Talento mixto: seis claves para desplegar agentes de IA con éxito
La nueva tecnología gana terreno dentro de las organizaciones y empiezan a ejecutar cada vez más procesos completos, combinando autonomía algorítmica y liderazgo humano; el desafío de redefinir los equipos de trabajo
10 minutos de lectura'
PARA LA NACIONMartina Rua
La diferencia entre una app de IA y un sistema de agentes de IA reside en el grado de autonomía y en el tipo de valor que pueden aportar. Si la IA responde a pedidos puntuales y reactivos, por ejemplo, resumir un texto, recomendar un producto o contestar una consulta y su acción termina allí, un sistema de agentes de IA, en cambio, trabaja orientado a objetivos y pasa a ser parte activa de sus procesos: puede planificar pasos, coordinar distintas tareas, interactuar con múltiples sistemas y ejecutar acciones de principio a fin, con supervisión humana.
Un informe de Gartner de agosto de este año, indica que el 40% de las aplicaciones empresariales se integrarán con agentes de IA específicos para cada tarea para finales de 2026, frente a menos del 5% actual. A medida que las organizaciones aceleran la transformación digital, la IA con agentes irá más allá de la productividad individual, estableciendo nuevos estándares para el trabajo en equipo y el flujo de trabajo mediante interacciones más inteligentes entre humanos y agentes. El Índice de Tendencias Laborales de Microsoft 2025 señala que el 86% de los líderes planea incorporar agentes digitales en los próximos 12 a 18 meses, el 37% espera que sus equipos aprendan a entrenarlos y el 29% que los gestionen activamente en los próximos años.
También el índice Global de Preparación de IA de Salesforce, sostiene que se espera que la adopción de agentes de IA, trabajando mano a mano con humanos, aumente un 327% en los próximos 2 años, generando una ganancia en productividad del 30%. Los países aptos para aprovechar su potencial estarán mejor parados para liderar esta próxima ola de transformación. Este índice, que evalúa a 16 mercados donde la compañía opera a partir de 31 indicadores, posiciona a Brasil (18.0), México (15.3) y Argentina (14.1) significativamente por debajo del promedio global (22.1) en la preparación general para la IA agéntica, donde Estados Unidos (39.7) lidera el ranking sobre un total de 50. Queda un gran camino por recorrer.
En este contexto, LA NACION conversó con 7 de los principales actores tecnológicos del país que coinciden en que el despliegue de los agentes de IA serán un factor clave de competitividad el próximo año. Ya lo están viendo en casos de uso que lograron eficiencia, automatización, ahorro de tiempo y recursos impensados hasta hace 2 años, con despliegues en bancos, aseguradoras, en retail, sector público, energía, salud y más. De sus experiencias se desprenden estas seis claves para trabajar con agentes de IA con éxito en 2026:
1.Entender qué es (y qué no es) un agente de IA
Hasta hace poco usar IA en una empresa significaba aplicar modelos que analizan información y generan respuestas: por ejemplo, un chatbot que contesta preguntas o una herramienta que resume documentos. En estos casos, la IA asiste, pero no toma iniciativa ni ejecuta acciones por sí misma. En cambio, la evolución hacia agentes de IA va un paso más allá: este sistema recibe un objetivo, decide cómo alcanzarlo, interactúa con distintos sistemas y actúa de manera autónoma dentro de límites definidos y custodiados por las personas. Podríamos decir que un agente no solo “piensa”, sino que hace, encadenando tareas que antes requerían intervención humana constante. Estos agentes se conforman por un modelo de IA, algo así como su cerebro, un objetivo o rol claramente definido un conjunto de herramientas habilitadas (bases de datos, aplicaciones con las que puede interactuar), reglas y controles que limitan y supervisan su accionar y un sistema de memoria y contexto que le permite aprender de interacciones previas. Juntas, estas piezas convierten a la IA en un actor capaz de ejecutar procesos completos.
