Los proyectos de IA agente a menudo fracasan cuando las empresas otorgan acceso y autoridad al sistema antes de restablecer la gobernanza, la propiedad y el control.
getty
Gartner advierte que más del 40% de los proyectos de IA de agentes podrían cancelarse para 2027. El problema no son sólo las capacidades del modelo. Es gobernanza, acceso a datos, propiedad y retorno de la inversión.
Cuando Gartner presentó las cifras concretas de sus cálculos de IA agente el verano pasado, sonó como una advertencia sobre el futuro. Un año después, se parece más a una descripción de hoy. Este pronóstico se presenta como prueba de que el auge de los agentes suele ser pura palabrería, que pasa por alto lo que realmente está acabando con estos proyectos. Los que fracasan rara vez mueren porque el modelo es demasiado estúpido para hacer el trabajo. Mueren porque las empresas recurren a trabajadores autónomos sin métricas de éxito, sin acceso a los datos correctos y sin un plan para lo que sucederá cuando las cosas vayan mal. La próxima ola de cancelaciones es una cuestión de gestión disfrazada de tecnología.
Por agentes me refiero a sistemas de IA que hacen más que simplemente responder indicaciones: se les asignan objetivos, acceso a herramientas o datos y cierta autonomía para tomar medidas y lograr resultados. Esa distinción es importante, porque muchos de los que se venden como agentes son chatbots con ambiciones.
Las predicciones nunca se tratan de malos modelos
Cuando Gartner lo publicó 40% en junio de 2025mencionó tres razones: costos crecientes, valor comercial poco claro y control de riesgos inadecuado. Observe lo que falta. Las capacidades del modelo no están enumeradas y ninguno de los tres modos de falla identificados por el analista es algo que pueda solucionarse con un modelo básico más inteligente. Lanza GPT-6 a un proyecto sin ciertos resultados y sin dueño, y todo lo que obtendrás es un fracaso más elocuente.
El mismo análisis muestra algo que el vendedor no anuncia. Gartner estima que de las miles de empresas que afirman tener capacidades de agentes, sólo 130 han construido algo digno de esa etiqueta. Gran parte del resto se parece más a chatbots, automatización robótica de procesos y asistentes en nuevos envases. La industria ahora incluso tiene un nombre: agentes de lavandería. Así, antes de que el cálculo llegue a los proyectos reales, un conjunto de mercados ha calculado el trabajo que nunca agente desde el principio.
El piloto no llegó a producción
Un año después, la conversación en sí ha cambiado. En junio, Business Standard informó que la empresa de IA había entró en una nueva faseA uno se le juzga menos por la cantidad de herramientas que se implementan y más por los retornos que realmente producen. Los datos al final de la transición no dicen que el agente sea inútil. Decir el diferencial es más difícil de lo que parece la plataforma de ventas. Evaluación Forrester 2026 de la categoría, los puntos del título “Las empresas persiguen, pocas capturas” descubrió que alrededor de tres cuartas partes de las empresas han adoptado la IA agente, pero solo una fracción la ejecuta en producción real. En la encuesta de seguridad de 2026 de la misma empresa, el 49% de los tomadores de decisiones de seguridad indicaron que la IA agente era una preocupación. Lea atentamente, es una advertencia sobre lo que sucede cuando los agentes obtienen acceso y autoridad antes de decidir quién es responsable.
El trabajo académico avanza en la misma dirección. A 2026 estudia la adopción de IA agénica en empresas industriales colocó a la mayoría de las empresas que examina en los peldaños más bajos de la escala de madurez de los agentes, como asistentes y “compensadores”, y exactamente una alcanzó la orquestación original de múltiples agentes. Los investigadores llamaron al problema la “brecha de verificación de la capacidad de implementación”: los agentes pueden realizar tareas en pruebas controladas, pero las empresas no pueden verificarlas ni confiar en ellas cuando se ejecutan en sistemas propietarios y datos en vivo. La brecha es lo que frena este proyecto y no tiene nada que ver con la calidad del modelo.
