Tinta Tech

Resumen semanal de Tinta Tech: tech, IA y mercados en tu correo. Una vez por semana, sin spam. Política de privacidad

Tus agentes de IA no fallan por el modelo: fallan por datos que nadie gobierna

Emilio Pfeffer Berger·
Tus agentes de IA no fallan por el modelo: fallan por datos que nadie gobierna

¿Qué modelo razona mejor? Esa pregunta llena los titulares cada tres o cuatro meses. Es la pregunta equivocada.

Un agente de IA que aprueba devoluciones sin revisar el historial del cliente no tiene un problema de inteligencia. Tiene un problema de acceso y de reglas. En la mayoría de las empresas de habla hispana, nadie ha definido esas reglas por escrito.

Los números apuntan en la misma dirección. La consultora Gartner predijo en 2025 que, hacia 2026, las organizaciones abandonarán el 60% de los proyectos de IA que no tengan datos listos para IA. Datos listos significa limpios, etiquetados y con un dueño identificable. Un estudio del MIT publicado el mismo año encontró algo más incómodo: el 95% de las pruebas piloto de IA generativa en empresas no producía retorno medible en el estado de resultados. Son fuentes distintas, pero el mensaje coincide.

Mientras tanto, el precio de los modelos de frontera, los más avanzados, ha caído varias veces en dos años. Los proveedores cobran por millón de tokens, es decir, por cada bloque de texto que procesa el modelo. El modelo se está volviendo un insumo, como la electricidad. Nadie construye una ventaja sobre la electricidad.

Aquí está el punto que casi nadie quiere escuchar. Un agente no es un chatbot con más memoria. Es un sistema que lee, decide, escribe en el sistema de gestión de clientes (CRM), aprueba pagos o envía correos en tu nombre. Para hacerlo bien necesita tres cosas: contexto, permisos y procedimiento. Si falla una, el agente falla. Y casi siempre falla la primera.

El caos no está en los servidores, está en las decisiones

Piensa en la política de descuentos de una empresa mediana. Hay una versión en PDF de 2022, otra en una hoja de cálculo actualizada en 2024 y una tercera en el correo de un gerente que autorizó excepciones para tres clientes clave. Ninguna dice cuál está vigente. Un humano lo resuelve preguntando en el pasillo. Un agente elige el documento que encuentra primero.

Esa lógica tiene nombre: generación aumentada por recuperación (RAG, por sus siglas en inglés). Es la técnica que hoy usan la mayoría de los agentes empresariales. El sistema busca documentos internos antes de responder. Si el correcto no existe, o está en una carpeta sin dueño, el agente responderá con el incorrecto con la misma seguridad con la que acierta. El tono seguro no depende de la calidad de la fuente.

Los permisos son el segundo frente. Muchas empresas dan acceso amplio a sus sistemas porque configurar permisos finos es lento y poco vistoso. Con un empleado, ese descuido tiene un costo acotado. Con un agente que opera a toda hora, el daño se multiplica en minutos. Un permiso mal definido es una puerta abierta que nadie recuerda haber instalado.

Y la regulación ya no es un asunto del futuro. La Ley General de Protección de Datos de Brasil (LGPD) permite multas de hasta 2% de la facturación de la empresa en Brasil en el último ejercicio, con un tope de 50 millones de reales por infracción. Chile aprobó en 2024 la Ley 21.719, que entrará en vigor en diciembre de 2026 y moderniza su régimen de datos personales. Un agente que usa datos de clientes sin base legal documentada crea una deuda. Esa deuda aparece en la auditoría, no en la demo.

Lo que ningún proveedor puede venderte listo

Los proveedores venden plataformas, conectores y modelos. Eso es real y útil. Lo que no pueden vender es el conocimiento de cómo funciona tu empresa. Saber que el descuento del 15% aplica solo a distribuidores de Monterrey, o que el gerente de compras aprueba hasta 80.000 pesos sin pasar por finanzas, vive dentro de tu organización. No está en ningún servidor ajeno.

Aquí se moverá la ventaja competitiva. Si todas las empresas compran el mismo modelo a precios cada vez más bajos, la diferencia no estará en el motor. Estará en quién hizo el trabajo aburrido: inventariar las fuentes de información, asignar un dueño a cada proceso, documentar las excepciones y definir qué puede hacer cada agente y qué no.

Ese trabajo tiene nombres poco atractivos: gobierno de datos, gestión de accesos, documentación de procesos, evaluaciones con casos reales. Ninguna de esas palabras aparece en una presentación de lanzamiento. Pero una empresa que tiene su política de descuentos en una sola versión, con responsable y fecha de revisión, puede poner un agente a trabajar en una semana. Otra que no la tiene puede pasar un año afinando instrucciones sin llegar nunca a producción.

Tampoco se trata de documentarlo todo, que sería otra forma de parálisis. Empieza por los procesos que un agente tocaría primero: atención al cliente, cobranza, compras de bajo monto, conciliación. Cada uno exige responder tres preguntas. ¿Qué fuente manda cuando hay dos versiones? ¿Quién autoriza una excepción? ¿Qué pasa si el agente se equivoca a las dos de la mañana? Si nadie puede responder, el agente tampoco.

Hay un costo que las empresas subestiman: la conversación interna. Documentar un proceso obliga a sentar a finanzas con operaciones y a legal con ventas. Esas reuniones revelan contradicciones que llevan años escondidas. El agente solo expone lo que ya estaba roto. Por eso muchas organizaciones prefieren culpar al modelo. Es más barato que admitir que nadie sabe con precisión cómo se aprueban las cosas.

Mi lectura es que los próximos dos años separarán dos tipos de empresas. Unas tratarán la IA como una compra de software y cambiarán de modelo cada trimestre, con poco avance. Otras la tratarán como un espejo de su operación. Tendrán menos titulares, pero procesos que un agente puede ejecutar sin pedir permiso cada vez que algo no cuadra.

Hay un efecto secundario que importa más que el resto. Un agente bien alimentado no solo ejecuta mejor. También obliga a decidir lo que llevabas años posponiendo: quién es dueño de los datos de clientes o cuál es la política vigente de devoluciones. Esa disciplina sirve aunque nunca conectes un agente a nada.

Mi predicción es concreta. Antes de diciembre de 2026, el primer incidente público grave con un agente de IA en una empresa latinoamericana tendrá como causa un permiso mal configurado o una fuente desactualizada, no una falla del modelo. Hay algo que no cuadra en el debate actual, y ese día quedará a la vista. La conversación cambiará de golpe: dejará de preguntar qué modelo usar y empezará a preguntar quién revisó los datos que el agente leyó. Las empresas que hoy consideran esa pregunta un trámite serán las que tengan que responderla bajo presión.

Compartir

Relacionados

Newsletter

El resumen semanal de tech, IA y mercados, en tu correo.

Sin spam. Puedes darte de baja cuando quieras. Política de privacidad.