Agentes de IA haciendo trabajo real: qué es realista en 2026 y dónde conviene esperar

Si recibiste tres correos esta semana ofreciéndote un "agente de IA" que va a hacer funcionar tu empresa sola, no estás imaginando cosas. El término se gastó. Gartner le puso nombre a la práctica: "agent washing", que es tomar un chatbot, una automatización vieja o un asistente y reetiquetarlo como agente. De los miles de proveedores que dicen vender agentes, Gartner estima que cerca de 130 ofrecen algo realmente agéntico. El resto es maquillaje.

Esto importa porque la factura la pagas tú. Un agente de verdad decide y ejecuta varios pasos hacia un objetivo: lee un caso, consulta sistemas, toma una decisión, actúa y rinde cuenta de lo que hizo. Un chatbot reskineado solo responde preguntas. Pagar precio de lo primero por lo segundo es el error más caro del año, y es fácil de cometer cuando todo el material de venta usa las mismas tres palabras.

Conviene mirar dos cifras juntas. McKinsey, en su informe State of AI de noviembre de 2025, encontró que un 62% de las organizaciones ya está al menos experimentando con agentes de IA. Suena a que el tren ya partió. Pero el mismo informe agrega que en ninguna función del negocio más del 10% de las empresas ha logrado escalar esos agentes, y que solo un 39% atribuye algún impacto en utilidades a la IA. Mucho ensayo, poca cuenta que cierre.

La proyección más honesta vino de la propia Gartner: estima que más del 40% de los proyectos de IA agéntica serán cancelados antes de fin de 2027, por costos que se disparan, valor de negocio poco claro o controles de riesgo insuficientes. No es pesimismo de cronista. Es lo que pasa cuando se compra una tecnología por la promesa y no por un problema medible.

La lectura para una pyme no es "esto no sirve". Es: el promedio fracasa, y el promedio fracasa por elegir mal dónde empezar. La diferencia entre las empresas que sacan provecho y las que cancelan no es el modelo que usan. Es haber elegido un proceso concreto, repetitivo y medible antes de firmar nada.

Hay terreno donde los agentes ya hacen trabajo real, y casi siempre es el mismo tipo de terreno: tareas de alto volumen, reglas claras, datos disponibles y un costo del error tolerable. Pensemos en una distribuidora que recibe doscientas órdenes de compra por correo al día, cada una en un formato distinto. Leer el correo, extraer los datos, cargarlos al ERP y dejar marcadas las que no calzan: ahí un agente bien acotado rinde desde la primera semana, porque el trabajo es repetitivo y un humano revisa las excepciones.

Lo mismo aplica a la primera línea de soporte, a la conciliación de pagos contra facturas, al armado de borradores de cotización a partir de un catálogo, o a clasificar y enrutar tickets entrantes. Son tareas donde el agente acelera a una persona, no la reemplaza. El caso de Klarna lo dejó claro: su asistente llegó a manejar dos tercios de las conversaciones de soporte, el trabajo equivalente a 700 personas. Y aun así, en 2025 la empresa volvió a contratar humanos para los casos complejos y sensibles, porque ahí la calidad caía. La lección no es que la IA falló. Es que funcionó exactamente donde tenía que funcionar, y no más allá.

Un patrón útil para decidir: si puedes escribir el procedimiento en una hoja y un empleado nuevo lo entendería, probablemente un agente lo puede asistir hoy. Si el procedimiento vive en la cabeza de tu jefa de operaciones y cambia según el cliente, todavía no.

Esperar no es quedarse atrás. Es no pagar por ser el conejillo de indias. Hay tres zonas donde, en 2026, adelantarse cuesta más de lo que rinde para una pyme.

La primera: decisiones autónomas de alto impacto sin supervisión. Un agente que mueva plata, otorgue crédito, despida proveedores o responda a un organismo regulador sin que un humano firme. Los modelos de hoy no sostienen objetivos complejos ni instrucciones con matices a lo largo del tiempo, y el costo de un error ahí no es un cliente molesto, es una multa o un juicio. La segunda: procesos sobre datos que están desordenados. Si tu información vive partida entre el ERP, planillas de Excel, WhatsApp y la memoria de tres personas, ningún agente va a ordenar ese caos por ti. Primero se ordena la casa; después se automatiza.

La tercera: comprar la plataforma "de agentes" completa antes de tener un solo proceso resuelto. Es tentador firmar la suite grande que promete cubrir todo. Pero hasta fin de 2026 la mayoría del valor real está en un puñado de tareas acotadas, no en una capa que orqueste tu empresa entera. Empezar chico no es timidez; es cómo no terminar en ese 40% que se cancela.

Antes de evaluar herramientas, vale la pena ordenar tres preguntas. ¿Qué tarea concreta te cuesta horas y se repite todas las semanas? ¿Están los datos de esa tarea en un lugar al que un sistema pueda llegar, o viven en cabezas y archivos sueltos? ¿Qué pasa si la máquina se equivoca una vez de cada veinte: alguien lo nota a tiempo, o se va directo al cliente?

Si las tres respuestas son buenas, tienes un candidato real para empezar, y conviene tratarlo como una prueba con una meta medible: cuántas horas ahorra, cuántos errores evita, en cuánto tiempo se paga. McKinsey fue claro en un punto que suele perderse: el mayor impacto en utilidades no viene del modelo, sino de rediseñar el flujo de trabajo alrededor de él. Comprar la herramienta y pegarla encima del proceso viejo es la receta más común para no ver retorno.

Si las respuestas no son buenas todavía, la mejor decisión de IA de 2026 puede ser arreglar primero los datos, o no comprar nada este trimestre. Eso también es estrategia.

La diferencia entre las empresas que ganan con agentes y las que los cancelan rara vez es presupuesto. Es criterio: saber qué proceso elegir, qué dejar para después y qué no comprar todavía. Eso se decide mirando tu operación de cerca, no leyendo el folleto de un proveedor.

Si estás mirando agentes de IA para tu pyme y no tienes claro por dónde partir, conversémoslo sin compromiso. Un diagnóstico corto suele bastar para distinguir las dos o tres tareas donde adelantarse rinde de verdad, de las que conviene dejar madurar. A veces la mejor recomendación es "todavía no", y preferimos decírtelo antes de que firmes nada.