Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
La inteligencia artificial empresarial ya no se juega en la pregunta de qué modelo impresiona más, sino en otra bastante menos vistosa y mucho más útil. Importa qué puede hacer cuando entra en la operativa, qué permisos recibe, qué acciones ejecuta y en qué momento una persona toma el mando.
Alejandro Martínez, adjunto al vicerrector de Universidad Digital para Inteligencia Artificial de la Universidad Politécnica de Madrid, lo resume con una idea incómoda para buena parte del mercado. Muchas empresas no necesitan el modelo más avanzado disponible, porque para muchas tareas bastan sistemas más pequeños o especializados, más baratos, predecibles y fáciles de controlar.
"A muchas empresas no les hace falta utilizar el modelo más avanzado disponible" - Alejandro Martínez, adjunto al vicerrector de Universidad Digital para Inteligencia Artificial de la Universidad Politécnica de Madrid
Ahí aparece el verdadero cambio de escala. María Vázquez, directora de Soluciones Empresariales de Microsoft España, explica que las compañías están pasando de asistentes individuales a redes de agentes especializados que colaboran, comparten contexto y coordinan tareas complejas de forma autónoma bajo supervisión humana.
Microsoft ya cuenta con más agentes que empleados
La proporción impresiona por sí sola.
Microsoft cuenta con más de 800.000 agentes para una plantilla de 200.000 empleados. En uno de sus pilotos comerciales, María Vázquez asegura que los agentes aumentaron un 9,4% los ingresos por empleado y redujeron un 20% el tiempo de cierre de operaciones.
Ese salto no se queda en una cifra corporativa. Microsoft y Serveo han desarrollado más de 700 agentes que han reducido hasta un 80% determinados tiempos de gestión, mientras la compañía aplica esta tecnología con Copilot Cowork para ejecutar tareas complejas y procesos de varios pasos.
También describe Project Perception con una lógica muy concreta. María Vázquez lo define como una arquitectura en la que distintos agentes trabajan de forma coordinada, detectan vulnerabilidades, analizan cuáles suponen un riesgo real y refuerzan las defensas.
Los casos útiles aparecen cuando la tarea está acotada
Fuera de los grandes discursos, los ejemplos más claros llegan cuando la función está bien delimitada. Ilunion usa Litigator para analizar expedientes judiciales y ahorrar más de 7.000 horas de trabajo al año, y Bankinter ha desplegado agentes creados por sus propios empleados para automatizar tareas y apoyar procesos internos.
Ferrovial recurre a agentes coordinados para analizar y resolver incidencias en las autopistas que gestiona en Estados Unidos. Cosentino, por su parte, ha desarrollado CLAR para ofrecer información técnica, consultar la disponibilidad de productos y dar soporte en tiempo real.
Incluso el comercio masivo ofrece ya un termómetro bastante concreto, como ocurrió con el uso empresarial de agentes en Walmart. La cadena trabaja con más de 100.000 proveedores y utiliza agentes de inteligencia artificial para negociar de forma autónoma, con acuerdos cerrados en el 68% de los proveedores contactados.
"Estamos evolucionando desde asistentes individuales hacia ecosistemas de agentes especializados capaces de colaborar entre sí, compartir contexto y coordinar tareas complejas de forma autónoma, bajo supervisión humana" - María Vázquez, directora de Soluciones Empresariales de Microsoft España
La autonomía plena todavía avanza con mucha cautela
Sin embargo, la automatización total sigue siendo minoritaria. Según datos de PwC, solo el 15% de las empresas líderes tiene la autonomía plena de la inteligencia artificial en explotación.
César Calleja, socio responsable de Consultoría de PwC, sitúa el freno donde más duele. Cuando una decisión puede acarrear consecuencias económicas, regulatorias o reputacionales, la implantación se vuelve más cautelosa y en muchos entornos los agentes siguen funcionando con supervisión humana.
El contraste ayuda a entender el momento del mercado. Mientras algunos casos ya ahorran miles de horas o recortan hasta un 80% ciertos tiempos de gestión, el Instituto de Tecnología de Massachusetts sostiene que el 95% de los pilotos de inteligencia artificial generativa aún no demuestra un impacto medible en la cuenta de resultados.
HappyRobot busca entrar en el 5% que sí demuestra resultados
No todos apuestan por un único cerebro para todas las tareas.
Carlos Becker, responsable de grandes cuentas de HappyRobot, explica que su empresa no trabaja con un solo modelo, sino que identifica qué tareas conviene automatizar, con qué objetivos y en qué punto debe mantenerse la intervención humana. Esa lógica coincide con otra expansión de agentes en oficinas que ya desplaza parte del trabajo administrativo hacia sistemas activos durante todo el día.
HappyRobot ha cerrado una ronda de financiación de 150 millones de dólares y trabaja con más de 150 clientes, entre ellos DHL, Naturgy, Kuehne+Nagel y Uber. Becker fija además una meta muy concreta al afirmar que su ambición consiste en formar parte de ese 5% de proyectos de inteligencia artificial que ha superado la fase piloto y convierte la experimentación en resultados visibles y medibles.
Al final, la cifra que mejor retrata esta etapa no es el número de agentes desplegados, sino la distancia entre promesa y prueba. Si el 95% de los pilotos todavía no impacta de forma medible en la cuenta de resultados y solo el 15% de las empresas líderes opera con autonomía plena, la carrera real no consiste en tener más inteligencia artificial, sino en encontrar dónde sí funciona.