Según un nuevo informe de Databricks, el panorama de la IA empresarial está experimentando un cambio sísmico. Las organizaciones están yendo más allá de los simples chatbots y programas piloto, adoptando la IA inteligente, sistemas de agentes que redefinen los flujos de trabajo operativos.

La primera oleada de IA generativa estuvo marcada por grandes expectativas, pero a menudo con una utilidad limitada. Los líderes tecnológicos lidiaron con herramientas aisladas que no lograron generar un valor empresarial transformador. Sin embargo, los nuevos datos de telemetría de Databricks indican un punto de inflexión. El mercado está madurando y ahora la atención se centra en agentes autónomos capaces de planificar y ejecutar tareas complejas.

Los datos recopilados de más de 20 000 organizaciones —incluido el 60 % de las empresas Fortune 500— revelan una rápida migración hacia arquitecturas donde los modelos de IA no solo recuperan información, sino que también orquestan flujos de trabajo de forma independiente. Esta evolución representa una reasignación fundamental de los recursos de ingeniería, con un aumento del 327 % en el uso de flujos de trabajo multiagente en la plataforma Databricks entre junio y octubre de 2025.

El auge del "agente supervisor"

Fundamental para este crecimiento es el concepto de 'Agente Supervisor'En lugar de depender de un modelo monolítico para gestionar todas las solicitudes, un supervisor actúa como un orquestador. Desglosa las consultas complejas de los usuarios y delega tareas específicas a subagentes o herramientas especializadas, de forma similar a un gestor de proyectos en un equipo humano.

Desde su lanzamiento en julio de 2025, el Agente Supervisor se ha convertido rápidamente en el caso de uso dominante, representando el 37 % del uso total en octubre. Esta estructura refleja jerarquías organizativas eficaces: un gerente garantiza la ejecución sin realizar personalmente todas las tareas. De manera similar, un agente supervisor gestiona la detección de intenciones, las comprobaciones de cumplimiento y el enrutamiento a herramientas específicas del dominio.

Si bien las empresas tecnológicas lideran actualmente esta tendencia —construyendo casi cuatro veces más sistemas multiagente que cualquier otro sector—, la utilidad de la IA con agentes va mucho más allá de la tecnología. Las empresas de servicios financieros, por ejemplo, están implementando sistemas multiagente para gestionar simultáneamente la recuperación de documentos complejos y el cumplimiento normativo, ofreciendo respuestas verificadas a los clientes sin intervención humana.

Infraestructura bajo presión: la realidad en tiempo real

A medida que los agentes de IA pasan de responder preguntas a ejecutar tareas, la infraestructura de datos subyacente se enfrenta a exigencias sin precedentes. Las bases de datos tradicionales de procesamiento de transacciones en línea (OLTP), diseñadas para interacciones a la velocidad humana, están llegando a su límite. Los flujos de trabajo basados ​​en agentes invierten estas premisas, generando patrones de lectura y escritura continuos y de alta frecuencia.

La magnitud de esta automatización es asombrosa. Hace dos años, los agentes de IA creaban apenas el 0,1 por ciento de las bases de datos. Hoy, esa cifra se sitúa en un impresionante 80 por cientoAdemás, el 97 por ciento de los entornos de prueba y desarrollo de bases de datos ahora son creados por agentes de IA, lo que permite a los desarrolladores crear entornos efímeros en segundos en lugar de horas.

A diferencia del legado del procesamiento por lotes en el big data, la IA agencial opera principalmente en el "ahora". El informe destaca que El 96 por ciento de todas las solicitudes de inferencia se procesan en tiempo real.Este cambio es particularmente evidente en sectores donde la latencia se correlaciona directamente con el valor, como la sanidad y las finanzas.

El estándar multimodelos y la independencia de los proveedores

El bloqueo de proveedores sigue siendo un riesgo persistente para los líderes empresariales. Para mitigarlo, las organizaciones están adoptando activamente estrategias multimodelo. A partir de octubre de 2025, El 78 por ciento de las empresas utilizaban dos o más familias de modelos de lenguaje grandes (LLM)., como ChatGPT, Claude, Llama y Gemini.

La sofisticación de este enfoque va en aumento. La proporción de empresas que utilizan tres o más familias de modelos se incrementó significativamente, pasando del 36 % al 59 % en tan solo dos meses. Esta diversidad permite a los equipos de ingeniería asignar las tareas más sencillas a modelos más pequeños y rentables, reservando los modelos más avanzados para tareas de razonamiento complejas.

La gobernanza como acelerador

Quizás el hallazgo más sorprendente para muchos ejecutivos sea la relación entre gobernanza y velocidad. Si bien a menudo se perciben como un obstáculo, los marcos rigurosos de gobernanza y evaluación funcionan como aceleradores para la implementación en producción.

Las organizaciones que utilizan herramientas de gobernanza de IA ponen más Doce veces más proyectos de IA en producción. En comparación con las que no lo hacen. De igual manera, las empresas que emplean herramientas de evaluación para probar sistemáticamente la calidad de los modelos logran casi seis veces más implementaciones en producción. La gobernanza proporciona las salvaguardas necesarias, como definir el uso de los datos y establecer límites de velocidad, lo que brinda a las partes interesadas la confianza necesaria para aprobar la implementación.

El valor de la automatización "aburrida"

Si bien los agentes autónomos suelen evocar imágenes de capacidades futuristas, su valor empresarial actual reside en la automatización de tareas rutinarias y monótonas. Los principales casos de uso de la IA varían según el sector, pero se centran en la resolución de problemas empresariales prácticos y específicos:

• Fabricación y automoción: El 35% de los casos de uso se centran en el mantenimiento predictivo.
• Salud y Ciencias de la Vida: El 23% de los casos de uso implican la síntesis de literatura médica.
• Comercio minorista y bienes de consumo: El 14% de los casos de uso están dedicados a la inteligencia de mercado.

Además, el 40 % de los principales casos de uso de IA abordan necesidades prácticas de los clientes, como soporte, asesoramiento y proceso de incorporación. Estas aplicaciones impulsan una eficiencia cuantificable y fortalecen la capacidad organizativa necesaria para flujos de trabajo de agentes más avanzados.

Para la alta dirección, el camino a seguir implica centrarse menos en la «magia» de la IA y más en el rigor de la ingeniería que la rodea. La ventaja competitiva está volviendo a centrarse en cómo las empresas construyen, en lugar de simplemente en lo que compran. Las plataformas abiertas e interoperables permiten a las organizaciones aplicar la IA a sus propios datos empresariales, creando una diferenciación a largo plazo en mercados altamente regulados.