El panorama de la transformación digital en el entorno corporativo vive un momento de dualidad. En todo el mundo, la conversación tecnológica se basa en el potencial de la Inteligencia Artificial (IA) agéntica. Sin embargo, la realidad operativa en las empresas se sustenta en un tipo de IA tradicional que lleva más de 50 años desarrollándose. Esta clase de IA, conocida como discriminativa o tradicional, se encarga de clasificar etiquetas a partir de datos existentes. Con base en ello aprende a trazar fronteras entre conjuntos de información, analizar sus características y diferenciar para tomar decisiones, mientras que la IA generativa y agéntica identifica patrones para generar resultados y, en un segundo nivel, tomar decisiones por el usuario. Dichas características son las responsables de que haya tanto ruido mediático en torno a los agentes autónomos, no obstante, la IA tradicional se mantiene como la opción dominante en el entorno empresarial.

De acuerdo con Carlos Huescas, IA Global Product Manager de Lenovo, "el 70% de las empresas en México están implementando soluciones de Inteligencia Artificial tradicional", lo que consolida a esta rama como el pilar fundamental de la automatización hoy en día. En contraste, el despliegue de soluciones relacionadas con la IA agéntica se sitúa apenas en un 10% dentro de los planes de ejecución inmediata de las compañías, una diferencia que responde a una evolución lógica en los modelos de implementación y a la disponibilidad de casos de uso ya probados que las empresas puedan adoptar sin riesgos elevados, explica Edgar Rodríguez, Global Alliance Manager for Partners de Lenovo. Aun así, la IA agéntica es una tecnología que cada vez gana más relevancia. De acuerdo con datos del estudio CIO Playbook 2026: la carrera por la IA empresarial, elaborado por IDC y Lenovo, el 97% de las empresas participantes planean aumentar su inversión en IA durante los próximos 12 meses, con un crecimiento medio del gasto de aproximadamente 14%. El mismo documento detalla que la distribución por tipo de IA corresponde en un 23% a la IA agéntica, en un 25% a la IA generativa, en un 25% a la IA interpretativa y en un 26% a la IA predictiva, siendo estas dos últimas parte del espectro de la Inteligencia Artificial tradicional.

¿Por qué las empresas siguen apuntando a la IA tradicional? En el 2023, ante el auge que provocó ChatGPT, muchas empresas intentaron subirse a la ola de la IA generativa, comenta Rodríguez, pero en varias ocasiones los resultados no estuvieron a la altura de las expectativas. “De cada 10 proyectos en los que se usaba IA generativa, apenas dos eran realmente soluciones bien implementadas y con resultados ya tangibles”, apunta el especialista, una tasa de éxito tan baja que provocó un nuevo análisis por parte de los directores de tecnología, quienes volvieron a modelos más probados. Un ejemplo claro de la IA tradicional que se retomó, señala Huescas, es la visión por computadora, una herramienta que ha demostrado su eficacia en tareas críticas como el cumplimiento de normas de seguridad y el control de calidad en líneas de manufactura. Los expertos coinciden en que esto no significa que la IA agéntica sea menos relevante. Su avance es tangible, apunta Rodríguez, especialmente en áreas como atención al cliente, pero también es claro al decir que el éxito de cualquier implementación de IA, independientemente de si son tradicionales o agénticas, no depende solo del software. Muchos de estos esfuerzos terminan en un "limbo", refiere, debido a que las empresas no cuentan con una estrategia robusta. Para evitar esto, "cualquier iniciativa de IA tiene que ser parte del core del negocio y no una simple curiosidad técnica”.

La IA agéntica necesita madurez En este sentido, Enrique Upton, presidente para North Latam en ServiceNow, señala que la madurez en las corporaciones en torno a la IA no solo implica adoptar la tecnología, sino gestionar con éxito dos pilares fundamentales: la calidad de los datos y la seguridad de la información. Es decir, para que una estrategia de IA sea central en el negocio, puntualiza, es crítico contar con datos limpios y organizados, mientras que la exposición de información sensible exige marcos de seguridad robustos para que pueda operar de manera confiable dentro de la organización. No obstante, ese todavía es un punto vulnerable en esta transición tecnológica, comenta Upton, pues "solamente el 27% de las empresas tiene una postura completa acerca de la seguridad de los datos" al implementar estas soluciones y el verdadero potencial solo surge cuando se logra orquestar una IA que funciona como una "torre de control" donde se conectan las aplicaciones y se ejecutan tareas complejas de punta a punta.

]]>