La gestión de agentes de IA está dejando de ser un asunto técnico para convertirse en una cuestión de recursos humanos. Y hay ya organizaciones que lo están tomando literalmente.
En Asymbl, una consultora de recruiting norteamericana, trabajan 170 personas y 200 agentes de IA. La empresa los cuenta juntos. Los agentes tienen job description, KPIs documentados, revisión de desempeño y coaching semanal de compañeros humanos. Los comerciales se sientan cada viernes a revisar línea por línea los correos que envió esa semana un agente llamado Teddy.
En 2025, esa plantilla mixta generó cinco millones de dólares en impacto de productividad. Este año, entre once y trece millones. Y sí: el 118% del incremento vino de los agentes, no de las personas.
El caso Asymbl es una anécdota. Pero es también el aviso de un cambio de categoría que la mayoría de organizaciones todavía no ha nombrado, y mucho menos gestionado. Los agentes de IA han dejado de ser herramientas y han empezado a comportarse como empleados. El problema es que casi nadie los está gestionando así.
El giro conceptual: Deloitte lo bautiza
En su Tech Trends 2026, Deloitte propone un marco explícito: los agentes autónomos son una “silicon-based workforce”, una fuerza laboral basada en silicio que complementa —no sustituye— a la fuerza laboral basada en carbono. Y como cualquier plantilla, requiere onboarding, evaluación de desempeño, políticas propias y una función que la gobierne. Es, en el fondo, un ejercicio de gestión de agentes de IA tan riguroso como el de cualquier plantilla humana.
El cambio no es cosmético. Una herramienta se compra, se instala y se amortiza. Una plantilla se contrata, se forma, se supervisa y se despide cuando no rinde. Son dos lógicas de management radicalmente distintas. Y aplicar la primera a algo que se comporta como la segunda es la vía más rápida a lo que Deloitte llama “workslop”: procesos donde los agentes, en lugar de aliviar carga, la multiplican por comportamientos erráticos que nadie audita.
La cifra que obliga a mirar de frente
El aviso viene del ámbito financiero. Según el whitepaper del AIUC-1 Consortium recogido por Salesforce Ben en abril, el 64% de las empresas con facturación superior a mil millones de dólares perdió más de un millón por fallos de agentes de IA en el último año. Uno de cada dos euros de daño se atribuye a agentes que actuaron fuera de perímetro o cuya trazabilidad era insuficiente. Gartner añade una proyección igual de contundente: más del 40% de los proyectos de IA agentic fracasarán antes de 2027 por incompatibilidad con sistemas legacy y por diseños que automatizaron procesos humanos existentes en lugar de rediseñarlos para operación autónoma.
Y sin embargo, la adopción no se frena. Deloitte estima que el mercado global de IA agentic alcanzará los 45.000 millones de dólares en 2030. Gartner proyecta que el 33% de las aplicaciones empresariales incluirán agentic AI en 2028, frente al 1% de 2024. La ola no es una tendencia. Es una avalancha.
Crecimiento proyectado de la adopción de agentic AI y caso real de plantilla mixta. Fuente: Gartner (2026) · Deloitte Tech Trends (2026) · Asymbl.
El agujero: la gestión de agentes de IA sin gobierno
La investigación propia de Salesforce, publicada este verano, es la que mejor traduce el desajuste: solo el 54% de las organizaciones tiene un marco de gobierno centralizado para sus capacidades agentic. Y apenas una de cada cinco cuenta con un modelo maduro para gobernar agentes autónomos. La adopción esprinta. El gobierno camina: la gestión de agentes de IA sigue siendo la asignatura pendiente de la mayoría de comités de dirección. Y como recuerda el analista Sandeep Kumar, “un agente autónomo sin gobierno es una categoría de riesgo distinta a un dashboard sin gobierno: toma acciones”.
Esa asimetría —capacidad de acción sin capacidad de supervisión— es el nuevo pasivo silencioso de los balances corporativos. Y explica por qué, en el ecosistema Salesforce, se habla ya de un 77% de fracaso en implementaciones de Agentforce: no por fallo del modelo, sino por desplegarlo sobre sistemas que “funcionaban lo bastante bien” para humanos pero no aguantan ser razonados a escala.
