Los agentes de IA se duplicaron en cuatro meses. La gobernanza no.

Algo cambió en la IA empresarial entre diciembre de 2025 y abril de 2026, y no fueron los modelos.

Según el State of AI Agent Security 2026 de Gravitee, una encuesta a 750 directivos y líderes técnicos levantada dos veces con cuatro meses de diferencia, la empresa típica pasó de operar entre 26 y 50 agentes a operar entre 76 y 100. Eso es duplicarse en un solo trimestre, en una categoría que hace dos años apenas existía.

En esos mismos cuatro meses, la proporción de esos agentes que alguien estaba monitoreando de verdad pasó de 47% a cerca de 52%.

Lee los dos números juntos y el panorama no es "la adopción de IA se está acelerando". Es que el número absoluto de agentes sin vigilancia en producción creció más rápido que en cualquier momento de la historia del software empresarial. La confianza, mientras tanto, se fue para el otro lado: la confianza declarada en la visibilidad de los agentes subió de 82.6% a 91.8% mientras la cobertura se mantuvo prácticamente plana.

Es un estudio patrocinado por un proveedor, y vale leerlo con eso en mente: una empresa que vende gobernanza de agentes tiene interés en encontrar una brecha de gobernanza. Pero la forma coincide con lo que vemos al entrar a los ambientes de nuestros clientes, y la dirección del dato de confianza es la parte que ningún proveedor habría inventado. Es demasiado específica y deja mal parado a todo el mundo.

Qué encontró la encuesta

El último renglón es el que hay que dejar reposar. En 92.8% de estas organizaciones, si un agente hiciera algo caro un martes, no hay un nombre asociado.

Por qué pasó ahora, y por qué no es descuido

Desplegar agentes se volvió dramáticamente más fácil, y nada más cambió a la misma velocidad.

El desbloqueo concreto fue la interoperabilidad. El Model Context Protocol de Anthropic se volvió la forma de facto de conectar un modelo con sistemas reales, y hoy lo soportan todos los grandes proveedores de modelos junto con miles de herramientas empresariales. En diciembre de 2025 Anthropic entregó MCP a la Linux Foundation para consolidarlo como infraestructura neutral. El propio análisis de TechCrunch para el año llamó a 2026 el año en que la IA pasa del hype al pragmatismo, con MCP como la razón por la que los agentes por fin llegarían a la práctica diaria.

Funcionó. Conectar un agente a un calendario, una base de datos, un sistema de tickets o una API de pagos dejó de ser un proyecto de integración de seis semanas y se volvió una tarde de trabajo.

Lo que no se abarató en la misma proporción: decidir qué agente puede tocar qué sistema, registrar lo que hizo, notar cuándo dejó de funcionar y responder por el resultado. Eso siguió siendo trabajo organizacional ordinario: lento, político y el trimestre favorito de nadie.

Así que el hallazgo de que 81% siente presión por desplegar rápido no habla de imprudencia. Habla de asimetría. Un lado del trabajo se abarató diez veces y el otro no.

Un agente no es una funcionalidad. Es un empleado con llaves de acceso.

El modelo mental que la mayoría importó es equivocado, y es la raíz del problema de medición.

Una funcionalidad es determinista. La pruebas, la lanzas y hace lo mismo el día 300 que el día uno. Monitorearla significa vigilar errores y latencia.

Un agente tiene credenciales, toma decisiones bajo incertidumbre, ejecuta acciones con consecuencias externas y se comporta distinto conforme sus insumos cambian. Eso no es una funcionalidad. En los hechos, es un empleado junior que trabaja al instante, nunca duerme, recibió acceso a producción y no tiene jefe.

Con ese encuadre, los números de la encuesta dejan de sorprender y se vuelven obvios. Ninguna organización dejaría operar a 100 personas nuevas durante un trimestre sin línea de reporte, sin revisión de accesos y sin registro de lo que hicieron. Casi todas hicieron exactamente eso con agentes, porque los agentes llegaron por la ruta de compra de software y no por la de contratación.

