Pulso IA #50 | La era agentica no se instala sola
La publicación semanal de Amplify: claridad, estrategia y comunidad para ampliar tu ventaja con inteligencia artificial.
Hoy, Jensen Huang (NVIDIA) sube al escenario del SAP Center de San José ante 39.000 personas para anunciar que hemos entrado en la era de la IA física y los agentes autónomos.
Es el mayor evento de IA del año. Cuatro días, 190 países, 700 sesiones. El mensaje central de NVIDIA para 2026: los agentes ya no son el siguiente paso, son el paso actual.
Hace poco, Gartner publicó una estimación: el 40% de los proyectos de IA agentica en empresas serán cancelados antes de 2027 por costes escalantes, valor de negocio poco claro o controles de riesgo insuficientes.
Los dos pueden tener razón a la vez. La pregunta es si tu organización está construyendo el 60% o el 40%.
Vamos a desgranar la semana.
Latidos de la semana
La IA salió del chat. NVIDIA lo celebra con 39.000 personas
GTC 2026 arranca hoy en San José, el evento anual de NVIDIA que en los últimos dos años se ha convertido en el termómetro más fiable del estado real de la industria. Jensen Huang ha prometido “chips que el mundo nunca ha visto antes” y nuevos detalles sobre Vera Rubin, la arquitectura que sucede a Blackwell con 5x el rendimiento en inferencia. El foco de este año: IA física, IA agentica y la infraestructura de inferencia que hace que ambas escalen.
Pero la noticia más significativa puede no ser el hardware. NVIDIA lanzó esta semana NemoClaw, una plataforma open source para construir y desplegar agentes de IA en entornos empresariales, sistemas que ejecutan tareas complejas de múltiples pasos sin supervisión humana constante. El hardware hace posible la carrera. Las plataformas la hacen accesible.
El giro que pocos anticipaban: según NVIDIA, los CPUs son ya el nuevo cuello de botella para los workflows agenticos. El problema ya no es la capacidad de razonamiento. Es la coordinación de todos los sistemas que rodean a los modelos.
Gartner: el 40% de los proyectos de IA agentica van a ser cancelados antes de 2027
La estimación convive con otro dato del mismo sector: el 100% de las empresas encuestadas por CrewAI planean expandir su uso de IA agentica en 2026. Las dos cifras son perfectamente compatibles.
Los motivos de cancelación que proyecta Gartner: costes que se descontrolan una vez pasado el piloto, valor de negocio que no queda claro en producción, controles de riesgo que no están a la altura de lo que los agentes hacen cuando operan de forma autónoma.
El patrón es el de cualquier tecnología empresarial emergente. Lo diferente esta vez es la velocidad: en ciclos anteriores, ese proceso de selección natural tomaba cinco o siete años. Gartner lo proyecta en dieciocho meses.
Cognizant midió cuánto trabajo real requiere implementar IA en producción. La respuesta incomoda.
“La IA plug-and-play es un mito.” Eso dice un estudio de Cognizant publicado el 10 de marzo que analizó cómo las empresas están implementando IA en entornos reales. La investigación encontró que las organizaciones necesitan ayuda significativa en cuatro áreas para que los sistemas de IA funcionen: ingeniería e integración técnica, gobernanza y gestión de riesgos, change management y adopción humana, y alineación con los procesos de negocio existentes.
El matiz que vale la pena retener: el estudio no dice que la IA no funcione. Dice que no funciona sola. La distancia entre un demo y un sistema en producción que genera valor real es trabajo de implementación, de ingeniería, de diseño organizativo, de criterio. Ese trabajo no lo hace la IA.
(Que lo diga una empresa de consultoría que vende exactamente ese tipo de ayuda no invalida el argumento. Lo confirma, si acaso.)
El Senado americano quiere saber cuántos empleos destruye la IA. De verdad.
Los senadores Hawley y Warner introdujeron esta semana la AI-Related Job Impacts Clarity Act, que obligaría a las empresas a publicar informes trimestrales al Departamento de Trabajo especificando cuántos empleos fueron eliminados porque sus funciones fueron reemplazadas por IA, cuántos quedaron sin cubrir por el mismo motivo, y cuántos empleados fueron reentrenados como resultado.
El contexto directo: hace unos días, Block recortó el 40% de su plantilla citando la IA mientras analistas y ex-directivos cuestionaban si era la causa real o una coartada conveniente. El trasfondo más amplio: Fortune publicó esta semana que el 75% de los trabajadores desplazados por IA no solicitan seguro de desempleo, lo que significa que el impacto real en el empleo es estructuralmente invisible en las estadísticas oficiales.
Si la ley se aprueba, por primera vez tendríamos datos directos sobre lo que las empresas dicen internamente que la IA está haciendo al empleo. No lo que declaran en sus comunicados. No lo que aparece en las estadísticas de desempleo. Lo que reportan formalmente al gobierno.
Los tres mejores modelos del mundo están a menos del 3% de diferencia. El criterio de elección ha cambiado.
GPT-5.4, Claude Opus 4.6 y Gemini 3.1 Pro se sitúan esta semana dentro de un margen de 2-3 puntos porcentuales en la mayoría de los benchmarks relevantes. No hay un modelo claramente mejor en términos absolutos. Los hay que sobresalen en tareas específicas, pero el ganador universal ha dejado de existir como categoría útil.
