El debate sobre si conviene sumar agentes de IA a las operaciones de ingeniería y de nube ya terminó. Lo que queda abierto es otra pregunta, mucho más difícil de responder: cuánta autonomía darles, quién aprueba cada acción y qué pasa cuando el agente se equivoca.
Así lo resume una encuesta publicada el 6 de agosto de 2026 por Caylent, partner de Amazon Web Services y de Anthropic, realizada por Censuswide entre 200 líderes senior de empresas con más de 1.000 empleados en Estados Unidos y Canadá. Los números son contundentes: el 100% de los encuestados reporta compromiso activo con la IA agéntica, y el 59,5% de los líderes senior afirma que su organización ya tiene agentes corriendo de forma autónoma en producción, no en sandboxes ni en pruebas piloto.
Durante los últimos dos años, buena parte de la conversación corporativa sobre IA agéntica giró en torno a si valía la pena invertir en ella. Esa etapa quedó atrás. Según la encuesta de Caylent, ninguno de los 200 líderes consultados dijo estar fuera de la exploración activa de agentes en ingeniería u operaciones.
El foco se movió a la ejecución. Las organizaciones ya están evaluando, desplegando o pilotando agentes en tareas concretas:
Ese último dato es el que más debería llamar la atención de cualquier CTO o CDO que todavía está en fase de piloto: casi uno de cada cuatro competidores directos ya pasó esa etapa.
El hallazgo más relevante del estudio no es cuántas empresas adoptan agentes, sino bajo qué condiciones. El 98% de los líderes encuestados dijo que existen condiciones específicas bajo las cuales permitirían que un agente de IA ejecute cambios de forma autónoma en producción. Solo un 2% descartó cualquier escenario de autonomía total, lo cual muestra qué tan cerca está el mercado de operar con IA plenamente autónoma, siempre que se cumplan ciertas condiciones.
¿Cuáles son esas condiciones? El estudio identifica los guardrails, es decir, los límites, aprobaciones y controles que rigen lo que un agente puede y no puede hacer, como el factor que más pesa en la decisión: un 83% de los encuestados ubica a los guardrails en un nivel igual o superior al de la inteligencia del modelo a la hora de acelerar la adopción. Randall Hunt, CTO de Caylent, lo resume así en la nota original: la precisión del modelo dejó de ser lo más difícil del problema; lo difícil ahora es cuánta latitud darle a un agente, cómo se aprueba cada acción y qué pasa cuando falla.
En paralelo, un 93,5% de los encuestados considera aceptable la ejecución autónoma en entornos de producción, siempre que existan esos controles. La lectura es clara: la voluntad de adoptar está, la arquitectura de gobernanza todavía no, al menos no en la mayoría de las organizaciones.
Vale una aclaración de origen antes de sacar conclusiones regionales: la muestra de Caylent es de Estados Unidos y Canadá, con organizaciones de más de 1.000 empleados. No hay datos específicos de Argentina, México, Chile, Colombia o Uruguay en este estudio en particular.
Dicho esto, el patrón que describe (adopción activa generalizada, pero con gobernanza como cuello de botella real) es consistente con lo que se observa en empresas de la región que ya pasaron por pilotos de IA generativa: la tecnología funciona en pruebas controladas, pero escalarla a producción sin un marco de auditoría, control de costos y aprobación humana en el loop es donde la mayoría de los proyectos se frena.
Para una empresa de CPG, banca, logística o manufactura que ya tiene dos o tres pilotos de IA generativa corriendo, la pregunta que plantea esta encuesta no es si sumar agentes, sino con qué estructura de gobierno hacerlo antes de llevarlos a procesos que tocan clientes, inventario o decisiones financieras.
El desafío no es exclusivamente técnico. Requiere definir, antes de escalar cualquier agente a producción:
Ninguno de estos puntos se resuelve solo con elegir un mejor modelo. Se resuelven con arquitectura, procesos y un equipo que entienda tanto el negocio como la infraestructura técnica.
En Greencode trabajamos esta problemática específica a través del servicio de Agentic AI, que se estructura en dos pilares: el desarrollo de agentes a medida y la implementación de plataformas de IA a nivel empresarial. El componente de gobierno y observabilidad (métricas de calidad, auditoría de decisiones y control de costos por token) es exactamente el tipo de estructura que, según la encuesta de Caylent, hoy determina si una organización puede escalar agentes con confianza o se queda estancada en pilotos.
La entrada natural para una empresa que reconoce este problema pero no sabe por dónde empezar es un Diagnóstico Agéntico: una evaluación de dos a tres semanas que identifica qué procesos son automatizables, qué datos los habilitan y qué nivel de gobernanza necesita cada caso antes de llevarlo a producción. No es una promesa a largo plazo, es un primer paso concreto con un entregable claro al final.
Si tu organización ya tiene agentes corriendo en pilotos pero no una estructura formal de aprobación, auditoría y control de costos, esa es exactamente la brecha que separa a las empresas que hoy están en el 23,5% que ya escaló, del resto que sigue discutiendo por dónde arrancar.
En 30 minutos identificamos la oportunidad de mayor impacto para su empresa y le mostramos exactamente cómo se implementa.
.jpg)
.jpg)