Cómo Alcanzar la Preparación para la IA Agéntica: Personas, Datos y Experiencia
Brecha de Habilidades: Las organizaciones no luchan con la capacidad técnica, sino con tener a las personas adecuadas tomando decisiones.
Participación en el Diseño: Involucrar a las personas operativas correctas como miembros centrales del equipo es crucial para un diseño eficaz de los agentes.
Problemas Compuestos: Pequeños errores de contexto de los agentes de IA se agravan con el tiempo, afectando la satisfacción y confianza del cliente.
Ventaja de los Pequeños: Las organizaciones pequeñas pueden implementar IA agéntica más fácilmente y con menos complejidades que las grandes empresas.
Necesidades de Infraestructura: El éxito en la implementación de IA requiere más que tecnología; necesita capacidad organizacional y calidad de datos.
Cuando las organizaciones persiguen la IA agentica, ponen la tecnología en primer plano. Hablan de agentes, capas de orquestación y arquitecturas multimodelo.
¿Qué es lo que no suelen mencionar?: las personas y qué sucede cuando las cosas fallan de formas que nadie había previsto.
El problema no es técnico, pero muchos líderes no se dan cuenta de ello hasta que están inmersos en la implementación, observando cómo bajan las puntuaciones de satisfacción del cliente y los indicadores de calidad.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
La brecha de habilidades en IA agentica
Si preguntas a la mayoría de los directivos sobre su preparación para la IA agentica, te describirán a sus ingenieros de IA y científicos de datos. Explicarán su infraestructura en la nube y el proceso de selección de modelos.
Lo que se examina menos es si han empoderado a las personas que realmente entienden cómo los agentes impactarán al negocio.
Esta es la verdadera brecha de habilidades. No la capacidad técnica, sino la influencia organizacional.
La pregunta no es "¿tenemos ingenieros de IA?" La pregunta es "¿tenemos a las personas correctas tomando decisiones?"
En la mayoría de las organizaciones, la respuesta es no.
Sólo el 14% de las organizaciones tienen soluciones agenticas listas para su despliegue, a pesar de que el 30% está explorando opciones y el 38% ejecutando pilotos.
Diseñando agentes de IA en un vacío
¿Qué sucede cuando los equipos técnicos diseñan agentes sin la opinión de las personas que realmente hacen el trabajo? Simplifican en exceso.
Un proceso que parece limpio en un diagrama de flujo contiene capas invisibles de juicio. El representante de atención al cliente que sabe cuándo hay que flexibilizar una política. El gerente de operaciones que entiende qué excepciones son importantes. El analista que interpreta entre líneas los datos incompletos.
Estas decisiones se basan en el instinto y la experiencia. Pueden parecer lógicas simples de "si esto, entonces aquello" en un árbol de decisiones.
Pero las personas en esos roles comprenden algo que los agentes no pueden replicar fácilmente: el contexto.
Saben que aunque una regla suele ser cierta, hay veces en que se debe hacer una excepción. Momentos en los que hay que actuar diferente.
Francisco Marín, cofundador de Cognitive Talent Solutions, describe el reto al que se enfrentó su equipo al construir agentes para RRHH:
«Observamos que había algunas capacidades agenticas implementadas para procesos clave de RRHH como nómina o cumplimiento normativo. Pero nos estaba faltando esa generación de casos de uso que afectan a la analítica de personas, y especialmente aquellos alineados con el marco de trabajo en red.»
Su equipo no sólo construyó soluciones técnicas. Construyeron sistemas que reflejaban cómo ocurre realmente el trabajo, no cómo aparece en un organigrama.
Cuando creas agentes sin sacar a la superficie el conocimiento tácito primero, no obtienes fallos inmediatos. Obtienes problemas con efecto retardado.
Problemas de calidad que se agravan
El agente toma una decisión que es técnicamente correcta pero incorrecta en contexto. En una sola ocasión, esto no es catastrófico.
Pero con el tiempo, esas pequeñas caídas en la calidad se acumulan.
No te das cuenta hasta que llegan las encuestas de satisfacción del cliente. Hasta que ves un patrón en los datos. Hasta que el daño ya se ha extendido por tus sistemas.
Para entonces, no estás sólo arreglando un agente. Estás reconstruyendo la confianza.
El 95% de los pilotos de IA generativa no logran entregar un ROI medible. La causa de fondo no son los modelos defectuosos. La mala integración y prioridades desalineadas matan estas iniciativas.
