El 80% de las empresas ya usa agentes de IA. Casi nadie dice tener control real sobre ellos

Dos estudios publicados en 2026, sin relación entre ellos, llegan a la misma conclusión desde ángulos distintos. Uno, centrado en seguridad, encuentra que casi todas las empresas ya tienen agentes de IA funcionando pero casi ninguna siente que los controla de verdad. El otro, centrado en España e Iberoamérica, encuentra que la mayoría sigue atascada en pilotos sueltos que nunca llegan a convertirse en algo con gobernanza real. Si tu empresa ya tiene uno o varios agentes de IA en marcha, vale la pena preguntarse en cuál de los dos grupos estaría.

El informe "State of AI Agent Security 2026", de la compañía de seguridad Gravitee, encuestó a 750 ejecutivos y responsables técnicos y encontró que el 80% de las organizaciones ya despliega agentes de IA en algún proceso, pero solo el 10% dice sentir que tiene un control real sobre lo que esos agentes hacen. Es un informe de una empresa de seguridad que vende, entre otras cosas, herramientas para vigilar justo ese problema, así que conviene leerlo con la misma cautela con la que tratamos cualquier cifra de un fabricante en este blog. Pero la brecha entre ambos números —80% frente a 10%— es tan grande que, aunque la cifra exacta se mueva, la dirección del dato es difícil de descartar solo por venir de un proveedor interesado.

El "Observatorio de Agentic AI en España e Iberoamérica 2026", elaborado por NTT DATA y CIONET a partir de entrevistas a 130 organizaciones, aporta un dato más concreto sobre esta región: solo el 3,8% de las empresas ha llegado a una implementación a escala industrial de sus agentes de IA. El 59,2% sigue trabajando con pilotos dispersos que no se han conectado entre sí, y apenas el 12,3% ha empezado a construir arquitecturas orquestadas donde varios agentes son capaces de operar de forma interoperable, no como islas separadas.

El propio estudio plantea un calendario de maduración en tres etapas: 2025 como año de exploración, 2026 como el año en el que las empresas deciden su estrategia y arquitectura de fondo, y 2027 como el inicio de una fase real de escalado competitivo. Dicho de otro modo: según este observatorio, la mayoría de empresas de España e Iberoamérica está, ahora mismo, en el peor momento posible para presumir de tener "agentes de IA" — tienen la etiqueta, pero no la estructura que la etiqueta debería implicar.

Según el mismo observatorio, el obstáculo principal para escalar no es tecnológico: es organizativo, económico y cultural. Una parte relevante de las empresas encuestadas reconoce tener dificultades para construir un caso de negocio con impacto medible que justifique seguir invirtiendo más allá del piloto inicial. Es un patrón que ya hemos visto en otro contexto en este blog: cuando explicamos por qué fallan tantos proyectos de IA en empresas, el problema de fondo casi nunca era que el modelo no funcionara, era que nadie había definido bien qué problema de negocio concreto se esperaba que resolviera antes de empezar a construir.

Esta brecha entre adopción y control no es un hallazgo aislado de estos dos estudios, es el mismo hilo que ya tiramos desde dos ángulos distintos. Ya contamos que es habitual que una empresa tenga agentes de IA montados por su propio equipo sin que dirección lo sepa siquiera, lo que llamamos shadow AI. Y ya contamos qué pasa cuando una empresa tiene varios agentes que no comparten la misma fuente de datos: cada uno hace bien su trabajo por separado, y el conflicto aparece justo en lo que pasa entre ellos. Los dos estudios de este artículo son, en el fondo, la misma historia contada con cifras agregadas de todo un mercado en lugar de con un ejemplo concreto.

Al leer estos estudios conviene no quedarse solo con la alarma, sino preguntarse qué resolvería el problema de verdad. En nuestra experiencia, "control real" sobre un agente de IA se reduce a cuatro cosas concretas, nada exótico: que consulte una única fuente de datos en lugar de una copia propia que nadie sincroniza; que tenga límites explícitos y por escrito sobre qué puede hacer sin supervisión y qué no; que cada acción que ejecuta quede registrada en un sitio donde se pueda auditar después, no solo en los logs internos de un proveedor externo; y que las acciones sensibles o irreversibles pasen por una persona antes de ejecutarse, al menos hasta que el histórico demuestre que no hace falta.

Ninguno de los dos estudios dice que haya que parar de adoptar agentes de IA — de hecho ambos coinciden en que la adopción sigue subiendo. Lo que dicen es que la gobernanza no está siguiendo el mismo ritmo, y que esa distancia es, hoy, el riesgo más probable, por delante de cualquier fallo del propio modelo.

Por esto mismo, cuando construimos un agente de IA no lo entregamos como una caja cerrada que simplemente "funciona": documentamos a qué sistemas accede, qué puede y qué no puede hacer sin supervisión, y dejamos un registro de cada acción que ejecuta — lo mismo que ya explicamos que exigimos de nosotros mismos en nuestro artículo sobre garantías reales al contratar software o IA. Un agente construido así no engorda la estadística del 59,2% de pilotos sueltos que no llegan a ningún sitio, porque la arquitectura para escalar está pensada desde el primer día, no añadida después como un parche.

Si tu empresa ya tiene uno o varios agentes de IA funcionando y no tienes del todo claro quién podría explicar hoy, con detalle, qué hace cada uno y qué límites tiene, es exactamente el tipo de revisión que planteamos en la fase de análisis, antes de proponer nada nuevo.