Agentic AI – La cobertura continua de su impacto en las empresas
La Agentic AI dejó de ser apenas un concepto de laboratorio para convertirse en una de las fuerzas más concretas dentro de las empresas alrededor del mundo. En los próximos años, esta tecnología promete traer no solo avances tecnológicos rápidos, sino una verdadera transformación social, redefiniendo la manera en que vivimos, trabajamos e interactuamos con el mundo que nos rodea.
Y los números lo confirman: según Gartner, para 2028, el 33% de las aplicaciones empresariales incluirán alguna forma de IA agéntica, un salto expresivo partiendo de menos del 1% en 2024. Este crecimiento no es gradual, es un cambio de paradigma que ya está ocurriendo tras bambalinas en grandes organizaciones, y quien no preste atención ahora podría encontrarse corriendo detrás de las pérdidas más rápido de lo que imagina.
Junto con este crecimiento, se estima que el 15% de las decisiones del día a día pasen a ser tomadas de forma autónoma, sin que un humano necesite presionar un botón o validar cada paso. ¿Parece mucho? Puede parecer, pero cuando miras procesos repetitivos como aprobación de pedidos, clasificación de datos, monitoreo de sistemas e incluso respuestas a clientes, queda claro que ese número no solo es plausible sino que ya se está construyendo ahora, en tiempo real, dentro de empresas de todos los tamaños.
Pero ¿qué exactamente diferencia a la Agentic AI de las herramientas de inteligencia artificial que ya conocemos? Mientras la IA tradicional sigue reglas predefinidas y responde a comandos directos, los agentes de IA van más allá: se adaptan a nuevas situaciones, aprenden de experiencias y operan de forma independiente para perseguir objetivos sin intervención humana. Deciden, ejecutan e incluso se comunican con otros agentes, todo esto con mínima o ninguna interferencia de una persona. Esta capacidad abre puertas gigantescas para sectores que lidian con ambientes peligrosos, escasez de mano de obra o procesos altamente repetitivos.
Pero claro, no todo es color de rosa. 🌊 Junto con el potencial transformador, la seguridad y la gobernanza de estas soluciones surgen como temas urgentes. Al fin y al cabo, sistemas que actúan solos necesitan límites bien definidos, estructuras de control robustas y mucha transparencia para funcionar de forma responsable dentro de las organizaciones. Garantizar que estos sistemas autónomos operen de forma segura, transparente y responsable va a exigir frameworks de gobernanza sólidos y pruebas extensivas. Este equilibrio entre autonomía y control es, quizás, el mayor desafío que las empresas enfrentan hoy al adoptar esta tecnología.
Lo que hace diferente a la Agentic AI de todo lo que vino antes
Cuando la mayoría de las personas piensa en IA aplicada a los negocios, lo que viene a la mente todavía son chatbots respondiendo preguntas frecuentes, algoritmos de recomendación en e-commerces o sistemas de análisis predictivo que ayudan a equipos de datos a tomar decisiones. Estas tecnologías son útiles, sin duda, pero tienen un límite claro: dependen de un humano para interpretar los resultados y actuar. La Agentic AI rompe exactamente esa dependencia, porque no solo analiza, actúa. Y esa diferencia, que parece pequeña en el papel, lo cambia todo en la práctica.
Un agente de IA bien configurado puede recibir un objetivo de alto nivel, como reducir el tiempo de respuesta al cliente en un 40%, y a partir de ahí él mismo traza el camino, identifica los cuellos de botella en los procesos, prueba enfoques diferentes, aprende de los resultados y ajusta la ruta sin necesitar aprobación en cada etapa. Puede comunicarse con otros agentes especializados, consultar bases de datos externas, activar APIs, rellenar formularios e incluso escalar situaciones a humanos cuando identifica que ese caso específico está fuera de su ámbito de actuación. Esta cadena de acciones coordinadas es lo que transforma a la IA agéntica en algo cualitativamente diferente de todo lo que vino antes.
Otro punto que merece destacarse es la capacidad de toma de decisiones en contextos de incertidumbre. Las herramientas tradicionales de automatización, como los famosos RPA (Robotic Process Automation), funcionan muy bien cuando el proceso es lineal y predecible, pero se traban cuando encuentran una excepción. Los agentes de IA, por otro lado, fueron diseñados para lidiar con la variabilidad. Pueden interpretar situaciones ambiguas, ponderar opciones y elegir un camino con base en objetivos y restricciones definidos previamente. Esto los hace mucho más resilientes y aplicables en ambientes corporativos reales, donde las excepciones son la regla.