Traducción: las organizaciones no implican a las personas adecuadas en el diseño.
Quién realmente debe estar en la sala
La persona en el rol que vas a automatizar necesita estar ahí.
No como consultor. No como una idea de último momento. Como parte fundamental del equipo de diseño.
Deben ayudarte a guiar al agente. Compartir su experiencia vivida. Sacar a la luz ese conocimiento del "excepto cuando" que no aparece en la documentación.
Dan George, que anteriormente fue CHRO antes de cofundar Cognitive Talent Solutions, explica lo que está en juego.
«He realizado este proceso manualmente en el pasado. Cuando fui CHRO, estuve a cargo de analítica de personas en diferentes organizaciones. Tuve que crear listas y enviarlas a los equipos de aprendizaje y desarrollo u otros equipos de compromiso de talento.»
Su experiencia construyendo agentes le enseñó que la automatización sin experiencia vivida produce sistemas que parecen funcionales pero fracasan en la práctica.
"Contar con un lugar automatizado, autorizado, donde un administrador pueda entrar y simplemente hacer clic, clic, clic, facilita mucho más el proceso y nos saca de seleccionar siempre a los mentores y aprendices típicos a los que solemos recurrir automáticamente."
Pero llegar allí requirió involucrar a las personas que comprendían los matices del emparejamiento de mentorías, no solo los requisitos técnicos del procesamiento de datos.
Lisa Jones, CEO de EyeMail, aprendió una lección similar al implementar IA en toda su organización. "Preguntamos a cada departamento: ¿Dónde sentís fricción o repetición? ¿Dónde podría la IA ayudarles a elevar la creatividad o la claridad? ¿En qué les gustaría invertir más tiempo si la IA se encargara del resto?"
Este enfoque generó ideas desde marketing hasta operaciones y brindó a cada equipo propiedad sobre cómo la IA aparecía en su trabajo diario.
La mejor manera de capturar la experiencia vivida es la participación directa. Y esa participación necesita venir acompañada de dos cosas que la mayoría de las organizaciones separan: actualización de habilidades y compensación justa.
No Puedes Separar el Diseño de Agentes del Desarrollo de Personas
La mayoría de las empresas trata estos aspectos como iniciativas diferentes. El diseño de agentes ocurre en TI. La actualización de habilidades sucede en RRHH. La compensación se discute en evaluaciones anuales.
Esta fragmentación mata la adopción.
Hay que agruparlas para mantener un alto rendimiento. El diseño de agentes es una habilidad nueva. Entender cómo los agentes amplifican la productividad y la influencia es más importante que saber programarlos.
Si no agrupas estos elementos, acabas en uno de dos resultados.
- Sabotaje de IA - Participación cínica que socava la iniciativa. Personas que saben que el sistema fracasará y se aseguran silenciosamente de que así sea.
- Daño reputacional - Corre el rumor de que tu organización extrae conocimiento sin invertir en las personas. Tu marca empleadora se ve dañada de forma que no es fácil de reparar.
Jones describe cómo EyeMail evitó esta trampa.
«No lanzamos manuales de formación formales. En su lugar, creamos los Círculos de Curiosidad sobre IA, sesiones semanales donde los miembros del equipo compartían descubrimientos, probaban indicaciones y exploraban el impacto emocional. No eran simples tutoriales técnicos, eran laboratorios de narración.»
Con la IA ocupándose de las tareas repetitivas, el equipo de Jones se enfocó aún más en la narración, la innovación y la empatía con el cliente.
"La curiosidad se volvió un valor central", dijo. "Los miembros del equipo se sintieron más comprometidos, más valorados y con mayor inspiración para experimentar."
Tienes que unirlo todo para que las personas lo vean como una inversión en ellas, y no como un reemplazo.
Por Qué las Organizaciones Más Pequeñas Tienen Ventaja
Las organizaciones grandes ya han automatizado en gran medida con RPA e IA predictiva. Han construido sistemas complejos con múltiples capas de aprobación, requisitos de cumplimiento y restricciones legales.
Añadir una arquitectura agentica a esta complejidad genera puntos de fallo exponenciales.
Los equipos pequeños tienen ventajas en la implementación de IA. Tienen menos procesos que gestionar, menos responsables que alinear y menos dolores de cabeza de cumplimiento.
