La conversación sobre agentes de IA se ha quedado atascada en la herramienta. Qué modelo, qué integración, qué ahorro por licencia. Y la pregunta que tiene delante un director general es otra: cómo queda su organización cuando parte del trabajo lo hace algo que decide por su cuenta.
Agentic Enterprise, de Kashi KS, Giridhar LV Vishwanath y Thiyagarajan M, responde justo a esa. Llegamos a esta lectura por la reflexión de David Boronat sobre este libro, y estas son las cinco ideas que más peso tienen para los empresarios.
1. La IA pasó de herramienta a compañero de trabajo
Un programa se ejecuta. A un compañero se le encarga algo. Ese cambio parece de matiz y lo altera todo: cómo se reparte el trabajo, cómo se decide y a quién se le piden cuentas cuando algo sale mal.
El libro lo ordena en tres fases. A finales de 2024 aparecen automatizaciones capaces de completar una tarea concreta de principio a fin sin nadie encima. En la primavera de 2025 el foco pasa al flujo completo, con varios pasos coordinados, que es la etapa de la orquestación. Y hoy estamos en la tercera: el agente que recibe un encargo decide qué hacer con él, resolverlo, pasárselo a otro agente o pedir que lo resuelva una persona.
Con eso llega una condición estructural antes que un lujo: las organizaciones que salgan adelante serán las que decidan activamente proteger el sentido del trabajo de sus equipos.
¿En qué se diferencia un agente de IA de una automatización normal? Una automatización ejecuta los pasos que alguien programó. Un agente recibe un encargo y decide él mismo cómo resolverlo, incluido cuándo detenerse y pedir criterio humano. La diferencia práctica es que uno se configura y el otro se dirige.
Antes de seguir, si quieres una foto de dónde está hoy tu empresa: el diagnóstico gratuito de Preparación para IA son 15 preguntas y 3 minutos, y termina con las tres prioridades que conviene mirar primero.
2. La unidad de análisis es la tarea
Mirar al empleado es mirar mal. Mirar al departamento, también. Lo que hay que abrir es el puesto, que es un contenedor cuyo nombre importa mucho menos que las tareas reales que guarda dentro. Lo importante son las tareas.
Al abrirlo aparece el reparto que ordena todo el libro. Alrededor del 10 % del trabajo es automatizable hoy: procesamiento de facturas, análisis de datos estructurados, agendas y planificación. Otro 30 % es híbrido, donde el agente resuelve entre el setenta y el ochenta por ciento y la persona conserva el criterio y responde del resultado. Y el 60 % restante sigue siendo enteramente humano: juicio, relación, empatía y decisión. Ahí vive la ventaja competitiva real de una empresa.
El analista de crédito sigue ahí. Lo que se descompone es su puesto: una parte se automatiza, otra se refuerza y otra se queda exactamente igual.
El método es sencillo de explicar y laborioso de aplicar. Se lista el trabajo real de un rol, en vez del que dice la descripción del puesto, y se puntúa cada tarea de 0 a 10 según lo bien que la haría un agente hoy. De 7 a 10 es candidata a pasar al agente con supervisión definida. De 4 a 6 se reparte, con el agente proponiendo y la persona validando. De 1 a 3 se preserva y se invierte en ella.
Ahí se ve la distancia entre automatizar y rediseñar. Automatizar pregunta cómo hacer más rápido el proceso que ya existe. Rediseñar pregunta cómo se montaría partiendo del resultado final.
¿Por dónde se empieza a analizar qué puede hacer un agente? Por las tareas, una a una, en vez de por los puestos completos. Se lista el trabajo real de un rol, se puntúa cada tarea de 0 a 10 según lo bien que la haría un agente hoy, y el resultado reparte ese rol en tres bloques: agent-ready, híbrido y humano.
Antes de decidir sobre una tarea, tres preguntas: cuánto vale de verdad quitarla, con el ahorro real en vez del teórico; qué se pierde al sacar a la persona; y qué le pasa a quien la hacía. Y una cuarta que casi ningún comité sabe responder: quién contrata agentes en tu empresa, si IT, el área de personas o cada unidad por su cuenta. Un agente es una decisión sobre cómo se reparte el trabajo, más que una licencia de software.
3. La capa intermedia se vuelve más gruesa
Circula la idea de que las organizaciones agénticas serán más planas. El libro sostiene lo contrario: al meter agentes concentras la necesidad de criterio humano, en vez de eliminarla.
Una organización plana y sin agentes es una organización estresada. Con agentes y sin gobernanza es una organización en caos, con personas y agentes disputándose la misma autoridad de decisión. Lo que aparece en medio es una capa de orquestación que fija los límites de decisión de cada agente, vigila que el sistema haga lo que debe, e interviene cuando entran en juego los valores.
De ahí el cambio de figura. La pirámide de ayer tenía la ejecución abajo y la decisión arriba. El diamante de hoy tiene la base estrecha y el centro grueso. Se habla mucho de reciclar plantillas, y habría que hablar de reconstruir la capa intermedia.
¿Los agentes de IA aplanan la organización? Al contrario. Automatizan la ejecución de la base, y con eso engordan la capa intermedia, que pasa a orquestar el trabajo entre personas y agentes, fijar límites de decisión e intervenir cuando hay valores en juego. La pirámide se convierte en un diamante.
4. La gobernanza es el cuello de botella real
Cuando un agente se equivoca, ¿quién responde? ¿El proveedor del modelo, la empresa que lo desplegó o quien fijó sus parámetros? Escribirlo después convierte el problema en un fallo de diseño, antes que en un fallo legal.
