La carrera por desplegar agentes autónomos en la empresa ha chocado contra un muro de realidad. Según la última investigación de VentureBeat Pulse, basada en una encuesta a 101 organizaciones, la inmensa mayoría de lo que hoy se vende como 'agente' no pasa de ser un envoltorio conversacional sobre un modelo de lenguaje. El 71% de los encuestados admite que una cuarta parte o menos de sus implementaciones son flujos de trabajo verdaderamente orquestados, capaces de encadenar varios pasos sin intervención humana. Solo un 10% ha superado el ecuador en madurez real.

El dato contrasta con la velocidad a la que las compañías están apostando por plataformas de orquestación. Anthropic, con su modelo Claude, se ha convertido en el estándar de facto: un 40% de las empresas la eligen como plataforma principal, más del doble que Microsoft (18%) u OpenAI (13%). La razón no es casual: el 'gravedad del modelo' —la alineación nativa con un modelo base de vanguardia— es el factor decisivo para el 21% de los compradores. La fiabilidad en la finalización de tareas (32%) y la gestión de flujos multinivel (28%) son las métricas que usan para juzgar el éxito.

Sin embargo, la capa de orquestación se está construyendo mucho más rápido que la cartera de agentes que debería alimentar. Las organizaciones están comprando la infraestructura antes de tener los casos de uso que la justifiquen. Esta desconexión está moldeando la arquitectura futura: para finales de 2026, el 51% espera operar un plano de control híbrido, combinando herramientas nativas del proveedor con capas de orquestación externas. Solo un 6% confiaría la gestión completa a un servicio gestionado por el proveedor.

El temor al bloqueo de proveedor (vendor lock-in) es el motor de esta estrategia híbrida. Un 35% lo señala como el principal riesgo si el control reside dentro del jardín vallado de un único vendor. La experiencia previa con la nube pública ha dejado cicatrices: las empresas quieren mantener la portabilidad de sus flujos de trabajo y la capacidad de cambiar de modelo base sin reescribir toda la lógica de negocio.

Otro punto ciego crítico es el control financiero en tiempo real. La quema de tokens —el coste variable de cada inferencia— sigue siendo una caja negra para la mayoría. Solo una minoría ha implementado mecanismos de gobernanza fiscal que limiten el gasto automáticamente cuando un agente entra en bucles o escala más de lo previsto. En un entorno donde un agente autónomo puede disparar cientos de llamadas a API en minutos, la ausencia de guardarraíles económicos es una apuesta temeraria.

La lección para los líderes tecnológicos es clara: no basta con contratar la plataforma más potente ni con etiquetar como 'agente' a cualquier chatbot con acceso a herramientas. La madurez real exige diseñar flujos de trabajo deterministas, instrumentar la observabilidad de cada paso y establecer presupuestos duros por ejecución. Mientras la industria madura, la ventaja competitiva no estará en quién tiene el modelo más grande, sino en quién logra que sus agentes trabajen —de verdad— sin supervisión constante y sin vaciar el presupuesto en el intento.