Dónde las empresas ya están aplicando esta tecnología
Los casos de uso de la Agentic AI en las empresas ya son bastante concretos, y están distribuidos en sectores que van mucho más allá de la tecnología. En el área de salud, por ejemplo, la DeVry University implementó su primer agente de IA en abril de 2025 para ayudar a estudiantes actuales y futuros, utilizando una década de experiencia previa con tecnología en el aula y experimentación con bots de procesamiento de lenguaje natural. En Stanford Health Care, agentes de IA están siendo usados para redefinir la atención en oncología, aliviando la sobrecarga administrativa de los médicos que frecuentemente lleva al burnout.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
En finanzas, los agentes ya actúan en la detección de fraudes en tiempo real, en el análisis de riesgo crediticio y en la ejecución de operaciones de compliance que antes requerían equipos enteros dedicados exclusivamente a eso. Google llegó a presentar el Agent Payments Protocol (AP2), un framework abierto desarrollado con más de 60 empresas de pagos y tecnología para dar soporte a transacciones seguras lideradas por agentes. Esto demuestra que el ecosistema financiero se está tomando el asunto muy en serio.
En el sector industrial, la aplicación tal vez sea aún más visible. IFS, por ejemplo, añadió capacidades de desarrollo y gestión de agentes de IA a su plataforma ERP con la adquisición de la startup TheLoops, permitiendo que las empresas diseñen, prueben, implementen, monitoreen y ajusten agentes de IA con soporte integrado para versionado, compliance y optimización de rendimiento. Fábricas que adoptaron agentes de IA para gestionar la cadena de suministro reportan reducciones significativas en desperdicio y tiempo de inactividad, porque los sistemas pueden predecir fallas en equipos, renegociar plazos con proveedores y redistribuir tareas en la línea de producción de forma coordinada y autónoma.
En el retail y en la atención al cliente, los agentes de IA están evolucionando mucho más allá de los chatbots de primera generación. Walmart, por ejemplo, dejó claro que no pretende perder su corona en el retail y que la estrategia de inteligencia artificial de la empresa tendrá un papel fundamental en eso. Oracle también entró con fuerza en esta carrera, añadiendo agentes preconstruidos a su Fusion Cloud CX para automatizar procesos de ventas, servicio y marketing. Hoy, es posible tener un agente que acompaña todo el recorrido del consumidor, desde el primer contacto hasta la posventa, tomando decisiones como aplicar un descuento personalizado, activar un equipo de retención o identificar el momento justo para ofrecer un upgrade. 🚀
Los grandes movimientos de la industria tech
La carrera por el liderazgo en el espacio de la Agentic AI está a todo vapor, y los mayores nombres de la tecnología están haciendo apuestas fuertes. Microsoft ha sido particularmente agresiva: lanzó el Microsoft Agent Framework, un SDK y runtime open-source para construir, orquestar e implementar agentes de IA y flujos de trabajo multiagente. La empresa también reveló el Agent 365 (A365), un nuevo plano de control para ayudar a equipos de TI a gestionar y proteger sistemas de IA a medida que se conectan a datos corporativos, combatiendo el llamado agent sprawl. Además, los nuevos agentes Copilot de Microsoft, como Researcher y Analyst, proporcionan respuestas en tiempo real sobre cómo los datos están siendo analizados y cruzados para llegar a determinados resultados.
Google tampoco se quedó atrás. La empresa introdujo Gemini Enterprise como puerta de entrada para el acceso a la IA agéntica en el trabajo, sustituyendo la antigua app Agentspace. El protocolo Agent2Agent (A2A) fue lanzado para conectar agentes de ecosistemas diferentes entre sí, y el Agent Development Kit (ADK) fue puesto a disposición como framework open-source en Vertex AI, permitiendo construir un agente de IA con menos de 100 líneas de código Python.
Salesforce actualizó su propuesta con Agentforce 360, prometiendo el camino más rápido de prototipos a agentes en escala de producción, además de lanzar el Trusted AI Foundation como sistema operativo fundamental para ecosistemas de IA empresarial. Oracle reformuló todas sus Fusion Cloud Applications con el lanzamiento de Fusion Agentic Applications, incorporando agentes de IA directamente en flujos transaccionales de negocio para tomar decisiones sin intervención humana.
Del lado de la infraestructura, Nvidia apostó por infraestructura abierta con la familia Nemotron 3 de modelos y lanzó el AgentIQ toolkit para conectar agentes y frameworks diferentes. IBM presentó Enterprise Advantage, un nuevo servicio de consultoría para ayudar a CIOs a llevar sus aplicaciones de IA agéntica de la experimentación a la producción a gran escala, y watsonx Orchestrate ganó capacidades de AgentOps con monitoreo en tiempo real. ServiceNow lanzó AI Experience (AIx), una interfaz multimodal con conciencia contextual para su plataforma Now, y en asociación con Nvidia creó el modelo open-source Apriel para la creación de agentes de IA que aprenden.
