La era agentica llego. La empresa no: lo que dicen Harvard y Stanford HAI
El 86% de las empresas planea invertir en agentes autonomos de IA. Solo el 6% confia plenamente en ellos. Solo el 15% tiene sus datos listos para soportarlos. Eso no es un problema de tecnologia: es un problema de preparacion organizacional.
Por Sebastian Martinez, CEO de ITSense
Hay una contradiccion en el centro del debate empresarial sobre inteligencia artificial en 2026. Por un lado, la inversion en agentes autonomos de IA es la prioridad declarada de la mayoria de organizaciones medianas y grandes en el mundo. Por el otro, cuando se les pregunta directamente a los ejecutivos si confian en que esos agentes tomen decisiones sin supervision humana, apenas uno de cada dieciséis dice que si.
Esta brecha no es nueva. En la edicion anterior de Pulse AI by ITSense analizamos el estado general de la IA empresarial usando los datos del AI Index 2026 de Stanford HAI: una adopcion acelerada en superficie, con infraestructura y cultura que no siguen el ritmo. Lo que esta semana confirmamos es que ese patron tiene un nombre mas especifico: la brecha agentica.
La informacion proviene de dos fuentes que raramente coinciden con tanta precision: el equipo de investigacion del Harvard Business Review y el Human-Centered AI Institute de Stanford. Ambos publicaron analisis criticos entre febrero y marzo de 2026. Ambos senalan lo mismo desde angulos distintos. Vale la pena leerlos juntos.
Que es realmente un agente (y que no es)
Antes de entrar en los numeros, necesitamos aclarar el termino. "Agente de IA" se usa hoy para describir cosas muy distintas, y esa confusion es parte del problema.
Stanford HAI define la inteligencia artificial agentica como sistemas que operan con autonomia real: fijan objetivos propios dentro de un parametro dado, usan herramientas externas (APIs, bases de datos, calendarios, sistemas de gestion), toman decisiones secuenciales y se adaptan cuando el entorno cambia. No esperan instruccion a cada paso. Actuan.
La distincion practica es esta:
| Tipo | Descripcion | Ejemplo |
|---|---|---|
| Chatbot | Responde preguntas. Requiere input humano constante. | Asistente de FAQ en web |
| Copiloto | Sugiere, el humano decide y ejecuta. | GitHub Copilot, asistentes de redaccion |
| Agente autonomo | Fija objetivo, ejecuta pasos multiples, actua sin supervision continua. | Agente que revisa, aprueba y envia renovaciones medicas |
La mayoria de lo que las empresas han desplegado hasta ahora son copilotos. Algunos son chatbots con mejor empaque. Los agentes reales —los que operan procesos completos sin un humano en el loop en cada decision— son todavia excepcionales. Y el caso que mas ilustra ese salto es el que ocurrio en Utah en enero de 2026.
El caso Utah: primer piloto agentico a escala en medicina
En enero de 2026, el sistema de salud de Utah implemento lo que se considera el primer despliegue documentado de un agente de IA autonomo renovando recetas medicas a escala. El agente no sugeria renovaciones para que un medico aprobara una a una. El agente revisaba el historial clinico del paciente, verificaba contraindicaciones, consultaba guias clinicas actualizadas y emitia la renovacion directamente cuando los criterios se cumplian. Los medicos intervenian solo en los casos que el sistema escalaba por criterio de riesgo.
El resultado no fue un experimento de laboratorio. Fue un cambio operacional real en un entorno regulado de alta complejidad.
Este caso importa por dos razones. Primero, porque desmonta el argumento de que la autonomia agentica es prematura o solo apta para industrias de bajo riesgo. Segundo, porque demuestra que el cuello de botella no estuvo en la tecnologia: estuvo en los meses previos de trabajo sobre datos clinicos estructurados, protocolos de escalamiento y definicion de criterios de decision. La tecnologia fue lo ultimo que entro. La infraestructura de datos y gobernanza fue lo primero.
