DXC y LangChain: la IA agéntica entra en la TI de misión crítica
En más de 500 casos de uso medidos, los agentes de DXC OASIS redujeron el tiempo de resolución de incidentes un 95 % en promedio, con una precisión diagnóstica del 92 % o superior validada contra el criterio de ingenieros sénior. Ese es el dato que DXC Technology (NYSE: DXC) puso sobre la mesa al anunciar su alianza con LangChain, la empresa detrás del framework de agentes de código abierto LangGraph y de la plataforma de ingeniería de agentes LangSmith.
Para un founder, la relevancia no está en la cifra en sí, sino en lo que revela: los agentes de IA ya están resolviendo incidentes de producción en entornos regulados, no en demos. La pregunta dejó de ser si la IA agéntica funciona y pasó a ser quién controla su gobernanza.
¿Qué anunciaron exactamente DXC y LangChain?
La colaboración se apoya en el uso que DXC ya hacía de LangGraph dentro de DXC OASIS, su plataforma de orquestación inteligente y modelo operativo para operaciones de TI de misión crítica. A partir de ahora, DXC también licencia LangSmith para dar soporte al desarrollo, la evaluación y la observabilidad de los agentes de OASIS.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasCada pieza cumple una función distinta. LangGraph aporta el marco de orquestación: delegación entre agentes, gestión de estado y flujos de trabajo con intervención humana. LangSmith aporta las herramientas para construir, evaluar y observar esos agentes en producción. OASIS ya está en producción y escalando hacia 125 entornos de clientes en sectores regulados y múltiples regiones geográficas, según la compañía.
El detalle que suele perderse: OASIS no reemplaza el stack existente. Según recogió Unite.AI al cubrir el anuncio, la plataforma actúa como una capa de orquestación agéntica sobre las herramientas que la organización ya usa, y la documentación de DXC menciona a ServiceNow y Dynatrace como ejemplos de sistemas que conecta sin desplazar. Ese mismo medio señala que DXC presentó OASIS el 28 de abril de 2026. Ambas compañías detallan su enfoque en el documento técnico «DXC OASIS: The Harness for Mission-Critical IT Operations».
Los números que importan: de 90 minutos a 3
Los resultados en producción son la parte más concreta del anuncio. En casos de uso específicos, DXC reportó:
- Incidentes de sistema de archivos: de 53-90 minutos a 3-6 minutos.
- Incidentes de rendimiento de base de datos: de 2-3 horas a 5-12 minutos.
- Gestión de problemas complejos: de 2-6 días a 8-10 minutos.
«La IA agéntica tiene el potencial de cambiar radicalmente la forma en que las empresas gestionan su tecnología más crítica, pero los modelos por sí solos no son suficientes», afirmó Dan Gray, presidente de Servicios de Infraestructura Global de DXC Technology.
Que la frase venga de un presidente de servicios de infraestructura, y no de un laboratorio de modelos, es la señal de mercado: el valor se está moviendo del modelo hacia la capa de orquestación, el contexto propietario y los controles.
¿Por qué la gobernanza es el verdadero cuello de botella?
El segundo eje del acuerdo es la gobernanza, y ahí está el aprendizaje replicable. Con la tecnología de LangChain, OASIS permite que los agentes operen dentro de límites de autoridad definidos. Las acciones se evalúan según cuatro factores: reversibilidad, impacto, verificabilidad e historial del agente. Las acciones delicadas pueden pausarse para aprobación humana antes de ejecutarse, y las decisiones, llamadas a herramientas y resultados quedan trazados.
«Las compañías que lideran el sector están asumiendo el control de su conjunto de agentes», dijo Julia Schottenstein, directora de operaciones de LangChain. «Eso significa adaptar el sistema a su negocio, integrar a los agentes en un contexto propietario y construir ciclos de gobernanza y mejora continua que hagan que los agentes sean fiables en la producción».
Los datos de mercado respaldan que ese control es la excepción y no la regla. Según McKinsey, citado por Analytics Insight, el 62 % de los encuestados experimentaba con agentes de IA, pero solo el 23 % había escalado un sistema agéntico en alguna parte de su negocio. Un informe de Gartner de abril de 2026 proyectó que un promedio de empresa Fortune 500 podría operar más de 150.000 agentes en 2028, frente a menos de 15 en 2025, y solo el 13 % de las organizaciones encuestadas creía tener una gobernanza adecuada.
Traducido a una startup: el riesgo no es que tus agentes fallen, es que fallen sin trazabilidad, sin límites de autoridad y sin una persona que pueda frenarlos.