Además, estos agentes pueden interactuar con los modelos más avanzados de IA. Luis Caro, jefe del equipo Latam Cloud and IA Innovation de AWS, explica que se está evolucionando hacia “agentes de frontera” que es un agente de IA autónomo que se apoya en los modelos de lenguaje más avanzados disponibles y que está diseñado para razonar, tomar decisiones en varios pasos, interactuar con sistemas empresariales existentes y ejecutar acciones de punta a punta, con mínima intervención humana. Estos agentes tienen capacidad cognitiva para entender contexto complejo, planificar tareas, manejar instrucciones ambiguas y trabajar con múltiples fuentes de información. Además, aprenden de sus errores y auditan su desempeño mientras trabajan, lo que significa que siempre están mejorando”, explica
2.Empezar por el negocio, no por la tecnología
El primer paso para implementar agentes no tiene nada que ver con la tecnología, sino con elegir bien dónde pueden generar impacto real. “La implementación de un agente exitoso comienza con identificar un problema real de la organización. No es casual que, según el Índice de Tendencias Laborales 2025, el 36% de las organizaciones argentinas ya utiliza agentes para automatizar flujos completos, en un contexto donde el 79% de los trabajadores afirma no tener suficiente tiempo o energía para hacer su trabajo”, describe Ezequiel Glinsky, director de Tecnología para Microsoft Latinoamérica.
La implementación exitosa de agentes de IA requiere un enfoque horizontal y colaborativo de todas las partes de la compañía y abarca todas las jerarquías. Natalia Scaliter, gerente general de Google Cloud Argentina, recomienda trazar un plan dividiéndolo en tres niveles de gestión: nivel estratégico, donde los directivos y los líderes de TI son los principales gestores. Su rol es dar el “por qué” y el “para qué”. Un nivel técnico y de implementación, donde se encuentran los equipos que construyen y mantienen el sistema. Paralelamente, los equipos de datos son cruciales: gestionan la “memoria” del agente. Y un nivel de gobernanza, los equipos de seguridad y cumplimiento son los guardianes. A esto le suma la relevancia del apoyo externo para la implementación y optimización a gran escala, que las empresas suelen trabajar con un ecosistema de partners.
3.Preparar los cimientos: datos y sistemas de integración
La calidad y preparación de la información son la piedra angular para que estos sistemas sean efectivos. Para que la data pueda ser conectada y utilizada por los agentes de IA, debe cumplir con varias características esenciales. “La base es que la información debe ser confiable y abundante, pero también pertinente para el propósito del agente. Esto implica que, por ejemplo, si un agente está diseñado para soporte técnico, necesita datos de problemas técnicos y sus soluciones, no de promociones de marketing”, describe José Luis Varela, vicepresidente de Soluciones de Salesforce. Además, para que un agente interactúe de manera natural y cercana, su “lenguaje” debe ser configurado con una gran variedad de expresiones. Esta diversidad en los datos de configuración permite al agente reconocer la intención del usuario incluso cuando se usan frases inusuales. “A medida que el agente interactúa, se generan nuevos datos sobre su rendimiento y la satisfacción del cliente. Esta información es crucial para iterar y mejorar continuamente su ‘lenguaje’, su capacidad de respuesta y su utilidad”, completa Varela.
Emiliano Actis Dato, Customer Success Leader en IBM Argentina, Paraguay y Uruguay, introduce el concepto de “AI ready Data”, que son datos listos para la inteligencia artificial. Como en todo gobierno de datos, involucra activos digitales que estén bien documentados, catalogados, y que cuenten con metadata asociada a ellos. “La particularidad en IA Generativa es que hablamos mayoritariamente de datos no estructurados, que a priori parecen más difíciles de gobernar. Cada documento deberá tener su dueño, su fecha de creación y vigencia, tags o indicadores sobre el tema del que trata, categorías, procesos que lo utilizan, etc. Esos documentos se espera que estén en un lugar centralizado, con controles de acceso, permisos que permitan monitorear y controlar su calidad”, describe Actis.
