Muchas empresas están entrando en la carrera de los agentes de IA como si el desafío fuera solamente “tener un agente”. En producción, el problema real es mucho más profundo, y no está en el modelo.
Un agente empresarial necesita memoria, identidad, permisos, autenticación contra herramientas, observabilidad, control de costos, auditoría, seguridad, trazabilidad y tiempos de ejecución confiables. Es decir: antes de que el agente haga algo útil, el equipo ya pasó meses construyendo la base.
La pregunta estratégica que casi nadie hace a tiempo
Tus mejores ingenieros están construyendo infraestructura de agentes en lugar de agentes que diferencian tu negocio.
Esa frase, que vi en un anuncio de AWS, describe bastante bien lo que está pasando en 2026. Y deja la pregunta importante sobre la mesa: ¿dónde está realmente la ventaja competitiva?
Desde mi punto de vista, no está en construir infraestructura genérica desde cero. Está en aplicar inteligencia al proceso correcto. En banca, telecomunicaciones, CRM o mensajería, un agente no puede ser una demo bonita: tiene que entender contexto, respetar reglas, operar con permisos claros, dejar trazabilidad y ayudar a tomar mejores decisiones.
Las siete capas que separan un piloto de un sistema en producción
- Identidad. El agente actúa como alguien. Si actúa con las credenciales del administrador, cualquier error es máximo. Necesita su propia identidad, con el mínimo privilegio.
- Permisos con alcance. No “acceso a la base”, sino a qué tablas, en qué operaciones, sobre qué registros y en qué horarios.
- Memoria con política. Qué recuerda, por cuánto tiempo, qué puede almacenar y qué debe olvidar. En un entorno regulado esto no es opcional.
- Trazabilidad. Cada acción con su motivo, su entrada, su salida y su costo. Una decisión que no se puede reconstruir es una decisión que no ocurrió.
- Control de costos. Límite por ejecución, por usuario y por día. Sin eso, un bucle mal cerrado es un incidente financiero.
- Observabilidad. Latencia, tasa de error, tasa de escalamiento a humano y calidad percibida. Si no se mide, no se mejora.
- Salida a un humano. Siempre va a haber un caso no previsto. Ese caso tiene que llegar a una persona, no a un log que nadie abre.
Dónde aplicarlo en comunicaciones: la parte que casi nadie mira
Hay un dato del informe de GSMA sobre la economía móvil en América Latina que dice mucho del momento de la región: alrededor del 78% de los despliegues de IA en América Latina están en atención al cliente, la proporción más alta de cualquier región del mundo.
Se puede leer de dos maneras. La optimista: la región encontró rápido un caso de uso con retorno claro y lo está ejecutando. La incómoda: si casi ocho de cada diez implementaciones están en el mismo lugar, hay muchísima superficie de negocio sin tocar.
En comunicaciones, la IA aplicada a la conversación es apenas la capa visible. Debajo hay decisiones que hoy siguen siendo manuales o basadas en reglas fijas:
- Qué canal usar para cada persona, según cómo respondió antes.
- En qué momento del día enviar, según el comportamiento real y no el horario que alguien eligió una vez.
- Con qué plantilla, cuando hay varias que dicen lo mismo de forma distinta.
- Cuántas veces reintentar antes de que insistir deje de tener sentido —y empiece a molestar.
- Cuándo escalar a un humano, antes de que el usuario se canse de intentar.
Nada de eso es atención al cliente. Todo eso decide si la comunicación funciona.
El riesgo del que poco se habla
Y hay un segundo riesgo, más silencioso: el de la superficie de confianza. Con IA generativa haciendo cada vez más sencillo producir textos, voces e imágenes convincentes, la autenticidad de cada interacción entre una organización y sus usuarios se vuelve una capa de seguridad en sí misma. Eso conecta directamente con la identidad de las comunicaciones: ya no alcanza con proteger la infraestructura, hay que poder demostrar quién habla.
Cómo lo abordaría hoy
- Elegir un proceso medible, no uno vistoso. Si no hay una métrica que hoy se pueda mostrar en un tablero, tampoco va a poder demostrarse la mejora.
- Empezar por decisiones, no por conversaciones. La decisión tiene menos superficie de error y retorno más fácil de aislar.
- Construir la trazabilidad antes que la funcionalidad. Es mucho más barato que agregarla después, y es lo primero que va a pedir una auditoría.
- Definir el criterio de apagado. Bajo qué condiciones el agente se desactiva y quién puede hacerlo, en minutos y sin desplegar código.
La pregunta no es si tu empresa va a usar agentes de IA. La pregunta es si tus equipos están construyendo infraestructura genérica o inteligencia aplicada al negocio. La IA no reemplaza la arquitectura: la vuelve más importante.