Parece que hubiera pasado mucho más tiempo, pero apenas transcurrieron poco más de tres años desde que el mundo conoció la inteligencia artificial (IA) generativa, cuando ChatGPT fue lanzado en noviembre de 2022. Ese fue solo el comienzo de una tecnología disruptiva que nadie quiso dejar pasar una vez que se hizo evidente su potencial transformador para los negocios. El resultado fue una adopción masiva y acelerada, incluso de la siguiente generación de la tecnología: los agentes de IA.
Según un estudio de la consultora Gartner, en 2025 el 75% de las compañías experimentó con agentes, pero solo el 15% implementó sistemas totalmente autónomos. La gran mayoría utilizó LLM combinados con automatización para tareas muy específicas y rutinarias, sin explotar plenamente su potencial transformador.
El diagnóstico fue similar en el caso de la GenAI, de acuerdo con un informe del Instituto de Tecnología de Massachussets (MIT). Muchas empresas la adoptaron solo para no quedar afuera del hype y, como resultado, el 95% de los pilotos fracasó. Entonces, ¿la tecnología no es tan disruptiva como se prometía inicialmente?
Brecha de aprendizaje
Lo que ocurrió en 2025 fue la fase beta de los agentes de inteligencia artificial. El error no fue tecnológico, sino organizacional. Muchas compañías carecían de los flujos de trabajo necesarios para implementarlos correctamente o no contaban con el capital humano preparado para trabajar con ellos. La buena noticia para quienes fallaron en los últimos meses es que ya aprendieron de esas limitaciones. Pero, dado que la adopción sigue siendo masiva, es lógico que algunos queden rezagados.
El informe del MIT define este fenómeno como una brecha de aprendizaje y destaca que cualquier tecnología, por más poderosa que sea, requiere un proceso de adaptación cuando se integra en nuevos sistemas. Las personas cumplen un rol clave en esta tarea: deben acostumbrarse a trabajar con máquinas, pero, sobre todo, deben supervisarlas y mantener una mirada estratégica.
Esa es una de las claves para el éxito con los agentes de IA. Un estudio reciente, presentado como innovador, pero que en realidad solo confirma lo que el sector tecnológico ya sabía, muestra que la IA no tiene contexto. El desafío es crearlo.
Uno de los casos más característicos de una mala implementación se da en el servicio al cliente. Con sistemas mal diseñados, los usuarios terminan frustrados y exigen ser atendidos por una persona. El problema no es tecnológico, sino de diseño. Sin embargo, también existen organizaciones que ya han sabido aprovechar los agentes de IA para liderar sus industrias.
Una empresa de logística escaló sus operaciones de soporte y pasó de tardar dos horas a responder en apenas 90 segundos. Otro ejemplo es una compañía de semiconductores que desarrolló un agente de IA capaz de resolver problemas tres veces más rápido, con una tasa de éxito del 75%.
ROI medible
Estos ejemplos aportan otro aprendizaje clave para esta nueva etapa de los agentes de inteligencia artificial: no deben implementarse de manera genérica, sino diseñarse con precisión quirúrgica para resolver fricciones específicas. Los verdaderos ganadores serán quienes definan un retorno de la inversión (ROI) medible a partir de implementaciones focalizadas que agreguen valor real. En los próximos 12 meses, el 42% de las empresas planea desarrollar agentes de IA, según un reporte de Gartner. Incorporarlos ya no es suficiente: el desafío ahora es cómo implementarlos.
El primer paso es identificar soluciones de alto impacto para eliminar fricciones. Luego, es necesario limpiar e integrar los datos para que los Agentes de IA, diseñados específicamente para una función, puedan operar de manera efectiva. Una vez lograda la orquestación del sistema agéntico, junto con los requisitos de cumplimiento, puede escalarse a nuevas funciones. Este proceso da lugar a un nuevo modelo de trabajo construido sobre el imperativo de un ROI medible. El sistema debe ser capaz de aprender para evolucionar, y no limitarse exclusivamente a tareas fijas.
Esto adquiere distintos significados según la industria. En retail, los agentes de IA construyen ecosistemas inteligentes en centros de almacenamiento para analizar flujos de trabajo e identificar cuellos de botella en los equipos; en e-commerce, pueden ofrecer promociones dinámicas para evitar el abandono del carrito; en servicios financieros, optimizan créditos y combaten el fraude en tiempo real. Todo esto lo hacen de manera autónoma y puede aplicarse en cualquier sector.
Las herramientas existen y están disponibles. Por eso, el debate ya no es tecnológico, sino organizacional: ¿qué costos se reducen o cuánto mejora el servicio al implementarlas? La respuesta a esa pregunta es la que tendrá la clave del éxito de los agentes de IA en los próximos meses.
(*) CTO de Globant Enterprise AI.