4.Empezar chico, probar rápido y escalar con control
Aunque es un tema global, en Latinoamérica y en Argentina en particular, la mayoría de las empresas tiene una deuda en la calidad y confianza que puede tener en sus datos y en el acceso a toda la información desestructurada con la que trabaja. La ansiedad por saltar a la era de la IA, está provocando que muchos subestimen lo que implica el primer paso que es el de preparar los datos para que puedan ser usados por los agentes con eficiencia. “El consejo que nosotros le damos a los clientes es que no esperen a tener todos los datos al 100% listos para trabajar con agentes, porque si esperás a eso podés perder competitividad respecto de la competencia. Recomendamos trabajar de manera holística los temas culturales y empezar con las primeras aplicaciones más simples y pequeñas que no requieren tener el 100% de los datos organizados. Conquistar esos ‘early wins’ y en paralelo ir trabajando en una estrategia robusta de datos general”, aconseja Luis Caro de AWS.
5.Establecer la gobernanza, seguridad y confianza
Es fundamental, y muchas veces subestimado, incorporar desde el inicio el uso responsable y ético de IA en la estrategia. Esto implica mecanismos de monitoreo, “explicabilidad” (que el sistema de IA permita al humano entender para confiar en sus decisiones) y control de calidad que permitan detectar sesgos, alucinaciones o decisiones incorrectas antes de impactar a un usuario o proceso crítico. “La clave del éxito no es construir rápido, sino construir con propósito, confiabilidad y trazabilidad. Un agente sin gobierno es solo un experimento, un agente gobernado es una solución”, describe Victoria Martínez Suárez, gerente de Desarrollo de Inteligencia Artificial de Red Hat Latinoamérica. Para la experta se trata de un enfoque completamente multidisciplinario, donde la interacción entre negocio, ingeniería, seguridad y datos es la única forma de garantizar agentes confiables y eficientes. “La accesibilidad de las herramientas no debe confundirse con simplicidad técnica: detrás de una buena solución hay decisiones de arquitectura, optimización, privacidad y compliance que solo un equipo técnicamente sólido puede garantizar”, agrega.
6. Personas y cultura: el factor que define el éxito
Sin personas liderando los datos, colaborando entre departamentos y dispuestas a aprender cómo transitar esta nueva “convivencia”, no hay agentes de IA posibles. “La IA no debe ser vista como algo externo o ajeno a la cultura organizacional, sino como una herramienta fundamental que ayuda a mejorar los procesos y la calidad del trabajo y facilita la toma de decisiones. Por eso es importante trabajar en superar la resistencia al cambio, fomentando una cultura interna que valore la innovación y la experimentación, una mentalidad que debe permear en todos los niveles de la organización para que una estrategia con agentes de IA funcione”, reflexiona Gabriel Antelo, VP de Tecnología de Globant Enterprise AI.
Glinsky de Microsoft agrega que esta era de la IA agentica, refleja la evolución de las compañías hacia las llamadas ‘empresas de frontera” que ponen la IA en el centro al servicio de las personas y trabajan con equipos híbridos de humanos y agentes. Según el Índice de Tendencias Laborales 2025, 8 de cada 10 líderes argentinos espera incorporar agentes en 2026, y eso implica que cada colaborador deberá aprender a dirigirlos. En esta nueva estructura más dinámica, cualquier persona puede convertirse en jefa o jefe de agentes, guiando a estos sistemas del mismo modo que hoy guía herramientas, procesos o proyectos.
Mientras avanzamos hacia un entorno profundamente atravesado por la tecnológico, el diferencial estará en el liderazgo humano que este nuevo ecosistema requiere. La estrategia 10-20-70 de Boston Consulting Group (BCG) plantea que el éxito en la adopción de inteligencia artificial no depende principalmente de la tecnología, sino de cómo las organizaciones gestionan el cambio. Según este enfoque, solo el 10% del esfuerzo está en los algoritmos y modelos de IA, el 20% en los datos y la tecnología que los soporta, y el 70% restante en las personas, los procesos y la transformación cultural. Ahora sí ¿Listos para desplegar agentes en 2026?
Más leídas de Economía
1“Basta de humo”: qué hay detrás de la masiva protesta de agricultores europeos que se oponen al acuerdo con el Mercosur
2A cuánto cotizó el dólar este jueves 18 de diciembre
3Calendario de pago del IPS: cuándo cobro la jubilación y el aguinaldo en diciembre 2025
4Por qué la Argentina fue el segundo país del año, según The Economist