Eso conecta directamente con lo que Harvard encontro al preguntar al resto del mundo empresarial.
La brecha infraestructural: lo que dice Harvard
HBR Analytic Services, en colaboracion con Reltio, publico en marzo de 2026 un estudio sobre preparacion empresarial para la era agentica. Los numeros son claros y merecen citarse sin suavizarlos:
- El 94% de los ejecutivos encuestados esta explorando o implementando IA en sus organizaciones.
- El 86% planea aumentar su inversion en agentes autonomos en los proximos dos anos.
- Solo el 6% afirma confiar plenamente en que esos agentes operen sin supervision constante.
- Solo el 20% considera que su infraestructura tecnologica esta lista para soportar agentes a escala.
- Solo el 15% dice que sus datos estan en condiciones de alimentar sistemas agenticos confiables.
- El 94% senala que la calidad de los datos es critica para el exito de sus iniciativas de IA. Solo el 39% se considera proficiente en gestion de datos.
Un estudio complementario de HBR con Cloudera agrega otra dimension: el 65% de los ejecutivos espera que los agentes de IA aumenten o reemplacen procesos de negocio completos en los proximos dos anos. En ese mismo grupo, solo el 7% cree que sus datos estan listos para ese escenario.
Tomemos un segundo para que eso aterrice: dos de cada tres empresas anticipan transformacion agentica profunda en menos de 24 meses. Menos de una de cada quince tiene los datos para respaldarla.
"La era agentica llego. La empresa promedio no." — Pulse AI by ITSense
No decimos esto para generar alarma. Lo decimos porque es el diagnostico honesto que permite construir una respuesta util. Y la respuesta util no empieza por comprar mas tecnologia.
El rol que nadie tiene todavia: agent manager
En febrero de 2026, HBR publico un articulo titulado "To Thrive in the AI Era, Companies Need Agent Managers". El argumento central es simple pero tiene implicaciones profundas: cuando los agentes son realmente autonomos, alguien en la organizacion tiene que ser responsable de su desempeno, sus limites, su alineacion con objetivos de negocio y su interaccion con otros agentes y con humanos.
Ese rol no existe formalmente en casi ninguna empresa hoy.
Un agent manager no es un developer que despliega el sistema. No es un prompt engineer. Es alguien que entiende el proceso de negocio que el agente ejecuta, comprende los riesgos de cada decision autonoma, define los criterios de escalamiento, monitorea anomalias de comportamiento y responde cuando el agente falla. Es, en esencia, el responsable de un colaborador que no tiene titulo en RRHH.
En marzo de 2026, HBR profundizo esto con "To Scale AI Agents Successfully, Think of Them Like Team Members". El marco propuesto es directo: los agentes necesitan onboarding (datos correctos, herramientas adecuadas, contexto del proceso), necesitan evaluacion de desempeno (metricas de resultado, no solo de actividad), y necesitan liderazgo (alguien que tome decisiones sobre su evolucion).
Las empresas que estan escalando agentes exitosamente no lo hacen porque tienen mejor tecnologia. Lo hacen porque disenan equipos mixtos humano-agente con responsabilidades claras y cadenas de decision definidas.
Implicacion para LATAM: la ventana es 2026-2027
El AI Index 2026 de Stanford HAI documenta algo que merece atencion especial para nuestra region: el despliegue de agentes autonomos esta ocurriendo mas rapido en sectores con datos estructurados y procesos repetibles —salud, finanzas, logistica, servicios profesionales— que en sectores con alta variabilidad operacional.
LATAM tiene una concentracion significativa de empresas medianas en exactamente esos sectores. La pregunta relevante no es si los agentes llegaran a la region. Es si las empresas de la region estaran listas cuando la presion competitiva los haga obligatorios.
