{"id":43293,"date":"2026-07-10T15:14:00","date_gmt":"2026-07-10T15:14:00","guid":{"rendered":"https:\/\/www.iprofesional.com\/tecnologia\/459680-ia-agentica-por-que-hasta-el-40-de-los-proyectos-podria-fracasar-antes-de-2027"},"modified":"2026-07-10T15:14:00","modified_gmt":"2026-07-10T15:14:00","slug":"el-40-de-los-proyectos-de-ia-agentica-podria-fracasar-antes-de-2027","status":"publish","type":"post","link":"https:\/\/latecordoba.com\/index.php\/2026\/07\/10\/el-40-de-los-proyectos-de-ia-agentica-podria-fracasar-antes-de-2027\/","title":{"rendered":"El 40% de los proyectos de IA ag\u00e9ntica podr\u00eda fracasar antes de 2027"},"content":{"rendered":"\n
<\/div>\n

La inteligencia artificial<\/a> <\/strong>(IA) ag\u00e9ntica dej\u00f3 de ser una promesa reservada a los laboratorios y empez\u00f3 a ocupar un lugar central en la agenda de las compa\u00f1\u00edas. Esta tecnolog\u00eda ya no se limita a responder instrucciones, redactar textos o asistir en tareas repetitivas. Su diferencial est\u00e1 en la creaci\u00f3n de flujos de trabajo aut\u00f3nomos, con agentes digitales capaces de coordinar acciones, razonar sobre informaci\u00f3n disponible y tomar decisiones dentro de reglas definidas.<\/p>\n

El entusiasmo, sin embargo, convive con una advertencia fuerte para los l\u00edderes de tecnolog\u00eda y de negocio. Un informe de Harvard Business Review Analytic Services<\/strong>, impulsado por la empresa Deloitte, se\u00f1ala que hasta el 40% de los proyectos de IA ag\u00e9ntica podr\u00eda cancelarse antes de 2027. La raz\u00f3n principal no ser\u00eda la falta de software, sino la distancia entre la ambici\u00f3n de las empresas y su preparaci\u00f3n real para cambiar procesos, datos, sistemas y formas de gesti\u00f3n.<\/p>\n

El debate, entonces, excede la adopci\u00f3n de una nueva herramienta. La pregunta relevante es c\u00f3mo las organizaciones pueden pasar de pilotos aislados a operaciones inteligentes, sostenibles y controladas<\/span>. En ese recorrido aparecen desaf\u00edos t\u00e9cnicos, culturales, econ\u00f3micos y de gobierno que marcar\u00e1n la diferencia entre proyectos con impacto concreto y ensayos que nunca pasan de la etapa inicial.<\/p>\n

Del bot que asiste al agente que coordina procesos<\/h2>\n

Durante a\u00f1os, buena parte de las compa\u00f1\u00edas invirti\u00f3 en automatizaci\u00f3n rob\u00f3tica de procesos <\/strong>para resolver tareas simples, repetitivas y de bajo valor agregado. El objetivo era reducir cargas operativas como copiar datos entre sistemas, validar campos o generar respuestas predeterminadas. La inteligencia artificial<\/a> ag\u00e9ntica propone otro salto: no act\u00faa sobre una tarea aislada, sino sobre una secuencia completa de trabajo.<\/p>\n

El caso de la incorporaci\u00f3n de personal permite ver esa diferencia. Un bot tradicional <\/strong>puede leer un contrato y extraer datos b\u00e1sicos, como nombre, fecha de ingreso o \u00e1rea de destino. Un esquema con agentes puede activar pasos posteriores, cruzar informaci\u00f3n entre \u00e1reas y ejecutar acciones conectadas.<\/p>\n

Fernanda Vel\u00e1zquez<\/strong>, socia l\u00edder de Operate de Deloitte Cono Sur, lo sintetiz\u00f3 as\u00ed ante iProfesional<\/strong>: “La IA ag\u00e9ntica permite pasar de automatizar tareas sueltas a redise\u00f1ar procesos completos. En vez de que un agente solo extraiga datos de un formulario, un sistema ag\u00e9ntico dispara autom\u00e1ticamente los flujos siguientes, con agentes que se coordinan entre s\u00ed y se pasan la posta”.<\/p>\n

En ese ejemplo, un agente puede registrar al nuevo empleado en recursos humanos, otro puede coordinar con tecnolog\u00edas de la informaci\u00f3n (TI) la entrega de equipos y un tercero puede preparar la informaci\u00f3n para liquidaci\u00f3n de haberes<\/span>.<\/p>\n

