IA Agéntica: el 77% de proyectos fracasa al escalar

Los últimos días han sido movidos en el ecosistema de programadores y aficionados a la Inteligencia Artificial. El culpable ha sido Clawdbot (ahora rebautizado como OpenClaw después de haber vivido brevemente como Moltbot tras una disputa de marca con Anthropic) que se ha convertido en uno de los proyectos de código abierto de más rápido crecimiento en la historia de GitHub, alcanzando 80,000 estrellas en cuestión de días. Este agente o asistente personal de IA que promete ejecutar tareas autónomamente en tu ordenador generó tanto entusiasmo viral que provocó problemas de seguridad masivos (más de 900 instancias expuestas sin autenticación) y atrajo a estafadores de criptomonedas que crearon tokens falsos que brevemente alcanzaron 16 millones de dólares en capitalización de mercado.

El fenómeno Clawdbot/Moltbot/OpenClaw marca la evolución de la inteligencia artificial desde su popularización con ChatGPT en 2022 hasta la actualidad. Esta transformación ha pasado por tres etapas: primero, el LLM como compañero conversacional para uso individual (2022-2023); segundo, su integración en entornos corporativos como asistente de productividad con herramientas como Microsoft 365 Copilot (2023-2024) y tercero la transición hacia agentes autónomos capaces de ejecutar tareas completas sin intervención humana (2025-2026). Actualmente nos encontramos en esta tercera fase agéntica, donde la IA no solo asiste sino que ejecuta de forma autónoma. Clawbot representa la versión de consumidor de este cambio, mientras que en el ámbito empresarial vemos inversiones masivas.

Y es que la inteligencia artificial agéntica ha dejado de ser una promesa futurista para convertirse en una realidad empresarial tangible. Gartner predice que el 40% de las aplicaciones empresariales integrarán agentes de IA específicos para tareas a finales de 2026, frente a menos del 5% actual, según reveló la consultora en su informe más reciente. Esta previsión marca un punto de inflexión en la adopción de sistemas autónomos capaces de ejecutar procesos complejos de principio a fin sin intervención humana constante.

Sin embargo, tras el entusiasmo inicial, emerge una realidad más compleja: más del 40% de los proyectos de IA agéntica serán cancelados para finales de 2027 debido al aumento de costes, falta de valor empresarial claro o controles de riesgo inadecuados, advierte también Gartner. Los números son aún más reveladores cuando observamos los datos de implementación: McKinsey reporta que casi dos tercios de las organizaciones siguen atrapadas en «modo piloto», incapaces de escalar sus proyectos a nivel empresarial.

Un mercado en explosión

El potencial económico de la IA agéntica justifica por sí solo la atención que está recibiendo. Aunque las proyecciones varían según las fuentes, todas apuntan a un crecimiento extraordinario:

• El mercado de IA agéntica alcanzará los 6.96 mil millones de dólares en 2025 y crecerá a un CAGR del 43.61% hasta alcanzar los 42.56 mil millones en 2030, según Mordor Intelligence.
• MarketsandMarkets proyecta que el mercado pasará de 7.84 mil millones de dólares en 2025 a 52.62 mil millones en 2030, con un CAGR del 46.3%, impulsado por la convergencia de modelos fundamentales y la ejecución autónoma de tareas.
• Omdia prevé por su parte que el mercado de software empresarial de IA agéntica se disparará desde 1.5 mil millones en 2025 hasta 41.8 mil millones en 2030, representando uno de los segmentos de crecimiento más rápido en tecnología empresarial.

La diferencia entre estas cifras refleja distintas metodologías de análisis, pero todas coinciden en un crecimiento explosivo. En el mejor escenario de Gartner, la IA agéntica podría impulsar aproximadamente el 30% de los ingresos de software de aplicaciones empresariales para 2035, superando los 450 mil millones de dólares, un salto radical desde el 2% actual.

ITOps lidera la adopción

No todas las áreas empresariales adoptan la IA agéntica al mismo ritmo. Los datos revelan un claro líder: las operaciones de TI. Los agentes de IA se despliegan más comúnmente en operaciones de TI y DevOps (72%), seguidos por ingeniería de software (56%) y soporte al cliente (51%), según un informe global de Dynatrace que encuestó a 919 líderes senior. Pero lo que hace especialmente atractivo el caso de ITOps no es solo el volumen de adopción, sino el retorno de inversión demostrado. El mayor ROI esperado para proyectos de IA agéntica se encuentra en ITOps/monitoreo de sistemas (44%), seguido por ciberseguridad (27%) y procesamiento y reporte de datos (25%).

