Las empresas tienen 18 veces más agentes de IA que el año pasado. La mayoría no puede demostrar ni un solo dólar de ROI.

Implementar un agente de IA ya es un problema resuelto. Lograr que sea productivo a escala empresarial no lo es. Esa brecha explica la mayor parte de lo que está fallando en la adopción de la IA en 2026.

El Índice de Tendencias Laborales 2026 de Microsoft encuestó a 20.000 trabajadores en 10 mercados y reveló que el uso de agentes de IA en grandes empresas creció 18 veces interanual. La curva de adopción es pronunciada y se acelera. Sin embargo, la Encuesta Global de CEOs de PwC, realizada a 4.454 CEOs, cuenta la otra cara de la moneda: el 56% no registra ningún beneficio financiero derivado de la IA. Solo el 12% ha observado mejoras tanto en la reducción de costes como en los ingresos.

La implementación se llevó a cabo. Los retornos, no. Y la distancia entre estos dos hechos es precisamente donde comienza el verdadero trabajo de la IA empresarial.

Un crecimiento de 18 veces, ¿partiendo de qué exactamente?

El titular del crecimiento multiplero por 18 es real, pero merece un análisis más detallado. Microsoft no reveló el punto de partida. Si una empresa utilizaba dos agentes en 2025 y treinta y seis en 2026, técnicamente se trata de un crecimiento de 18 veces, pero desde una base de partida insignificante. Desde un punto de partida tan bajo, multiplicar por 18 no representa un listón muy alto.

Lo que resulta más revelador es cómo se están utilizando esos agentes. Los datos de Salesforce para 2026 indican que la empresa promedio utiliza actualmente unos 12 agentes de IA, y la mitad de ellos operan de forma totalmente aislada entre sí. Sin contexto compartido. Sin coordinación. Sin posibilidad de que el agente de atención al cliente sepa lo que el agente de ventas ya ha aprendido sobre esa misma cuenta.

Este es el patrón que se repite constantemente. Las empresas adoptan agentes de la misma manera que adoptaron las herramientas SaaS hace una década: un equipo a la vez, resolviendo su propio problema específico, sin que nadie se pregunte si estas herramientas deberían estar conectadas. Soporte técnico adquiere un agente. Finanzas adquiere otro. Recursos Humanos, otro. Cada uno funciona bien por separado, pero ninguno de ellos forma parte de un sistema integrado.

Desde el exterior, el resultado se percibe como una estrategia de IA. Desde el interior, no es más que una colección de automatizaciones inconexas que, casualmente, utilizan modelos de lenguaje de gran tamaño.

Se realizó la inversión. Los retornos no llegaron.

Lo que hace que la cifra de PwC sea tan llamativa es que no se trata de empresas que decidieron quedarse al margen. El Institute for Business Value de IBM estudió a 2.000 CEOs y obtuvo un panorama similar: solo el 25% de las iniciativas de IA alcanzaron el ROI esperado, y apenas el 16% logró escalar más allá de una fase piloto. El informe State of AI de McKinsey constató que menos del 10% de las organizaciones han escalado agentes en al menos una función de negocio, y solo el 39% puede atribuir algún impacto en el EBIT al uso de la IA.

Estas empresas realizaron la inversión. Ejecutaron los pilotos. Desplegaron los agentes. Y, sin embargo, los resultados financieros no se materializaron, porque implementar un agente y lograr que sea productivo resultan ser problemas muy diferentes. El primero es una decisión de compra. El segundo es un desafío de infraestructura que la mayoría de las organizaciones aún no ha comenzado a resolver.

Esta película ya la hemos visto

Cada ola de tecnología empresarial produce su propia versión de este problema. En la década de 2010 fue la proliferación descontrolada de SaaS. Marketing compró Marketo. Ventas compró Salesforce. Soporte compró Zendesk. TI compró ServiceNow. Con el tiempo, alguien hizo el recuento y se dio cuenta de que la empresa pagaba 400 suscripciones sin apenas integración entre ellas. El gasto total era enorme. Los datos vivían en silos. Las mejoras de eficiencia prometidas nunca se materializaron porque las herramientas no podían comunicarse entre sí.

Los agentes de IA están repitiendo exactamente esta misma trayectoria, solo que a mayor velocidad. OutSystems informó en abril de 2026 que el 94% de las organizaciones ya están preocupadas por la proliferación descontrolada de agentes, pero solo el 12% dispone de un sistema centralizado para gestionarla. Esa brecha de 82 puntos entre la concienciación y la acción es precisamente donde el ROI se desvanece.

Cuando los agentes proliferan sin control, los problemas se multiplican. Varios departamentos terminan utilizando agentes que realizan tareas duplicadas sin saber de la existencia de los demás. El agente de incorporación de clientes no conserva memoria de lo que el agente de ventas aprendió durante el ciclo comercial, por lo que el contexto se pierde y hay que empezar de cero cada vez. Nadie tiene una visión clara de qué agentes pueden acceder a qué datos, cuáles están tomando decisiones que afectan a clientes reales o cuáles se han desviado silenciosamente de la función para la que fueron diseñados originalmente.

