AgentOps
AI Control Plane: gobernar agentes en varias plataformas
Una empresa puede utilizar agentes de inteligencia artificial desarrollados internamente, otros incorporados a aplicaciones corporativas y además contratar soluciones de diferentes proveedores. Cada plataforma ofrece sus propios mecanismos de administración, monitoreo y seguridad.
Esta diversidad permite aprovechar tecnologías especializadas, pero también crea un desafío. ¿Cómo mantener el control sobre todos estos agentes cuando cada uno opera en un entorno diferente?
La dimensión de este problema ya aparece en grandes organizaciones. En agosto de 2026, Microsoft informó que su equipo interno de tecnología había alcanzado visibilidad sobre más de 500 mil agentes de IA, utilizando una capa de gestión que reúne información sobre utilización, categorías y responsables [1].
El número representa la experiencia específica de Microsoft, no la realidad promedio de las empresas. Aun así, ayuda a ilustrar cómo la gestión de agentes puede alcanzar una escala difícil de administrar mediante herramientas aisladas.
En este contexto cobra importancia el concepto de AI Control Plane, o plano de control para agentes de inteligencia artificial.
La idea es establecer una capa común de visibilidad y gobernanza, capaz de acompañar agentes distribuidos en diferentes plataformas y apoyar la aplicación de controles corporativos consistentes.
El desafío no es necesariamente reunir todos los agentes en una única plataforma, sino garantizar que la empresa pueda gobernarlos de manera integrada, tema relacionado con el AI Agent Sprawl.
Qué es un AI Control Plane y por qué se vuelve necesario
Tradicionalmente, las empresas utilizan diferentes herramientas para administrar aplicaciones, identidades, infraestructura, seguridad y procesos de negocio.
Con la llegada de los agentes de IA, surge un nuevo elemento en esta operación. Además de consultar información y producir respuestas, los agentes pueden utilizar herramientas, interactuar con sistemas corporativos y ejecutar acciones con diferentes niveles de autonomía.
Esto amplía la necesidad de comprender no solo qué agentes existen, sino cómo están actuando y qué límites deben respetar.
Un AI Control Plane busca atender esta necesidad, ofreciendo una estructura común para organizar controles, acompañar comportamientos y establecer políticas para la operación de los agentes.
El concepto ya está presente en las estrategias de grandes proveedores. En julio de 2026, IBM presentó su Agentic Control Plane, asociado a watsonx Orchestrate, con una propuesta de reunir capacidades de operación, gobernanza y seguimiento de agentes en entornos empresariales [2].
Microsoft también trabaja con este enfoque por medio de Agent 365, orientado a la administración y gobernanza corporativa de agentes, y de Foundry Control Plane, dirigido principalmente a los equipos responsables del desarrollo y la operación técnica de estas aplicaciones [3].
Estos ejemplos muestran que el término puede asumir diferentes alcances, dependiendo de la arquitectura y de las responsabilidades contempladas.
El principio común está en la necesidad de ofrecer una visión más consistente sobre la operación de los agentes.
A medida que los agentes ganan autonomía, la gobernanza deja de depender solo de configuraciones individuales y pasa a exigir controles que funcionen entre plataformas, equipos y procesos.
Esto no significa que todas las funcionalidades deban reunirse en una única solución. Una arquitectura de control puede integrar capacidades existentes y establecer una visión compartida, preservando las responsabilidades de cada herramienta.
Qué centralizar y qué mantener distribuido
Una de las principales decisiones en la construcción de una arquitectura de gobernanza de agentes consiste en definir qué información y qué controles necesitan ser compartidos por la organización.
Considere una empresa que utiliza agentes en atención al cliente, finanzas y operaciones de TI. Cada área puede elegir tecnologías adecuadas a sus necesidades, pero la organización sigue necesitando respuestas consistentes sobre quién responde por esos agentes, qué recursos utilizan y cómo se acompañan sus acciones.
En este escenario, tiene sentido establecer una visión corporativa que relacione agentes, responsables, políticas de utilización, permisos, eventos operativos y consumo de recursos.
Sin embargo, esa visión no exige necesariamente que todas las actividades las ejecute la misma plataforma.
La administración de identidades puede continuar en los sistemas corporativos existentes. La protección de datos permanece asociada a las herramientas de seguridad, mientras que el procesamiento de las tareas puede ocurrir en los entornos elegidos por cada aplicación.
El papel de una capa común de control es contribuir a que esas capacidades funcionen de manera coordinada, evitando que cada entorno desarrolle sus propios mecanismos de gobernanza sin considerar al resto de la organización.
Un análisis publicado por IBM en septiembre de 2026 refuerza esta necesidad al discutir el uso de agentes proporcionados por terceros. La empresa destaca que la confianza en determinado proveedor no debe representar una autorización irrestricta para todos los agentes que ofrece [4].
Un agente responsable de consultar información pública presenta riesgos diferentes a los asociados a otro agente autorizado a modificar registros financieros o ejecutar transacciones.
Por lo tanto, la gobernanza necesita considerar la finalidad, la autonomía y el impacto potencial de cada agente, independientemente de su origen.
Centralizar la gobernanza no significa centralizar toda la ejecución, como discutimos en gobernanza de IA agéntica. Significa establecer criterios comunes para controlar agentes que continúan operando en entornos diferentes.
