De los chatbots a los agentes: cómo la IA agéntica redefine los procesos corporativos

Muchas empresas ya tienen chatbots en producción. El paso siguiente, agentes de IA que operan sobre procesos reales, cambia la naturaleza del proyecto. Deja de ser una decisión sobre una interfaz conversacional y pasa a ser una decisión sobre procesos, datos, sistemas, seguridad y responsabilidades.

Gartner proyecta que hacia 2028 el 33% de las aplicaciones de software empresarial incorporará IA agéntica, frente a menos del 1% en 2024. Al mismo tiempo, advierte que más del 40% de los proyectos de IA agéntica serán cancelados antes de que termine 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes.

Por eso, la conversación no debería limitarse a qué puede hacer la IA agéntica, sino a qué necesita una organización para que la IA pueda actuar sobre sus procesos de forma segura, conectada y trazable.

Chatbot, automatización y agentes: diferencias de autonomía, integración y supervisión

La diferencia no es binaria. Gartner describe a los agentes autónomos como sistemas combinados capaces de alcanzar objetivos definidos sin intervención humana repetida. En la práctica existe un espectro: Deloitte plantea desde tareas compartidas entre personas y agentes hasta agentes que actúan de forma completamente independiente. Lo que la empresa define es en qué punto de ese espectro opera cada proceso.

Criterio	Chatbot	Automatización	Agente de IA
Autonomía	En general, la persona conduce cada paso de la conversación.	Ejecuta pasos predefinidos, sin variación.	Persigue un objetivo definido y organiza los pasos dentro de reglas y permisos.
Integración con sistemas	Es variable, desde ninguna hasta consulta de información.	Alta, con sistemas específicos y conexiones fijas.	Consulta y actúa sobre varios sistemas, normalmente mediante APIs.
Ejecución de acciones	Limitada o acotada.	Las definidas de antemano.	Las que sus permisos autorizan.
Manejo de excepciones	Deriva a una persona cuando la consulta excede su alcance.	Se detiene o deriva cuando el caso no calza con las reglas.	Aborda variaciones dentro de sus permisos y escala según criterios definidos.
Supervisión requerida	Revisión de la calidad de las respuestas.	Monitoreo de fallos del flujo.	Continua con permisos, registro de acciones, evaluación y responsable definido.

Este último punto pesa mucho. Según Deloitte, tres de cada cuatro líderes creen que la colaboración entre personas y agentes genera más valor que la automatización con agentes por sí sola, pero menos de la mitad de las organizaciones ha definido el modelo operativo humano-agente para lograrlo.

Te podría interesar: Automatización robótica de procesos: ¿cómo beneficia a las empresas?

¿Cuándo tiene sentido un agente y cuándo basta con un chatbot o una automatización?

Gartner señala que muchos casos de uso presentados hoy como agénticos no requieren una implementación agéntica, y recomienda perseguir esta tecnología solo donde exista valor o retorno claro.

Para un gerente o líder de tecnología, la pregunta útil no es “¿podemos usar un agente?”, sino “¿qué nivel de autonomía necesita este proceso y qué capacidad tiene la organización para integrarlo, controlarlo y supervisarlo?”

Si el proceso…	Suele bastar con…	Ejemplo ilustrativo
Responde consultas acotadas, con una respuesta posible, sobre información ya documentada	Chatbot	Banca: consultas sobre requisitos de un producto o procedimientos internos
Sigue reglas explícitas y estables, con alto volumen y pocas excepciones	Automatización tradicional	Retail: cierre diario de ventas con criterios fijos de conciliación
Encadena pasos entre varios sistemas, presenta variaciones y requiere criterio en excepciones, con un responsable definido	Agente de IA con escalamiento	Minería o energía: coordinar una solicitud de mantenimiento entre inventario, planificación y turnos, escalando los casos atípicos

Señales de que la inversión responde a una necesidad operativa:

El resultado de negocio esperado está definido y es medible.
El proceso encadena varios pasos entre sistemas y tiene un volumen que justifica la inversión.
Los sistemas involucrados ofrecen conexiones (APIs) y los datos necesarios están accesibles.
Existe un responsable del proceso, con reglas explícitas sobre qué puede ejecutar el agente y cuándo debe escalar.
Se puede definir qué acciones necesitan autorización humana y cuáles pueden ejecutarse automáticamente.
La organización dispone de mecanismos para registrar y auditar las acciones realizadas por el agente.

Señales de sobreespecificación:

El proceso cabe en reglas fijas: una automatización tradicional resuelve lo mismo con menor complejidad.
La motivación principal es tener un agente, no resolver un problema de negocio identificado.
Los datos están dispersos o los sistemas no se conectan entre sí, por lo que primero se requiere integración.
No hay responsable definido, criterios de escalamiento ni forma de registrar lo que el agente hace.

