El 98% de los agentes de IA no sale de la demo: la brecha es de ingeniería y medición, no de modelos

Por El Ecosistema Startup · 4 de noviembre de 2026.

Un estudio del sector de viajes, citado por El Ecosistema Startup, cifra la brecha entre probar y escalar agentes de IA. El 33% de los operadores experimenta con ellos, pero solo el 2% los ha escalado de forma efectiva. Son más de 30 puntos porcentuales de distancia. El medio no identifica el estudio en el texto, así que conviene tomar la cifra como indicativa y limitada a un sector.

Según el artículo, la causa no es el modelo. Lo que falla es lo que ocurre fuera del entorno controlado de la demo: latencia de red, integración con APIs heredadas (interfaces de sistemas antiguos), picos de demanda, consistencia de marca y cumplimiento normativo en tiempo real. La industria lo llama el «iceberg del agente»: el modelo de lenguaje es la punta visible, y debajo están la orquestación, los conectores, el monitoreo, la lógica de respaldo y la seguridad.

Ese trabajo sumergido ya es una categoría de producto. Según InfoWorld, citado en el artículo, existen más de 60 plataformas comerciales y de código abierto para orquestar agentes. Rob Scudiere, CTO de Verint, advierte en esa pieza de que cada agente debe medirse con las métricas que sigue un CFO: ingresos, retención, CSAT (satisfacción del cliente), costes y eNPS (satisfacción de los empleados). Sin esa medición, dice, no se puede probar el ROI.

El texto añade un segundo obstáculo: los agentes no son deterministas. Pueden dar veinte respuestas válidas, o sonar fluidos mientras se equivocan. Por eso recoge la recomendación, atribuida a un análisis de Forbes Technology Council, de escribir las evals primero. Eso significa un set de 500 a 1.000 ejemplos reales, respuestas de referencia revisadas por expertos y un modelo avanzado como juez. El mismo análisis afirma que hasta el 95% de los programas de IA empresarial no entrega valor medible. Es una cifra muy alta y de metodología desconocida, y no la daría por establecida.

También hay señales de demanda. Según un informe de agosto de 2026 que cita InfoWorld, el 66% de las empresas probablemente invertirá en trabajadores digitales en los próximos 12 meses. Los requisitos más pedidos son precisión demostrada, explicaciones claras de las decisiones y capacidad de anulación humana.

**Nuestra lectura.** La tesis del artículo es sensata y encaja con lo que venimos defendiendo: el valor del agente empresarial no está en el modelo, sino en la capa que lo rodea. Allí viven la identidad, los permisos, la trazabilidad y la supervisión humana. Un agente «casi listo» durante meses suele ser un agente sin métrica, sin evals y sin observabilidad.

Hay matices. Un 2% sobre una muestra de operadores de viajes no representa a toda la industria. Además, buena parte de las cifras que circulan sobre «pilotos que fracasan» vienen de consultoras y proveedores con incentivos para vender la solución al problema. Tomaría la dirección del dato en serio y sus decimales con cautela.

Las consecuencias van más allá de la ingeniería. Quien gana en esta fase no es quien tiene el mejor modelo, que cada vez es más intercambiable, sino quien tiene disciplina operativa: evals propias, escalado gradual por intención y canal, y trazas de decisión desde el primer día. Eso favorece a equipos pequeños y ordenados frente a presupuestos grandes y desorganizados. Pierden los proyectos que tratan el agente como una demo permanente.

En general, así suele ser cada ola tecnológica. Primero llega el entusiasmo del prototipo y después la fase aburrida, la que de verdad produce valor. A corto plazo eso significa muchos pilotos cancelados y algo de frustración. A largo plazo, esa ingeniería es lo que permitirá automatizar tareas rutinarias con fiabilidad y liberar a las personas para trabajo de más criterio. La abundancia que prometen los agentes no sale de una demo brillante, sino de sistemas que funcionan un martes a las 9 de la mañana.