La diferencia reside en la velocidad y en la forma de pensar el proceso. Velazquez plante\u00f3 el punto central: “La clave es redise\u00f1ar el flujo alrededor del ‘momento que importa<\/strong>‘ para el usuario, no de los l\u00edmites departamentales”. Esa mirada obliga a revisar c\u00f3mo se conectan \u00e1reas que, muchas veces, trabajan con prioridades y sistemas separados.<\/p>\n

El error de mirar la IA solo como ahorro de costos<\/h2>\n

Una parte del riesgo nace de una lectura reducida del fen\u00f3meno<\/strong>. Si la IA ag\u00e9ntica se implementa \u00fanicamente para recortar presupuestos o reemplazar puestos, el proyecto queda atado a una l\u00f3gica vieja. Esa aproximaci\u00f3n suele pasar por alto el trabajo previo que requiere cualquier operaci\u00f3n aut\u00f3noma: ordenar procesos, depurar datos, documentar sistemas, revisar responsabilidades y preparar a los equipos.<\/p>\n

El informe advierte que las organizaciones con mejores chances ser\u00e1n aquellas que tomen esta tecnolog\u00eda como un cambio de fondo en el modelo operativo, con inversi\u00f3n sostenida y disciplina de ejecuci\u00f3n. Velazquez alert\u00f3 sobre el desv\u00edo m\u00e1s frecuente: “Las empresas que solo buscan reducir costos tratan la IA ag\u00e9ntica como si fuera \u2018outsourcing<\/strong>\u2019 tradicional, sin encarar la ‘deuda’ de procesos, datos, sistemas \u2018legacy\u2019 (legados) y resistencia cultural que hay que resolver antes de escalar”.<\/p>\n

El punto es sensible para el mercado local, donde muchas compa\u00f1\u00edas todav\u00eda arrastran sistemas antiguos, bases de datos inconexas y procesos que dependen de conocimiento informal. <\/span>Si esas condiciones no se corrigen, los agentes no multiplican valor: amplifican errores, exponen inconsistencias y generan resultados dif\u00edciles de auditar.<\/p>\n

\"Fernanda<\/p>\n

Fernanda Vel\u00e1zquez<\/p>\n<\/div>\n

Datos desordenados y sistemas antiguos<\/h2>\n

La adopci\u00f3n de inteligencia artificial<\/a> ag\u00e9ntica se encuentra con tres frentes que suelen definir el resultado de los proyectos. El primero es la deuda de procesos<\/strong>. Muchas rutinas corporativas fueron pensadas para personas que resuelven excepciones con criterio propio, completan vac\u00edos con experiencia y corrigen fallas sobre la marcha. Un agente necesita reglas, datos y l\u00edmites de acci\u00f3n mucho m\u00e1s precisos.<\/p>\n

El segundo frente es la deuda de datos<\/strong>. Informaci\u00f3n duplicada, incompleta o dispersa en distintos repositorios puede volver inviable una operaci\u00f3n aut\u00f3noma a escala. Sobre este punto, Velazquez advirti\u00f3: “Los datos fragmentados o inconsistentes impiden que los agentes tomen decisiones confiables. Si la informaci\u00f3n de base no es s\u00f3lida, cualquier intento de escalar agentes multiplica errores en lugar de eficiencia”.<\/p>\n

El tercer obst\u00e1culo aparece en los sistemas heredados<\/strong>, conocidos en la industria como legacy. Muchas plataformas corporativas fueron creadas antes de que existiera la necesidad de interoperar con capas modernas de IA. Sin documentaci\u00f3n adecuada, integraciones parciales o reglas dispersas, los agentes quedan limitados a tareas de baja complejidad y no pueden completar circuitos de punta a punta.<\/p>\n

Gobierno y trazabilidad: el punto cr\u00edtico para escalar<\/h2>\n

A medida que los agentes adquieren capacidad para ejecutar acciones complejas, la supervisi\u00f3n deja de ser un tema accesorio. En sectores regulados, como banca, salud, seguros, energ\u00eda o manufactura<\/strong>, cada decisi\u00f3n debe poder explicarse ante auditor\u00edas, clientes, reguladores o directorios. No alcanza con que el sistema funcione: tambi\u00e9n debe mostrar por qu\u00e9 tom\u00f3 una decisi\u00f3n y bajo qu\u00e9 reglas lo hizo.<\/p>\n

Velazquez afirm\u00f3 al respecto: “Personalmente considero que sin gobernanza s\u00f3lida, la ventaja competitiva es ef\u00edmera<\/span>: los sistemas aut\u00f3nomos que fallan sin supervisi\u00f3n generan riesgo reputacional, operativo y regulatorio que borra cualquier ganancia de eficiencia”. La advertencia vale a\u00fan m\u00e1s cuando los agentes interact\u00faan con procesos f\u00edsicos o financieros, donde un error no siempre admite marcha atr\u00e1s.<\/p>\n

