AgentOps
Agente de IA en la empresa: cómo pasar de las pruebas iniciales al uso cotidiano
En una empresa, las personas pueden empezar a usar inteligencia artificial por iniciativa propia: alguien pide ayuda para escribir un texto, resumir un documento o analizar una hoja de cálculo. La persona conduce la tarea, elige lo que aprovecha y comprueba el resultado.
Otro contexto aparece cuando la empresa incorpora agentes de IA a un proceso de ventas, compras o atención. En ese caso, el agente puede consultar información, elegir herramientas y ejecutar etapas dentro de condiciones definidas. Su trabajo pasa a formar parte de una rutina de la que dependen otras personas.
Esos usos pueden combinarse. La diferencia que importa aquí es la responsabilidad sobre el proceso: cuando un agente pasa a participar del trabajo de la empresa, hay que definir qué puede hacer y cómo se acompañará su actuación.
Ese acompañamiento es donde el ARGUS puede ayudar, con coordinación, trazabilidad y visibilidad sobre el consumo de los agentes integrados. Al final del artículo, mostramos cómo funciona ese apoyo en la práctica, usando la comparación con un equipo de fútbol.
La investigación global de McKinsey publicada en agosto de 2026 ayuda a dimensionar esa transición. Mientras el 80% de los participantes informó mejora en la productividad individual con IA, el 37% atribuyó algún impacto positivo al beneficio operativo de sus organizaciones. Son medidas distintas, pero el contraste muestra por qué las ganancias personales y los resultados empresariales deben evaluarse por separado.[1]
El levantamiento entrevistó a 1.719 participantes en 97 países, entre mayo y junio de 2026. Los números representan las respuestas de esa muestra, no una estimación específica para empresas brasileñas o de tamaño mediano.[1]
Para una empresa mediana, el camino puede comenzar con un flujo delimitado y un equipo reducido. Lo esencial es poder verificar la entrega y lidiar con problemas.
Definir el trabajo antes de liberar el agente
Imagine una empresa ficticia que probó un agente para preparar propuestas comerciales. Consulta documentos, organiza información y entrega un borrador que reduce el trabajo de preparación del equipo.
Después de las primeras pruebas, surge la idea de incorporarlo a la rutina. Pero aún hay situaciones por resolver. ¿Qué tabla de precios debe consultarse? ¿El agente puede acceder a contratos de cualquier cliente? Y, si falta información, ¿debe interrumpir la tarea o preparar una propuesta parcial?
Para pasar de las pruebas al uso cotidiano, el primer paso es delimitar su tarea.
Podrá consultar un catálogo autorizado y preparar el documento para revisión. Conceder descuentos, asumir compromisos contractuales o enviar la propuesta al cliente pueden seguir dependiendo de aprobación humana.
También es necesario definir qué se considerará una entrega aceptable. “Generar una propuesta” dice poco si el documento exige tantas correcciones que el equipo prefiere empezar de nuevo. Conviene evaluar la consistencia de los ítems, el uso de condiciones vigentes y el esfuerzo de revisión.
La orientación de Microsoft para la adopción de agentes recomienda identificar un responsable de negocio y establecer resultados medibles para cada iniciativa.[2]
En el ejemplo, alguien del área comercial debe responder por la aceptación de la entrega y por la actualización de las reglas. Quien mantiene la integración responde por el funcionamiento técnico. En una empresa mediana, la misma persona puede acumular varias atribuciones, pero deben estar claras, incluso cuando haya divergencia sobre la calidad de una propuesta.
Tener un agente funcionando es el inicio de la evaluación. El resultado debe aparecer en el proceso que ayuda a ejecutar.
Conceder los accesos necesarios para la tarea
Después de definir el trabajo, hay que verificar si los accesos corresponden a lo autorizado.
El agente puede necesitar consultar el catálogo de servicios y una tabla de precios vigente. Eso no significa que deba acceder a todas las propuestas anteriores o a condiciones especiales negociadas por la empresa.
La documentación de gobernanza de agentes de Microsoft recomienda restringir el acceso a las fuentes necesarias para la función y aplicar controles de identidad y permisos. También trata del cuidado con los datos almacenados en memoria y los registros de ejecución.[3]
En el flujo comercial, eso se traduce en decisiones concretas: qué documentos pueden consultarse, quién mantiene sus versiones, qué información puede enviarse al modelo y dónde se guardará la propuesta generada.
Las restricciones deben ser aplicadas por los sistemas, herramientas e integraciones responsables. Una instrucción escrita en la configuración del agente no sustituye el control de acceso.
Así como un jugador debe conocer su función y respetar las reglas del juego, cada agente debe actuar dentro de los permisos recibidos. El ARGUS apoya la aplicación de esos límites en los agentes y flujos integrados, conforme las políticas y los controles configurados por la empresa.
