Directum: por qué las empresas hablan de agentes de IA pero no se apresuran a implantarlos

A las empresas ya no les bastan los chatbots que responden preguntas y redactan correos: quieren sistemas de IA capaces de llevar una tarea hasta el resultado dentro de los procesos corporativos. Pero justo donde la autonomía parece más valiosa aparecen las principales limitaciones: infraestructura cara, errores al trabajar con muchos sistemas y ausencia de una responsabilidad clara por las decisiones del agente.

Directum propone distinguir entre asistentes y agentes. Un asistente es, en esencia, un interlocutor avanzado: reacciona a una solicitud, ayuda con un texto, una búsqueda o una sugerencia, pero no gestiona el proceso por sí mismo. El agente funciona de otro modo: descompone el objetivo en pasos, elige herramientas, cambia entre sistemas y devuelve el resultado a una persona. En un entorno corporativo, eso puede significar el ciclo completo de trabajo con un documento, una solicitud o una tarea, desde la clasificación hasta el traspaso al empleado responsable.

Según la compañía, el auge del interés por los agentes no es casual. Tras la oleada de pilotos de 2024, las empresas dejaron de preguntar si la IA puede escribir un correo o resumir una reunión y pasaron al siguiente nivel: ¿se puede confiar a un modelo una parte del proceso en la que hay que reunir datos de varios sistemas y tomar una decisión operativa? Al mismo tiempo, los propios LLM han mejorado en planificación y ejecución de tareas en varios pasos, y estándares como function calling y MCP han facilitado la conexión de herramientas externas, desde ERP y CRM hasta ECM, calendarios y escenarios de RPA.

El primer freno es la infraestructura. Las grandes y medianas empresas quieren ejecutar estas soluciones dentro de su propio perímetro protegido, porque manejan finanzas, datos personales y secretos comerciales. Pero desplegar localmente modelos de gama media exige inversiones considerables en GPU, y el suministro, el precio y la disponibilidad de este hardware en Rusia siguen siendo problemáticos. Alquilar capacidad a centros de datos es técnicamente posible, pero a menudo genera dudas en los equipos de seguridad de la información. Como resultado, muchas compañías llegan a la fase de interés, pero no a la de puesta en producción.

La segunda limitación tiene que ver con la calidad del trabajo del agente a medida que crece el número de integraciones. En teoría, debería poder trabajar a la vez con ERP, gestión documental electrónica, CRM, correo, bases de conocimiento y calendarios. En la práctica, cada nueva conexión añade riesgo: el modelo puede elegir la herramienta equivocada, confundir los parámetros de la llamada o incluso inventarse una API inexistente.

Según las observaciones de Directum, a partir de unas 15 herramientas la probabilidad de estos fallos aumenta de forma notable, por lo que hoy es más seguro limitar al agente a un dominio acotado o a un conjunto de 5–7 sistemas probados. Escalar a todo el panorama informático de la empresa sigue siendo un problema de ingeniería complejo.

La tercera barrera es la responsabilidad. Aunque el agente sepa ejecutar por sí solo una cadena de acciones, en los escenarios sensibles la decisión final se sigue dejando a una persona. Ningún directivo está dispuesto a entregar a un modelo, sin reservas, el derecho a firmar un contrato importante, aprobar una operación arriesgada o transferir dinero sin control. Y no se trata solo de desconfianza hacia la tecnología: el marco jurídico no ha alcanzado el nivel de automatización. Si el agente se equivoca, no está claro quién responde por las consecuencias: el proveedor, el integrador, el responsable del proceso o el empleado que configuró el escenario. Mientras esa cuestión siga abierta, la autonomía seguirá siendo limitada.

De ahí se desprende una conclusión bastante sobria: el mercado no avanza hacia la sustitución total de empleados por agentes, sino hacia un modelo intermedio en el que la IA asume tramos bien descritos del proceso bajo supervisión humana. Por eso, ahora mismo los mejores resultados los dan los agentes de workflow: soluciones con límites claros, un conjunto acotado de acciones y un ROI predecible. Para las empresas, esto no supone renunciar al enfoque basado en agentes, sino una forma de adoptarlo sin riesgos innecesarios: empezar con casos acotados, comprobar la fiabilidad y solo después ampliar el perímetro de automatización.