Por qué los agentes de IA entran a la empresa más rápido de lo que se pueden medir
El 62% de las organizaciones ya experimenta con agentes de IA, pero solo el 23% los ha escalado en al menos una función de su operación. La brecha no es un problema de ingeniería: es un problema de gestión que golpea directo el presupuesto y el equipo de cualquier startup.
Para Vladimir Vivar, CEO de Applying Consulting, el escenario se complica cuando los agentes se multiplican entre áreas. "Cuando los agentes de IA se multiplican en una organización, es importante tener claridad sobre qué hace cada uno, quién lo utiliza y qué valor aporta", señaló el ejecutivo. El resultado típico: la empresa pierde de vista cuántos agentes usa, qué información procesan, cuánto cuestan y si el tiempo ahorrado se traduce en una mejora real para el negocio.
La razón de fondo es que la mayoría de las implementaciones siguen en fase de prueba o con presencia limitada, y nadie las consolidó en un inventario. Si tu startup tiene tres agentes respondiendo consultas, procesando documentos y armando reportes, ya estás en ese terreno.
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¿Cuántos agentes de IA usa realmente tu empresa?
El problema tiene nombre: expansión descontrolada de agentes. Gartner reportó que una empresa promedio del Fortune 500 podría llegar a operar más de 150.000 agentes en 2028, frente a menos de 15 en 2025, y solo el 13% de las organizaciones cree tener un gobierno adecuado para manejarlos, según el análisis publicado por Analytics Insight.
A otra escala, el fenómeno ya es visible. El Agentic Enterprise Index 2026 de Salesforce, analizado por ZDNET, muestra que el promedio de agentes activos por organización pasó de 5 en febrero de 2025 a 13 en abril de 2026, y el tiempo para poner un agente nuevo en producción cayó 53%, de 4 días a 1,9 días.
La lectura para un founder es incómoda: crear agentes se volvió tan barato y rápido que la velocidad de despliegue superó la capacidad de inventariarlos. Nadie sabe cuántos son, quién los activó ni con qué permisos corren.
Acelerar una tarea no garantiza un retorno económico
Aquí está el error más común. Vivar sostiene que una herramienta rápida no mejora el resultado completo: si un agente genera documentos o responde solicitudes más rápido, pero las áreas posteriores mantienen los mismos tiempos de revisión y aprobación, el trabajo simplemente se acumula en otro punto de la cadena.
Applying Consulting estima que la administración centralizada de agentes puede generar ahorros de tiempo de alrededor de 23% en determinados procesos, aunque el resultado depende de cada empresa, la integración con otros sistemas y las tareas automatizadas. La evaluación, insiste el ejecutivo, debe mirar la cadena completa y no la velocidad de una actividad aislada.
Los números globales confirman esa distancia. La encuesta State of AI in 2026 de McKinsey, citada por HPCwire sobre 1.719 participantes de 97 países, encontró que solo el 37% de los encuestados reporta una contribución positiva de la IA a su EBIT, prácticamente igual que el año anterior. En paralelo, 80% de los trabajadores dice que la IA mejoró su productividad individual. La productividad existe; la traducción a resultado financiero, todavía no.
¿Quién responde cuando un agente de IA se equivoca?
El control de agentes dejó de ser un tema exclusivo de TI. Deloitte advirtió que solo 1 de cada 5 empresas cuenta con un modelo maduro de gobierno para agentes autónomos, según su reporte State of AI in the Enterprise recogido por Help Net Security, aunque el 74% planea desplegar agentes en los próximos dos años.
La brecha ya tiene consecuencias medibles. Según la misma línea de investigación de Deloitte difundida por TechRepublic, el 69% de las organizaciones australianas corre agentes autónomos en producción y solo el 22% tiene un gobierno maduro para ellos. Y una encuesta de la plataforma Sinch, recogida por TechRepublic, encontró que el 84% de las empresas australianas tuvo que retirar o apagar un agente orientado al cliente por una falla de gobernanza.
Las preguntas que exceden a la tecnología son concretas: quién creó cada agente, qué función cumple, qué datos toca, qué permisos tiene y quién asume la responsabilidad si entrega información errónea o ejecuta una acción fuera de los parámetros previstos. Deloitte agrega las piezas mínimas del modelo de gobierno: límites de actuación, registros de las acciones, instancias de revisión humana y evaluación de riesgos de privacidad, seguridad y cumplimiento normativo.
