Es fácil tener la sensación de que su empresa se está quedando atrás en la adopción de la IA agéntica. El revuelo es tan incesante como convincente, pero no hay necesidad de precipitarse cuando los requisitos empresariales para una tecnología determinada aún no están suficientemente maduros. Nuestro reciente estudio, realizado como parte del Informe sobre el estado de la estrategia de aplicaciones de IA de 2025, revela que el 37 % de las organizaciones no cuenta con un enfoque formal para la IA agéntica y que solo el 5 % está avanzando decididamente en su adopción.
El enfoque más sensato consiste en analizar las expectativas con espíritu crítico y moderar la inversión durante la fase de aprendizaje y experimentación. En la actualidad, el despliegue de IA con agentes se inclina claramente por chatbots estáticos basados en IA que realizan tareas predefinidas, frente a conjuntos de agentes dinámicos, complejos y autónomos que colaboran para alcanzar objetivos y mejorar con el tiempo.
Estas son cinco razones por las que las empresas deberían empezar a explorar la IA agéntica en lugar de dejarse llevar por la ola.
1. La pila tecnológica aún no está madura
La tecnología de IA agéntica sigue evolucionando a un ritmo más rápido del que permite desarrollar soluciones. Surgen continuamente nuevas capacidades, herramientas y bibliotecas de código. Es el momento de crear prototipos capaces de seguir el ritmo de la innovación, pero las soluciones empresariales a gran escala necesitan una pila tecnológica más estable. Algunos ejemplos concretos:
- Los agentes necesitan una gran capacidad de razonamiento para abordar los problemas más complejos que caracterizan el comportamiento autónomo orientado a objetivos. Para ello se utilizan modelos, pero su capacidad de razonamiento aún no es suficiente para sustituir a los seres humanos.
- Los agentes necesitan una mejor memoria para abordar problemas complejos. Como respuesta, han surgido nuevos sistemas de memoria, cada uno con su propio enfoque específico, como la memoria semántica, la memoria episódica y la memoria procedimental. Incluso hay ejemplos de capacidades de memoria que están surgiendo dentro de los modelos.
- Se están incorporando importantes mejoras funcionales a las API que los desarrolladores utilizan para crear aplicaciones. En el lado del cliente, los navegadores se están ampliando para facilitar el uso de la IA. En el lado del servidor, OpenAI anunció recientemente varias actualizaciones de su API Responses. Entre ellas se incluyen la compatibilidad con Model Context Protocol (MCP) y la posibilidad de realizar búsquedas en varios almacenes vectoriales.
2. Falta de estándares consolidados
Siguen surgiendo nuevos estándares a medida que expertos y desarrolladores tratan de dar respuesta a las necesidades de interoperabilidad del mercado. Por ejemplo, MCP, propuesto por Anthropic, y el protocolo Agent2Agent (A2A), propuesto por Google. El primero aborda la comunicación entre modelos y recursos, y el segundo, la comunicación entre agentes. Ninguno de ellos cubre todos los requisitos de interoperabilidad de la IA agéntica. Para subsanar estas carencias, cabe esperar que se propongan nuevos estándares en los próximos meses. Y aunque MCP y A2A cuentan con un respaldo cada vez mayor por parte de proveedores y clientes, los estándares propuestos deberían formalizarse más antes de que una empresa se comprometa a adoptarlos.
3. Se desconoce el coste total de propiedad (TCO)
Se están desarrollando e implementando agentes de IA. Las primeras métricas apuntan a resultados positivos, pero miden los beneficios empresariales en términos de aumento de los ingresos (lo que no aporta información sobre los costes) o del porcentaje del total de solicitudes atendidas por bots en lugar de por personas (lo que indica que los agentes pueden realizar determinadas tareas, pero no ofrece una comparación completa de los costes). El coste total de propiedad (TCO) de la IA agéntica requiere:
- Una lista completa de materiales, que incluya la tecnología, la actualización o adopción de procesos y las necesidades de talento humano, como nuevas competencias para los puestos existentes o nuevos puestos.
- Directrices de arquitectura y diagramas de arquitectura de componentes, incluida la topología y la interoperabilidad con la infraestructura y los servicios existentes.
- Criterios de éxito que definan métricas clave en función del impacto en la infraestructura, como el rendimiento y la capacidad de los recursos informáticos, la red y el almacenamiento.
