Según un nuevo informe de Bloques de datosEl panorama de la IA empresarial está experimentando un cambio radical. Las organizaciones están yendo más allá de los simples chatbots y los programas piloto, adoptando inteligencia artificial. sistemas agentes que redefinen los flujos de trabajo operativos.

La ola inicial de IA generativa estuvo marcada por altas expectativas, pero a menudo su utilidad fue limitada. Los líderes tecnológicos se enfrentaron a herramientas aisladas que no lograron aportar un valor comercial transformador. Sin embargo, nuevos datos de telemetría de Databricks indican un punto de inflexión. El mercado está madurando y la atención se centra ahora en agentes autónomos capaces de planificar y ejecutar tareas complejas.

Datos extraídos de más de 20 000 organizaciones, incluyendo el 60 % de las de la lista Fortune 500, revelan una rápida migración hacia arquitecturas donde los modelos de IA no solo recuperan información, sino que orquestan flujos de trabajo de forma independiente. Esta evolución representa una reasignación fundamental de 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»

En el centro de este crecimiento se encuentra el concepto de 'Agente supervisor'En lugar de depender de un modelo monolítico para gestionar cada solicitud, un supervisor actúa como 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 todas las tareas personalmente. De igual forma, 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 este proceso, desarrollando casi cuatro veces más sistemas multiagente que cualquier otra industria, la utilidad de la IA agencial se extiende 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, entregando 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 velocidad humana, están llegando a su límite. Los flujos de trabajo agénticos invierten estas suposiciones, generando patrones continuos de lectura y escritura de alta frecuencia.

La escala de esta automatización es asombrosa. Hace dos años, los agentes de IA creaban tan solo el 0,1 % de las bases de datos. Hoy, esa cifra es impresionante. 80 por cientoAdemás, el 97 por ciento de los entornos de desarrollo y pruebas 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 de big data, la IA agente opera principalmente en el "ahora". El informe destaca que El 96 por ciento de todas las solicitudes de inferencia se procesan en tiempo realEste cambio es particularmente evidente en sectores donde la latencia se correlaciona directamente con el valor, como la atención médica y las finanzas.

El estándar multimodelo y la independencia del proveedor

La dependencia de un proveedor 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 utilizaron dos o más familias de modelos de lenguaje grande (LLM), como ChatGPT, Claude, Llama y Gemini.

La sofisticación de este enfoque está aumentando. La proporción de empresas que utilizan tres o más familias de modelos aumentó significativamente, del 36 % al 59 % en tan solo dos meses. Esta diversidad permite a los equipos de ingeniería enrutar tareas más sencillas hacia modelos más pequeños y rentables, reservando los modelos de frontera para tareas de razonamiento complejas.

La gobernanza como acelerador

Quizás el hallazgo más contraintuitivo para muchos ejecutivos es la relación entre gobernanza y velocidad. Considerados a menudo como un cuello de botella, los marcos rigurosos de gobernanza y evaluación funcionan como aceleradores para la implementación en producción.

Las organizaciones que utilizan herramientas de gobernanza de IA se imponen 12 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 evaluar sistemáticamente la calidad de sus modelos logran casi seis veces más implementaciones de producción. La gobernanza proporciona las barreras necesarias, como la definición del uso de datos y el establecimiento de límites de velocidad, lo que brinda a las partes interesadas la confianza para aprobar la implementación.

El valor de la automatización "aburrida"

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

• 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.
• Venta 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 inquietudes prácticas de los clientes, como soporte, apoyo y onboarding. Estas aplicaciones impulsan una eficiencia medible y fortalecen la organización necesaria para flujos de trabajo de agentes más avanzados.

Para los directivos, 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.