¿Cuánto vale realmente este mercado?
La IA agéntica dejó de ser una categoría experimental. Según el informe de mercado de Analytics Insight, el mercado global de IA agéntica pasó de US$8.190 millones en 2025 a una proyección de US$12.130 millones en 2026, con una trayectoria hacia US$290.620 millones en 2035 y una tasa de crecimiento anual compuesta del 42,88 % entre 2026 y 2035.
El segmento de operaciones de TI y desarrollo de software es uno de los que más crece dentro de ese total: el informe lo proyecta en US$68.290 millones para 2035. En paralelo, MarketsandMarkets estima que el mercado de gestión de servicios de TI (ITSM) —el terreno donde compiten ServiceNow y compañía— crecerá de US$10.960 millones en 2026 a US$22.910 millones en 2031, con un CAGR del 15,9 %. El mismo informe recuerda que en diciembre de 2025 ServiceNow cerró la compra de Moveworks por US$2.850 millones para combinar orquestación de agentes con búsqueda empresarial.
O sea: la operación de DXC y LangChain no ocurre en un vacío. Ocurre en el segmento donde los grandes proveedores están comprando capacidades agénticas a precios de miles de millones.
Enfoque abierto: por qué importa que sea agnóstico al modelo
OASIS es independiente del modelo y admite interoperabilidad con sistemas de terceros y de propiedad del cliente, lo que permite elegir distintos modelos para distintas cargas según calidad, costo, latencia y privacidad. Las implementaciones pueden abarcar nube pública, privada, dedicada y soberana sin rediseñar la arquitectura subyacente, y los clientes conservan el control de sus datos, flujos de trabajo y capacidades operativas.
Para una startup, esto valida una decisión de arquitectura: construir sobre frameworks abiertos de orquestación reduce el riesgo de quedar atado a un solo proveedor de modelos cuando el siguiente salto de capacidad llegue en tres meses.
¿Qué significa esto para tu startup?
No necesitas 125 entornos empresariales para aplicar el modelo. Lo que DXC empaqueta como servicio gestionado, tu equipo puede replicarlo en pequeño.
- Clasifica tus agentes por reversibilidad antes de darles autonomía. Define qué acciones son reversibles y cuáles no. Las irreversibles —borrar un registro, ejecutar un pago, reiniciar un servicio— van con aprobación humana obligatoria, igual que hace OASIS con los cuatro criterios que aplica.
- Instrumenta la evaluación desde el primer día. LangSmith entra en esta alianza precisamente porque sin trazas ni evaluación no puedes medir la precisión diagnóstica. Define una métrica de calidad —porcentaje de aciertos contra el criterio de tu ingeniero más sénior, como el 92 % que reporta DXC— y mídelo antes de escalar.
- Ancla los agentes en tu contexto propietario. La diferencia entre un agente genérico y uno útil suele estar en los datos: runbooks, documentación de proveedores, historial de incidentes propios. Sin ese contexto, el agente razona con conocimiento general y falla justo en los casos que importan.
- Empieza por el caso de uso más acotado. Según la evaluación RE-Bench de Stanford, citada por Analytics Insight, los sistemas avanzados rinden bien en tareas cortas, pero los expertos humanos recuperan ventaja cuando el horizonte temporal se extiende. Elige incidentes con criterios de éxito claros y tiempos cortos antes de apuntar a flujos de varios días.
Conclusión
El anuncio de DXC y LangChain no es solo un acuerdo comercial: es un caso de estudio sobre cómo llevar agentes a producción en entornos donde un error cuesta caro. Los tres elementos que lo hacen funcionar —orquestación con LangGraph, evaluación y observabilidad con LangSmith, y límites de autoridad con supervisión humana— son replicables a cualquier escala. El 95 % de reducción en tiempo de resolución no vino del modelo: vino de envolver al modelo con contexto, control y medición.
Para un founder, la conclusión práctica es incómoda pero clara. Si tu roadmap de IA agéntica no incluye una capa de gobernanza desde el principio, no estás construyendo un producto enterprise: estás construyendo una demo que no va a pasar de la fase piloto.
Fuentes
- PR Newswire — DXC y LangChain impulsan el desarrollo de plataformas de IA agéntica para operaciones de TI de misión crítica
- Unite.AI — DXC Technology Partners with LangChain to Scale Governed AI Agents
- Analytics Insight — Agentic AI Market Outlook 2026-2035: Market Size, Growth, Adoption and Key Opportunities
- MarketsandMarkets vía TMCnet — IT Service Management Market worth $22.91 billion by 2031
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