El nuevo costo de operar IA: tokens, uso variable y presupuesto<\/h2>\n

La inteligencia artificial<\/a> ag\u00e9ntica tambi\u00e9n cambia la forma de presupuestar tecnolog\u00eda. Los esquemas cl\u00e1sicos, basados en licencias anuales, servidores o paquetes de horas, resultan insuficientes frente a modelos de consumo variable<\/strong>. Cada consulta, an\u00e1lisis, respuesta o razonamiento puede implicar un gasto medido en tokens.<\/p>\n

Para directores financieros y responsables de TI, esta din\u00e1mica obliga a construir nuevos mecanismos de control<\/strong>. Un agente que procesa m\u00e1s informaci\u00f3n, consulta m\u00e1s sistemas o ejecuta m\u00e1s pasos puede aumentar el gasto en poco tiempo. Sin observabilidad, l\u00edmites y m\u00e9tricas de valor, el costo puede crecer sin una relaci\u00f3n proporcional con el beneficio obtenido.<\/p>\n

Por qu\u00e9 los proveedores gestionados ganan protagonismo<\/h2>\n

La escala del desaf\u00edo explica el crecimiento de una nueva generaci\u00f3n de proveedores de servicios gestionados, tambi\u00e9n llamados MSP<\/strong>. Su rol ya no se limita a soporte t\u00e9cnico o administraci\u00f3n de infraestructura. En proyectos de IA ag\u00e9ntica, estos actores pueden integrar conocimiento del negocio, capacidad tecnol\u00f3gica, operaci\u00f3n continua y control de desempe\u00f1o.<\/p>\n

La elecci\u00f3n del socio adecuado no deber\u00eda basarse solo en precio o disponibilidad de recursos. El factor decisivo ser\u00e1 su capacidad para asumir responsabilidad sobre resultados medibles<\/strong>, sostener la operaci\u00f3n en el tiempo y acompa\u00f1ar la convivencia entre procesos tradicionales y flujos aut\u00f3nomos durante meses o a\u00f1os.<\/p>\n

Humanos en el circuito: cu\u00e1ndo supervisar y cu\u00e1ndo delegar<\/h2>\n

El avance de los agentes no elimina la necesidad de criterio humano. Al contrario, la vuelve m\u00e1s relevante. La clave est\u00e1 en definir d\u00f3nde una persona debe revisar, aprobar o intervenir, <\/span>y d\u00f3nde el sistema puede operar con autonom\u00eda dentro de l\u00edmites previamente establecidos.<\/p>\n

Velazquez describi\u00f3 as\u00ed ese camino de implementaci\u00f3n: “Se logra con un enfoque de transici\u00f3n por fases <\/strong>y con claridad sobre d\u00f3nde el juicio humano es innecesario reemplazar… dise\u00f1aron el sistema como soporte de decisi\u00f3n, no como reemplazo, con recomendaciones transparentes y explicables”. El planteo apunta a evitar un reemplazo autom\u00e1tico de capacidades humanas y a ubicar la IA como apoyo para decisiones complejas.<\/p>\n

La ventaja estar\u00e1 en la coordinaci\u00f3n, no en el agente m\u00e1s sofisticado<\/h2>\n

La IA ag\u00e9ntica promete cambiar la operaci\u00f3n empresarial, pero su adopci\u00f3n exige m\u00e1s que ambici\u00f3n tecnol\u00f3gica. Los proyectos que prosperen ser\u00e1n aquellos que combinen procesos redise\u00f1ados, datos confiables, gobierno riguroso, costos controlados, socios adecuados y personas con conocimiento profundo del negocio.<\/span><\/p>\n

Velazquez resumi\u00f3 el fondo del desaf\u00edo: “La ventaja competitiva sostenible no viene de tener el agente m\u00e1s sofisticado<\/strong>, sino de la combinaci\u00f3n: socios que aportan escala y experiencia cruzada, gobernanza s\u00f3lida, y talento humano que mantiene el criterio en los puntos cr\u00edticos”. En esa combinaci\u00f3n se jugar\u00e1 la diferencia entre empresas que sumen IA con impacto real y organizaciones que acumulen pilotos inconclusos.<\/p>\n","protected":false},"excerpt":{"rendered":"\n

<\/div>\n

La inteligencia artificial ag\u00e9ntica promete cambiar la operaci\u00f3n empresarial, pero su adopci\u00f3n exige m\u00e1s que ambici\u00f3n tecnol\u00f3gica.