Como resultado, los equipos necesitan algo más que consejos de la IA. La
IA agéntica marca la transición desde una IA que recomienda hacia una IA que
actúa y ejecuta tareas. Las organizaciones que aún utilizan la IA como asesora
están quedando atrás frente a aquellas que la utilizan como operadora.
Este cambio no es incremental. Representa una transformación estructural
en la manera en que operan las tecnologías en las empresas, pasando de una
función reactiva de soporte a una capa autónoma de ejecución.
Sin embargo, menos del 10% de las organizaciones han logrado escalar
exitosamente agentes de IA en alguna función, según el informe State of AI 2025
de McKinsey & Company, lo que revela que, para la mayoría de las empresas,
la brecha entre la ambición en IA y la realidad operativa sigue siendo amplia.
Qué es realmente la IA agéntica
La mayor parte de la IA en las empresas sigue siendo de carácter asesor.
Se le hace una consulta y responde. La IA agéntica funciona de forma distinta:
monitorea condiciones, aplica políticas definidas por humanos y actúa en nombre
del usuario, sin necesidad de esperar instrucciones directas.
Pero el nivel de autonomía otorgado a estos sistemas marca una
diferencia enorme. El enfoque prudente consiste en comenzar en modo de recomendación
antes de avanzar hacia una autonomía total. Así es como se establecen
mecanismos de gobernanza, se prueban políticas, y se incorpora explicabilidad
sobre los resultados y decisiones de la IA, antes de que aumenten los riesgos.
La supervisión y la auditabilidad son lo que hacen que la IA agéntica
esté preparada para entornos empresariales. Aun así, solo una de cada cinco
compañías posee un modelo maduro de gobernanza para agentes autónomos de IA,
según Deloitte.
Las organizaciones necesitan correlacionar, enriquecer y ajustar modelos
de IA utilizando información propietaria que puedan controlar. Por eso los
datos son tan críticos para la IA agentica.
En una era donde los modelos son cada vez más intercambiables, la
calidad, gobernanza y accesibilidad de los datos empresariales se convierten en
los verdaderos diferenciadores.
El problema de la base de datos
Estas brechas de gobernanza apuntan a un problema más profundo: los
datos. Si la base no es sólida, incluso los sistemas agénticos más sofisticados
fracasarán. La IA agéntica solo puede actuar responsablemente si tiene acceso
gobernado a datos confiables. Para entender esto, es necesario examinar las
tres fases diferenciadas por las que la IA atraviesa dentro de una
organización.
Preparación de datos: Los datos se integran en un “lago de datos” capaz
de manejar fuentes estructuradas y no estructuradas, escalar desde petabytes
hasta exabytes y mantener una estructura de costos acorde a su volumen.
Entrenamiento del modelo: Un subconjunto curado de esos datos se somete
a procesamiento intensivo. Aquí, las exigencias de infraestructura cambian
desde la escala hacia la capacidad de procesamiento.
Inferencia: El
modelo entrenado se despliega, muchas veces en múltiples ubicaciones cercanas
al consumidor de IA. La demanda cambia nuevamente, esta vez hacia latencias
extremadamente bajas.
La fase que recibe menos atención es la preparación de datos. Ahí es
donde la gobernanza se establece o se omite. Las compañías deben gestionar
trazabilidad de datos, requerimientos del Reglamento General de Protección de
Datos, de Información de Identificación
Personal, modificados o eliminados antes de iniciar el entrenamiento. Los datos
deben comprenderse antes de utilizarse.
El imperativo de la gobernanza
Al operar IA agéntica, la gobernanza debe integrarse desde el inicio en
la forma en que el sistema funciona. Si un sistema no puede explicar qué hizo,
por qué lo hizo y qué política aplicó, no está listo para un despliegue
empresarial.
Alrededor del 77% de las organizaciones trabajan activamente en
programas de gobernanza de IA, mientras que el 90% ya está desplegando IA. Pero
solo el 45% cuenta con un marco de trabajo (framework) formal de gobernanza,
según un informe de Hitachi Vantara. La gobernanza incorporada al sistema
se convierte así en una ventaja competitiva.
Sin embargo, los frameworks de gobernanza por sí solos no son
suficientes. La arquitectura Zero Trust es el mecanismo de cumplimiento forzoso
que asegura la real gobernanza. En un mundo donde sistemas de IA agéntica toman
decisiones autónomas sobre infraestructuras complejas, el principio de “nunca
confiar, siempre verificar” se vuelve esencial.
Usuarios y sistemas deberían acceder únicamente a los datos para los
cuales están autorizados, y nada más. Sin Zero Trust, incluso una gobernanza
bien diseñada se vuelve difícil de aplicar a la velocidad y escala requeridas
por la IA agéntica.
Autonomía confiable
La conversación sobre IA agentica suele enfocarse en velocidad y escala,
pero el aspecto verdaderamente crítico es la confianza. Eso significa sistemas
en que las empresas puedan confiar para actuar correctamente en su nombre,
dentro de políticas definidas y con total accountability (rendición de
cuentas).
La autonomía confiable implica un sistema que sabe qué hacer, puede
demostrar cómo llegó a esa decisión, y opera dentro de límites cuidadosamente
definidos. Para lograrlo, las organizaciones necesitan bases de datos sólidas y
frameworks robustos de gobernanza.
Las empresas donde la alta dirección participa activamente en la
gobernanza de IA obtienen mayor valor de negocio que aquellas que delegan esta
tarea únicamente a equipos técnicos, según Deloitte.
La IA agentica puede
pasar del hallazgo profundo y procesable, extraído de un gran volumen de datos
(insight), a la acción sin comprometer gobernanza, integridad de datos ni
confianza. Tiene el potencial de saber qué hacer sin necesidad de instrucciones
detalladas o supervisión constante.
Para los especialistas en tecnologías empresariales, la IA agéntica ya
está aquí. La pregunta crítica es si la infraestructura, los datos y la gobernanza
están realmente preparados para soportarla.
Fuente: Prensa EDM comunicaciones Daniel
Contreras
Ajuste de contenido y diagramación: bersoahoy.co















