En junio de 2025, Gartner publicó una advertencia que atravesó el mercado de tecnología: más del 40% de los proyectos de IA agéntica serán cancelados para fines de 2027. No era un problema de tecnología insuficiente. Era un problema de expectativas que nunca se cumplieron. Gartner nombró al culpable: "agent washing", la costumbre de los proveedores de rebautizar asistentes de IA y automatizaciones viejas como "agentes" sin ningún cambio real. De los miles de empresas que dicen vender agentes, Gartner estimó que solo unas 130 ofrecen algo real.
Para las empresas de Brasil y América Latina, esto es urgente. Cuando una empresa decide invertir en IA agéntica, busca trabajo hecho, no una conversación bien armada. Y la diferencia entre lo que promete la diapositiva y lo que realmente se entrega es justo donde aparecen las cancelaciones.
El problema que ninguna IA resuelve sola
Un agente rebautizado es un chatbot que responde mejor. Un agente real es un programa que actúa. La diferencia va más allá del marketing: es arquitectura.
Cuando el área financiera necesita un agente para auditar cuentas por cobrar, la expectativa es que entre al sistema, vea quién está atrasado, ordene por tiempo de atraso, redacte un correo de cobranza y, antes de enviarlo, se detenga a pedir la aprobación de un gerente. Todo esto dejando un registro de cada paso.
Lo que muchos proveedores entregan en cambio es un chatbot mejor que conversa sobre cuentas por cobrar, mientras alguien de finanzas todavía tiene que hacer manualmente cada una de las acciones.
Según Outreach, cinco capacidades distinguen a un agente real de una automatización rebautizada: decisión inteligente ante señales variadas, no un guion fijo; reunir información de varios sistemas a la vez, no un solo registro; ejecutar tareas que toman tiempo sin intervención manual; identificar señales críticas y actuar sobre ellas; y sugerir el siguiente paso más adecuado para esa situación específica.
Buena parte de los proyectos cancelados nació justo en ese hueco: entre decidir y sugerir, y realmente ejecutar y adaptarse solo.
Una rutina común de oficina ayuda a ver esta diferencia de cerca. Cada semana, el área financiera de una empresa mediana recibe decenas de facturas de proveedores para conciliar contra la orden de compra antes de liberar el pago. Un chatbot rebautizado puede explicar el proceso e incluso señalar una discrepancia cuando alguien pregunta. Un agente real entra al sistema financiero, cruza cada factura con la orden correspondiente, marca las que no coinciden y solo libera el pago después de que alguien lo confirma, sin que nadie tenga que copiar datos de una pantalla a otra.
Por qué prohibir e implementar por separado no funciona
Muchas empresas intentan dos caminos que fracasan. El primero es desconfiar de todo lo que promete IA agéntica y prohibir la tecnología. El segundo es acumular pilotos desconectados, cada equipo con su propio agente, sin un estándar de identidad ni de auditoría.
Los números muestran el patrón. Según una encuesta de Anagram con profesionales de Estados Unidos, el 45% de los empleados ya usó herramientas de IA prohibidas por su empleador — el 26% de ellos en la semana previa a la encuesta. Una política sin alternativa cómoda no reduce el uso. Reduce su visibilidad.
Dejar que cada equipo implemente un agente por su cuenta tampoco resuelve nada. Lo que funciona bien queda atado a quien lo descubrió. No queda documentado quién autorizó cada acción. Cuando hay un incidente, nadie puede reconstruir qué hizo el agente ni por qué.
La Cloud Security Alliance encontró que el 71% de las conexiones a herramientas de IA ocurre mediante cuentas personales, fuera del control corporativo. En ese escenario, es imposible saber quién pidió qué, con qué información y bajo qué autorización.
El problema no se limita a agentes mal etiquetados. Un estudio del MIT, publicado en 2025 por la iniciativa NANDA y basado en 300 implementaciones analizadas, 150 entrevistas con ejecutivos y una encuesta a 350 empleados, encontró que solo cerca del 5% de los pilotos de IA generativa en las empresas acelera los ingresos; la gran mayoría se estanca, con poco o ningún impacto medible en el resultado financiero. Según el estudio, el motivo casi nunca es la tecnología en sí: es la falta de integración de la herramienta al flujo de trabajo real del equipo, el mismo punto ciego que deja espacio para el agent washing.