Antes de liberar el uso, también conviene probar el límite: si el agente intenta consultar un documento fuera de su alcance, ¿el acceso será bloqueado?
Probar las situaciones que aparecen en el día a día
Las primeras pruebas suelen usar solicitudes organizadas y documentos seleccionados. En la rutina llegan informaciones incompletas, archivos antiguos y orientaciones contradictorias.
La evaluación debe representar esas condiciones. El Marco de gestión de riesgos de IA del NIST recomienda documentar pruebas y métricas y demostrar el desempeño en condiciones semejantes al entorno de despliegue.[4]
Para el agente de propuestas, conviene verificar cómo se comporta ante un servicio fuera del catálogo, una tabla vencida o una solicitud que exige una condición aún no aprobada.
En algunos casos, la entrega aceptable será una propuesta parcial con la indicación de lo que falta. En otros, el comportamiento esperado será derivar la solicitud a una persona.
Esos criterios deben alinearse antes de la evaluación. Así el equipo puede distinguir un fallo de una interrupción correcta: un agente que reconoce la falta de autorización puede estar cumpliendo su función.
También conviene registrar qué versiones del modelo, de las instrucciones y de las fuentes se evaluaron. Un cambio relevante en cualquiera de esos componentes puede exigir nuevas pruebas antes de continuar el uso.
Preparar al equipo para revisar e intervenir
La revisión humana necesita un lugar definido en el proceso. Quien recibe el borrador debe saber qué verificar, cómo rechazar la entrega y a dónde derivar una inconsistencia.
Si esa persona no está disponible, el flujo debe tener un destino previsto. La ausencia de revisión no puede transformarse, por accidente, en autorización para enviar la propuesta.
También es necesario acordar quién puede suspender el agente, cómo seguirá el equipo el trabajo y qué registros permitirán identificar las entregas afectadas.
El NIST incluye en la gestión de riesgos de IA responsabilidades y mecanismos para desactivar sistemas con resultados incompatibles con el uso previsto, además de monitoreo, respuesta a incidentes y recuperación.[4]
Suspender nuevas ejecuciones no corrige automáticamente una información ya enviada. Por eso, la respuesta debe considerar tanto al agente como los efectos de sus acciones.
El monitoreo comienza junto con el uso real. Microsoft recomienda que los primeros agentes entren en producción con monitoreo activo desde el inicio.[2] En este ejemplo, el equipo puede acompañar propuestas aceptadas, correcciones necesarias, fallos de consulta, tiempo de ejecución y consumo.
En ese monitoreo, el ARGUS ayuda a reunir evidencias de las ejecuciones, las llamadas a herramientas y el consumo de los modelos integrados. Esa información permite investigar fallos y orientar ajustes mientras el equipo evalúa la calidad de las entregas y los resultados para el negocio.
El consumo merece atención: en la encuesta de McKinsey de 2026, cerca del 20% de los participantes dijo que los costos operativos de la IA, incluidos los tokens, limitaron su uso en las organizaciones.[1] Eso refuerza la importancia de observar consumo y calidad en conjunto. Una entrega rápida puede perder utilidad si exige sucesivos intentos y mucho retrabajo.
Decidir qué está listo para entrar en la rutina
Antes de liberar el agente, la empresa debe poder reunir algunas respuestas:
- ¿Qué tarea está autorizada y qué acciones exigen aprobación?
- ¿Quién responde por la entrega y por el funcionamiento técnico?
- ¿Qué fuentes, herramientas y permisos se liberaron?
- ¿Qué se probó y qué limitaciones permanecen?
- ¿Cómo tratar excepciones, suspender el flujo y continuar el trabajo?
- ¿Quién acompañará resultados, calidad y consumo?
Ese registro puede ser simple y proporcional al proceso. Su valor está en permitir que las personas involucradas entiendan qué se autorizó y tengan condiciones para actuar.
La atención a esos criterios también aparece en las proyecciones de mercado. En junio de 2025, Gartner previó que más del 40% de los proyectos de IA agéntica serían cancelados para fines de 2027, señalando costos crecientes, valor de negocio poco claro o controles de riesgo inadecuados como motivos.[5] Se trata de una previsión, no de una tasa de cancelamiento ya observada.
Para quien está comenzando, la implicación práctica es evaluar la utilidad del agente junto con las condiciones para mantenerlo en funcionamiento.
Si las pruebas muestran que prepara un borrador útil, pero aún no atiende las condiciones para el envío, la autorización puede quedar limitada a la preparación. El trabajo liberado debe corresponder a lo que la empresa pudo evaluar y está preparada para monitorear.
Esa es una aplicación concreta de la gobernanza de IA agéntica: definir en qué condiciones una tarea puede delegarse y mantener capacidad de intervención.
El paso de las pruebas al día a día ocurre cuando la empresa puede usar la entrega con criterios claros, reconocer sus limitaciones y responder por el funcionamiento del proceso.
