Agentes de IA o automatización determinista

Gartner estima que más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027, y que de los miles de proveedores que dicen ofrecer IA agéntica solo unos 130 lo hacen de verdad. Buena parte de esas cancelaciones son procesos que nunca necesitaron un modelo de lenguaje.

La proporción real del mercado

Según Menlo Ventures, dentro del gasto empresarial en aplicaciones de IA los copilotos mueven 7.200 millones de dólares frente a 750 millones de los agentes autónomos. Además, el 76 % de las soluciones se compran en vez de construirse internamente, frente al 53 % en 2024. Traducción: vender agentes autónomos es competir por una porción pequeña; implantar IA sobre procesos existentes es donde está el dinero.

Cuándo el modelo no aporta

• La entrada es estructurada y previsible
• Las reglas caben en una tabla de decisión
• El volumen es alto y el margen de error, estrecho
• Hay que justificar cada decisión ante un auditor
• El proceso se ejecuta miles de veces al día y cada céntimo cuenta

Cuándo sí aporta

• Texto libre: correos, descripciones, reclamaciones
• Documentos con formato impredecible entre emisores
• Clasificación difusa donde las reglas se vuelven inmanejables
• Redacción de borradores que una persona revisa
• Búsqueda semántica sobre documentación propia

El patrón que funciona: el modelo encapsulado

La arquitectura que aguanta no es "un agente que lo hace todo". Es un proceso determinista con una o dos cápsulas de modelo en los puntos exactos donde la regla no llega. Cada cápsula tiene su entrada acotada, su salida validada y su métrica propia. Si el modelo empeora, se sustituye sin tocar el resto. Si encarece, se mide dónde.

La lección del caso 11x

La empresa de SDR con IA levantó 74 millones de dólares y, según reportes de prensa secundaria, perdió entre el 70 y el 80 % de su base de clientes. La causa señalada no fue el modelo: fue el hueco entre la demo con datos curados y la producción con CRMs sucios. Es exactamente el mismo motivo por el que insistimos en hacer el piloto con tus datos reales, no con una muestra preparada.