Gerente de tecnología, antes de aprobar el próximo agente de IA, confirme si es uno de los 130 reales o uno de los miles que solo cambiaron de nombre

Hay una escena que se repite en muchos comités de tecnología este año. Alguien propone un nuevo proyecto de IA agéntica, presenta una demo impecable, promete automatizar un proceso completo, y consigue el presupuesto. Seis meses después, ese mismo proyecto aparece en una lista de iniciativas que nadie sabe bien por qué siguen activas, consumiendo horas de soporte y facturas de API que crecieron mucho más rápido de lo que cualquiera anticipó. La demo funcionaba. La operación real, no tanto.

Lo que dice Gartner sobre lo que viene

Ese patrón tiene ahora un número detrás. Gartner proyecta que más del 40% de los proyectos de IA agéntica serán cancelados antes de fines de 2027, por costos que se salen de control, valor de negocio que nunca queda claro, o controles de riesgo que resultan insuficientes una vez que el agente ya está operando. "La mayoría de los proyectos de IA agéntica hoy son experimentos de etapa temprana o pruebas de concepto impulsadas mayormente por el entusiasmo del momento, y muchas veces mal aplicadas", explica Anushree Verma, directora analista senior de Gartner, en el comunicado oficial de la consultora. Según la misma fuente, una encuesta de Gartner a 3.412 asistentes a un webinar de enero de 2025 mostró que apenas el 19% de las organizaciones había hecho inversiones significativas en IA agéntica, y un 31% seguía en modo de espera o simplemente no sabía qué hacer con el tema.

El detalle más incómodo del informe no son los proyectos cancelados, es por qué se cancelan. Gartner habla de un fenómeno que llama "agent washing", el cambio de nombre de productos que ya existían, como asistentes de IA, automatización robótica de procesos o simples chatbots, sin que ganen ninguna capacidad agéntica real en el proceso. Según sus propias estimaciones, de los miles de proveedores que hoy se anuncian como vendedores de agentes de IA, solo cerca de 130 lo son de verdad. El resto vendió una etiqueta nueva sobre una herramienta antigua, y esa diferencia es exactamente la que termina explotando cuando alguien intenta escalar un piloto a producción.

Qué separa a un agente real de una etiqueta nueva

La confusión entre automatización tradicional y agente real no es solo un problema de marketing, también es técnico, y por eso es fácil caer en ella sin mala intención. Un chatbot clásico responde dentro de un guion fijo, un flujo de automatización robótica ejecuta pasos predefinidos en el mismo orden siempre, y ninguno de los dos decide nada por sí mismo cuando la situación se sale del guion. Un agente real, en cambio, evalúa el contexto de cada caso, elige entre distintas acciones posibles según ese contexto, usa herramientas externas cuando lo necesita, y mantiene memoria de lo que ya hizo para no repetir un error dos veces. La diferencia se nota rápido apenas el proceso se complica, un chatbot rebautizado como agente se traba frente a la primera excepción que no estaba en su guion original, mientras que un agente real la maneja como una variación más del mismo problema.

Esa distinción explica por qué Gartner reduce el universo de proveedores serios a un número tan chico frente al total que se anuncia en el mercado. No es un juicio sobre la calidad del software de cada proveedor, es una constatación de que la mayoría de las herramientas que hoy se venden como agentes de IA siguen operando con la misma lógica rígida de siempre, solo que con una interfaz conversacional nueva encima. Para quien aprueba el presupuesto, la pregunta que separa a un proveedor real de uno que solo cambió de nombre es simple de hacer y difícil de esquivar, pedir que muestren un caso donde el agente enfrentó una excepción no contemplada en el diseño original y cómo la resolvió sin intervención humana.

Cómo se ve un presupuesto que se sale de control

Un agente que corre todo el día genera llamadas a la API sin pausa, consume cómputo las 24 horas y acumula costos de infraestructura de nube que casi nunca están reflejados en el número que aprobó el comité. La factura de un piloto que costaba unos cientos de dólares mensuales puede multiplicarse por diez apenas ese mismo agente pasa de veinte usuarios internos a operar sobre el flujo completo de una gerencia. Eso no ocurre porque el proveedor haya mentido en la cotización inicial, ocurre porque nadie proyectó el costo real de escalar, y esa es justamente una de las tres causas de cancelación que documenta Gartner.

