Novacomp: 3 etapas para la autonomía de tus agentes de IA

Human in the Loop: la decisión que se toma antes de escribir la primera línea

Un agente de IA que ejecuta tareas por su cuenta no es un chatbot con más funciones. En el momento en que puede mover un dato, disparar un pago o cerrar un ticket sin que nadie lo mire, la pregunta deja de ser técnica y se vuelve organizacional: ¿en qué punto entra una persona?

Para Novacomp, la multinacional costarricense de transformación digital e inteligencia artificial, esa es una decisión de diseño, no de operación. «Human in the Loop es una decisión que se toma al diseñar el agente, porque define qué puede hacer por sí solo, qué debe consultar y quién responde por el resultado», afirma Peter Kroll, Country Manager de Novacomp en México.

El dato que explica la urgencia: el estudio The Value of AI 2026, elaborado por SAP con Oxford Economics a partir de 2.600 directivos de 13 mercados, encontró que el 64% de las organizaciones ya desarrolló pilotos con agentes de IA, pero solo el 3% se considera plenamente preparada para incorporarlos. La IA ya interviene en el 30% de las tareas de una empresa promedio y los encuestados esperan que llegue al 48% en dos años.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Traducido a la vida real de una startup: la adopción corre más rápido que la capacidad de gobernarla. Y ahí es donde se caen los proyectos.

Las tres etapas de autonomía que propone Novacomp

Novacomp sostiene que la autonomía de un agente no se otorga de una vez: se gana por etapas, con evidencia.

Etapa 1: el agente recomienda y la persona decide. El sistema prepara la información y la propuesta; la aprobación sigue siendo humana.
Etapa 2: ejecuta por sí mismo tareas de bajo impacto. Aquellas donde un error tiene consecuencias limitadas y es fácil de corregir.
Etapa 3: amplía su alcance. Solo cuando la organización comprueba, con evidencia de su propio uso, que el agente funciona de forma correcta y consistente.

«Una empresa que da autonomía total a un agente desde el primer día asume un riesgo que no necesita. Una que lo mantiene bajo aprobación permanente renuncia a la velocidad que buscaba», resume Kroll. «La confianza se construye con resultados, y la autonomía se amplía en la medida en que esos resultados se verifican».

Ese criterio no es exclusivo de Novacomp. CIO.com recoge el caso de Barracuda Networks, que con cerca de 2.000 agentes desplegados mantiene todavía revisión humana sobre sus acciones: su CIO, Siroui Mushegian, señala que las consecuencias de un error deberían determinar cuánta evidencia hace falta antes de darle más autoridad a un agente. La misma nota advierte sobre el «autonomy creep», ese fenómeno en el que un agente se va quedando silenciosamente con más autoridad de la que se le dio.

Los tres factores para decidir dónde va la persona

Según Novacomp, ubicar a la persona en el circuito depende de tres variables que cualquier equipo puede evaluar sin herramientas sofisticadas:

El impacto de una acción si resulta incorrecta.
La posibilidad de revertirla.
La sensibilidad de los datos o sistemas involucrados.

Un pago, un cambio en un sistema crítico, una respuesta a un cliente y una solicitud interna de vacaciones requieren niveles de revisión distintos. Tratarlos igual genera, en palabras de la compañía, exceso de controles en unos casos y vacíos en otros.

La distinción práctica que se está imponiendo en la industria es la misma: no se gobierna al agente, se gobierna la acción. Joshua Rowe, CTO de la app de facturas del hogar Taupia, lo plantea así en CIO.com: «Trazaría la línea en la acción y no en el agente. El mismo agente puede actuar solo en un paso y necesitar aprobación en el siguiente». Rowe agrega que las tareas reversibles, con límites de gasto, periodos de enfriamiento, rollback y una pista de auditoría suficiente para deshacer un error, pueden pasar a autonomía; lo irreversible, como firmar un contrato o mover dinero, debería mantener aprobación humana.

