La inteligencia artificial agentica es capaz de ejecutar tareas, coordinar procesos y tomar decisiones operativas— empieza a transformar el funcionamiento de las empresas en Colombia y México. Sin embargo, su adopción plantea un desafío clave: cómo garantizar una supervisión humana efectiva que evite riesgos operativos, legales y estratégicos.
“Diferentes estudios apuntan a que entre un 10% y un 20% de los procesos empresariales podría ser gestionado de forma parcial o semiautónoma por agentes inteligentes en los próximos tres a cinco años. No hablamos de sustitución total, sino de agentes capaces de ejecutar tareas, coordinar flujos y tomar decisiones operativas en contextos bien definidos, siempre con supervisión humana”, explica David Alonso, director del Departamento de Tecnología de UDIT.
Esta proyección sobre el avance de los agentes inteligentes en la gestión de procesos empresariales se alinea con previsiones de Gartner, que estima que al menos el 15% de las decisiones cotidianas de trabajo serán tomadas por IA agentica en 2028, y de Deloitte, que proyecta que el 50% de las empresas que ya utilizan IA generativa habrá desplegado agentes en 2027.
Productividad y eficiencia: avances graduales
Las primeras aplicaciones de estos sistemas se concentrarán en tareas repetitivas y estructuradas como atención al cliente, generación de documentos, análisis de información o soporte al desarrollo de software.
“Las personas continuarán supervisando los procesos con criterio, garantizando la responsabilidad y la toma de decisiones finales dentro de las organizaciones. En ese contexto, las primeras tareas que probablemente se deleguen a agentes inteligentes serán las más repetitivas, trazables y estandarizables. Más que una sustitución total, lo que veremos primero será una reorganización del trabajo corporativo, en la que la IA gana peso en la ejecución mientras las personas mantienen la supervisión”, señala Alonso.
Según la OCDE y estudios como Generative AI at Work o The Impact of AI on Developer Productivity, las mejoras en productividad pueden oscilar entre el 5% y más del 25%, dependiendo del tipo de tarea, especialmente en actividades cognitivas estructuradas como atención al cliente, redacción y síntesis de textos, búsqueda de información o desarrollo de software. En procesos complejos, el impacto suele ser más moderado.
“Una horquilla conservadora sería pensar en mejoras del 5% al 15% en procesos complejos bien diseñados, con algunos casos que pueden superar el 20%”, añade el experto.
Sectores líderes y adopción en América Latina
Los sectores con mayor adopción serán aquellos con operaciones digitalizadas, abundancia de datos, servicios financieros y salud, de acuerdo con McKinsey y el World Economic Forum.
En América Latina, el avance es desigual pero sostenido. CEPAL estima que la región representa solo el 3,7% de la demanda global de IA y mantiene una brecha frente a economías líderes en investigación y desarrollo.
“Colombia y México están mejor posicionados que la media, aunque todavía no forman parte del grupo de cabeza”, afirma Alonso.
Datos recientes reflejan un creciente dinamismo empresarial:
- Según el Índice de tendencias Laborales de Microsoft, en México, el 89% de los líderes planea incorporar agentes de IA este año.
- En Colombia, el 90% prevé hacerlo en los próximos 12-18 meses
- El 43% de las empresas latinoamericanas ya reporta resultados tangibles de sus estrategias de IA, de acuerdo con un informe de SAP.
Riesgos y gobernanza: el rol crítico de la supervisión humana
Más allá de los beneficios, el despliegue de IA agentica implica riesgos relacionados con errores operativos, ciberseguridad, privacidad o falta de control.
“El mayor peligro no es que el agente ‘piense demasiado’, sino que la organización lo implante sin suficientes controles”, advierte Alonso.
Le puede interesar: Automatización Robótica de Procesos y Gobernanza de datos
En este contexto, la supervisión humana se vuelve esencial.
“Recomendaría al menos tres niveles: un nivel operativo, encargado de supervisar la ejecución diaria del sistema y poder intervenir o detenerlo si detecta anomalías; un nivel de negocio o de propiedad del proceso, responsable de validar métricas, excepciones y criterios de uso; y un tercer nivel independiente de riesgo, compliance o auditoría, que revise periódicamente el funcionamiento del sistema, sus incidentes y su adecuación normativa. Más que un único supervisor, lo razonable es una supervisión escalonada y documentada”, explica.
Asimismo, la responsabilidad debe recaer siempre en las personas y no en la tecnología: “La responsabilidad no debería atribuirse nunca al sistema en sí, sino a una cadena humana y organizativa claramente definida desde el inicio”.
Regulación y talento: claves para el futuro
El avance de estos sistemas también exige marcos regulatorios basados en riesgo, en línea con el AI Act europeo, y principios como transparencia, trazabilidad y rendición de cuentas, respaldados por organismos como NIST, OCDE y UNESCO.
En paralelo, el mercado laboral evoluciona hacia un modelo híbrido entre humanos y agentes inteligentes.
“El profesional del futuro no será tanto un sustituto de la IA como un gestor competente de trabajo híbrido entre humanos y agentes”, concluye Alonso destacando además que habilidades como pensamiento analítico, creatividad, y aprendizaje continuo serán clave hacia 2030.
