El 85% de las organizaciones afirma querer ser «agentic» en los próximos tres años. Es decir, integrar agentes de inteligencia artificial capaces de ejecutar flujos de trabajo completos con supervisión humana mínima. Pero hay un dato que enfría cualquier entusiasmo: el 76% admite que su infraestructura y operaciones actuales no pueden soportar ese cambio, según una encuesta de MIT Technology Review Insights publicada esta semana. La brecha entre la ambición y la capacidad real de ejecución es la historia que define 2026 en el mundo corporativo.
El problema no es técnico. O no solo. Prasun Shah, director global de tecnología para consultoría de fuerza laboral y chief AI officer de PwC UK Consulting, lo explica con una metáfora que está dando que hablar: «Las empresas están pegando cinta adhesiva a las partes de un modelo operativo que ya se está rompiendo». Shah se refiere a la práctica de incrustar agentes de IA en estructuras organizativas diseñadas para humanos, sin replantearse cómo se organiza el trabajo. «Están integrando empleados de IA en un modelo operativo humano», dice. El resultado es que las empresas no obtienen ni lo uno ni lo otro: ni la eficiencia de los agentes ni la flexibilidad humana.
Transformación agéntica de negocio: el nuevo paradigma
Frente a este callejón sin salida, la plataforma empresarial de IA agéntica Ema acuñó el año pasado, junto a HFS Research, un término que busca llenar un vacío en el vocabulario corporativo: agentic business transformation (ABT). «Ninguno de los términos existentes captura el alcance completo del cambio», explica Surojit Chatterjee, CEO y fundador de Ema. «La transformación digital era pasar del papel al software. La transformación con IA era añadir inteligencia artificial a procesos existentes. El copiloto es la IA asistiendo en tareas humanas. Pero ABT es algo categóricamente distinto: es la integración de agentes de IA en el tejido mismo de la organización.»
Según Ema, la ABT descansa sobre tres pilares: la pila tecnológica, la fuerza laboral y las métricas de éxito. Y el orden no es casual. Sin un replanteamiento tecnológico profundo, los agentes no pasan de ser herramientas aisladas.
«La fontanería primero»: la lección de Merck
Mientras muchas empresas debaten sobre teoría, hay casos reales que demuestran que el enfoque correcto funciona. Merck, la farmacéutica estadounidense, lleva meses aplicando agentes de IA en tres áreas críticas: descubrimiento de fármacos, marketing con compliance regulatorio y modernización de aplicaciones. Y los resultados son concretos.
Sean Finnerty, vicepresidente de plataformas digitales de Merck, lo resume en dos palabras: «fontanería primero». La compañía aprendió la lección durante la migración a la nube en la década de 2010, cuando «nadie sabía qué demonios estaba pasando». Ahora Merck gestiona 2.500 cuentas de AWS, varias suscripciones de Azure y nuevas integraciones con Google Cloud Platform. «Con la IA va a pasar exactamente lo mismo —advierte Finnerty—. Vamos a tener miles y miles de agentes. ¿Cómo los registras? ¿Cómo los aseguras? ¿Cómo te aseguras de que están conectados a las herramientas adecuadas?»
Los resultados avalan la estrategia. En el área de descubrimiento de fármacos, un ciclo de investigación asistido por IA se redujo un 33%. «Eso es un año menos en la vida del ciclo de descubrimiento —explica Finnerty—. Lo que significa que, teóricamente, podemos llevar un tratamiento a un paciente que lo necesita un año antes.» En marketing, los borradores generados por IA son «99% correctos» en términos de cumplimiento normativo, reduciendo los ciclos de revisión de meses a días y acelerando la distribución entre un 70% y un 80%.
Mastercard, por su parte, también está viendo resultados con un enfoque similar de infraestructura primero, según detalló la compañía en el mismo evento de VentureBeat. Ambas empresas coinciden en que la clave no está en los modelos de IA, sino en la arquitectura que los soporta.
Agentes como tejido conectivo, no como capa adicional
La metáfora que empieza a imponerse entre los expertos es la del «tejido conectivo». Shah, de PwC, sostiene que el valor de los agentes de IA no reside en ser una capa más en la pila tecnológica, sino en moverse entre capas, coordinando tareas de alto nivel y recuperando datos de múltiples aplicaciones discretas. «Ahí es donde estará el próximo campo de batalla», sentencia.
Chatterjee, de Ema, añade que las organizaciones que hacen este cambio arquitectónico «se vuelven genuinamente más adaptativas. Cuando surge un nuevo requisito de negocio, no esperas seis meses a que un proveedor de software construya una funcionalidad. Configuras un empleado de IA usando lenguaje natural y lo conectas a los sistemas que necesita. El tiempo desde que surge la necesidad hasta que está en producción pasa de meses a días.»
Pero el cambio no es solo tecnológico. Las estructuras laborales actuales apenas se diferencian del modelo jerárquico de los inicios de la industrialización: procesos estandarizados, tareas delimitadas entre unidades de negocio y empleados que ascienden optimizando la producción de los equipos que tienen por debajo. Con agentes de IA que ejecutan, coordinan y optimizan tareas sin necesidad de supervisión directiva, las líneas de esa jerarquía se difuminan. Las empresas que no rediseñen su organigrama se encontrarán con agentes brillantes operando en estructuras que los anulan.
Los desafíos reales: alucinaciones y gobernanza
No todo son buenas noticias. Finnerty admite que su equipo se ha topado con «cosas extrañas» en el camino, especialmente en pruebas automatizadas de código. La IA ha inventado escenarios de prueba para funciones que ni siquiera existen en el código que se supone que debe evaluar. «Me sorprendió, porque creía que ya habíamos superado algunos de los desafíos de alucinación con los modelos más recientes», confiesa.
La solución de Merck es tan elegante como pragmática: usar IA para supervisar a la IA. Aplican puntuaciones de confianza y, si Claude genera una salida inicial, instruyen a Microsoft Copilot para que la evalúe. Es un sistema de pesos y contrapesos que mantiene a raya las alucinaciones sin renunciar a la velocidad de los agentes.
El mensaje de fondo es claro: la IA agéntica no es un producto que se instala, es un cambio de paradigma organizativo. Las empresas que triunfarán en 2026 no serán las que tengan los modelos más potentes, sino las que hayan rehecho sus cimientos —tecnológicos, laborales y métricos— para que los agentes no sean una capa más, sino el tejido conectivo que las mantiene unidas. Como dice Finnerty: «Si hacemos soluciones puntuales, acabaremos con miles y miles de cosas que serán deuda técnica que arrastrar después». La fontanería, una vez más, es lo que marca la diferencia.
Fuentes: MIT Technology Review, VentureBeat, PwC UK Consulting, Ema.