A las 9 h, el trabajo de la noche ya está en la cola
A las 9 h, una responsable de productos de datos abre su cola de revisión. Durante la noche, los agentes enriquecieron los requisitos de un nuevo producto de datos, verificaron contratos y clasificaciones, ejecutaron pruebas y prepararon un contexto de decisión para el negocio. Cada ejecución lleva sus comprobantes: qué se hizo, qué agente, bajo qué autorización, con qué resultado. Nada se publicó; las excepciones están señaladas con evidencia adjunta. Durante el día, el equipo revisa salidas, resuelve ambigüedades y ajusta los límites dentro de los cuales operan los agentes.
McKinsey informa que las organizaciones que rediseñaron la entrega de software en torno a agentes ya observan ganancias de productividad de tres a cinco veces, con equipos cerca de 60% más pequeños. Lo importante es la causa, no el número: las ganancias no vienen de implantar agentes, sino de reconfigurar el modelo operativo para que personas y agentes colaboren todo el día. Preparar datos, calificar productos, componer contexto, decidir, actuar y conciliar resultados es el mismo tipo de trabajo: intención humana traducida en ejecución, con el juicio concentrado donde es indispensable.
El otro lado del número
Las ganancias son reales — y raras. Deloitte observa que el acceso a herramientas de IA autorizadas subió cerca de 50% en un año mientras el uso en el flujo diario se estancó. Lecturas ampliamente citadas apuntan en la misma dirección: 95% de los pilotos de IA generativa sin retorno medible (MIT NANDA, 2025), más de 80% de los proyectos de IA que fracasan (RAND, estimación), cerca de 6% de las empresas con impacto real en el resultado (McKinsey State of AI, 2025). Son lecturas externas, no mediciones de Arcogi.
La causa está en el presupuesto, no en la tecnología: cerca de 93% del gasto en IA va a la herramienta y alrededor de 7% a personas, procesos y rediseño del trabajo — la línea que convierte capacidad comprada en capacidad instalada. El caso Klarna es una advertencia: medir velocidad y costo medio sin rediseñar el servicio es un atajo, no una estrategia. La conclusión honesta no es gastar menos en tecnología, sino dejar de gastar solo en ella.
1. Diseñar la operación para flujo continuo
La mayoría de las organizaciones aún opera al ritmo de las reuniones. En el modelo agéntico el ritmo se invierte: en el turno humano, el equipo revisa salidas, resuelve lo que exige juicio, refuerza los límites de operación y prepara insumos estructurados; en el turno de los agentes, el trabajo ejecutable ocurre a escala — enriquecer requisitos, validar arquitectura y contratos, generar y probar artefactos, empaquetar resultados con evidencia para revisión.
Este ciclo depende de bases prácticas: una definición clara de lo que debe producirse, un entorno consistente con convenciones modulares, un camino estandarizado de la intención a la ejecución y los mismos actores involucrados de punta a punta. Sin esa consistencia, la producción de los agentes queda fragmentada y es difícil de confiar.
2. Extender la automatización para eliminar traspasos manuales
La automatización tradicional se concentró en el final del pipeline; la mayor parte del esfuerzo, de los requisitos a las decisiones, siguió siendo manual. Cuando requisitos, políticas, contratos y especificaciones existen en formatos estandarizados y legibles por máquina, el pipeline corre de punta a punta en horas y las personas intervienen en puntos de revisión definidos — no como intermediarias.
En este diseño, los detalles de ingeniería se vuelven mecanismos de gobernanza. Un plan de ejecución puede quedar atado por un hash a la autorización que lo aprobó: si cambia cualquier campo, la autorización anterior deja de valer. Todo cambio relevante genera un comprobante; una repetición no vuelve a ejecutar efectos; publicar exige revisión por una persona distinta de quien envió. La separación de funciones deja de ser una política en un PDF y pasa a ser una regla del propio camino de ejecución.
3. Crear infraestructura de conocimiento para habilitar autonomía
Los agentes producen resultados correctos cuando tienen contexto y memoria organizacional. Hoy ese contexto está disperso entre herramientas, tickets, informes de incidentes, políticas resumidas y el conocimiento tácito de quienes llevan años en la operación. Las organizaciones de vanguardia construyen una capa de conocimiento conectada que relaciona productos de datos, decisiones anteriores, políticas, evidencias y responsables en cada dominio, en un formato que los agentes pueden recorrer — y responder con las fuentes.
Cada decisión se vuelve rastreable hasta su origen. Esto no empieza con un gran esfuerzo ontológico de arriba hacia abajo: el grafo crece orgánicamente alrededor de los dominios prioritarios y de los programas vivos. A escala, el conocimiento deja de ser documentación estática y se vuelve infraestructura de producción.
4. Capturar valor: rediseñar roles, autoridad y evidencia
La productividad solo se convierte en valor cuando la organización cambia junto con ella. Eso exige recalificar a las personas para juicio, revisión y supervisión; traer riesgo, jurídico, cumplimiento y compras al diseño en lugar de dejarlos como guardianes al final, con política como código y aprobaciones en varias etapas dentro del flujo; y reinvertir conscientemente la capacidad liberada.
Hay un cuarto elemento decisivo: la disciplina de la verdad. Donde los agentes ejecutan, la confianza se demuestra, no se declara. El sistema debe mantener la distinción entre lo especificado, lo simulado, lo implementado, lo probado y lo aprobado para operar. Un modelo operativo que no puede decir en cada momento qué es real y qué es intención no merece autonomía.
El modelo de negocio también cambia: servicio en forma de software
Cuando el modelo operativo se codifica — prácticas, contratos, puntos de revisión, evidencias —, el servicio que lo entrega deja de ser un proyecto y pasa a ser una capacidad continua. Lo llamamos servicio en forma de software: no un volumen de horas de especialistas, sino una práctica codificada en un entorno operativo que permanece con el cliente. El conocimiento ya no se va con el equipo; decisiones, criterios, excepciones y evidencias acumulan valor en cada ciclo.
La entrega es modular y soberana: el centro de operaciones puede implantarse por partes en el propio entorno del cliente, empezando por organización y agentes y sumando datos y decisiones gobernadas en el mismo espacio de trabajo. La autoridad no se transfiere — configuraciones, aprobaciones y mandatos siguen bajo control de la organización. La economía se describe de forma cualitativa; las ganancias concretas dependen del alcance, el programa y las condiciones de cada cliente.
Por dónde empezar
Empiece donde el impacto es mayor, con un primer movimiento pequeño por diseño: un dominio priorizado, un programa vivo y un responsable nombrado. Primero se organiza quién trabaja — roles, agentes, conocimiento y límites de autoridad — y los datos y las decisiones entran en el mismo entorno a medida que la confianza se demuestra. La escala viene de repetir ciclos verificables, no de una implantación de una sola vez.
A medida que los agentes asumen la ejecución a escala, los roles humanos se concentran en arquitectura, juicio de producto y diseño de sistemas, y el conocimiento institucional y la coherencia técnica se vuelven los diferenciales decisivos. Las organizaciones que construyan estas capacidades como parte de reconfigurar su modelo operativo no solo irán más rápido: redefinirán cómo los datos crean valor.