiplica el número de sistemas capaces de producir tráfico, tomar decisiones y modificar el entorno.

El estudio detecta además una brecha interna: los especialistas de NetOps son aproximadamente dos veces más propensos que los responsables de negocio con capacidad presupuestaria a considerar que la IA ya pasó del modelo de recomendación al de decisiones y acciones. Las barreras más citadas son seguridad y privacidad de datos (38%), complejidad de integración (34%) y riesgos regulatorios y de cumplimiento (30%).

¿Qué significa esto para tu startup?

Para una startup hispana que vende a empresas, esta transición redefine el pitch. Lo que el cliente compra deja de ser «una herramienta más» y pasa a ser un sistema que toma decisiones dentro de su infraestructura, lo que cambia radicalmente los criterios de compra: seguridad, explicabilidad, reversibilidad y aislamiento multi-tenant pasan de ser «nice to have» a requisitos de qualify.

Acciones concretas para tu startup:

Reescribe tu propuesta de valor en términos de política, no de funcionalidad. Si tu producto toca infraestructura (red, observabilidad, seguridad, datos), vende explícitamente qué puede decidir el agente, bajo qué permisos, con qué trazabilidad y cómo se revierte. Es el lenguaje que el 99% de los compradores corporativos exige ya en RFPs.
Diseña desde el día uno para integración, no para reemplazo. El 86% de las organizaciones pide una plataforma unificada y el 92% trabaja con más de diez herramientas a la vez. Ofrece APIs abiertas, conectores a los stacks dominantes (Cisco, ServiceNow, Splunk, Datadog) y un modelo de datos exportable. Si dependes de un ecosistema cerrado, el enterprise te descartará por vendor lock-in.
Mide ROI por proceso, no por uso. Según el análisis publicado por TechTarget a partir del McKinsey Global Survey de 2026, solo el 37% de los líderes atribuye impacto positivo en EBIT a la IA, y apenas el 6% califica como AI high performer. Los de arriba, según el mismo estudio, son los que rediseñan workflows alrededor de la IA, no los que simplemente la activan. Define un KPI de proceso (tiempo medio de resolución, alertas cerradas por FTE, falsos positivos evitados) y véndelo antes que las features.

Si tu startup no opera en infra o NetOps, la lectura sigue siendo útil: la madurez en IA se está separando del feature parity y entrando en terreno operativo. El whitepaper de Google Cloud sobre tendencias de agentes para 2026, recogido por Fintech News Switzerland, anticipa que en los próximos doce meses cada empleado se convierta en supervisor humano de agentes, con flujos multi-step que cruzan facturación, soporte, datos y red. Construir producto asumiendo ese rol —supervisión, orquestación y auditoría— abre una categoría completa que todavía está mal atendida en español.