De la visión a la práctica: ARGUS
Piense en un equipo de fútbol. Arquero, defensores y delanteros tienen funciones y habilidades distintas. El técnico coordina el trabajo y cada jugador debe conocer su papel y los límites de su actuación. En un proceso con varios agentes de IA, también puede haber especialistas y un agente coordinador.
En esa analogía, el ARGUS ayuda a organizar el entorno en el que actúa el equipo: conecta agentes y herramientas, apoya la aplicación de las reglas definidas por la empresa y da visibilidad a lo que ocurre durante las ejecuciones. La empresa establece los objetivos y las autorizaciones; la plataforma ofrece recursos para coordinar y monitorear el trabajo integrado.
En la preparación de propuestas comerciales, por ejemplo, un agente podría consultar el catálogo y otro preparar el borrador, con coordinación entre etapas y revisión humana antes del envío. Esa división es ilustrativa: un flujo más simple puede trabajar con un solo agente. El diseño depende de la necesidad del proceso.
El ARGUS apoya el monitoreo y la trazabilidad de los agentes y flujos integrados. El equipo puede acompañar ejecuciones, llamadas a herramientas, errores y tiempo de respuesta. Si una propuesta sale inadecuada, esos registros ayudan a investigar el camino recorrido y localizar etapas que necesitan ajuste.
El AI Gateway del ARGUS suma visibilidad sobre llamadas, tokens y costos de los modelos integrados, además de políticas de enrutamiento. Eso ayuda a relacionar el consumo con el trabajo ejecutado y aporta información para revisar el uso de los modelos. No representa garantía de ahorro ni control automático de toda la cuenta de IA de la empresa.
Las políticas, los permisos y la supervisión humana apoyan la aplicación de los límites de actuación, conforme las integraciones y la configuración adoptadas. El beneficio para la gestión es reunir elementos para decidir con más claridad: dónde el agente es útil, qué fallas se repiten y qué debe cambiarse antes de ampliar su participación.
Ese trabajo de coordinación, monitoreo y gobernanza se llama AgentOps, u operación de agentes de IA. Ya AIOps, aplicación de inteligencia artificial a las operaciones de TI, puede sumar contexto operacional como recurso complementario. El uso del ARGUS también alcanza procesos de otras áreas del negocio, respetando el alcance integrado y las responsabilidades de la empresa.
Para evaluar ese paso en su empresa, converse con el equipo sobre un flujo específico y los controles necesarios para incorporarlo al día a día.
Sobre Target Solutions
Target Solutions actúa hace más de 15 años apoyando organizaciones en la evolución de sus operaciones de infraestructura, monitoreo, observabilidad, automatización e inteligencia operacional. A lo largo de esa trayectoria, participó en proyectos en entornos complejos de telecom, tecnología, gobierno, energía y grandes empresas, contribuyendo a aumentar la eficiencia operacional y la confiabilidad de los servicios.
Como parte de esa experiencia, desarrolló el ARGUS, su plataforma de Inteligencia Operacional y Agéntica, que combina capacidades de AgentOps, AI Gateway y AIOps para integrar el contexto de la operación a la actuación de los agentes de IA, ampliando visibilidad, gobernanza, trazabilidad y control a medida que personas, automatizaciones, sistemas y agentes pasan a compartir el entorno operacional.
Sobre el autor
Paulo Florêncio de Menezes es socio y cofundador de Target Solutions y actúa hace más de 15 años en proyectos relacionados con infraestructura, monitoreo, observabilidad, automatización y operaciones de TI y telecom.
Es graduado en Procesamiento de Datos por la Universidade Federal do Amazonas (UFAM), posee MBA en Gestión Empresarial por la Fundación Dom Cabral (FDC) y Maestría Profesional en Economía por la Fundación Getulio Vargas (FGV).
En su investigación de Maestría, desarrolló el IBEOP-IA (Índice Brasileño de Exposición Ocupacional Potencial a la Inteligencia Artificial), investigando la exposición potencial de las ocupaciones brasileñas a las capacidades de la IA mediante la combinación de datos ocupacionales, patentes de inteligencia artificial y técnicas de procesamiento de lenguaje natural.
Referencias
[1] McKinsey & Company. The state of AI in 2026: On the road to ROI. Publicado el 25/08/2026. Encuesta con 1.719 participantes en 97 países, realizada del 04/05 al 08/06/2026.
[2] Microsoft Learn. Your next steps for agentic transformation. Consultado el 29/10/2026.
[3] Microsoft Learn. Govern and secure AI agents. Consultado el 29/10/2026.
[4] National Institute of Standards and Technology (NIST). AI Risk Management Framework: AI RMF Core. Secciones Measure y Manage. Consultado el 29/10/2026.
[5] Gartner. Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. Comunicado del 25/06/2025.