Esta concentración en operaciones de TI no es casualidad. Los sistemas de monitorización, resolución de problemas y gestión de configuraciones generan volúmenes masivos de datos estructurados, ideales para que los agentes de IA detecten patrones, predigan fallos y automaticen respuestas. Para 2029, el 70% de las empresas desplegarán IA agéntica como parte de las operaciones de infraestructura de TI, frente a menos del 5% en 2025, proyecta Gartner.

Microsoft, Google y UiPath marcan la hoja de ruta

Los gigantes tecnológicos no se han quedado al margen. En 2025, tanto Microsoft como Google Cloud han publicado hojas de ruta que enfatizan sistemas autónomos con ejecución multi-herramienta, señalando la maduración de la tecnología más allá de asistentes conversacionales simples. Pero quizás el actor más activo en el espacio empresarial ha sido UiPath. UiPath lanzó su plataforma de nueva generación para automatización agéntica en abril de 2025, diseñada para unificar agentes de IA, robots y personas en un solo sistema inteligente. La compañía no solo habla de visión futura: desde el lanzamiento de la vista previa privada en enero de 2025, la plataforma ha visto miles de agentes autónomos creados con más de 75,000 ejecuciones de agentes.

El informe de IA Agéntica 2025 de UiPath revela que el 90% de los ejecutivos de TI tienen procesos empresariales que mejorarían con IA agéntica, mientras que el 77% afirman estar preparados para invertir en ella este año. La encuesta, realizada a más de 250 ejecutivos de TI estadounidenses en empresas con ingresos superiores a 1,000 millones de dólares, también encontró que el 37% de los encuestados dicen que ya están usando IA agéntica, y el 93% están extremadamente o muy interesados en explorarla.

UiPath ha estructurado su propuesta en torno a tres pilares fundamentales: orquestación (su herramienta Maestro que coordina agentes, robots y humanos), procesamiento de documentos, y construcción y prueba de agentes. Graham Sheldon, director de producto de UiPath, señala que hay un momento y lugar adecuado para un agente, y quienes son reflexivos sobre identificar ese punto óptimo obtienen recompensas mucho más rápido.

El Protocolo de Contexto de Modelo

Uno de los desarrollos más significativos de 2024-2025 ha sido la emergencia del Model Context Protocol (MCP) como estándar de facto para la interacción agente-herramienta. El MCP fue anunciado por Anthropic en noviembre de 2024 como un estándar abierto para conectar asistentes de IA a sistemas de datos, y en diciembre de 2025 fue donado a la Agentic AI Foundation (AAIF) bajo la Linux Foundation. La adopción ha sido vertiginosa: en marzo de 2025, OpenAI adoptó oficialmente el MCP tras integrarlo en sus productos, incluida la aplicación de escritorio ChatGPT.

El MCP proporciona un estándar universal y abierto para conectar sistemas de IA con fuentes de datos, reemplazando integraciones fragmentadas con un protocolo único, explica Anthropic en su documentación oficial. La analogía más utilizada es perfecta: así como USB-C estandarizó las conexiones entre dispositivos, MCP está estandarizando cómo los modelos de IA se conectan a datos y herramientas. BCG describe el MCP como un puerto USB-C para agentes de IA, un enlace estandarizado que reduce drásticamente las dificultades de conectar modelos de lenguaje de gran tamaño a herramientas y datos. Y el impacto ya es medible: actualmente existen decenas de miles de servidores MCP disponibles, muchos curados en directorios tipo marketplace como MCP.so.

El protocolo no solo simplifica la integración técnica. Los servidores MCP no solo son formas de acceder a herramientas y datos, también anuncian sus capacidades a los agentes de IA y pueden ofrecer plantillas de prompts que ayudan a los agentes a entender cómo acceder efectivamente a esas herramientas, señala BCG, explicando cómo MCP mejora la autonomía y planificación de los agentes.

El gran obstáculo: del piloto a la producción

Si el potencial es tan evidente y la tecnología está madurando, ¿por qué fracasan tantos proyectos? La respuesta está en la brecha entre demostración y despliegue. McKinsey revela que solo el 39% de las empresas reportan impacto EBIT a nivel empresarial, aunque el 64% dice que la IA está impulsando la innovación en sus organizaciones. Es el fenómeno que algunos llaman «la paradoja de la GenAI»: uso generalizado sin impacto financiero significativo.

Los datos de fracaso son aún más contundentes cuando miramos proyectos específicos:

• En 2025, la empresa promedio descartó el 46% de los pilotos de IA antes de que llegaran a producción, según múltiples encuestas del sector.
• BCG encuentra que el 60% de las empresas están obteniendo «apenas algún valor material» de sus inversiones en IA.
• El informe del MIT sobre el Estado de la IA en Negocios 2025 confirmó que el 95% de los pilotos de GenAI fracasan al escalar.