Lo que tiene que existir en la práctica
Un entorno con agentes reales se define por cuatro mecanismos verificables. Ninguno se trata de desconfiar del equipo. Se trata de dejar que trabaje con IA sin que cada persona cargue sola con la responsabilidad de cada decisión.
Identidad corporativa, no cuenta personal. El agente entra con el mismo usuario de la red — la persona que lo controla usa su identidad corporativa, el perfil viene del directorio y quien es dado de baja pierde el acceso junto con él, sin depender de que alguien recuerde revocar una cuenta suelta. Eso responde una pregunta simple: ¿quién tenía el control?
Acceso función por función. Si un agente solo necesita leer documentos de RR. HH., se libera lectura de RR. HH. Si además necesita agendar reuniones en un calendario corporativo, se agrega el permiso de calendario. Nadie libera "todo" porque "era la única forma". La granularidad existe para que un incidente de seguridad no le entregue al atacante todas las llaves de la casa.
Aprobación humana antes de una acción sensible. Las acciones de riesgo (enviar un correo en nombre de la empresa, registrar datos financieros, agendar una reunión con quien toma decisiones) hacen que el agente se detenga y pida la confirmación de una persona antes de seguir. Los documentos críticos pueden exigir revisión de dos personas, con quien escribe separado de quien aprueba, dejando claro quién autorizó que ese contenido se convirtiera en información que el agente va a usar.
Registro de auditoría detallado. Cada acción del agente queda registrada: qué herramienta se conectó, qué permisos se usaron, quién aprobó, qué cambió y cuándo. En una auditoría o en la investigación de un incidente, esa es la diferencia entre reconstruir todo en minutos y no poder reconstruirlo.
Así fue diseñada Skyller: agentes que operan con identidad corporativa real, aprobación humana antes de acciones sensibles y un registro de auditoría en cada paso.
La ganancia no es solo para TI: es para toda la empresa
Cuando el agente opera bajo reglas claras de identidad y aprobación, lo que funciona bien deja de estar atado a una sola persona. El analista que descubrió el mejor camino para procesar una factura puede documentarlo una vez, y el agente lo ejecuta para todos los que tienen permiso. Alguien del equipo crea; la empresa entera avanza.
La segunda ganancia es de presupuesto. Cuando cada equipo compra su propia suscripción de IA, sobran licencias sin usar de un lado y gente llegando al límite del otro. Los créditos compartidos por el equipo resuelven ambos problemas: quien necesita más usa más, y el consumo queda visible.
Para una empresa de Brasil o América Latina que todavía maneja buena parte del backoffice en hojas de cálculo y correo electrónico, esa ganancia cuenta doble. Es más fácil justificar la inversión ante la dirección cuando el resultado es medible — menos retrabajo, menos personas atadas a tareas repetitivas — y no solo una demostración bien armada. Y como el proceso queda documentado dentro del propio entorno, la salida de un empleado no se lleva consigo el camino que él mismo diseñó.
Cuatro preguntas para hacer en la demostración
Antes de firmar con un proveedor de agentes, lleva estas preguntas a la demostración. Las respuestas revelan si estás comprando un agente real o un chatbot con otro nombre.
-
"Si hoy se desvincula a un colaborador, ¿a cuántas herramientas todavía puede entrar mañana?" Si la respuesta depende de que alguien recuerde cancelar cuentas en cada plataforma, el problema no es de seguridad: es falta de identidad corporativa. Un agente real se integra al directorio de la empresa.
-
"Cuando el agente necesita hacer algo importante, ¿se detiene y pide la aprobación de un gerente dentro de la conversación, o solo avisa después?" Si la respuesta es "solo avisa después" o "el usuario tiene que aprobar todo", estás mirando un asistente. Un agente real equilibra autonomía con riesgo: hace algunas cosas solo y se detiene para otras.
-
"Si hubo un incidente —un agente envió un mensaje equivocado o conectó datos incorrectos—, ¿pueden reconstruir exactamente qué se hizo, quién lo aprobó y por qué?" Si la respuesta incluye "sería difícil" o "depende de registros que tal vez no estén disponibles", no hay un registro de auditoría real. La empresa no podrá investigar después.
-
"¿El agente puede trabajar solo con permisos mínimos —leer un tipo de documento, conectarse a un sistema— o necesita acceso amplio?" Si necesita acceso amplio, un error alcanzará más de lo que debería. La granularidad de permisos es la señal de que el proveedor pensó en seguridad, no en la conveniencia de implementar rápido.
