Las organizaciones se encaminan a operar varias plataformas para coordinar agentes de inteligencia artificial en lugar de delegar esta tarea en 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 se debe únicamente al 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 inteligencia artificial 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 encuestados. 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 coordinación personalizadas dentro de la organización, junto con los servicios de los proveedores.
Un futuro multiplataforma
El 53% de las organizaciones espera que su «nivel de control» principal sea híbrido para finales de 2026. En cambio, el 14% prevé depender de un servicio gestionado por un proveedor, el 13% planea construir un nivel de control interno personalizado y el 11% apuesta por plataformas externas que separen la capa de coordinación de los proveedores de modelos.
Sin embargo, esta arquitectura todavía no parece estable, ya que más de dos tercios de los participantes planean cambiar de plataforma en el plazo de un año. El 15% afirmó que el cambio ocurrirá 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 figura entre las herramientas que se están considerando, y el 43% de los desarrolladores participantes lo está explorando. Además, aproximadamente un tercio estudia Enterprise Agent Platform de Google, el 31% se centra en la coordinación interna personalizada y el 25% analiza opciones de OpenAI.
A pesar de esta transformación continua, 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 manera 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 operativa en el entorno de producción y el control de la ejecución del agente, con un 15% cada una. Solo aproximadamente el 10% de los participantes consideró importante el «vínculo con el modelo» o la compatibilidad nativa con un modelo fundacional 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 supervisión y depuración de agentes absorben el 31% del gasto, frente al 30% destinado a la aplicación de seguridad y permisos y al 19% destinado a herramientas de flujo de trabajo. Esto representa un cambio respecto a una ola 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 múltiples 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 etapa de construcción de la infraestructura y el control todavía precede 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 inteligencia artificial descontrolado.
Para hacer frente a esto, 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 el enrutamiento dinámico para trasladar las tareas pesadas a modelos menos costosos. En cambio, el 21% depende de una supervisión reactiva posterior al incidente, como revisar los registros más tarde, sin un interruptor de apagado inmediato.
El tamaño de la organización no 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 del control reactivo, frente al 23% de las organizaciones más pequeñas. En la práctica, esto significa que disponer de más recursos no garantiza automáticamente contar con herramientas que midan y detengan el gasto antes de que se agrave.
Los agentes verdaderos todavía no se han extendido
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 múltiples pasos. El 47% afirmó que entre el 26% y el 50% de sus sistemas representa una coordinación real, mientras que el 35% dijo que la proporción no supera el 1% al 25%. El 14% señaló que entre el 51% y el 75% de sus sistemas son flujos de trabajo complejos de múltiples agentes, mientras que solo el 2% afirmó que entre el 76% y el 100% de sus sistemas son avanzados y semiautónomos. Además, el 3% indicó que todavía despliega únicamente chatbots.
Estos resultados coinciden con la edición 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 trabajo de múltiples pasos de forma autónoma, mientras que solo una décima parte de los participantes dijo 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. Aunque 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 tareas interrelacionadas de manera autónoma.