Hay una pregunta que aparece cada vez con más frecuencia en conversaciones sobre IA en empresas, y que genera respuestas muy reveladoras: ¿cuántos agentes de IA tienen corriendo hoy? No en un piloto, no en una demo, no en un ambiente de prueba. En producción, haciendo algo real, de forma autónoma, todos los días.
La respuesta habitual es silencio, o una variante de "estamos explorando". Eso no es un problema en sí mismo, pero sí dice algo importante sobre dónde está parada la empresa.
Lo interesante es que la respuesta varía mucho según qué plataforma usa la organización. Las empresas que operan con la suite enterprise de Microsoft 365 Copilot o Google Workspace tienden a tener algo parecido a un inventario centralizado: los agentes corren dentro del ecosistema, hay al menos una capa de visibilidad de qué se habilitó y quién tiene acceso a qué. Algo similar ocurre con los planes enterprise de Claude o ChatGPT, que incluyen controles de administración y visibilidad de uso. Pero la realidad de muchas organizaciones es diferente: equipos que adoptaron herramientas de IA de forma individual, con planes personales o de equipo pequeño, sin políticas centralizadas, y donde nadie tiene una vista consolidada de qué está corriendo y con qué acceso. Eso es shadow AI en su versión más concreta, y es más común de lo que se reconoce en voz alta.
Esta semana, xAI hizo algo que ilustra bien la dirección en la que va la industria: lanzó Grok Bot Galaxy, un livestream en vivo donde muestran cómo ejecutar procesos de una empresa completa usando agentes. No es un video editado ni una presentación de slides: es en vivo, con agentes trabajando en tiempo real. El mensaje que eso manda no es "la IA lo puede todo"; es que los grandes actores ya están normalizando la idea de que una empresa puede operar con agentes autónomos tomando decisiones y ejecutando tareas de manera continua. No es un experimento de laboratorio. Es una demostración pública de lo que viene.
El número importa menos que la capacidad de responderlo con precisión.
Si la respuesta es cero, al menos es honesta y útil: la empresa sabe que todavía no tiene nada en producción. Si la respuesta es "uno, en el proceso de onboarding de clientes, corriendo desde hace tres meses", eso también dice algo concreto y valioso. El problema aparece cuando la respuesta es "depende de cómo lo definas" o "tenemos varias cosas con IA pero no sé si eso cuenta como agente". Esa respuesta revela falta de claridad sobre qué está pasando realmente, y esa falta de claridad tiene consecuencias prácticas cuando algo sale mal o cuando alguien del directorio pregunta por el retorno de las iniciativas de IA.
Tener un primer agente corriendo bien, aunque sea uno solo, cambia la conversación dentro de una organización de una manera que ningún curso ni conferencia puede replicar. Porque cuando hay algo real en producción, aparecen preguntas que no se hacen en la teoría: ¿quién revisa los casos que el agente no supo resolver? ¿Qué pasa cuando el sistema externo al que se conecta cambia? ¿Cómo sabemos si el agente está tomando buenas decisiones o solo decisiones rápidas? Esas preguntas generan capacidad organizacional. Y esa capacidad es lo que separa a las organizaciones que están madurando en IA de las que siguen en modo exploración perpetua.
Esto no es un argumento para desplegar agentes a cualquier costo. Un agente mal diseñado, con acceso amplio a sistemas críticos y sin supervisión adecuada, es peor que no tener ninguno. Lo que sí es urgente, especialmente mientras la industria normaliza cada vez más el uso de agentes autónomos, es que el gobierno y la adopción vayan adelante de la tecnología y no detrás. Saber cuántos agentes tiene la organización corriendo, con qué alcance, con qué responsables y con qué criterios de supervisión, no es un ejercicio burocrático. Es la base mínima para operar con criterio en un entorno donde los modelos avanzan semana a semana.
La pregunta "¿cuántos agentes tenés corriendo hoy?" no es una presión para tener más. Es una invitación a saber exactamente dónde está la empresa. Porque la madurez en IA no se mide por cuántas herramientas se habilitaron ni cuántos talleres se hicieron. Se mide por cuánto de lo que se dice que se está haciendo realmente está en producción, con responsables claros, con supervisión real y con resultados medibles.
Esa es la diferencia entre hablar de agentes y tenerlos.