¿Qué está fallando? McKinsey identifica seis lecciones clave que separan el éxito del fracaso:

1. Valor primero: Demostrar resultados, no solo outputs. Tiempo ahorrado, errores evitados, flujos de trabajo escalados.
2. Tejido de confianza: Gobernanza, transparencia y auditabilidad como características de producto visibles, no tareas de backend.
3. Arquitectura escalable: Modularidad, intercambiabilidad y resiliencia que evitan que los agentes colapsen cuando las herramientas o APIs cambian.
4. Excelencia operacional: Observabilidad, monitoreo y QA continua que convierten fallos silenciosos en incidentes recuperables.
5. Supervisión humana en el circuito: Capacidad de dirección no negociable. Los agentes deben mostrar su razonamiento para que las personas puedan intervenir.
6. Sostenibilidad económica: ROI demostrable con disciplina de costes rigurosa.

Un análisis de McKinsey señala que los CIOs y líderes de unidades de negocio deben trabajar estrechamente para priorizar casos de uso de IA que sean técnicamente factibles y relevantes para el resultado final del negocio.

Las barreras técnicas y organizativas

Más allá de la estrategia, existen obstáculos concretos que frenan la adopción. Los encuestados identificaron problemas de seguridad, privacidad o cumplimiento de TI (52%) y desafíos técnicos para gestionar y monitorear agentes a escala (51%) como las dos principales barreras para la producción de IA agéntica en este momento, seguidas por escasez de personal capacitado (44%). El problema de los datos es especialmente crítico. Gartner encuentra que el 85% de todos los proyectos de IA fracasan debido a la mala calidad de los datos. Un piloto puede funcionar con una hoja de cálculo limpia y estática, pero un modelo en producción enfrenta un flujo constante de datos del mundo real, desordenados y en cambio continuo.

La integración con sistemas legacy representa otro frente de batalla. Muchas empresas intentan superponer capacidades agénticas sobre marcos obsoletos, lo que solo acelera la disfunción. Un sitio de producción farmacéutico global reconoció que sus sistemas IT/OT legacy estaban demasiado aislados para que la compañía escalara sus inversiones en IA, estableciendo tres plataformas de datos integradas que conectaron aproximadamente una docena de sistemas IT y más de 150 sensores IoT.

A pesar de los desafíos, las inversiones siguen fluyendo. El 77% de los ejecutivos afirman que anticipan invertir en IA agéntica dentro del año, según UiPath. Y las cifras son sustanciales: el 48% de las empresas espera que sus inversiones en IA superen los 2 millones de dólares este año. El 74% de los ejecutivos reportan haber logrado ROI dentro del primer año de implementación de agentes de IA, según el informe ROI of AI 2025 de Google Cloud. Para aquellos que logran implementaciones exitosas, los beneficios son tangibles: entre los ejecutivos que reportan ganancias de productividad, el 39% ha visto que la productividad al menos se duplica.

Las empresas más exitosas están adoptando un enfoque progresivo. Comienzan agregando asistencia de IA a flujos de trabajo existentes, luego desarrollan agentes de propósito único para tareas específicas, y finalmente integran múltiples agentes en procesos empresariales automatizados, señala el informe de Google.

De la experimentación a la ejecución estratégica

La IA agéntica ha alcanzado un punto de inflexión. Ya no es una tecnología experimental confinada a laboratorios de I+D, sino una capacidad empresarial que está transformando operaciones, desde ITOps hasta servicio al cliente y desarrollo de software. Sin embargo, el camino del piloto a la producción sigue plagado de desafíos. Aproximadamente un tercio de las organizaciones reportan haber comenzado a escalar sus programas de IA, lo que significa que dos tercios aún no lo han logrado.

Las organizaciones que triunfan comparten características comunes: vinculan proyectos de IA a objetivos empresariales claros desde el inicio, invierten tanto en personas y procesos como en tecnología, implementan gobernanza robusta desde el primer día, y mantienen expectativas realistas sobre plazos de ROI (2-4 años, no meses). El mercado seguirá creciendo. Los estándares como MCP madurarán. Las herramientas empresariales se volverán más sofisticadas. Pero al final, el éxito no dependerá de la tecnología más avanzada, sino de la capacidad de las organizaciones para rediseñar procesos, desarrollar talento y mantener un enfoque disciplinado en la creación de valor real y medible.

La pregunta ya no es si la IA agéntica transformará las empresas, sino qué empresas lograrán hacer esa transformación con éxito.