Cisco fue all-in en la seguridad de IA agéntica, lanzando capacidades de gestión de identidad y acceso y un toolkit para que los clientes incorporen controles de seguridad en agentes de IA. CrowdStrike apostó fuerte con su Agentic Security Platform y Agentic Security Workforce tras la adquisición de Onum por 290 millones de dólares. Y Deloitte entró en el juego con Zora AI, una plataforma agéntica con portafolio de agentes para finanzas, recursos humanos, cadena de suministro, ventas y más.
La cuestión de los estándares y protocolos abiertos
Uno de los desarrollos más relevantes en el ecosistema de la IA agéntica es el ascenso del Model Context Protocol (MCP). Se está convirtiendo en el estándar plug-and-play para que aplicaciones de IA agéntica extraigan datos en tiempo real de múltiples fuentes. Ya existen miles de servidores MCP disponibles de diversos proveedores, permitiendo que asistentes de IA se conecten a datos y servicios de forma estandarizada.
Sin embargo, como toda tecnología que gana tracción rápida, el MCP también trae riesgos significativos de seguridad. La facilidad de conexión que ofrece hace que el protocolo sea atractivo para agentes maliciosos que buscan explotar debilidades en la forma en que el MCP fue implementado. La comunidad de seguridad está prestando atención a esto, y frameworks como el OWASP Top 10 están siendo adaptados para lidiar con los riesgos específicos de chatbots basados en LLMs y agentes de IA que acceden a datos y herramientas para ejecutar tareas, haciéndolos infinitamente más capaces y potencialmente más peligrosos.
Seguridad y gobernanza: los puntos que aún frenan los proyectos
Aquí está el nudo que la mayoría de las organizaciones todavía está intentando desatar. Dar autonomía real a sistemas de IA dentro de un ambiente corporativo plantea cuestiones que van mucho más allá de la tecnología en sí. ¿Quién es responsable cuando un agente toma una decisión equivocada que genera pérdidas financieras o impacta negativamente a un cliente? ¿Cómo garantizar que el agente no va a actuar de forma que viole regulaciones como la LGPD en Brasil o el GDPR en Europa? Estas preguntas no tienen respuestas simples, y es exactamente por eso que muchos proyectos de Agentic AI todavía quedan atrapados en la fase piloto, sin lograr escalar al ambiente de producción.
Una investigación de McKinsey reveló que, aunque el 39% de las organizaciones están experimentando con agentes, solo el 23% ha comenzado a escalar agentes de IA dentro de una función de negocio. Analistas de Gartner confirman que la mayoría de los proyectos de IA agéntica hoy son experimentos en etapa inicial o pruebas de concepto, muchas veces alimentados por hype y frecuentemente mal aplicados. Los costos crecientes, gobernanza frágil y expectativas irrealistas están forzando una reevaluación. ¿Qué separa las iniciativas que sobreviven de aquellas que son silenciosamente canceladas?
La seguridad en estos sistemas necesita ser pensada en capas. La primera capa es técnica: los agentes necesitan tener ámbitos de actuación bien definidos, con permisos granulares que determinen exactamente a qué sistemas pueden acceder, qué acciones pueden ejecutar y qué situaciones deben escalar para revisión humana. La segunda capa es de gobernanza: las empresas necesitan crear estructuras claras de auditoría, con logs detallados de cada decisión tomada por los agentes, para que sea posible rastrear el razonamiento detrás de cada acción. Sin este rastro de auditoría, es imposible identificar problemas, corregir comportamientos indeseados y demostrar cumplimiento regulatorio.
Existe además una tercera dimensión, menos técnica pero igualmente crítica: la confianza interna. Una investigación reciente mostró que mientras la mayoría de los CIOs y CTOs está optimista con la IA agéntica, profesionales de TI de niveles operativos que serán responsables de implementar estos agentes tienen dudas serias. Equipos de compliance, legal e incluso los propios colaboradores operativos necesitan entender cómo funcionan los agentes, cuáles son sus límites y de qué forma la supervisión humana continúa presente en el proceso. Empresas que descuidan esta comunicación interna terminan enfrentando resistencia cultural, que puede ser tan paralizante como cualquier vulnerabilidad técnica.
Agentes en la ciberseguridad: aliados y amenazas al mismo tiempo
La ciberseguridad vive un momento de encrucijada con la IA agéntica. Por un lado, agentes de IA están siendo implementados en centros de operaciones de seguridad reales, donde correlacionan logs, enriquecen alertas e incluso ejecutan acciones de contención de primera línea. Microsoft lanzó agentes de IA para su Security Copilot enfocados en detección de phishing, protección de datos y gestión de identidad. CrowdStrike creó una plataforma entera de seguridad agéntica para superar a adversarios que usan IA.
