Este año los agentes dejaron de ser un experimento. Los analistas del sector esperan que cerca del cuarenta por ciento de las aplicaciones de empresa incorporen agentes especializados a finales de 2026, frente a menos del cinco por ciento en 2025. Lo que no ha ido al mismo ritmo es el retorno. Las cifras recopiladas este año a partir de Forrester y BCG sitúan en torno al veintidós por ciento los despliegues con retorno negativo a los doce meses, mientras que un cuarenta y uno por ciento alcanza rentabilidad dentro del mismo año. La misma tecnología, resultados opuestos.
Lo interesante es el porqué. El análisis de causas de Forrester sobre los despliegues que perdieron dinero apunta a tres fallos, y ninguno es el modelo: criterios de éxito mal definidos en el cuarenta y uno por ciento de los casos, acceso insuficiente a herramientas o datos en el treinta y tres por ciento, y evaluación desfasada en el veintiséis por ciento. A nadie de esa lista le falló la calidad del razonamiento. Le falló el montaje que lo rodea.
Criterios de éxito mal definidos
Es el fallo mayoritario y el más barato de corregir. Si nadie escribió qué significa «funcionar» antes de empezar el piloto, no hay forma de zanjar la discusión doce meses después. «Responder más rápido» no es un criterio. «Resolver el noventa por ciento de las consultas de primer nivel sin intervención humana, medido sobre el registro de tickets y sin que baje la satisfacción» sí lo es. La disciplina no es técnica: consiste en acordar el número antes de que nadie tenga interés emocional en la respuesta.
Acceso a las herramientas y a los datos
Un agente que no llega a los sistemas donde vive el trabajo es una demostración, no un compañero. Un tercio de los fracasos viene exactamente de ahí: el piloto se probó contra una copia de la documentación y luego, en producción, se le pidió leer el gestor de expedientes, la plataforma de facturación y la unidad compartida, a ninguno de los cuales tenía acceso. El trabajo de integración es poco lucido y es la mayor parte del proyecto.
Una evaluación que deja de parecerse a la realidad
El tercer fallo es el más silencioso. Lo que se probó en el lanzamiento deja de parecerse a lo que el agente hace en el sexto mes, porque cambian las preguntas que hace la gente. Si el juego de pruebas se congela el primer día, los números siguen pareciendo sanos mientras el servicio se desvía. Junto a esto aparece una carencia de gobernanza que los mismos análisis repiten: inicio de sesión único sin configurar, registros de auditoría sin conectar a la supervisión, y ningún entorno aislado donde el agente se ejecute. La lectura paralela de Gartner sobre el año es aún más dura: la gran mayoría de los pilotos no llega nunca a producción.
Tres preguntas que conviene hacer antes de firmar
- ¿Qué vamos a medir exactamente y dónde se registra hoy ese número? Si el proveedor no puede señalar el informe o el registro que ya existe, el criterio todavía no existe.
- ¿A qué sistemas nuestros va a tener que leer o escribir, y quién hace esa integración? La respuesta «se conecta con todo» no es una respuesta.
- ¿Quién vuelve a examinarlo dentro de seis meses, contra qué, y qué pasa cuando los números empeoran? La supervisión posterior al lanzamiento es un servicio, no una característica.
Por nuestra parte, la respuesta está por escrito: cada proyecto tiene un supervisor con nombre, el agente prepara y una persona responde del resultado, y el plan de mantenimiento incluye volver a examinarlo y un informe mensual, no un teléfono que no coge nadie. Esa es la parte del trabajo que decide en cuál de los dos grupos de arriba acaba uno.