Este año muchas empresas compraron o construyeron su primer agente de IA. Algunas lo hicieron por convicción, otras por no quedar atrás frente a la competencia, y no pocas porque un proveedor se los ofreció envuelto en el lenguaje correcto. Lo que viene ahora es menos entusiasta que el lanzamiento: un filtro. Buena parte de esos proyectos no va a seguir en pie dentro de un año y medio.
No es una predicción alarmista. Es el mismo patrón que ya se ha visto con cada ola de tecnología empresarial nueva, desde la nube hasta el RPA. Lo que decide quién sobrevive casi nunca es la calidad del modelo detrás del agente. Es si alguien, dentro de la empresa, definió con claridad qué proceso cambia, quién responde por que funcione y cómo se sabe si efectivamente está funcionando.
La falta de gobernanza es, en la mayoría de los casos, el primer síntoma. Un agente se despliega como proyecto de innovación, con un sponsor entusiasta y un equipo de tecnología que lo construye o lo integra. El problema aparece después del lanzamiento, cuando ese sponsor pasa a otra prioridad y nadie queda a cargo de la operación diaria: revisar excepciones, ajustar el criterio cuando el proceso de negocio cambia, decidir qué hacer cuando el agente se equivoca. Sin ese dueño operacional, el agente sigue corriendo en segundo plano hasta que alguien nota que ya nadie confía del todo en lo que hace.
El costo es el segundo filtro, y suele ser silencioso. Durante el piloto, el consumo de cómputo y las llamadas a modelos externos son bajos y nadie los mira con lupa. Cuando el agente pasa a producción y su uso escala, esos costos también escalan, junto con el mantenimiento de las integraciones y el tiempo de las personas que revisan lo que el agente no supo resolver. Si nadie definió desde el principio cuánto cuesta cada resultado que el agente entrega, la primera revisión presupuestaria seria termina siendo la última conversación antes de apagarlo.
El tercer filtro es el más incómodo porque es el más fácil de evitar y el que menos empresas resuelve a tiempo: el valor poco claro. Un agente puede verse impresionante en una demo y seguir sin tener una métrica de éxito definida desde el día uno. Reduce tiempo, sí, pero ¿comparado con qué línea base? Contesta consultas, sí, pero ¿cuántas de esas resoluciones habrían tomado la misma cantidad de tiempo con el proceso anterior? Cuando llega el momento de justificar la renovación o la expansión del agente, y nadie puede responder esas preguntas con un número, la conclusión ejecutiva casi siempre es la misma: cortar por lo sano.
Hay una secuencia que muchas empresas se saltan, y vale la pena decirlo sin rodeos: no todo necesita ser un agente. Para que algo llegue a ser un agente, primero hay que haberlo automatizado. Antes de automatizarlo, hay que haber recorrido el proceso de forma manual, apoyado en IA. Y antes de eso, ese proceso manual tiene que estar definido y ser entendido por las personas que lo ejecutan todos los días. Saltarse esos pasos e ir directo al agente es como intentar correr antes de haber aprendido a caminar: el cuerpo puede aguantar un par de pasos, pero la caída llega rápido, y suele llegar delante del cliente o del directorio.
Antes de poner un agente a trabajar, una empresa necesita responder tres preguntas de negocio, no de tecnología: qué proceso específico va a cambiar, quién es el dueño operacional una vez que el proyecto deja de ser una novedad, y qué resultado medible define si valió la pena. Ninguna de las tres depende del proveedor ni del modelo elegido. Dependen de una decisión de gestión que tiene que tomarse antes de escribir la primera línea de configuración, no después de la primera factura sorpresiva.
Esto no significa que haya que frenar la adopción de agentes ni tratarlos con sospecha permanente. Significa dejar de tratarlos como una compra de software más y empezar a tratarlos como un cambio en la forma en que trabaja un equipo, con la misma disciplina de gobierno, costo y medición que se le exige a cualquier otra decisión operacional relevante.
El filtro que viene no castiga a las empresas que se equivocaron probando. Castiga a las que confundieron encender un agente con haber tomado una decisión de negocio.