Brecha entre adopción y gobierno de agentes de IA. Fuente: Deloitte Tech Trends (2026) · Salesforce · AIUC-1 Consortium · Gartner (2026).
Las cuatro políticas de RRHH para la gestión de agentes de IA
Si aceptamos la analogía de Deloitte, la gestión de agentes de IA empieza a parecerse, línea por línea, al manual clásico de recursos humanos. La lista de preguntas que un comité de dirección tendría que estar contestando en 2026 es incómodamente parecida.
Onboarding. Cuando incorporas a un empleado, defines a qué sistemas accede, qué formación recibe, qué mentor tiene los primeros meses. ¿Estás definiendo lo mismo para cada agente que despliegas? Kathy Baxter, responsable de Uso Ético y Humano en Salesforce, lo llama checkpoints: “IA agentic sin checkpoints es automatización sin accountability”. El paralelismo es transparente: sin manual de bienvenida, el nuevo empleado se inventa las reglas.
Evaluación de desempeño. Los agentes tienen métricas de output, pero rara vez métricas de calidad revisadas por un humano con criterio. En Asymbl, cuando un agente falla un objetivo, se le aplica un performance improvement plan: se analiza la sesión fallida, se identifican patrones y se ajusta el Agent Script que rige cómo razona. Es una revisión de rendimiento, no un log de error.
Políticas y límites. La analogía es directa: ningún convenio permite a un empleado tomar decisiones fuera de su nivel de responsabilidad. Ningún agente debería tampoco. Sin embargo, la mitad de agentes empresariales corre hoy en silos, sin políticas explícitas de qué puede o no puede hacer, sin control de identidad propagado entre sistemas.
Governance organizativa. Moderna ha ido más lejos: ha fusionado su función de tecnología y su función de RRHH bajo un mismo Chief People and Digital Technology Officer. Es un movimiento pionero, pero apunta a donde va la película: la gestión del talento humano y la gestión del talento en silicio son dos caras del mismo mandato.
Qué implica para banca y seguros
Para los sectores donde trabajamos, tres consecuencias concretas.
La primera: el mapa de capacidades organizativas cambia. Cuando Mapfre despliega agentes para tareas administrativas en gestión de siniestros y mantiene humanos en el punto de contacto sensible con el cliente —el caso que cita el propio Deloitte—, no está solo automatizando procesos. Está redibujando dónde reside el criterio y dónde reside la ejecución. Ese mapa debe ser explícito, documentado y revisado, no una consecuencia emergente.
La segunda: el riesgo operacional se recategoriza. Un agente autónomo que suscribe una póliza, autoriza un pago o gestiona una reclamación toma decisiones con implicación regulatoria. Los marcos de gobierno de modelos (SR 11-7 en banca americana, EBA GL/2017/16 en europea) exigen validación, trazabilidad y explicabilidad que la mayoría de despliegues agentic no está preparada para superar. La conversación con el regulador está por llegar. Y va a llegar rápido.
La tercera: el CFO va a preguntar por la ratio agente/empleado. Como Asymbl ya la cuenta. Como los operadores del sector empiezan a incluirla en sus workforce plans. Y cuando la pregunta llegue, la organización que no tenga políticas, evaluación y gobierno de esa plantilla mixta se encontrará justificando decisiones que no ha tomado.
El nuevo momento de verdad en la gestión de agentes de IA
Durante décadas, la pregunta estratégica era cuántas personas necesitamos y con qué perfil. En 2026 la pregunta se desdobla: cuántos humanos, cuántos agentes, cómo se coordinan y quién responde cuando algo sale mal. El comité de dirección que siga tratando a los agentes como líneas de un contrato de software está gestionando su plantilla con la mitad del organigrama a ciegas.
El momento de verdad de la silicon workforce no ocurre cuando un agente se despliega. Ocurre cuando alguien, dentro de la organización, se hace cargo de él como se haría cargo de una persona nueva en el equipo. Con nombre, con manual, con métricas y con consecuencias.
La gestión de agentes de IA no es un proyecto de TI: es, cada vez más, un mandato de personas.
