Get Covered: 16 agentes de IA y un jefe para cada uno

¿Por qué un agente de IA necesita un jefe con nombre y apellido?

Get Covered opera 16 agentes de IA sobre más de 3 millones de unidades de alquiler en Estados Unidos. Su director de operaciones, Rick Folgmann, lo cuenta sin rodeos: cuando los construyeron, las preguntas técnicas resultaron las fáciles. La difícil, para cada agente, fue a quién reporta.

El ejemplo que usa para explicarlo no tiene nada de tecnológico. En California, un propietario tiene 21 días desde que un inquilino se muda para devolver el depósito de garantía o enviar una lista detallada de deducciones. Si incumple de mala fe, la penalización puede llegar al doble del depósito. Ese plazo no distingue si la carta debía salir de una persona o de un software: alguien responde por él.

Ese "alguien" es el hueco que la mayoría de las empresas todavía no ha llenado. Según la encuesta State of AI 2026 de Deloitte, el 23% de las compañías usa IA agéntica al menos de forma moderada hoy, y el 74% espera hacerlo en dos años. Gartner, en paralelo, proyecta que más del 40% de los proyectos de IA agéntica serán cancelados para fines de 2027.

La brecha entre esas dos cifras es el tema de fondo: adoptar agentes es fácil, gobernarlos no.

¿Cuántas empresas están realmente en producción?

Los números de adopción se ven mejor en el papel que en la operación. La Gartner 2026 CIO Survey, citada por Yahoo News, indica que el 17% de los CIO ya desplegó agentes de IA y otro 42% planea hacerlo en el próximo año. Pero una encuesta encargada por Cisco en marzo de 2026 encontró que, aunque el 85% de las organizaciones está pilotando IA agéntica, solo el 5% llegó a producción, y el 60% señala la seguridad como la barrera principal.

El dato que más incomoda es otro: la responsabilidad de gobernar esos agentes está repartida. En el 29% de las organizaciones la asume el CISO, en el 27% el CIO, en el 24% un comité de IA, y en el 11% directamente no hay un dueño claro.

Esa dispersión explica por qué Folgmann insiste en algo tan poco glamoroso como un organigrama.

Empieza por el trabajo que ya tiene un reglamento escrito

La recomendación central del COO de Get Covered es contraintuitiva: no empieces por lo más ambicioso, empieza por lo que ya tiene reglas escritas fuera de la cabeza de alguien. Un estatuto, una cláusula contractual, un requisito de seguro en un acuerdo con proveedores.

Su ejemplo son los certificados de seguro de proveedores. En el sector inmobiliario, los equipos dedican aproximadamente tres horas por propiedad cada semana a perseguir esos documentos por correo. Es tedioso, pero está completamente especificado.

Eso da dos ventajas: el agente tiene algo objetivo contra lo que verificar su salida, y el equipo puede auditar el resultado sin discutir juicios de valor.

El respaldo está en los datos. La investigación más reciente de McKinsey sobre IA encontró que el pequeño grupo de empresas, cerca del 6% de los encuestados, que obtiene retornos significativos en su cuenta de resultados era casi 3 veces más propenso a haber rediseñado sus workflows de raíz. Y ese rediseño empieza por escribir la regla.

La prueba que propone Folgmann es simple: si un empleado nuevo no podría seguir tu descripción de una decisión en su primer día, un agente tampoco podrá.

La autonomía se define por workflow, no por producto

Otra pregunta frecuente en las mesas directivas es si un sistema de IA "es autónomo", como si fuera una propiedad fija del producto. En la práctica, el mismo agente debería operar con distintos niveles de libertad según lo que toque.

En Get Covered lo configuran así: un recordatorio a un proveedor cuyo certificado vence el mes que viene puede salir automáticamente. Una respuesta a un inquilino que pidió un animal de asistencia emocional, nunca.

