Estamos atravesando un punto de quiebre fundamental hacia la era de la IA agéntica. Ya no hablamos de sistemas que responden preguntas, sino de agentes autónomos con capacidad de ejecutar acciones, abrir solicitudes, modificar registros y gatillar flujos de trabajo en forma independiente.

Durante los últimos dos años, las empresas han adoptado la Inteligencia Artificial en una suerte de “fase de asistencia”: herramientas que redactan, sintetizan datos o analizan información para luego de devolverle el trabajo a una persona que toma la decisión final. Bajo ese esquema con supervisión humana en cada paso, los riesgos corporativos se mantuvieron relativamente acotados y bajo control.

Sin embargo, estamos atravesando un punto de quiebre fundamental hacia la era de la IA agéntica. Ya no hablamos de sistemas que responden preguntas, sino de agentes autónomos con capacidad de ejecutar acciones, abrir solicitudes, modificar registros y gatillar flujos de trabajo en forma independiente. Cuando un agente puede tomar decisiones y actuar miles de veces por día, la presencia humana pasa de ser un filtro directo a una supervisión estratégica. Y es allí donde los modelos de gobernanza tradicionales muestran sus mayores grietas.

El problema de fondo es que la mayoría de las organizaciones intenta gestionar este nuevo paradigma con los comités de aprobación del pasado. Los marcos normativos basados en documentos estáticos, carpetas de compliance y reuniones de evaluación resultan ineficientes cuando se enfrentan a sistemas probabilísticos que toman decisiones en tiempo real a partir de volúmenes masivos de datos no estructurados —como correos, imágenes y documentos de trabajo— que históricamente las empresas nunca administraron con el rigor dedicado a las bases de datos estructuradas.

Leer también: Del “qué” al “cómo” en IA

La brecha entre lo que dicen las políticas escritas de una empresa y lo que realmente ejecutan los algoritmos no es un fallo técnico, es una falla de gobernanza. Un documento normativo se aplica solo cuando alguien se acuerda de revisarlo; un control integrado en el código de la plataforma se aplica siempre, a cada agente y en cada transacción. Para escalar el uso de la IA sin exponer la reputación o la continuidad operativa del negocio, la gobernanza debe dejar de ser un trámite burocrático posterior para convertirse en la arquitectura misma del sistema.

Para lograr este salto de madurez, las organizaciones deben enfocar su modelo operativo en tres pilares de control indispensables:

  • Identidad y límites operativos: Cada agente debe ser administrado con el mismo rigor que un empleado, contando con una identidad digital propia, credenciales específicas, un alcance limitado de tareas y un responsable humano al que rinda cuentas. Para acotar el margen de daño ante un comportamiento imprevisto, los sistemas deben operar dentro de entornos cerrados con límites estrictos de presupuesto de cómputo y restricciones explícitas sobre qué acciones jamás pueden ejecutar sin confirmación de un supervisor.
  • Control del contexto y la calidad de los datos: A diferencia del software tradicional, la mayoría de los fallos en agentes de IA no surgen de errores en el modelo, sino de la manipulación o deficiencia de los datos con los que interactúa. Es crítico separar de forma tajante las instrucciones del sistema de la información a procesar para evitar que textos no verificados reorienten el comportamiento del algoritmo hacia objetivos no contemplados. 
  • Visibilidad y rendición de cuentas: No se puede gobernar lo que no se ve. Dado que la Inteligencia Artificial puede generar respuestas verosímiles pero incorrectas o desviarse de su mandato, la supervisión debe basarse en auditorías continuas y en la verificación sobre los sistemas reales impactados. Asimismo, la decisión de otorgar mayor autonomía a un agente debe responder a métricas de desempeño comprobadas en entornos controlados y no a la urgencia por acelerar lanzamientos.

La gobernanza de la Inteligencia Artificial no debe concebirse como un freno a la innovación, sino como la estructura de contención que permite acelerar el paso con seguridad. Definir el apetito de riesgo y adaptar los controles internos es una discusión estratégica que exige la participación activa del directorio y la alta dirección. Aquellas compañías que logren integrar la responsabilidad operativa en sus plataformas tecnológicas serán las que lideren la verdadera transformación digital, garantizando la confianza y el crecimiento sostenible del negocio.

Sobre el autor

Lucas Brossi es socio y head de Data & AI de Bain para a América del Sur

Las opiniones expresadas son solo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes Chile.