4. La calidad y la seguridad de los datos son requisitos previos para adoptar la IA con éxito
Para funcionar de forma eficaz, las aplicaciones basadas en IA necesitan datos de calidad y seguros. Cualquier organización que carezca de un enfoque eficaz para gestionar los silos de datos, los formatos de datos y la normalización de datos tendrá dificultades para implementar con éxito una solución de IA agéntica, ya que esta amplifica las deficiencias de una empresa en materia de datos y seguridad. No se trata simplemente de desplegar numerosos agentes que operen a la velocidad de una máquina en una red. Actualmente, la seguridad se aplica a los agentes como si fueran personas o dispositivos. Por ello, los usuarios humanos autorizan a los agentes sin comprender plenamente hasta qué punto estos utilizarán, modificarán o eliminarán sus datos.
5. La observabilidad integral de la pila es fundamental
Las aplicaciones basadas en IA requieren observabilidad integral. Si una organización aún no ha implantado con éxito una estrategia de observabilidad integral, no estará preparada para adoptar una solución de IA agéntica, ya que esta depende en gran medida de dicha observabilidad para garantizar la visibilidad, las operaciones, la resolución de problemas y la gobernanza.
Tenga en cuenta estas cinco razones y opte por la prudencia en lugar de dejarse llevar por la ola de entusiasmo en torno a la IA agéntica. Si más de dos de ellas plantean desafíos tangibles para su plan de adopción, quizá la solución sea darse más tiempo. En un mercado cuya pila tecnológica y cuyos estándares siguen evolucionando, cuyos costes aún no se han cuantificado y cuyos requisitos previos incluyen capacidades de nivel empresarial tan exigentes como una gestión integral de los datos y la observabilidad desde el diseño, no hay nada de malo en avanzar despacio con la IA agéntica. Al fin y al cabo, el primer despliegue de una solución de IA agéntica no demuestra el valor de los agentes para una empresa, sino que la infraestructura está preparada. Una adopción gradual permite a las empresas disponer de tiempo para detectar y reforzar los puntos débiles antes de adentrarse demasiado.
Para profundizar en la preparación para la IA agéntica, consulte nuestros últimos análisis en «Políticas en la carga útil: cómo prepararse para las arquitecturas de agentes de IA».
Sobre el autor
Artículos relacionados del blog
Proteger los endpoints de las API dificulta la seguridad de las API
Descubre las complejidades de la seguridad de las API, los retos a los que se enfrentan las organizaciones, la evolución de los ataques contra endpoints de API y la necesidad de políticas de seguridad adaptadas.
¿Qué es el sesgo de la IA y por qué es importante para TI?
Descubre los fundamentos del aprendizaje de la IA. Aprende cómo pueden surgir sesgos en la IA y qué riesgos plantean para las TI y la transformación digital.
Redefiniendo la ciberseguridad en el extremo de la nube distribuida con IA y telemetría en tiempo real
La transformación digital y la adopción de tecnologías en la nube están provocando cambios en las arquitecturas de las aplicaciones. Estos cambios introducen nuevas superficies de ataque, que son el objetivo de métodos de ataque avanzados, altamente organizados y con motivaciones económicas. Mediante el uso del framework Morpheus de NVIDIA, F5 está investigando técnicas para detectar estas amenazas avanzadas con telemetría en tiempo real y análisis basados en IA.
El papel de la nube en las aplicaciones nativas del edge
No debería sorprender que, al igual que la aparición de la nube dio lugar a las aplicaciones nativas de la nube, el edge esté impulsando un conjunto de aplicaciones nativas del edge. Sin embargo, estas aplicaciones no residirán únicamente en el edge. Al mismo tiempo, están surgiendo nuevos patrones arquitectónicos que aprovechan las aplicaciones alojadas en la nube y en el centro de datos.
La creciente diversidad de ubicaciones y usuarios está impulsando a las empresas hacia el edge
En el contexto del ámbito de las aplicaciones, el término «usuario» siempre se ha referido a la entidad que interactúa con una aplicación. Del mismo modo que los cambios en las arquitecturas de las aplicaciones impulsan cambios en las tecnologías que permiten ofrecerlas y protegerlas, los cambios en la definición de usuario han provocado cambios en los lugares donde se despliegan las aplicaciones.
El edge está impulsando un renacimiento de las infraestructuras
A medida que las organizaciones aumentan la generación de datos y tratan de extraer valor empresarial de ellos, sin duda recurrirán a la analítica y la automatización basadas en la IA y el aprendizaje automático. Precisamente este tipo de cargas de trabajo son las que más se beneficiarían de una infraestructura optimizada y, sin embargo, hoy en día son las que menos probabilidades tienen de poder aprovecharla.