El ejercicio que recomienda a cualquier equipo de liderazgo es listar cada workflow que el agente va a tocar y hacer una sola pregunta por cada uno: si esta acción está mal, ¿cuánto tardamos en enterarnos y cuánto habrá costado para entonces? Detección rápida y costo bajo ganan más margen de maniobra.

El problema silencioso: agentes que se contradicen entre sí

Hay un riesgo menos visible que el error individual. Cuando varios equipos lanzan agentes por separado, nadie ve dónde esos agentes se contradicen unos con otros.

Por eso, en Get Covered cada agente tiene una persona responsable, igual que un equipo o un presupuesto. Esa persona revisa su registro de errores, decide cuándo ampliar o reducir su autonomía y responde por él.

Folgmann lo aprendió antes de la IA: cada decisión automatizada de crédito terminaba tarde o temprano explicándose a un cliente, a un regulador o a ambos. "El modelo lo hizo" nunca fue una respuesta aceptable.

Y el contexto regulatorio no invita a relajarse. En septiembre de 2026, el presidente de la FTC, Andrew Ferguson, afirmó en el evento Reuters Momentum AI en Austin que los desarrolladores cargan con la responsabilidad plena por sus agentes, y rechazó explícitamente la defensa del "actor autónomo". Si la herramienta ejecutó instrucciones, el responsable es quien la construyó.

¿Qué dicen los datos sobre el retorno real?

El panorama no es de pesimismo, sino de concentración. El BCG 2026 Applied AI Index, que encuestó a más de 1.300 CXO y líderes senior de 20 industrias, encontró que el 50% de las empresas ya genera valor con IA. La cuota agéntica de ese valor pasó del 17% en 2025 al 22% en 2026, y BCG proyecta 39% para 2030.

El mismo informe señala que el 42% de las compañías espera que los agentes actúen de forma autónoma hacia 2030, y que el 55% de las empresas más maduras ya planifica una fuerza de trabajo híbrida de humanos y agentes.

Hay, sin embargo, una tensión que conviene mirar de frente. Según una encuesta de EY, más de la mitad de los decisores senior en IA admite estar saltándose sus propios procesos de gobernanza para acelerar los despliegues agénticos. Y Gartner proyecta en sus tendencias tecnológicas para 2027 que, hacia 2028, el 25% de las brechas de seguridad empresariales se remontará al abuso de agentes de IA por privilegios de máquina mal gestionados.

¿Qué significa esto para tu startup?

Si estás desplegando agentes, o pensando en hacerlo, el mensaje de fondo es que el cuello de botella no será el modelo. Será la claridad sobre quién decide qué. Y eso no mejora solo.

Cuatro acciones concretas para esta semana:

• Escribe la regla antes de automatizar. Elige un workflow donde las reglas ya existan por escrito, como un contrato, una póliza o un plazo legal, y documenta la decisión en términos que un empleado nuevo pudiera seguir. Si tú no puedes, el agente tampoco podrá.
• Asigna un dueño con nombre a cada agente. No un equipo ni un departamento: una persona que revise su registro de errores, decida cuándo ampliar o reducir su autonomía y responda por él ante un cliente o un regulador.
• Calibra la autonomía por workflow, no por herramienta. Haz la lista de todo lo que el agente va a tocar y pregunta, uno por uno, cuánto tardarías en detectar un error y cuánto costaría. Los de detección rápida y costo bajo pueden ir en automático; los demás, con revisión humana.
• Busca las contradicciones entre equipos. Si dos áreas lanzaron agentes por su cuenta, revisa dónde se pisan. Nadie más lo va a hacer por ti.

Las empresas que hagan esto podrán darles más responsabilidad a sus agentes con el tiempo, porque tendrán evidencia para justificarlo. Las que lo salten pasarán 2027 explicando por qué su software hizo algo que nadie aprobó.

Fuentes

• Your AI Agents Need A Chief Operating Officer, Too (fuente original)
• Three Months to NIST: The Federal AI Agent Standards Deadline Arrives With No Enforceable Framework
• 50% of companies generate value from AI now – here's how
• Gartner's 2027 tech trends just dropped – and they go beyond AI