El libro propone cinco capas: guardarraíles, que son los límites que el agente lleva puestos; trazabilidad, con registro de qué vio, qué reglas aplicó y con qué confianza; protocolos de derivación, que definen cuándo se detiene y pide criterio humano; kill switches, para parar el sistema si empieza a desviarse; y revisión periódica de outputs.
Sobre esas cinco capas se apoya el reparto de la responsabilidad, que se clasifica en vez de decidirse por confianza general. Una decisión delegada la toma el agente solo, como aprobar una transacción de 500 euros con historial establecido y parámetros claros. Una decisión asistida la analiza y recomienda el agente, y la firma la persona. Y una decisión reservada es exclusivamente humana: todo lo que toca a personas, a valores o a la relación con el cliente en un momento crítico.
La regla de despliegue es medir la fiabilidad del agente, en vez de compararlo con una persona: qué nivel exige esa tarea y si el agente puede alcanzarlo en un plazo razonable. El error caro y frecuente es desplegar un agente de fase uno como si ya estuviera en la tres. Falla, se culpa a la tecnología y se retira el proyecto entero.
¿Quién responde cuando un agente de IA se equivoca? Responde la empresa que lo desplegó, y la forma de acotarlo es escribirlo antes: límites de decisión, registro de lo que hizo, cuándo se detiene para pedir criterio humano y cómo se para el sistema. Decidirlo después lo convierte en un fallo de diseño.
5. Casi todo el mundo está optimizando por el premio pequeño
Este es el dato que más cuesta digerir en un comité. El ahorro del 10 % automatizable es visible, rápido y fácil de defender, y por eso es lo único que se mide. El 30 % aumentable vale, según el libro, entre tres y cinco veces más, y casi nadie lo modela, porque es más grande, menos visible y más lento de materializar.
El retorno real suma las dos cosas, y el segundo sumando se ve en velocidad para entender qué está pasando, capacidad de adaptación y aprendizaje organizativo.
De ahí salen los tres modelos de empresa que el libro describe. La Efficiency Enterprise, que es la más común, usa el despliegue agéntico como palanca de reducción de costes: gana en el corto plazo y puede dejar daño estructural a largo. La Augmented Enterprise se toma en serio reforzar a los equipos y construye su modelo operativo alrededor de la relación entre personas y agentes. Y la Adaptive Enterprise, que es el techo, captura los tres niveles: el ahorro, la aumentación y las capacidades nuevas que solo aparecen cuando personas y agentes trabajan juntos.
El libro deja el ganador abierto y sostiene que la diferencia está en haber elegido de forma deliberada, en vez de por inercia. Su horizonte es 2028, y dice que ganará quien eligiera su modelo conscientemente entre 2025 y 2026 y lo ejecutara con disciplina. Estamos en 2026.
¿Cuál es el error más común al desplegar agentes de IA? Medir solo el ahorro del trabajo automatizable, que es la parte pequeña y visible. El valor grande está en el trabajo que se refuerza, donde el agente resuelve la mayor parte y la persona conserva el criterio, y ese vale entre tres y cinco veces más.
Cómo se empieza
Cinco pasos, en este orden. Empezar por un solo equipo, que es lo contraintuitivo, y aprender ahí qué ocurre cuando juntas personas y agentes con límites de decisión claros. Hacer el mapa de agentización capa por capa: la capa más aumentable es la oportunidad y la más humana es la ventaja. Elegir bien el proceso piloto, con volumen alto, un cuello de botella identificado, métricas claras y baja sensibilidad regulatoria. Hablar con las personas antes de tocar procesos, porque el rediseño técnico es la parte fácil y quien ve moverse su autoridad se resiste. Y diagnosticar de dónde se parte en datos, sistemas, procesos, cultura y gobernanza: basta con saber de qué se dispone y de qué se carece.
Tres preguntas que el libro deja abiertas
Son las que más aparecen en los proyectos y las que menos respuesta tienen hoy.
La paradoja del pipeline. Si ese 10 % automatizable es justo el trabajo rutinario con el que se formaban los perfiles junior, y la base de la pirámide se estrecha, ¿de dónde saldrá dentro de cinco años el centro grueso del diamante?
Cómo se mide el desempeño. ¿Cómo se evalúa a alguien cuyo resultado sale en parte de un agente? Objetivos, variable y evaluación siguen diseñados para un mundo en el que todo el output era de la persona.
De qué se compone un equipo. Ratio de personas y agentes, quién está en las reuniones, cómo se coordina el trabajo. Se ha escrito mucho sobre tareas y sobre roles, y casi nada sobre el equipo como unidad.
Las tres siguen abiertas. Lo que sí existe es una forma de trabajarlas dentro de una organización concreta, con sus puestos, sus datos y su gobernanza. Eso es lo que hacemos en DO'IN TALENT.
Si quieres una foto rápida de por dónde anda tu empresa antes de decidir nada, el diagnóstico de preparación para la IA son tres minutos y sales con tus tres prioridades.
Lectura del libro Agentic Enterprise, de Kashi KS, Giridhar LV Vishwanath y Thiyagarajan M, a partir de la reflexión de David Boronat sobre él. Las cifras del 10 / 30 / 60 y el múltiplo de tres a cinco veces son del libro.
Preparación para IA
Si quieres ver en qué punto estás, empieza por aquí: 15 preguntas sobre datos, herramientas, cultura y gobernanza. Son 3 minutos.
Hacer el diagnóstico →Reserva tu sesión sin coste ni compromiso alguno.
Reserva tu sesión →