El segundo síntoma es el valor de negocio que nunca se define con claridad. Un agente puede estar respondiendo correos, generando resúmenes o clasificando tickets todos los días, y aun así nadie en la gerencia puede decir con precisión qué número de negocio se movió gracias a eso. Sin una métrica acordada desde el diseño del proyecto, cualquier discusión posterior sobre si vale la pena mantenerlo se convierte en una opinión, no en una decisión basada en datos, y las opiniones pierden fuerza rápido cuando llega la revisión de presupuesto del próximo trimestre.

El tercer síntoma es el más delicado porque suele descubrirse tarde. Un agente que actúa de forma autónoma sobre sistemas reales, sin un registro claro de qué decidió y por qué, puede tomar una acción que viola una política interna sin que nadie se entere hasta que ya generó un problema. Gartner insiste en que los controles básicos, monitoreo en tiempo real, capacidad de detener el agente de inmediato y un registro de auditoría completo, no son un lujo de empresas grandes, son la diferencia entre un proyecto que sobrevive a su primera revisión seria y uno que no.

La misma brecha, vista desde Chile

El desafío no es exclusivo de las multinacionales que Gartner suele encuestar. Un estudio de Entel Digital junto a CADEM sobre adopción de IA en empresas chilenas encontró que cerca del 50% de las compañías con mayor nivel de adopción ya integró la IA en sus procesos, mientras que entre las empresas con adopción baja o inicial esa cifra cae a apenas un 10%. La brecha no es de interés ni de presupuesto, según el mismo estudio, es de infraestructura digital, visión estratégica y gobernanza de datos, exactamente los mismos tres frentes que Gartner asocia con los proyectos que terminan cancelados.

Evaluar antes de aprobar, no después de implementar

La forma más directa de no terminar dentro de ese 40% es tratar la validación como el primer paso del proyecto, no como una revisión posterior cuando ya hay dinero comprometido. En la metodología de AgentLayer, la primera de cuatro fases existe justamente para eso, mapear el flujo de trabajo real, identificar quién hace cada tarea hoy, y correr una suite de validación que confirma si algún agente ya existente resuelve el proceso antes de construir algo nuevo desde cero. Esa fase termina con un resultado binario y verificable, el agente calza con el proceso o no calza, y esa respuesta llega antes de integrar nada a un sistema en producción.

Lo que viene después de esa validación inicial también está diseñado para exponer temprano cualquiera de los tres síntomas que documenta Gartner. Cada implementación pasa por entre una y dos semanas de uso real antes de darse por cerrada.

Un ejemplo ayuda a entender la diferencia entre un agente certificado y uno que solo cambió de nombre. El Auditor de Gastos Reembolsables de AgentLayer no promete automatizar vagamente el área de finanzas, resuelve un problema específico y medible, auditar el cien por ciento de los comprobantes de gastos en lugar de la muestra parcial que suelen revisar los equipos de finanzas. Según datos del sector financiero y manufacturero recogidos en la ficha del producto, ese cambio reduce en 90% el tiempo de revisión manual y ha permitido detectar hasta 4 millones de dólares en gastos de alto riesgo. La Asociación de Examinadores de Fraude Certificados documentó en su reporte de 2024 que las empresas suelen revisar apenas el 20% de sus comprobantes, dejando el resto aprobado sin que nadie lo mire, según cifras citadas también por Emburse. Ese es exactamente el tipo de proceso acotado, con una métrica clara desde el inicio, que Gartner recomienda priorizar por sobre las iniciativas ambiciosas y difusas que terminan canceladas.

Gartner no es pesimista respecto al futuro de la tecnología, de hecho proyecta que al menos el 15% de las decisiones diarias de trabajo se tomarán de forma autónoma mediante IA agéntica hacia 2028, partiendo de prácticamente cero en 2024. El problema nunca fue la tecnología en sí, fue la falta de disciplina al elegir qué automatizar primero y cómo medir si funcionó. Para el gerente de tecnología que hoy tiene sobre su escritorio la propuesta de un nuevo agente, la pregunta que vale la pena hacer antes de firmar no es qué tan impresionante se ve la demo. Es si alguien puede mostrar, con datos concretos y un caso real detrás, que ese agente específico ya resolvió ese problema específico en otra operación parecida a la suya.