La capa de dispositivo muestra por qué lo que está en juego sigue aumentando. El Instituto de Seguridad de IA del Reino Unido analizó más de 177.000 equipos de agentes Se construyó entre finales de 2024 y principios de 2026 y descubrió que la herramienta de “acción”, que permite a los agentes enviar correos electrónicos, cambiar archivos o transferir dinero y no solo describirlo, aumentó del 24% al 65% de uso en dieciséis meses. Los agentes pasan de las recomendaciones a la acción más rápido que la mayoría de las empresas que crean controles para gestionar esa acción. Ese es el punto en el que el despliegue de un triciclo deja de ser un piloto desperdiciado y comienza a ser una carga.
El cuello de botella se sitúa entre el modelo y el flujo de trabajo
Este es un patrón que sigue apareciendo en los diferenciales reales. La demostración piloto es hermosa. Los agentes registran respuestas, procesan facturas y programan reuniones antes de que alguien pregunte. Todos en la sala asintieron. Luego tienes que correr en producción, en contra de lo que arroja el martes allí, y se estanca en cosas poco glamorosas. A la factura le falta un campo. Registros de clientes duplicados. La política cambió la semana pasada y nadie actualizó el flujo de trabajo. El agente no pudo comunicarse con el sistema de registro. Los datos deben vivir detrás de las tres paredes del consentimiento. Nadie se puso de acuerdo sobre cómo es el “trabajo”. Ningún ser humano tiene la autoridad para cerrarlo cuando se desplaza.
Cada uno de esos fracasos vive en el alcance y la propiedad, no en el modelo. Los agentes que pueden actuar dentro de su negocio son tan buenos como los rieles que construye a su alrededor, y la mayoría de las empresas todavía los tratan como una idea de último momento. Compran la capacidad y pasan la disciplina operativa. El modelo aparece en los titulares, mientras que la integración y la rendición de cuentas quedan sin personal. Luego vino la revisión del presupuesto, alguien preguntó qué hay detrás del proyecto y dónde está la sala en silencio. Ese silencio es el sonido de la cancelación.
La demostración es una promesa. La producción es contractual.
En la brecha entre ambos es donde desaparece gran parte de este dinero. Cerrar es principalmente trabajo operativo y es lo primero que se corta cuando se vende un proyecto en la demostración. El mercado de vendedores empezó a reclamar lo mismo. Los “agentes gubernamentales”, las barreras de seguridad, las pistas de auditoría y las torres de control están pasando de ideas tardías a argumentos de venta, porque las primeras implementaciones han demostrado lo que falla.
Tres preguntas antes de dar luz verde a otro agente
La solución es sencilla, aunque pasada de moda: más estricta en cuanto a la implementación. Antes de aprobar al próximo agente piloto, un ejecutivo debe poder obtener tres respuestas en lenguaje sencillo. ¿Cuáles son las métricas de éxito escritas y quién está de acuerdo con ellas? ¿A qué datos y herramientas deben acceder los agentes? ¿Tienen acceso a ellos ahora? Cuando falla, ¿a quién le importa, quién es el dueño de los resultados y con qué rapidez alguien puede volver a encarrilarse?
Si la respuesta es no, el proyecto no está listo y los fondos son de alguna manera tu parte del 40%. Simplemente pídale a su agente de ventas que lo guíe a través de los tres antes de registrarse. Quienes construyan sistemas reales tendrán la respuesta. Aquellos que reenvasan los chatbots como agentes rápidamente convertirán a los sujetos en modelos.
Prueba real
La predicción de Gartner puede ser correcta y será leída como un juicio sobre la tecnología. Esa es la lectura equivocada. Los agentes que sobrevivan a 2027 no serán los que ejecuten los modelos más grandes. Serán el número publicado en el trabajo y el nombre en el interruptor de anulación. Es la misma disciplina de implementación que las empresas aplican en otros lugares y se olvidan de aplicarla a los agentes. La ola se acerca. Que su proyecto se vea arrastrado depende de lo que publique y no de cómo lo publique.