En Forbes, el directivo tecnológico Kumar Chivukula describe esa tensión como la «paradoja agéntica»: cuanto más autónoma se vuelve la IA, más importantes se vuelven la supervisión humana y la gobernanza. Su propuesta es revisar el control en tres capas: al construir el agente, al desplegarlo y en tiempo de ejecución.

Qué dicen los datos: mucha adopción, poca gobernanza

El diagnóstico de Novacomp coincide con lo que muestran los estudios recientes del sector.

Deloitte, en una investigación de 2026 con más de 3.200 líderes de tecnología y negocio en 24 países, encontró que solo el 21% de las organizaciones cuenta con un modelo maduro de gobierno para agentes de IA.
Gartner estima que para 2027 el 40% de las organizaciones podría reducir el nivel de autonomía o retirar agentes por fallas de gobernanza detectadas tras incidentes en producción.
La encuesta global de desarrolladores de Stack Overflow muestra la brecha de confianza: el 84% usa herramientas de IA en su trabajo, pero solo el 29% confía en la precisión de lo que producen, y el 66% señala como principal frustración que las respuestas son «casi correctas, pero no del todo».
Una encuesta de KPMG recogida por CIO.com indica que el 62% de los líderes de TI está construyendo, desplegando o desarrollando agentes de IA, frente al 53% del trimestre anterior.

En México el fenómeno tiene una capa extra. El estudio Work: in Progress, elaborado por IDC y Provokers para Google Cloud, señala que el 40% de las empresas mexicanas ya adopta activamente agentes de IA y el 13% está escalando esos proyectos, pero que el 44% de los profesionales recurre a «Shadow AI»: herramientas de IA personales o no autorizadas para tareas de trabajo.

Ese último dato es el más incómodo para un founder. Significa que la IA ya está dentro de tu organización, con o sin estrategia. La decisión de dónde poner a la persona no se toma en el vacío: se toma frente a un uso que ya está ocurriendo.

¿Qué significa esto para tu startup?

No necesitas un comité de gobernanza para aplicar el marco. Necesitas cuatro decisiones escritas antes de que el agente llegue a producción.

Documenta una matriz de autonomía por acción, no por agente. Para cada tarea que el agente puede ejecutar, define tres cosas: si requiere aprobación humana, quién aprueba y cómo queda registrada esa intervención. Novacomp recomienda exactamente eso: definirlo antes de llegar a producción.
Empieza por lo reversible. Las tareas de lectura intensiva (recopilar datos, clasificar, redactar borradores, comparar opciones) son candidatas naturales a operar casi sin supervisión. Lo que no se puede deshacer, no.
Forma a quien revisa. El perfil del revisor cambia: necesita entender cómo funciona el agente, formular con precisión lo que le pide y validar la respuesta con criterio propio. Novacomp lo dice sin rodeos: un agente puede entregar una respuesta incorrecta con apariencia convincente, y esa capacidad de revisión es una habilidad profesional que hay que desarrollar de forma deliberada.
Mide el resultado, no la actividad. Si tu métrica es cuántas tareas ejecutó el agente, estás midiendo velocidad. Si es cuántas llegaron a producción sin retrabajo, estás midiendo valor.

Un antecedente útil: en septiembre de 2026 Novacomp ya había advertido que la incorporación de agentes en los equipos de desarrollo de software avanza más rápido que la capacidad de las organizaciones para supervisarlos, definir límites de autonomía y garantizar trazabilidad. El comunicado de este 12 de noviembre es la continuación natural de ese argumento: primero los límites, después la autonomía.

Conclusión

La discusión sobre agentes de IA se está moviendo de «qué puede hacer el modelo» a «qué estamos dispuestos a delegar». Para Novacomp, la respuesta se escribe en el diseño: qué puede hacer el agente solo, qué debe consultar y quién responde por el resultado.

Para un founder, la ventaja es concreta. Las organizaciones que definan ahora dónde interviene una persona van a poder ampliar la autonomía después con evidencia, en lugar de retroceder cuando algo falle. Las que den autonomía total el primer día van a aprender la lección por la vía cara. Y las que mantengan todo bajo aprobación permanente habrán pagado el costo de la IA sin cobrar el beneficio.