Los límites reales de los agentes autónomos, hoy

El discurso sobre agentes de IA oscila entre dos extremos poco útiles: "van a automatizar cualquier trabajo" y "son solo una moda de marketing". Los datos de analistas como Gartner y McKinsey en 2026 dibujan un cuadro más matizado, y más interesante para quien tiene que decidir si adoptarlos.

Lo que funciona ya, de verdad, en producción: tareas de alto volumen, reglas relativamente claras, y consecuencias reversibles si algo sale mal. Atención al cliente (resolución de tickets), clasificación de documentos, generación de informes recurrentes y código auxiliar son los casos donde la adopción real —no solo pilotos— es alta. El denominador común: cuando el agente se equivoca, el coste del error es bajo y se detecta rápido.

Lo que sigue sin funcionar de forma fiable: tareas que requieren juicio ambiguo, contexto que cambia constantemente, o consecuencias difíciles de revertir. Ahí es donde la tasa de "humano en el bucle" se dispara —hasta el 61% en procesos legales, según datos de Forrester—, precisamente porque las organizaciones han aprendido, a veces por las malas, que la supervisión no es opcional en esos casos.

La cifra que más deberíamos citar, y la que menos se repite, es esta: hasta un 88% de los pilotos de agentes de IA nunca llegan a producción, según estimaciones ampliamente citadas en el sector. La causa casi nunca es que la tecnología no funcione — es que el proceso elegido era demasiado grande, demasiado ambiguo, o no tenía a nadie responsable de medir el resultado desde el primer día. Los agentes de IA en 2026 no son ni la panacea ni el fraude que las dos posturas extremas sugieren: son una herramienta con un ámbito de aplicación real, bastante más acotado de lo que promete el marketing, y bastante más útil de lo que sugiere el escepticismo reflejo.