Veeam: agentes de IA, solo 40% confía en revertir fallos

Qué revela el informe Data AI Trust Gap de Veeam

El 88% de las empresas ya utiliza o está probando agentes de IA, pero solo el 40% de los responsables de esas implementaciones confía en poder aislar y revertir con precisión un fallo relacionado con la IA agéntica. Esa brecha la mide el informe Data AI Trust Gap de Veeam y es el punto de partida de la propuesta que la compañía presentó para gestionar el riesgo que los agentes autónomos representan para los datos empresariales.

El dato invierte el orden habitual del debate. Durante dos años la pregunta fue si convenía adoptar agentes; hoy la adopción ya ocurrió y lo que falta es la capacidad de respuesta. Javier Castrillón, gerente de Ventas Territoriales de Veeam en Colombia, lo plantea así: "En la era agéntica, las organizaciones necesitan evolucionar de una visión reactiva de la protección de datos hacia un enfoque que les permita comprender qué está haciendo la IA, sobre qué información actúa y qué sucede cuando su comportamiento se desvía de lo esperado".

Por qué una desviación de un agente no se parece a un fallo tradicional

Un agente no falla como falla un script. Opera sobre grandes volúmenes de información a velocidad de máquina, y una desviación aparentemente menor puede propagarse por datos, sistemas y procesos antes de que alguien la note. Cuando el equipo reacciona, el problema ya dejó de ser un error puntual y se convirtió en un incidente de datos.

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 →

El punto de partida ya era frágil. Según el informe Data Trust and Resilience de Veeam, solo el 28% de las empresas afectadas por ransomware logró recuperar por completo los datos comprometidos. La propia compañía repite la cifra en el anuncio de disponibilidad general de Veeam Data Platform v13.1, difundido por Business Wire en julio de 2026: aunque el 90% de las organizaciones se declara confiada en poder recuperarse de un incidente, menos de una de cada tres víctimas de ransomware recuperó todos sus datos.

La conclusión para cualquier equipo que ya tenga agentes en producción es directa: si la recuperación tras un ataque ya falla dos de cada tres veces, sumar un actor autónomo que modifica datos a escala no mejora el panorama. Lo empeora.

Detectar, proteger y deshacer: las tres capacidades que propone Veeam

La propuesta de Veeam se articula en tres capacidades que la compañía describe así:

Detectar: identificar qué agentes existen, qué datos utilizan, a qué sistemas acceden y cuándo su comportamiento se aleja de los parámetros establecidos.
Proteger: aplicar controles, políticas y límites de acceso para reducir la exposición de los datos frente a personas, aplicaciones y agentes de IA.
Deshacer: responder ante un incidente y recuperar información limpia y confiable, sin depender exclusivamente de la explicación que da el agente o el sistema afectado.

Ese tercer punto es el menos obvio y el más importante. Un agente que reporta "listo" no es una fuente confiable sobre lo que efectivamente hizo, y el equipo necesita poder volver a un estado conocido sin creerle al sistema que causó el problema.

Las tres capacidades coinciden con Agent Commander, el conjunto de funciones que Veeam presentó dentro de Veeam Data Cloud for Microsoft 365 y que, según TechTarget, entró en vista previa privada a finales de marzo. Fue además la primera integración surgida de la adquisición de Securiti AI por US$1.700 millones, reportada por ese mismo medio. El corazón técnico es el Data Command Graph, un motor que mapea los datos de la organización en distintos entornos —incluidos producción y respaldo— y muestra qué agentes están desplegados y a qué pueden acceder.

Rick Vanover, vicepresidente de estrategia de producto de Veeam, explicó a TechTarget el motivo de fondo: "Los líderes de organizaciones de todo el mundo están empujando a sus equipos a impulsar soluciones de IA, y esto es apenas una técnica de reducción de riesgo". Johnny Yu, analista de la consultora IDC, agrega que el problema más frecuente es la mala configuración: darle a un agente más acceso del necesario a datos sensibles.

El enfoque no es exclusivo de Veeam. Rubrik ofrece Agent Rewind, que permite deshacer acciones de agentes y reconstruir el razonamiento con el que llegaron a una decisión, según TechTarget.