Lo que esto cambia: el criterio para elegir qué modelo usar ya no es cuál es el más inteligente, sino cuál está optimizado para el tipo de tarea específica que tienes. Esa distinción requiere criterio propio sobre tus casos de uso concretos. No se resuelve siguiendo el ranking del benchmark de turno.
Esta semana, los agentes autónomos se convirtieron oficialmente en el eje de la industria. Lo que eso significa para cómo organizas tu trabajo —no en abstracto, sino en concreto— es exactamente lo que trabajamos en Amplify Premium.
En profundidad
El año de los agentes, y el 40% que no llegará a producción
Hay un momento que se repite en cada ciclo tecnológico importante: el momento en que la industria declara que algo ya llegó, al mismo tiempo que los datos empiezan a mostrar que implementarlo es más difícil de lo que parecía desde fuera.
Estamos en ese momento con los agentes de IA.
Por un lado, la declaración: 39.000 personas en San José para escuchar a Jensen Huang describir la “era agentica.” El 100% de las empresas encuestadas diciendo que van a expandir su uso de agentes. NVIDIA lanzando hardware específicamente diseñado para los workflows que los agentes requieren.
Por otro, la realidad emergente: el 40% de los proyectos agenticos cancelados antes de 2027. La IA plug-and-play es un mito. Los CPUs se convierten en el nuevo cuello de botella porque el problema ya no es razonar sino coordinar.
Estos dos lados no se contradicen. Describen la misma tecnología desde puntos distintos: el potencial real que tiene, y la brecha entre ese potencial y lo que la mayoría de las organizaciones pueden extraer de él en este momento.
Lo que probablemente separa al 60% que completará sus proyectos del 40% que los cancelará no es el presupuesto ni los modelos que elijan. Es si resolvieron cuatro preguntas antes de empezar:
qué problema específico resuelve el agente
qué puede hacer de forma autónoma y qué requiere confirmación humana
cómo detectan cuando hace algo incorrecto
y cómo miden si el resultado en producción justifica los costes.
El patrón no es nuevo. Las tecnologías empresariales de las últimas décadas —ERP en los 90, cloud en los 2000, movilidad empresarial en los 2010— siguieron el mismo arco: adopción entusiasta, cancelaciones masivas a mitad de ciclo, consolidación en un número menor de casos de uso que generan valor real y repetible. Los que sobrevivieron ese ciclo lo hicieron porque tenían claridad sobre el problema antes de comprometerse con la solución.
Lo que es diferente esta vez son dos cosas.
Primera: la velocidad. Gartner proyecta ese ciclo de cancelaciones en dieciocho meses, no en cinco años. Las organizaciones que entren tarde tendrán menos tiempo para aprender de los errores de otros y menos margen para corregir antes de que el capital político interno para estos proyectos se agote.
Segunda: la naturaleza del error. En ERP, el fracaso era de implementación — demasiado complejo, demasiado caro, demasiado lento para adaptarse. En IA agentica, el fracaso proyectado es de definición: proyectos que arrancan sin claridad sobre qué problema resuelven exactamente, qué vale perder el control granular sobre un proceso a cambio de automatizarlo, y cómo verificar que el agente está haciendo lo correcto cuando nadie lo está mirando.
La pregunta operativa que NVIDIA no responde desde el escenario, y que el 40% descubrirá demasiado tarde: ¿tu negocio tiene una respuesta concreta a esas cuatro preguntas antes de empezar a construir?
El año de los agentes ha llegado. La cuestión no es si subirse. Es si tienes las condiciones para que subirse produzca algo más que un piloto interesante que se cancela en dieciocho meses.
Herramienta de la semana:
Artificial Analysis
Qué es. Una web gratuita que compara en tiempo real todos los modelos de IA relevantes —GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro, y una veintena más— por rendimiento, velocidad de respuesta y precio. Sin cuenta, sin instalación, directamente en el navegador.
Qué hace en la práctica. Puedes filtrar por tipo de tarea (razonamiento, escritura, código, respuesta rápida), ver qué modelo lidera en cada categoría, y cruzar ese dato con el coste por uso. En cinco minutos tienes una foto clara de qué modelo tiene sentido para cada caso de uso específico tuyo. No en general, sino en función de lo que priorizas: calidad, velocidad o coste.
Para quién es. Para cualquier persona que usa IA regularmente y quiere tomar esa decisión con datos en lugar de seguir el hype del momento. También útil si tienes un equipo que usa distintas herramientas y quieres unificar con criterio.
Limitaciones. Los benchmarks miden rendimiento promedio en tareas estándar, no en tu caso de uso específico. El mejor modelo para escribir propuestas comerciales en español puede no ser el mismo que lidera en código o en razonamiento matemático. Úsalo como punto de partida, no como veredicto definitivo.
Pregunta de la semana
El 100% de las empresas dicen que van a expandir su uso de agentes en 2026. El 40% de esos proyectos se cancelarán antes de 2027. Esas dos cosas van a ocurrir al mismo tiempo, en el mismo sector, en parte en las mismas empresas.
Lo que distingue un proyecto que llega a producción de uno que se cancela a mitad del camino rara vez es la tecnología. Casi siempre es la claridad sobre el problema específico que resuelve, el diseño del control humano sobre lo que hace el agente, y el criterio para saber cuándo detenerlo.
Si estás evaluando IA agentica ahora mismo: ¿tienes esas tres cosas antes de empezar? ¿O estás construyendo la definición a medida que avanzas?
Nos leemos a lo largo de la semana.
—El equipo de Amplify