Infraestructura y conectividad: lo que permite que un agente opere

Para que un agente actúe sobre un proceso real necesita acceder a datos actualizados, ejecutar acciones en los sistemas correctos y dejar registro de cada paso. Buena parte de esas condiciones depende de la infraestructura y el gobierno, además del modelo de IA.

Según Deloitte, los tres factores que más frenan el escalamiento de agentes son la falta de una base de datos unificada y accesible (72%), la dificultad de confiar en los agentes y gobernarlos (70%), y el costo y la complejidad de la integración (67%). Gartner, por su parte, recomienda construir una arquitectura que permita operar a los agentes, con integración de herramientas y acceso a repositorios de conocimiento.

Esto significa que la infraestructura no es una capa posterior al proyecto de IA. Forma parte de la capacidad de la organización para permitir que un agente consulte información, se comunique con diferentes plataformas, ejecute una acción y deje evidencia verificable de lo realizado.

Capacidad	Qué habilita	Pregunta de control para la dirección
Conectividad e integración	Que el agente acceda a datos actualizados y actúe en los sistemas donde ocurre el proceso, con tiempos de respuesta acordes al caso de uso	¿Están conectados los sistemas involucrados, con una red estable entre sedes, nube y proveedores?
Datos	Información accesible e integrada, no repartida en plataformas aisladas	¿Puede el agente consultar toda la información que el proceso requiere?
Seguridad y control de acceso	Identidad y permisos acotados para cada agente, con visibilidad sobre qué datos toca y por dónde circulan	¿Qué puede ver y hacer cada agente, y quién lo autoriza?
Trazabilidad y observabilidad	Registro de cada acción para auditar, corregir y mejorar	¿Se puede reconstruir qué consultó, qué ejecutó y bajo qué regla?
Gobierno	Reglas explícitas de qué puede ejecutar, qué debe escalar y quién responde	¿Quién es responsable de supervisar cada proceso?

En seguridad, IBM plantea en su Cost of a Data Breach Report 2026 que, a medida que proliferan los agentes, las organizaciones deben adaptar el control de identidades para asegurarlos; accesos dinámicos basados en identidad, permisos estrictamente acotados y aplicados en tiempo de ejecución, atribución humana y capacidad de auditoría.

Entel Empresas Insight

La infraestructura no es un requisito técnico al margen del proyecto de IA agéntica: es una de las capacidades que permite llevar los controles definidos a la operación. Sin conectividad estable, seguridad integrada y disponibilidad entre sedes, nube y aplicaciones, resulta más difícil operar agentes de forma segura y trazable.

Atención al cliente: el primer terreno a prueba

Cuando un cliente no obtiene una respuesta oportuna en los canales de una empresa, puede recurrir a herramientas externas de IA u otros canales para resolver su necesidad. Esas interacciones ocurren fuera de los entornos propios de la organización, lo que puede reducir su visibilidad sobre las necesidades, consultas y fricciones de sus clientes.

Por eso, un canal propio bien diseñado puede combinar distintos niveles de automatización: autoservicio para consultas simples, apoyo en tiempo real a los ejecutivos humanos en casos más complejos y agentes capaces de ejecutar determinadas acciones bajo permisos y reglas previamente definidos.

KPN: de los chatbots a agentes integrados al proceso de atención

KPN, uno de los principales operadores de telecomunicaciones de los Países Bajos, ofrece un caso concreto de cómo avanzar desde chatbots hacia agentes integrados a procesos reales de atención. Según un caso documentado por McKinsey en junio de 2026, su operación gestiona cerca de cinco millones de llamadas al año y ha priorizado casos como verificación de identidad, consulta del estado de pedidos, agendamiento de visitas técnicas y diagnóstico de problemas de conexión.

Detrás de estos casos existe una arquitectura que conecta los agentes con sistemas centrales mediante APIs y MCP, junto con objetivos de baja latencia, controles que delimitan qué pueden hacer, trazabilidad de extremo a extremo y mecanismos de evaluación humana y automática. KPN también mantiene intervención humana en interacciones de mayor sensibilidad, mostrando que llevar agentes a producción no depende solo del modelo de IA, sino de contar con integración, conectividad, seguridad, gobernanza y supervisión acordes al nivel de autonomía definido.

