Las organizaciones se inclinan por operar varias plataformas de orquestación para agentes de IA en lugar de confiar esta tarea a un único proveedor, según un análisis continuo de los datos de VB Pulse que abarcó 107 organizaciones. El 85% de las organizaciones utiliza dos o más herramientas, mientras que el 64% utiliza tres herramientas, y solo el 15% depende de una única plataforma. Esta diversidad no está relacionada únicamente con el deseo de evitar la dependencia de un solo proveedor, sino que también refleja la preocupación por las capacidades de los proveedores en materia de seguridad y gestión de permisos, así como el deseo de los equipos de IA de imponer sus propios controles.
Microsoft AI Foundry y Copilot Studio encabezan actualmente las herramientas utilizadas, ya que aparecen en el 70% de los entornos incluidos en la encuesta. OpenAI Agents SDK ocupa el siguiente lugar, con un 68%, seguido de Claude Platform de Anthropic, con un 47%. Los participantes también utilizan, en distintos grados, Enterprise Agent Platform de Google, las herramientas LangChain y LangGraph, Salesforce Agentforce, Amazon Bedrock y LlamaIndex. El 22% opera herramientas de orquestación personalizadas dentro de la organización, además de los servicios de los proveedores.
Un futuro multiplataforma
El 53% de las organizaciones espera que su principal «capa de control» sea híbrida para finales de 2026. En cambio, el 14% prevé depender de un servicio gestionado por un proveedor, el 13% planea construir una capa de control interna personalizada y el 11% apuesta por plataformas externas que separan la capa de orquestación de los proveedores de modelos.
Esta arquitectura aún no parece estable: más de dos tercios de los participantes planean cambiar de plataforma en el plazo de un año. El 15% afirmó que el cambio se producirá en tres meses o menos, el 24% en un plazo de tres a seis meses y el 28% en un plazo de seis a 12 meses. Claude Agent SDK destaca entre las herramientas que se están considerando, ya que el 43% de los desarrolladores participantes lo está explorando. Asimismo, aproximadamente un tercio estudia Enterprise Agent Platform de Google, el 31% se centra en una orquestación interna personalizada y el 25% investiga las opciones de OpenAI.
A pesar de esta transformación constante, la satisfacción general media con las plataformas utilizadas alcanzó 4,17 sobre 5. Sin embargo, la satisfacción descendió a 3,91 sobre 5 al evaluar la facilidad de implementación y a 3,63 sobre 5 al evaluar la relación calidad-precio. Esta brecha sugiere que el problema no reside necesariamente en la ausencia de herramientas, sino en la dificultad de integrarlas y operarlas de una forma que justifique su coste.
¿Qué financian realmente las organizaciones?
La flexibilidad encabeza los factores de selección de una plataforma, con un 29%, seguida de las consideraciones de seguridad y permisos, con un 17%, y de la fiabilidad de las operaciones en el entorno de producción y el control de la ejecución del agente, con un 15% cada una. Solo alrededor del 10% de los participantes consideró importante el «bloqueo del modelo» o la compatibilidad nativa con un modelo base avanzado. La facilidad de desarrollo fue mencionada por el 8%, el coste total de propiedad por el 4% y el rendimiento en términos de latencia y memoria por apenas el 2%.
Este enfoque también se refleja en las partidas de gasto: la observabilidad y la depuración de agentes absorben el 31% del gasto, frente al 30% destinado a la aplicación de seguridad y permisos y el 19% a las herramientas de flujo de trabajo. Esto representa un cambio con respecto a una oleada anterior de la encuesta de VentureBeat, en la que el gasto en herramientas de flujo de trabajo era el mayor.
En sus prioridades operativas, las organizaciones se centran en la fiabilidad de la finalización de tareas, con un 30%; la gestión de flujos de trabajo de varios pasos, con un 27%; la productividad de los desarrolladores, con un 23%; y la estabilidad operativa, con un 13%. Solo el 7% de las organizaciones situó la experiencia del usuario entre sus principales prioridades, lo que indica que la fase de construcción de la infraestructura y el control sigue precediendo a la mejora de las interfaces y la experiencia de uso.
El problema de la visibilidad y el control de costes
Las principales preocupaciones al seleccionar una plataforma son las limitaciones de seguridad y gestión de permisos, con un 37%; seguidas de la dependencia del proveedor, con un 23%; la visibilidad y capacidad de supervisión limitadas, con un 22%; y la falta de flexibilidad en la elección de modelos y herramientas, con un 16%. Lo más urgente es que aproximadamente una de cada cinco organizaciones no puede detener en tiempo real el gasto de un agente de IA descontrolado.
Para hacer frente a esta situación, el 30% de las organizaciones depende de controles nativos, como límites presupuestarios o la reducción de la tasa de uso, mientras que el 25% ha construido puertas de enlace personalizadas que actúan como intermediarias para interceptar a los agentes descontrolados. El 25% utiliza enrutamiento dinámico para transferir las tareas pesadas a modelos menos costosos. En cambio, el 21% depende de una supervisión reactiva posterior al problema, como la revisión de registros más adelante, sin un interruptor de emergencia inmediato.
El tamaño de la organización tampoco parece ser un factor decisivo en la madurez del control financiero: el 18% de las organizaciones con más de 10.000 empleados todavía depende únicamente de un control reactivo, frente al 23% de las organizaciones más pequeñas. En la práctica, esto significa que disponer de más recursos no garantiza automáticamente la existencia de herramientas que midan y detengan el gasto antes de que se agrave.
Los agentes reales aún no se han generalizado
Las respuestas de los participantes muestran que muchos de los sistemas descritos como «agentes» siguen siendo asistentes básicos o chatbots, y no sistemas autónomos capaces de realizar trabajos de varios pasos. El 47% afirmó que entre el 26% y el 50% de sus sistemas representa una orquestación real, mientras que el 35% indicó que la proporción no supera entre el 1% y el 25%. El 14% afirmó que entre el 51% y el 75% de sus sistemas son flujos de trabajo complejos con múltiples agentes, mientras que solo el 2% señaló que entre el 76% y el 100% de sus sistemas son avanzados y semiautónomos. Además, el 3% afirmó que todavía solo despliega chatbots.
Estos resultados coinciden con la oleada de junio de VB Pulse, en la que el 71% de los participantes afirmó que una cuarta parte o menos de sus agentes desplegados podía completar de forma autónoma un trabajo de varios pasos, mientras que solo una décima parte de los participantes afirmó haber desplegado agentes a gran escala. Por ello, la tendencia actual no representa tanto la llegada de los agentes autónomos a una etapa madura como la construcción de las capas de control necesarias para incorporarlos en el futuro. Mientras las organizaciones avanzan en la creación de la infraestructura, sigue existiendo una brecha entre llamar «agente» a un sistema y su capacidad real para ejecutar de forma autónoma tareas interrelacionadas.