Qué está pasando en Perú y América Latina
El reto aterriza en una región que invierte cada vez más. El estudio CIO Playbook 2025, elaborado por Lenovo e IDC, indicó que 38% de las empresas medianas y grandes de Perú ya había implementado IA, mientras 54% planeaba incorporar estas soluciones en los siguientes 12 meses. El informe proyectó que la inversión en IA dentro del gasto en tecnologías de la información podría multiplicarse por 3,9 en el país.
Sin embargo, América Latina va más lenta en lo autónomo: la adopción de agentes alcanza al 14% de las organizaciones, frente a 58% en IA tradicional y 54% en IA generativa. Es decir, la región tiene una ventana razonable para ordenar el gobierno de agentes antes de que se multipliquen, en lugar de reconstruirlo después.
¿Cómo medir el ROI de un agente antes de escalarlo?
La respuesta pasa por separar tres cosas que suelen mezclarse: qué procesos mejoran, cuánto se invierte y qué resultado concreto se obtiene. Para Applying Consulting, la utilidad de los agentes depende justamente de esa capacidad de identificar el impacto antes de ampliar su uso.
A esto se suma la presión de costos. En la encuesta de McKinsey recogida por HPCwire, 1 de cada 5 encuestados señaló que los costos operativos asociados a la IA, incluidos los costos de tokens, ya limitaron su uso, incluso cuando la mayoría prevé aumentar la inversión el próximo año. Gartner proyecta además un gasto mundial en modelos y plataformas de IA de USD 64.000 millones en 2026, un 63,4% más que el año previo, según Analytics Insight.
Sobre el techo de confiabilidad, los datos también son duros: el AI Index 2026 de Stanford HAI, citado por Analytics Insight, registra que los agentes completan solo alrededor del 66% de las tareas en la evaluación OSWorld. Es decir, uno de cada tres intentos todavía falla. Un margen así exige revisión humana, no confianza ciega.
Qué significa esto para tu startup
Un founder no necesita un departamento de compliance para ordenar esto. Necesita disciplina operativa:
- Levanta un inventario de agentes. Nombre, dueño (una persona, no un área), función, datos que consume, permisos y costo mensual. Si no puedes listarlos en una hoja, ya tienes el problema.
- Mide la cadena, no la tarea. Antes de escalar un agente, define la métrica del proceso completo: tiempo de ciclo de la solicitud hasta la aprobación final, no cuántos borradores genera. Después compara contra una línea base registrada antes de implementarlo.
- Separa ahorro de tiempo de ahorro de dinero. Un agente que reduce horas de trabajo pero no baja costos, no libera capacidad para ingresos o mantiene el mismo cuello de botella en revisión no está generando ROI, está moviendo el problema de lugar.
- Define un responsable humano y un plan de apagado. Antes de lanzar, decide quién responde por los errores, quién revisa por muestreo y cómo se desactiva el agente y se revocan sus credenciales en minutos.
- Empieza con un proceso, no con una plataforma. Según Applying Consulting, una implementación puede partir de USD 2.000 según el alcance, y una empresa podría adquirir autonomía razonable para administrar y monitorear estos sistemas en unas ocho semanas. Un alcance acotado y medible es más útil que un despliegue amplio sin indicadores.
Conclusión
La adopción de agentes de IA no es el cuello de botella: lo es la supervisión. Los datos de McKinsey, Deloitte y Salesforce apuntan en la misma dirección: las empresas prueban mucho, escalan poco y rara vez logran atribuir un impacto financiero claro. La diferencia entre un piloto que se abandona y una capacidad que se sostiene no está en el modelo que elijas, sino en si puedes responder cuántos agentes tienes, qué hacen, qué cuestan y quién responde por ellos.
Para una startup con equipo pequeño, esa claridad es una ventaja competitiva: menos agentes bien gobernados generan más valor que veinte corriendo sin dueño.
Fuentes
- Infobae: Las empresas están sumando agentes de IA más rápido de lo que pueden supervisarlos
- Analytics Insight: Agentic AI Enters New Phase: 62% Experiment, 23% Scale as AI Spending Hits USD 64 Bn
- HPCwire: McKinsey Report: Enterprise AI Is Becoming a Two-Speed Race
- ZDNET: Business adoption of AI agents tripled this year – as measurable ROI emerges
- Help Net Security: Deloitte strengthens AI governance to support trusted enterprise adoption
- TechRepublic: Australian Enterprises At Risk as Anthropic Finds Hackers In Claude Code
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