Lo más útil para una gerencia es lo que hay detrás:

Integración: una plataforma que conecta los agentes con los sistemas centrales de la telecom, mediante APIs estándar y MCP, para acceder a datos y ejecutar acciones en tiempo real.
Conectividad y latencia: el diseño se fijó en tiempos de respuesta inferiores a dos segundos por turno de conversación, un requisito que condicionó las decisiones de arquitectura.
Gobernanza y trazabilidad: barreras de control (guardrails) que delimitan lo que los agentes pueden decir y hacer, registro y trazabilidad de extremo a extremo, y un marco de evaluación que combina pruebas humanas y controles automáticos. Además, cada día se revisan hasta 100 llamadas reales.
Organización: un grupo de trabajo actualizó procedimientos y programas de capacitación; KPN reporta una tasa de éxito de adopción superior al 86%.

Sobre resultados, McKinsey indica que la ambición de KPN es que los agentes atiendan entre 10% y 20% de las llamadas de servicio al cliente hacia 2027. Se trata de una meta, no de un resultado ya alcanzado. Conviene además leer el caso con contexto: McKinsey acompañó el proyecto.

La brecha entre ambición y preparación

Deloitte encuestó a 501 líderes de Estados Unidos, de nivel gerente senior a C-suite, en organizaciones que ya estaban al menos pilotando IA agéntica (abril a junio de 2026). Sus resultados miden cosas distintas y conviene leerlos por separado:

Qué mide	Resultado
Adopción actual	42% prueba pocos agentes o tiene despliegues iniciales; 43% los expande entre funciones; 15% ha alcanzado una adopción multiagente orquestada a escala.
Preparación de los procesos	16% considera que sus procesos están preparados para agentes; 5%, altamente preparados.
Expectativa a futuro	31% espera que al menos la mitad de sus procesos esté rediseñada o reconstruida en torno a agentes en dos años; 74% lo espera en cuatro años.

Deloitte concluye que esta brecha probablemente no se debe a falta de ambición, sino a obstáculos como procesos poco documentados, datos y sistemas fragmentados, y formas de trabajo arraigadas. También observa que muchas organizaciones parten superponiendo agentes a procesos existentes, algo útil para aprender pero que no debería ser el destino final.

Entel Empresas Insight

La gobernanza de un agente requiere más que políticas y procedimientos: también necesita visibilidad sobre qué datos utiliza, qué acciones ejecuta, con qué permisos opera y cuándo debe escalar una decisión. Esa trazabilidad depende tanto del diseño del agente como de la infraestructura de red, seguridad e integración que lo soporta.

Profundiza en: Inteligencia Artificial en empresas: qué esperar en los próximos 10 años

De la promesa a la ejecución

La IA agéntica puede rediseñar procesos, pero solo donde existe una base que la sostenga: procesos documentados, datos accesibles, gobierno definido y una infraestructura que permita actuar de manera segura, conectada y trazable. Para un comité de dirección, la pregunta útil no es solo qué puede hacer la inteligencia artificial sino qué necesita la organización para que actúe sobre sus procesos con esas garantías.

En Entel Empresas acompañamos a las organizaciones en esa base: la conectividad, la seguridad y la integración que permiten llevar los casos de uso a producción. Eso incluye la conexión estable entre sedes con SD-WAN Red Inteligente, la orquestación de la atención entre personas y agentes de IA con Contact Center y la conexión segura del soporte interno con Comunicaciones Unificadas. Un buen primer paso es evaluar, junto con los equipos de tecnología y negocio, si la infraestructura actual sostiene el caso de uso que se quiere llevar a producción.

Preguntas frecuentes

¿Por dónde debería empezar una empresa que recién está evaluando IA agéntica?

Por un proceso acotado, de volumen suficiente y con un responsable claro. Antes de aumentar la autonomía, conviene validar que existan datos disponibles, integraciones confiables, métricas definidas y capacidad de supervisión.

¿Un agente de IA reemplaza al equipo humano de atención al cliente o soporte?

Depende del proceso y del nivel de autonomía que la empresa defina. En el caso de KPN, los agentes asumen tareas como la verificación de clientes y el diagnóstico inicial, mientras las personas se concentran en interacciones más complejas.

¿Cómo se mide si un proyecto de IA agéntica está funcionando?

Más allá del ahorro de tiempo, conviene medir la tasa de resolución dentro de los permisos definidos, el porcentaje de casos correctamente escalados y la trazabilidad de cada acción ejecutada. KPN, por ejemplo, combina pruebas humanas con controles automáticos de calidad y revisa transcripciones de llamadas reales de forma diaria.

¿Qué pasa si un agente de IA toma una decisión incorrecta?

Por eso el gobierno importa tanto como la tecnología. Cada agente debería operar con permisos acotados, registro de sus acciones y un responsable humano que pueda revisar, corregir y responder por el resultado, como en cualquier tarea operativa delegada. Como plantea IBM, los agentes requieren controles de acceso acotados y auditables.