La mejor arquitectura agentica no es excesivamente compleja. Cuanto más sencilla la mantengas, menos cosas pueden fallar.
Los agentes funcionan mejor cuando pueden operar con límites claros y mínimas dependencias. Cuando pueden tomar decisiones sin tener que navegar por procesos de aprobación bizantinos. Cuando pueden acceder a datos sin reconciliar quince sistemas diferentes.
Las organizaciones pequeñas tienen esto por defecto. Las organizaciones empresariales tienen que construirlo intencionadamente.
Casi la mitad de las organizaciones mencionan la capacidad de búsqueda de los datos (48%) y la reutilización de los datos (47%) como desafíos para su estrategia de automatización con IA. Tus datos no están posicionados para ser consumidos por agentes que necesitan contexto empresarial.
La brecha CEO-CISO
Los CEO son optimistas. El 67,1% cree que las herramientas de IA les ayudarán a tomar mejores decisiones de ciberseguridad. El 60,2% piensa que su empresa está más preparada que sus pares para responder a amenazas de IA.
Los CISO son cautelosos. Solo el 58,6% comparte esa confianza. Apenas el 19,5% cree que la IA fortalecerá las defensas cibernéticas, comparado con el 29,7% de los CEO.
Esta brecha te dice todo sobre la preparación organizacional.
Las personas responsables de la seguridad, el cumplimiento y el riesgo operativo ven problemas que la alta dirección no ve. Entienden que los agentes introducen nuevos vectores de ataque. Que los sistemas multiagente crean pesadillas para la depuración y que aún no existen modelos de gobernanza para la toma de decisiones autónoma a escala.
Solo el 14% de los CISO se siente completamente preparado para integrar la IA en las operaciones de ciberseguridad. Más del 50% menciona la falta de apoyo de los CIO y CEO como su mayor desafío.
Si tu organización se ha alineado sobre lo que realmente requiere el despliegue, aquí es donde se evidencia primero.
Lo que realmente significa la brecha
Cuando tu CEO es optimista y tu CISO está preocupado, tienes un problema estratégico sobre la propiedad de la IA.
El lado del negocio ve oportunidades. El lado operativo ve riesgos. Y nadie ha construido el puente entre ellos.
Esto se manifiesta en las decisiones de despliegue, la asignación de recursos y cómo se prioriza la velocidad frente a la seguridad.
Marin y George integraron este puente en su proceso de diseño de agentes. Cuando pregunté sobre consentimiento y transparencia en sus agentes de RR.HH., George explicó:
"Tenemos que hacer que todo lo que hagamos con IA agente tenga el nivel adecuado de consentimiento y uso ético de estos procesos automáticos.
Marin añadió: "Tuvimos conversaciones continuas con el equipo sobre algunos de los matices de cada caso de uso por separado. En el caso de nuestro agente de retención de talento, por ejemplo, tuvimos la discusión de, ¿tiene sentido proporcionar estas ideas a nivel agregado? ¿O tiene sentido hacerlo a nivel individual y notificar al supervisor inmediato?"
En la mayoría de las organizaciones, el trabajo de construir este puente lo hará el liderazgo, pero no son el CEO y el CISO quienes lideran. En cambio, es la alianza entre el CHRO (personas y procesos) y el CIO (calidad de los datos y buenas prácticas) la que creará el punto de encuentro para que las oportunidades se materialicen de manera prudente ante los riesgos.
Las organizaciones que cierran esta brecha temprano avanzan más rápido. Construyen marcos de gobernanza antes de necesitarlos. Invierten en observabilidad y monitorización y crean vías claras de escalamiento para cuando los agentes tomen decisiones fuera de sus límites.
La infraestructura de IA agente
Los agentes necesitan más que APIs y canalizaciones de datos. Necesitan una infraestructura que la mayoría de organizaciones no tiene.
Gestión de identidades y permisos que funcione entre múltiples agentes. Catálogos de herramientas que permitan a los agentes descubrir capacidades sin integraciones codificadas a mano. Aplicación de políticas de forma consistente, independientemente de cuál agente tome una decisión.
Y observabilidad que te permita diagnosticar problemas cuando varios agentes interactúan de formas inesperadas.
Este tampoco es un problema temporal: el 65% de los líderes mencionan la complejidad de los sistemas agente como su principal barrera durante dos trimestres consecutivos.
Es importante recordar que la infraestructura no es solo tecnología, también es capacidad organizacional.
