Solo el 17% de las empresas encuestadas por SAP LeanIX tiene visibilidad sobre el rendimiento o el cumplimiento de reglas de sus agentes de inteligencia artificial. La brecha afecta a herramientas que pueden consultar datos y ejecutar acciones dentro de aplicaciones corporativas.
En esa muestra, el 44% ya utiliza agentes, el 40% experimenta con ellos y el 14% planea incorporarlos. El 98% que suele resumir esos resultados reúne etapas distintas de adopción. Además, el 48% carece de responsabilidades claramente definidas para administrarlos.
SAP realizó la encuesta en marzo de 2026 entre responsables de arquitectura empresarial de 228 organizaciones clientes, principalmente de Europa y Norteamérica. Los porcentajes describen ese grupo, con una concentración geográfica que importa al interpretar sus resultados.
El uso declarado no mide la autonomía del sistema
HP encontró que el 47% de los trabajadores de su Work Relationship Index 2026 decía utilizar agentes de IA. El estudio, publicado el 30 de septiembre, consultó a 19,506 personas con trabajos de escritorio en 15 países, incluidos México, España y Estados Unidos, entre el 15 de abril y el 20 de mayo.
Las dos encuestas observan cosas distintas: HP pregunta a personas por su uso de herramientas; SAP recoge respuestas sobre organizaciones. El nivel de autonomía y los permisos de cada agente requieren una evaluación aparte.
Un agente puede encadenar pasos para completar una tarea, consultar información y actuar en otros sistemas. Esa capacidad vuelve relevante cada autorización: leer un documento, modificarlo o compartirlo son operaciones con consecuencias diferentes.
Aprobar cada paso también puede desgastar la supervisión
El Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST) abordó este problema en un análisis del 27 de agosto de 2026. Sus autores, Bill Fisher y Ryan Galluzzo, advierten que entregar a un agente las credenciales de un empleado dificulta atribuir las acciones y puede concederle accesos demasiado amplios.
Su planteamiento es dar a los agentes identificadores propios, credenciales y permisos vinculados a quien los opera, con autorizaciones ajustadas a sus funciones. Así resulta posible distinguir la identidad del software de la persona que delegó el trabajo.
Los autores también señalan un límite de la revisión humana constante: la fatiga de consentimiento. Cuando el sistema solicita permiso repetidamente, la persona puede acostumbrarse a aprobar por reflejo para que el trabajo continúe. El control formal sigue ahí, pero pierde su función si nadie examina la solicitud.
En una entrevista publicada por Expansión el 22 de octubre, Román Baudrit, vicepresidente de ventas de Seguridad de Aplicaciones y Datos de Thales Cybersecurity Products para América Latina, describió otro control: poder revocar conexiones concretas cuando exista riesgo para la información. Ese mecanismo, conocido como kill switch, corta un acceso del agente. Revocarlo no garantiza recuperar los datos que ya hayan salido de la organización.
El gasto necesita una trazabilidad propia
El informe State of FinOps 2026, basado en 1,192 respuestas de la comunidad dedicada a gestionar el valor y el gasto tecnológico, identifica dificultades para conocer el consumo de IA, asignar sus costos a las áreas del negocio y determinar el retorno de la inversión.
La FinOps Foundation explica que estos servicios pueden tener precios menos transparentes o más variables que los de la nube tradicional. Los equipos deben relacionar ese consumo con las unidades que lo generan y con el valor obtenido, mientras muchos proyectos todavía están en fase exploratoria.
Entre las herramientas más reclamadas en el informe figuran el seguimiento detallado del gasto en modelos y la estimación de costos de una arquitectura antes de desplegarla. Es información que permite conectar la factura con el trabajo delegado, además de saber quién autorizó al agente y a qué podía acceder.