La ventana de preparacion que vemos es 2026-2027. No porque haya una fecha magica, sino porque los ciclos de transformacion de datos e infraestructura toman entre 12 y 18 meses desde la decision hasta la operacion confiable. Las empresas que empiecen a trabajar en datos, gobernanza y diseno de procesos agenticos en el segundo semestre de 2026 podrian estar operando agentes reales a finales de 2027. Las que esperen a que sea urgente comenzaran en 2028 tratando de recuperar una brecha que ya sera visible en sus resultados.
El piloto de Utah no fue un golpe de suerte tecnologica. Fue el resultado de una decision tomada 18 meses antes sobre como estructurar los datos clinicos.
Que hacer esta semana
No proponemos una hoja de ruta de tres anos. Proponemos cuatro acciones concretas que cualquier equipo directivo puede iniciar esta semana:
-
Auditar un proceso critico con criterio agentico. Elegir un proceso que hoy requiere decision repetible y basada en datos. Preguntar: si un agente ejecutara este proceso, que datos necesitaria, que criterios seguiria, cuando escalaria a un humano. Ese ejercicio revela mas sobre preparacion real que cualquier evaluacion tecnologica.
-
Evaluar la calidad de los datos que ese proceso consume. No la cantidad. La calidad: son completos, estan actualizados, tienen una fuente unica de verdad, estan accesibles via API o requieren extraccion manual. La respuesta a esas preguntas define el roadmap real.
-
Identificar quien seria el agent manager de ese proceso. No el developer. El responsable del resultado de negocio. Si no hay una persona clara, eso es informacion critica sobre una brecha organizacional.
-
Leer los dos articulos de HBR citados en esta edicion. No como lectura de tendencias. Como insumo para una conversacion con el equipo sobre donde esta la organizacion hoy y donde necesita estar en 18 meses.
Cierre: el radar de esta semana
- Stanford HAI documenta agentes que simularon con precision el 85% de las respuestas de mas de 1.000 personas reales en entornos controlados. La frontera entre simulacion y accion real se estrecha.
- El piloto de Utah en renovacion de recetas medicas es el benchmark de referencia para sectores regulados que quieren argumentar que la autonomia agentica es viable hoy.
- La brecha de confianza (86% invertira / 6% confia) no desaparecera con mejor tecnologia. Desaparece con mejores datos, mejores procesos y mejores estructuras de gobernanza.
- El rol de agent manager emergera en organigramas formales antes de 2027 en las empresas que lideren la adopcion. Pensar desde ahora quien lo ocupa es ventaja competitiva.
- LATAM tiene la oportunidad de aprender de los errores de implementacion que ya se documentan en mercados que adoptaron mas rapido. Esa es una ventaja real si se usa con intencion.
Desde ITSense trabajamos con equipos directivos en LATAM que estan navegando exactamente esta transicion: de explorar IA a operar IA. Si quieres entender donde esta tu organizacion en esta curva y que pasos tienen mayor retorno en tu contexto especifico, conversemos.
Fuentes citadas:
- Stanford HAI. What Is Agentic AI? https://hai.stanford.edu/ai-definitions/what-is-agentic-ai
- Stanford HAI. AI Index Report 2026. https://hai.stanford.edu/ai-index/2026-ai-index-report
- HBR Analytic Services + Reltio. Enterprise AI Readiness Study, 2026.
- HBR + Cloudera. Agentic AI Adoption Study, 2026.
- Harvard Business Review. To Thrive in the AI Era, Companies Need Agent Managers. Febrero 2026. https://hbr.org/2026/02/to-thrive-in-the-ai-era-companies-need-agent-managers
- Harvard Business Review. To Scale AI Agents Successfully, Think of Them Like Team Members. Marzo 2026. https://hbr.org/2026/03/to-scale-ai-agents-successfully-think-of-them-like-team-members
Pulse AI by ITSense — Radar Sectorial, Edicion #02 — 21 de abril de 2026 Suscribite a Pulse AI para recibir cada edicion directamente en tu bandeja.