Jones aprendió esto al crear flujos de trabajo agente en EyeMail. Su equipo utiliza Miro AI para visualizar viajes del cliente, identificando puntos emocionales y zonas de fricción. Su uso de HubSpot AI proporciona información sobre comportamientos y segmentación, ayudándoles a personalizar los flujos de onboarding y las secuencias de seguimiento.
"Mejoramos las tasas de finalización del onboarding en un 40%. Habilitamos diseños de viajes flexibles y modulares para clientes de farmacéutica, tecnología y automoción. Entregamos marcos de storytelling que se adaptan a los clientes en el punto en que están, tanto emocional como operativamente", dijo.
Requisitos de calidad de datos
Tu cliente aparece como "Acme Corp" en el CRM, "Acme Corporation" en los sistemas de correo, "ACME Inc." en los contratos y "Acme" en las transcripciones de llamadas.
Sin resolución de entidades, los agentes fragmentan su comprensión a través de varios perfiles incompletos.
El 73% de los líderes de datos empresariales identifica la "calidad y la integridad de los datos" como la principal barrera para el éxito de la IA. Esto está por encima de la precisión de los modelos, los costos informáticos y la escasez de talento.
No puedes solucionar los problemas con agentes si tus datos son malos. Primero tienes que arreglar los datos.
Cómo implementar con éxito IA agentica
Las organizaciones que logran desplegar sistemas agenticos hacen tres cosas de manera diferente.
- Involucran a las personas que realizan el trabajo en el diseño de los agentes. No como consultores, sino como miembros centrales del equipo. Compensan de forma justa este trabajo y lo utilizan como una oportunidad para el desarrollo de nuevas habilidades.
- Construyen gobernanza antes de escalar. Políticas claras sobre lo que los agentes pueden y no pueden hacer. Rutas de escalamiento para casos excepcionales. Observabilidad que detecta los problemas antes de que se acumulen.
- Mantienen los sistemas ágiles. Resisten la tentación de construir orquestaciones complejas de múltiples agentes antes de demostrar el valor de un solo agente. Sólo agregan complejidad cuando los enfoques más simples fallan.
La IA acorta la distancia entre la visión y la ejecución", dice Jones. "Lo que antes requería semanas de investigación, aportes de consultores y alineamiento entre áreas, ahora puede comenzar con un prompt bien elaborado.
Pero la clave está en cómo se llega. Su equipo no se limitó a lanzar manuales de formación formal. Crearon los Círculos de Curiosidad en IA, sesiones semanales donde los miembros del equipo compartían descubrimientos, probaban prompts y analizaban el impacto emocional.
"Para mí, la organización del futuro es una red impulsada por agentes de IA, donde los agentes se implementan para desplegar estas microintervenciones a escala", dice Marin. "Hay un componente de grandes multinacionales que actúan como incubadoras de esta nueva forma de trabajo, lo que llamamos un futuro del trabajo enfocado en las redes".
Esto no hace buenas notas de prensa. Pero marca la diferencia entre el 14% con soluciones implementadas y el 38% atascado en pilotos.
La pregunta que debes responder ahora
La arquitectura agentica no está por venir. Ya está aquí.
El 40% de las aplicaciones empresariales integrarán agentes de IA específicos para tareas antes de finales de 2026, frente a menos del 5% en 2025.
A medida que aumenta la adopción de agentes, la pregunta que toda empresa debe responder es si pueden satisfacer lo que el reto del agente exige. No sólo la capacidad técnica, sino también la preparación organizacional. Esto significa:
- Las personas adecuadas en la sala.
- La infraestructura para apoyar decisiones autónomas.
- La gobernanza para detectar fallos antes de que se acumulen.
- La calidad de los datos para tomar decisiones contextualizadas.
- La disposición a invertir en las personas tanto como en la tecnología.
La mayoría de las organizaciones se equivocarán en esto. Tratarán la IA agentica como una actualización técnica en lugar de una reestructuración organizacional.
Formarán parte del 40% de los proyectos de IA agentica que Gartner predice que serán cancelados antes de finales de 2027 debido al incremento de costos, valor comercial poco claro o controles de riesgo inadecuados.
Las organizaciones que acierten entenderán que la arquitectura agentica exige más que ingenieros. Demanda la experiencia vivida de las personas cuyo trabajo intentas potenciar.
Y construirán sistemas que respeten esa realidad.