Solo 30% de los encuestados se describió como muy preparado para administrar agentes como actores autenticados. Ese es el número más honesto del reporte, porque "actor autenticado" es precisamente lo que es un agente.

Las cuatro preguntas antes de que un agente entre a producción

Construimos estos sistemas para clientes en industrias reguladas, donde "no estamos seguros de qué hizo" no es una frase aceptable. Cuatro preguntas deciden si un agente está listo, y ninguna es sobre el modelo.

¿Con qué credenciales opera? Si la respuesta es una cuenta de servicio compartida, cada acción que toma es anónima por construcción, y ninguna cantidad de bitácoras aguas abajo va a recuperar la atribución. Un agente necesita identidad propia por la misma razón que una persona.

¿Cuál es el radio de daño de una mala decisión? No el peor caso imaginable, sino el peor caso realista dentro de los permisos que efectivamente tiene. Si ese número es más grande de lo que te sentirías cómodo diciendo en voz alta, la solución son permisos más estrechos, no un mejor prompt.

¿Cómo te enterarías de que se descompuso? La degradación silenciosa es la falla característica de estos sistemas. No truenan. Siguen devolviendo resultados seguros de sí mismos mientras la calidad se desvía, y esa desviación es invisible salvo que alguien haya muestreado la salida a propósito. Si el mecanismo de detección es "un usuario se va a quejar", el agente está sin monitoreo, diga lo que diga el tablero.

¿Quién es el nombre? Una persona, en el organigrama, responsable del comportamiento de este agente. No un comité ni un equipo. El 7.2% existe porque esta pregunta se siente burocrática hasta el primer incidente, momento en el cual es la única pregunta.

Qué hacer si ya tienes agentes en producción

Es casi seguro que los tienes, y probablemente más de los que crees: eso significa una moda de 76 a 100. El despliegue en la sombra es lo normal aquí.

Empieza por un inventario, no por una política. Las políticas escritas antes de saber qué está corriendo describen un parque imaginario. Encuentra cada agente, qué credenciales tiene, a qué sistemas alcanza y quién lo construyó. En la mayoría de las organizaciones este ejercicio solo toma una semana y produce al menos una sorpresa genuina.

Después ordena por radio de daño, no por volumen. El agente que redacta resúmenes internos puede seguir sin monitoreo otro mes. El que tiene permisos de escritura sobre un sistema financiero no. La mayoría de los programas de gobernanza fracasan porque intentan cubrir todo de golpe y se atoran; los que funcionan empiezan por los cinco agentes que sí podrían hacerte daño.

Y luego instrumenta antes de crecer. El hallazgo más repetible de la encuesta es que 81.7% planea desplegar muchos más agentes el próximo año. Sumar a un parque que no puedes ver es cómo un problema manejable se vuelve inmanejable, y es bastante más barato construir observabilidad con 80 agentes que con 300.

El resumen honesto

La capacidad de los agentes es real, la productividad es real, y nada de esto es un argumento para frenar.

Pero hay un modo de falla específico por delante, y ya es legible en los datos: 54% ha tenido un incidente, 85% no tiene estructura de responsabilidad y 81.7% está por agregar más agentes. Esos tres hechos no se resuelven solos.

Las organizaciones que salgan bien de esto no serán las que desplegaron más agentes. Serán las que puedan responder, cualquier martes, qué hicieron sus agentes ayer y quién responde por ello.

Eso no es un problema de IA. Es un problema de operación disfrazado de IA, y se resuelve con el mismo trabajo poco vistoso que siempre ha resuelto los problemas de operación: identidad, permisos, bitácoras y un nombre frente a cada cosa que puede actuar.

Si estás desplegando agentes en un entorno donde equivocarse tiene consecuencias, cómo abordamos la automatización con IA describe las filas de revisión, las pistas de auditoría y los umbrales de confianza que construimos primero, y dónde sí paga la automatización trata la pregunta previa: qué automatizar.