Y el problema de la medición se vuelve circular. Cuando los agentes operan de forma aislada, es imposible atribuir los resultados a flujos de trabajo específicos. Al no poder atribuir resultados, se reporta "cero beneficio financiero" en las encuestas de dirección, incluso si algunos de esos agentes son verdaderamente útiles. Sencillamente, no se puede demostrar.

Gartner prevé que más del 40% de los proyectos de IA de tipo agente se cancelarán antes de finales de 2027 debido al aumento de costes, la falta de valor claro y la insuficiencia de controles. La proliferación descontrolada de agentes es la raíz común de estos tres problemas.

Lo que las empresas con retornos reales hicieron de forma diferente

El hallazgo constante en todas las fuentes de datos es que las organizaciones que reportan retornos reales de la IA hicieron algo que las demás omitieron: conectaron sus agentes en un sistema integrado antes de escalarlos.

Eso significa orquestación; dotar a los agentes de una vía para transferirse tareas, compartir lo aprendido y trabajar de forma conjunta a lo largo de un flujo de trabajo, en lugar de operar individualmente como herramientas independientes. Significa observabilidad, para que un supervisor pueda ver realmente qué hacen los agentes, cómo rinden y dónde fallan. Sin eso, nadie puede responder a la pregunta más básica que formulará un CEO: ¿qué beneficio estamos obteniendo por nuestra inversión?

Significa gobernanza, es decir, políticas que definan a qué pueden acceder los agentes, qué decisiones requieren la intervención de un humano y cómo auditar lo sucedido cuando algo sale mal. Y significa bucles de retroalimentación, para que los agentes mejoren con el tiempo basándose en resultados reales, en lugar de limitarse a repetir la misma lógica continuamente.

El 12% de las organizaciones de la encuesta de PwC que reportaron mejoras tanto en costes como en ingresos sin duda invirtieron en alguna variante de esta infraestructura. El 56% que no reportó beneficios probablemente desplegó agentes sin ella.

Cinco preguntas antes de seguir escalando

Si su organización se encuentra en ese 56%, el instinto suele llevar a dos caminos: desplegar más agentes (con la esperanza de que el próximo sea el que funcione) o cancelar el proyecto por completo. Ambas opciones pierden de vista el punto esencial.

Antes de tomar cualquiera de esas decisiones, conviene responder honestamente a unas pocas preguntas:

¿Cuántos agentes están operando realmente en este momento? La mayoría de las empresas no puede responder a esto con precisión. No se puede gestionar lo que no se puede contabilizar. Contar con un inventario de agentes, saber quién desplegó cada uno, qué función cumple, qué datos utiliza y si alguien lo supervisa, es el requisito mínimo absoluto.

¿Comparten el contexto entre sí? Si cada agente inicia cada tarea desde cero, se está pagando por inteligencia pero nunca se acumula. Los agentes que comparten el contexto a lo largo de un flujo de trabajo pueden resolver problemas que los agentes aislados nunca llegarán a detectar.

¿Puede vincular un resultado de negocio a un agente específico? Si no es así, nunca podrá demostrar el ROI, independientemente de cuánto valor aporten los agentes. La medición no es un mero formalismo de reporte. Es la diferencia entre un "cero beneficio" y un "beneficio que realmente podemos presentar ante el consejo de administración".

¿Qué ocurre cuando uno de ellos comete un error? Si la respuesta es "nadie se da cuenta hasta que un cliente se queja", el modelo de gobernanza no está preparado para escalar. Diseñe sistemas de monitorización y vías de escalado antes de expandirse, y no después de que el primer incidente le obligue a hacerlo.

¿Está desplegando agentes individuales o está creando una plataforma de agentes? Los agentes individuales resuelven problemas individuales. Una plataforma, donde los agentes se despliegan, monitorizan, orquestan y mejoran dentro de una infraestructura compartida, es lo que transforma los experimentos aislados en operaciones empresariales.

La cifra de crecimiento de 18 veces y la del 56% de beneficio financiero nulo seguirán siendo ciertas hasta que las empresas dejen de considerarlas como datos independientes. Una mide cuántos agentes se compraron. La otra mide qué se obtuvo a cambio. La brecha entre ambas no es un fallo tecnológico. Es una brecha de infraestructura que solo se cerrará cuando las organizaciones inviertan tanto en conectar y gobernar sus agentes como lo que gastaron en implementarlos en un principio.

Las empresas que consigan mantenerse en ese 60% que sobrevivirá según Gartner para 2027 serán aquellas que comprendan esto a tiempo para actuar en consecuencia.