Qué dicen Gartner y los datos de campo sobre los proyectos que no sobreviven

La fuente original cita una previsión de Gartner: más del 40% de los proyectos de IA agéntica se cancelará antes de finalizar 2027 por el aumento de costos, la falta de claridad sobre su valor empresarial o la insuficiencia de los controles de riesgo.

La lectura de 2026 es más incómoda. Según CMSWire, Gartner publicó en mayo una previsión actualizada: para 2027, el 40% de las empresas degradará o retirará agentes autónomos que ya están en producción, por vacíos de gobernanza que solo se hicieron visibles después de un incidente real. No se trata de pilotos que nunca despegaron, sino de sistemas que funcionaron, pasaron las revisiones y luego se apagaron frente a los clientes.

El diagnóstico de Gartner, según ese mismo análisis, apunta a que las empresas tratan la gobernanza de agentes como algo binario: o bloqueado del todo o totalmente confiado. El resultado son dos fallos opuestos: agentes simples sobrerrestrictivos que empujan a los equipos a construir soluciones por fuera del sistema, y agentes autónomos subrrestrictivos que elevan el riesgo operativo y de cumplimiento. El error central es confundir la capacidad de actuar de un agente con el alcance de acceso que se le otorgó.

Los datos de campo acompañan. Un relevamiento de AvePoint y Osterman Research sobre 750 líderes de TI, difundido por Yahoo, encontró que el 88,4% de las empresas sufrió una brecha vinculada a agentes de IA en los últimos doce meses, con fuga de datos (50,1%) y manipulación por entradas maliciosas (49,6%) como incidentes más comunes. El 86% retrasó despliegues de IA un promedio de 5,92 meses. Vale la advertencia: es investigación financiada por un proveedor de herramientas de gobernanza, así que conviene leerla como señal direccional y no como medición independiente.

Otro dato del mismo artículo: una encuesta encargada por Cisco en marzo de 2026 encontró que el 85% de las organizaciones está pilotando IA agéntica, pero solo el 5% llegó a producción, con la seguridad señalada como barrera principal por el 60% de los encuestados. Y la responsabilidad de gobernanza está fragmentada: en el 29% de las organizaciones la lleva el CISO, en el 27% el CIO, en el 24% un comité de IA, y el 11% no reporta un dueño claro.

La McKinsey 2026 AI Trust Maturity Survey, citada por CMSWire, refuerza el punto: cerca de dos tercios de los encuestados señala la seguridad y el riesgo como la principal barrera para escalar IA agéntica, por delante de la incertidumbre regulatoria y de las limitaciones técnicas.

¿Qué significa esto para tu startup?

Si tu equipo ya tiene agentes tocando datos de clientes, facturación o producción, el riesgo dejó de ser teórico. Cuatro movimientos concretos:

Haz el inventario esta semana. Lista cada agente activo, qué datos lee y qué sistemas puede escribir. La mayoría de los equipos no puede producir esa lista hoy, y sin ella no hay control posible.
Separa "puede actuar" de "puede acceder". Un agente autorizado a redactar un mensaje no debería tener credenciales para enviarlo. Documenta ambas cosas por separado.
Define el límite y el retorno a humano. Antes de escalar, decide qué no puede hacer el agente (enviar, borrar, pagar), con qué nivel de confianza se detiene y quién responde cuando algo sale mal. Un rollback que nunca se probó es un plan, no un control.
Mide el costo por caso en producción, no en el piloto. El piloto involucra un departamento y pocos casos; producción multiplica volumen, sistemas conectados y horas humanas de corrección.

Conclusión

La IA agéntica no falla por falta de capacidad, sino por falta de visibilidad y de reversibilidad. El 88% de adopción contra un 40% de confianza para revertir un fallo describe exactamente eso: organizaciones que avanzaron más rápido en desplegar que en entender qué hacen sus agentes.

Para un founder, la ventaja en 2026 no está en tener más agentes, sino en poder responder con precisión cuál es el nivel de autonomía de cada uno, a qué puede acceder, quién puede apagarlo y cuándo se probó esa capacidad por última vez. Es una conversación mucho mejor tenerla antes de un incidente que durante uno.