Esta distinción también ayuda a evitar una consecuencia indeseada: crear una nueva plataforma aislada que, en lugar de reducir la fragmentación, agregue otra capa de complejidad a la operación.
Cómo mantener el control cuando los agentes ganan autonomía
Conocer a los agentes y acompañar sus actividades es necesario, pero no suficiente cuando pasan a ejecutar acciones en sistemas corporativos.
Imagine un agente de atención al cliente autorizado a consultar pedidos y ofrecer alternativas para resolver reclamos. En determinada situación, identifica la posibilidad de conceder un reembolso.
La empresa puede establecer que las operaciones superiores a determinado valor dependan de aprobación humana.
En este ejemplo, existen dos necesidades diferentes. La primera es acompañar la decisión y registrar lo que ocurrió. La segunda es garantizar que la política establecida se respete antes de que se ejecute la transacción.
Esta diferencia entre observabilidad y aplicación efectiva de controles es destacada por IBM en su análisis sobre gobernanza de agentes de terceros [4].
La observabilidad permite comprender el comportamiento del agente, identificar eventos e investigar problemas. La gobernanza también necesita definir qué acciones están permitidas, en qué condiciones y cómo se aplicarán eventuales restricciones.
El desafío aumenta cuando diferentes plataformas participan en el mismo proceso. Un agente puede solicitar información a otro, utilizar una herramienta externa y encaminar una acción a un sistema corporativo.
En este escenario, los controles necesitan considerar la cadena de interacciones, y no solo el comportamiento aislado de cada agente.
El informe Cyber Pulse 2026, de Microsoft, muestra que esta preocupación ya forma parte de las iniciativas de seguridad corporativa. Según los datos presentados, el 47% de las organizaciones encuestadas estaba implementando controles específicos de seguridad para IA generativa [5].
El indicador no representa exclusivamente la gobernanza de agentes, pero evidencia que la adopción de la IA está acompañada de una necesidad creciente de establecer mecanismos específicos de protección y control.
La experiencia interna de Microsoft también ofrece una observación importante. Al ampliar la visibilidad sobre sus agentes, la empresa identificó situaciones como agentes sin responsables claramente definidos, duplicaciones y riesgos asociados al uso de diferentes plataformas [1].
Estos problemas muestran que el control no termina cuando un agente se pone en producción. La empresa necesita acompañar su utilización, sus cambios y su participación en los procesos a lo largo del tiempo.
Cuanto mayor es la autonomía de los agentes, más importante se vuelve combinar visibilidad operativa, políticas consistentes y capacidad de intervención.
Un AI Control Plane puede contribuir a esta organización, siempre que sus responsabilidades estén claramente definidas y sus controles sean compatibles con las plataformas y sistemas involucrados.
El objetivo no es eliminar la diversidad tecnológica, sino permitir que evolucione sin comprometer la gobernanza de la operación.
De la visión a la práctica: ARGUS
El crecimiento de los agentes de IA en diferentes plataformas refuerza la necesidad de una visión operativa que sobrepase los límites de cada herramienta o departamento.
En este contexto, ARGUS, plataforma de Inteligencia Operacional y Agéntica de Target Solutions, contribuye a la operación corporativa.
Por medio de sus capacidades de AgentOps, ARGUS apoya la orquestación, el monitoreo, la observabilidad y la gobernanza de los agentes de IA, ofreciendo visibilidad sobre su actuación en diferentes entornos.
La capa AI Gateway complementa esta propuesta, contribuyendo a la aplicación de políticas, el control de accesos y el seguimiento del consumo de recursos de IA.
Al conectar agentes, personas y herramientas en un contexto operacional compartido, la plataforma ayuda a las organizaciones a comprender mejor cómo interactúan sus agentes con la operación y a establecer controles compatibles con sus necesidades.
Este enfoque permite preservar las herramientas y plataformas que la empresa ya utiliza, sin exigir su sustitución para aprovechar las capacidades de AgentOps.
La propuesta de ARGUS es apoyar la evolución de la autonomía de los agentes con más visibilidad, coordinación y gobernanza, contribuyendo a que la expansión de la IA ocurra de manera controlada.
Conozca ARGUS y vea cómo funciona en la práctica.
Sobre el autor
Paulo Florêncio de Menezes es emprendedor, socio y cofundador de empresas como Target Solutions, BiPTT y ARGUS.
Es graduado en Procesamiento de Datos por la Universidad Federal de Amazonas (UFAM), tiene un MBA en Gestión Empresarial por la Fundação Dom Cabral (FDC) y una Maestría Profesional en Economía por la Fundação 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] Microsoft. Implementing Agent 365: How We’re Governing and Managing AI Agents at Microsoft. 6 ago. 2026.
[2] IBM. Agentic Control Plane in IBM watsonx Orchestrate: One Place to Control Every AI Agent. 2 jul. 2026.
[3] Microsoft. Foundry Control Plane and Agent 365: Two Control Planes Walk Into an Enterprise. 2026.
[4] IBM. How to Effectively Govern Third-Party AI Agents Across the Enterprise. 22 sep. 2026.
[5] Microsoft. Cyber Pulse: An AI Security Report. 10 feb. 2026.