Qué dice el informe de Gartner sobre los agentes de IA
El Gartner estimó en 2025 que el 40% de las aplicaciones corporativas incorporará agentes de IA para tareas específicas antes de que termine 2026, frente a menos del 5% del año anterior. La propia consultora aclara que es una proyección de adopción, no un retrato de lo que ya opera en producción.
La diferencia entre un asistente generativo y un agente es operativa, no semántica. Un asistente responde a un comando y devuelve un texto. Un agente recibe un objetivo, lo divide en etapas, consulta recursos como agenda, correo, planillas y sistemas internos, y ejecuta acciones con algún grado de autonomía. En lugar de pedir el borrador de un informe, el profesional define la meta: conciliar los movimientos del mes y señalar las divergencias. El agente recorre los datos y devuelve el resultado para revisión.
Esa revisión sigue siendo humana. Y ese detalle, que en un titular se pierde, es el que define si el proyecto llega a producción o se queda en la demo.
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 díasLa brecha entre la expectativa y el despliegue real
Los números de intención son altísimos. El estudio 5 Tendencias para 2026 del IBM Institute for Business Value señala que el 75% de los ejecutivos espera agentes de IA operando de forma independiente al cierre de 2026, y un 65% afirma que estos sistemas ya ayudan a decidir mejor y más rápido.
El despliegue efectivo cuenta otra historia. El Lenovo CIO Playbook 2026, basado en 800 responsables de informática y directivos de Europa y Oriente Medio, encontró que el 46% de las pruebas de concepto de IA ya pasó a producción y que algunas organizaciones estiman retornos medios de 2,78 dólares por cada dólar invertido. Pero solo el 16% dice usar agentes de IA de forma significativa hoy, mientras el 65% planea escalarlos en los próximos doce meses. Y apenas el 27% cuenta con un marco completo de gobierno para la tecnología.
McKinsey llega a un lugar parecido en su informe The State of AI in 2025: el 62% de las empresas ya experimentó con agentes y el 23% empezó a escalarlos en alguna parte de su estructura, pero el 80% declara haber usado IA mientras solo el 39% reporta impacto en su EBITDA a nivel empresarial. La mayoría de quienes sí lo reportan atribuye a la IA menos del 5% de sus beneficios.
Para un founder, la lectura es directa: el modelo ya no es el cuello de botella. El proceso lo es.
Por qué se cancelan los proyectos de agentes
Gartner proyecta que más del 40% de los proyectos de IA agéntica será cancelado antes de finales de 2027 por costos crecientes o valor de negocio poco claro, según el recuento de predicciones de analistas que publicó The National Law Review. No es un problema de capacidad de los modelos: es un problema de contexto y de gobierno.
La consultora identifica dos frentes. El primero es la capa de contexto. Sin una base de conocimiento corporativo unificado y legible por máquina, los agentes alucinan y consumen tokens de más. En su lista de tendencias tecnológicas para 2027, recogida por Network World, Gartner estima que para 2027 las organizaciones que prioricen la semántica en sus datos preparados para IA aumentarán la precisión de la IA agéntica hasta un 80% y reducirán costos hasta un 60%.
El segundo frente es la identidad y los permisos. Gartner advierte que para 2028 el 25% de las brechas de seguridad empresariales se remontará al abuso de agentes de IA por privilegios de máquina mal gestionados y prácticas heredadas de credenciales.
Los riesgos ya están en el radar de los equipos. La investigación global del IEEE sobre el impacto de la tecnología en 2026, citada por EXAME, ubica la dependencia excesiva y las posibles imprecisiones (54%) y la exposición de datos internos (52%) entre las principales preocupaciones con el uso de IA generativa y agéntica en las organizaciones.
Qué significa esto para tu startup
Si tu equipo está evaluando agentes, la decisión no es si adoptarlos, sino dónde ponerlos y con qué límites. Tres consecuencias prácticas:
- El valor se captura en el proceso, no en la herramienta. Las empresas que rentabilizaron sus agentes son las que rediseñaron sus procedimientos en lugar de enchufar IA a un flujo viejo, según el análisis de McKinsey que recogió La Vanguardia. Antes de elegir plataforma, elige un proceso con salida medible.
- El gobierno es requisito de escala, no burocracia. Solo el 27% de las organizaciones tiene un marco completo de gobierno de IA, según el estudio de Lenovo. Ese 73% restante va a frenar su despliegue justo cuando quiera acelerar.
- La confianza se construye con retorno, no con demos. En la encuesta de DeepL a 5.000 ejecutivos de Estados Unidos, Reino Unido, Francia, Alemania y Japón, los tres factores que más pesan para confiar en agentes son el retorno de la inversión y la eficiencia (22%), la adaptabilidad de la plantilla (18%) y la preparación de la empresa (18%). Los principales frenos son el costo (16%), la preparación de los trabajadores (13%) y la madurez tecnológica (12%).
Cómo empezar a desplegar agentes sin quemar el presupuesto
- Elige un solo proceso y define su métrica antes de tocar la herramienta. Conciliación de gastos, clasificación de tickets de soporte, resumen de cuentas clave. Si no puedes medir el antes y el después, no puedes defender la inversión.
- Diseña el punto de aprobación humana desde el día uno. Define qué datos puede leer el agente y en qué momentos una persona debe aprobar la acción: pagos, comunicaciones a clientes, cambios en sistemas de registro. La división entre lo automatizado y lo que exige decisión humana varía por empresa y por tipo de riesgo.
- Documenta permisos y accesos como si el agente fuera un empleado nuevo. Credenciales propias, alcance mínimo, registro de acciones. Es la diferencia entre un piloto auditable y un incidente de seguridad.
- Prepara la capa de datos antes de escalar. Un agente sobre datos dispersos y contradictorios produce resultados que nadie va a confiar. Unificar la fuente de verdad es trabajo aburrido y es el que más mueve la aguja.
- Mide el retorno con la misma vara que cualquier otra inversión. El benchmark de 2,78 dólares por dólar invertido que reporta el estudio de Lenovo es un promedio de organizaciones grandes, no una promesa. Tu número lo pones tú.
Conclusión
La IA agéntica dejó de ser una categoría de producto para convertirse en una decisión de arquitectura. La proyección del Gartner —40% de las aplicaciones corporativas con agentes de tareas específicas al cierre de 2026— marca la dirección, pero el dato que debería guiar tu hoja de ruta es otro: la mayoría de las empresas que ya experimentó todavía no convirtió la prueba en resultado.
Para un equipo pequeño, eso es una ventaja, no una desventaja. Sin legado que arrastrar, puedes diseñar el proceso con el agente dentro desde el principio, con permisos claros y un punto de revisión humana bien puesto. El que gana no es el que adopta más agentes, sino el que logra que uno funcione en producción y lo pueda demostrar con números.
Fuentes
- EXAME (fuente original)
- Network World
- ZDNET
- The National Law Review
- Bolsamanía
- Europa Press
- La Vanguardia
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