Por otro lado, investigadores de seguridad continúan añadiendo peso a una verdad incómoda: los agentes de IA no son particularmente inteligentes y pueden ser fácilmente engañados para hacer cosas estúpidas o peligrosas. La conferencia Black Hat de este año tuvo como tema dominante la emergencia de herramientas de IA tanto para adversarios como para defensores cibernéticos. La IA agéntica es una herramienta poderosa que puede crear cantidades enormes de código en un abrir y cerrar de ojos, encontrar y desarmar amenazas, pero no es lo suficientemente confiable para operar sin supervisión adecuada, y ese es el paradoja central. 🔐
El futuro del trabajo y la reorganización de las empresas
La Agentic AI no solo está cambiando herramientas y procesos, está empezando a redefinir los propios organigramas de las empresas. Microsoft llegó a sugerir que, a medida que las compañías automatizan cada vez más procesos usando agentes, funciones tradicionales como finanzas, marketing e ingeniería pueden diluirse, dando lugar a una era de agent boss, donde el papel de los humanos será mucho más de delegación y orquestación de múltiples bots que de ejecución directa.
Herramientas que usamos a diario
También hay un debate creciente sobre el futuro del RPA. Algunos líderes de TI afirman que agentes de IA más poderosos y autónomos van a sustituir esta tecnología precursora de dos décadas, mientras otros prevén que agentes de IA y RPA van a trabajar lado a lado. La realidad probablemente será un punto medio, con los agentes asumiendo tareas más complejas y el RPA continuando manejando automatizaciones más simples y bien definidas.
Otro frente que merece atención es el impacto en los ecosistemas SaaS y de socios. El panorama de tecnología empresarial está entrando en un punto de inflexión crítico, con la IA agéntica transformando ecosistemas de socios de redes de integración mediadas por humanos en ecosistemas autónomos, auto-orquestantes e inteligentes. Incluso hay quienes argumentan que los agentes de IA van a devorar el mercado SaaS tal como lo conocemos, una posición que el CEO de Microsoft, Satya Nadella, ya ha vocalizado públicamente al decir que los agentes van a sustituir todo el software.
Qué esperar en los próximos años
La trayectoria de la Agentic AI en las empresas está apenas comenzando, y la velocidad con que los frameworks, plataformas y casos de uso están evolucionando indica que los próximos dos o tres años van a ser particularmente intensos. Grandes actores como Microsoft, Google, Salesforce, Oracle, Nvidia, IBM y una serie de startups altamente especializadas ya están lanzando soluciones que permiten crear, orquestar y monitorear agentes de IA con mucha menos fricción de la que había hace apenas un año. Esto significa que la barrera de entrada está cayendo rápidamente, y organizaciones de mediano tamaño que antes consideraban esta tecnología distante de su realidad ahora tienen acceso a herramientas prácticas y accesibles.
Uno de los movimientos más interesantes que está ganando fuerza es el de sistemas multiagente, donde diferentes agentes especializados trabajan en conjunto para resolver problemas complejos que ningún agente solo podría tratar con eficiencia. OpenAI ya lanzó un framework experimental llamado Swarm para el desarrollo de enjambres de IA agéntica, redes de agentes autónomos capaces de trabajar juntos en tareas complejas sin intervención humana. El CEO de Nvidia, Jensen Huang, prevé que veremos pronto cientos de millones de agentes digitales dentro de las empresas.
La preparación de la arquitectura empresarial también es esencial. Mientras líderes del C-suite dicen que están invirtiendo en IA agéntica, las arquitecturas empresariales complejas de grandes organizaciones frecuentemente luchan con las demandas de esta tecnología. Databricks, por ejemplo, anunció la adquisición de Neon, una startup de Postgres serverless open-source, justamente porque la IA agéntica requiere un nuevo tipo de arquitectura, ya que los flujos tradicionales crean cuellos de botella que perjudican velocidad y rendimiento.
Deloitte prevé que en 2025, el 25% de las empresas que usan IA generativa van a lanzar pilotos o pruebas de concepto de IA agéntica, creciendo al 50% en 2027. Un ejecutivo de EY fue aún más directo: empresas que están luchando por acompañar la llegada de los agentes de IA deben prepararse, porque tecnologías de IA agéntica aún más complicadas están llegando rápidamente, incluyendo IA física con robots y computación cuántica.
El gran desafío que acompañará este crecimiento es justamente garantizar que la expansión de la autonomía sea proporcional a la madurez de los sistemas de gobernanza y seguridad dentro de cada organización. No existe fórmula mágica aquí: cada empresa va a necesitar encontrar su propio ritmo, probando con proyectos más pequeños, aprendiendo de los errores y construyendo confianza de forma incremental. Lo que está claro es que la pregunta ya no es si la Agentic AI va a transformar las operaciones de las empresas, sino cuándo cada organización estará lista para hacer esa transición de forma inteligente y sostenible. ⚙️
