La IA empresarial avanza rápido, pero el salto del prototipo a producción sigue trabando a muchas organizaciones. Kousik Rajendran, cofundador y director ejecutivo de Aivar Innovations, plantea que el cuello de botella no es únicamente técnico: también es de gestión del cambio, confianza y velocidad.
Rajendran cita un dato de Deloitte: 74% de las empresas planea desplegar IA agéntica dentro de dos años, pero solo 21% reporta tener un modelo de gobernanza maduro para agentes de IA. Esa brecha, dice, importa porque la IA agéntica cambia más rápido y se comporta de forma menos predecible que el software tradicional, lo que vuelve insuficiente la gestión del cambio lineal.
En el esquema tradicional, el código se desarrolla para un problema concreto, se despliega y su comportamiento permanece estable hasta una nueva versión. Con la IA agéntica, en cambio, los modelos subyacentes pueden cambiar con muy poco aviso. La interfaz puede seguir igual mientras el sistema se comporta de otra manera por debajo.
Por eso, Rajendran sostiene que la gestión del cambio debe moverse de forma dinámica con la tecnología y con el cliente. Propone un marco llamado TRACE, sigla en inglés de Trust, Route, Adopt, Calibrate and Evolve, que busca equilibrar resultados de negocio, confianza y velocidad.
Uno de los primeros problemas, afirma, es que suelen existir dos extremos: quienes confían demasiado en la IA y quienes confían demasiado poco. El exceso de confianza ya se ve cuando las personas comparten datos sensibles —financieros, de recursos humanos u otra información clasificada— con sistemas de IA sin pensar lo suficiente en las implicaciones.
También advierte que, si un agente toma una decisión y hay una persona en la vía de escalamiento, cabe preguntarse cuán a fondo está revisando realmente esa recomendación. La respuesta, sugiere, no siempre es alentadora. En el extremo opuesto está la desconfianza, cuando un líder o empleado concluye de entrada que «el agente no puede funcionar para este caso de uso», aunque sí podría hacerlo.
Para Rajendran, cada caso de uso necesita un patrocinador o responsable del flujo de trabajo, que puede ser un director financiero, un director de tecnología, un líder de línea de negocio o un dueño de proceso. Desde ahí, la organización debe preguntarse si el caso vale la pena: cuál es el retorno sobre la inversión, cuáles son los costos unitarios, si tiene sentido comercial y si es técnicamente viable.
Solo después debería definirse cómo debe comportarse el agente. No todas las decisiones deben tratarse igual. Menciona la conciliación de facturas como ejemplo: una transacción de bajo valor puede pasar por una ruta más rápida y con mucha asistencia de la IA, mientras que una operación de alto valor o con implicaciones relevantes de cumplimiento debe seguir una vía con más validación y revisión humana.
Ese enfoque, dice, permite clasificar el trabajo por complejidad y consecuencia, de modo que la supervisión humana aumente a medida que crece el impacto potencial. También advierte que las empresas no deben lanzar una gran capacitación y esperar adopción inmediata.
En su lugar, propone que los usuarios se conviertan en co-creadores del sistema. La validación, afirma, no debe ocurrir solo en una fase tradicional de pruebas de aceptación, sino durante todo el proceso, con responsables de proceso y equipos de ejecución participando en lo que se construye. Así, la adopción se facilita mediante paquetes pequeños y medidos a lo largo de la cadena de valor.
Rajendran también apunta que la adopción mejora cuando el usuario ve el resultado. Si un sistema ahorra varias horas de trabajo o si una unidad de negocio ve un retorno claro, resulta más fácil justificar la siguiente inversión. En su visión, las métricas relevantes no son los tokens consumidos ni las horas de uso, sino si el flujo de trabajo produce el resultado buscado.
Ahí está la clave para las empresas: la IA no se mide por su brillo, sino por su productividad, su margen y su capacidad de generar valor. Cuando el aparato corporativo adopta herramientas que cambian bajo sus pies, la gobernanza deja de ser un trámite y pasa a ser una condición para capitalizar la inversión.
El mercado ya votó. Las empresas quieren desplegar IA agéntica, pero la ejecución exige reglas claras, responsables identificables y medición real del retorno. Sin eso, la promesa tecnológica puede quedarse en piloto eterno y con poco flujo de beneficios para el negocio.
