Las empresas están desplegando agentes de inteligencia artificial más rápido de lo que construyen los controles para gobernarlos. Esa es la conclusión central de una investigación de VentureBeat Research basada en cinco encuestas realizadas en junio de 2026 a 573 responsables y compradores de tecnología en organizaciones de más de 100 empleados.
El estudio analiza cinco capas críticas: identidad, evaluación, telemetría de costes, contexto de negocio y orquestación. Cada una responde a una pregunta básica. Qué agente puede hacer qué. Cómo se sabe si su trabajo es correcto. Cuánto cuesta cada ejecución. De qué datos corporativos toma sus respuestas. Y quién coordina los pasos cuando la tarea deja de ser una conversación simple.
El problema no es solo que haya pocos controles; es que muchas compañías llaman agentes a sistemas que todavía funcionan como chatbots supervisados. Según VentureBeat, el 71 % de las empresas afirma que una cuarta parte o menos de sus agentes desplegados puede completar trabajo de varios pasos de forma autónoma.
Esa confusión importa porque un chatbot que responde a una pregunta tiene un perfil de riesgo distinto al de un agente que modifica código, accede a sistemas internos o ejecuta procesos. En el primer caso, la revisión humana suele estar cerca. En el segundo, el error puede entrar directamente en producción, alterar datos o generar un coste acumulado difícil de detectar.
La investigación también alerta sobre evaluaciones insuficientes. Dos tercios de las empresas permiten ya, o preparan para los próximos 12 meses, que un agente empuje cambios de código o de sistemas apoyándose solo en resultados automatizados. A la vez, solo una minoría declara confiar plenamente en esas evaluaciones. Es una combinación incómoda: más autonomía con pruebas que todavía no convencen.
Antes de retirar revisión humana de un flujo crítico, las empresas necesitan comparar sus evaluaciones con resultados reales de producción. Un benchmark interno puede aprobar una tarea y aun así no detectar impacto en cliente, seguridad, coste o cumplimiento.
La capa de identidad aparece como otro punto débil. VentureBeat señala que muchas organizaciones permiten que varios agentes compartan credenciales, como una misma clave de API o cuenta de servicio. Esa práctica facilita el despliegue rápido, pero dificulta atribuir acciones, limitar permisos y cortar acceso cuando algo falla. En ciberseguridad, la comodidad suele convertirse en deuda.
Para empresas españolas que están introduciendo agentes en atención al cliente, desarrollo, finanzas o back office, el mensaje es directo. No basta con elegir un modelo potente. Hay que decidir propietarios, permisos, límites de gasto, trazabilidad, fuentes de datos autorizadas y procedimientos de escalado. La gobernanza debe estar cerca del producto, no escondida en un documento de cumplimiento.
También hay una oportunidad para proveedores. Herramientas de identidad para agentes, observabilidad de costes, evaluación continua y orquestación segura pueden convertirse en categorías de software con demanda real. La adopción apresurada crea riesgo, pero también presupuesto para resolverlo.
La próxima fase de la IA empresarial será menos vistosa que los lanzamientos de modelos y más decisiva: construir controles que permitan confiar en sistemas que ya actúan. Las compañías que midan y gobiernen antes de escalar tendrán ventaja frente a las que descubran el problema después de un incidente.
