En agosto, Cisco terminó de desplegar un agente de IA personalizado para cada uno de sus casi 90.000 empleados. No es un experimento aislado: según McKinsey, la proporción de grandes empresas que ya escalaron agentes de IA en una o más áreas de negocio pasó de 27% a 40% en un año, y un tercio directamente dejó de comprar software porque ahora lo construye puertas adentro. Para una empresa mediana en LATAM, el mensaje es claro: la pregunta ya no es si conviene sumar IA agéntica, es cuánto cuesta seguir esperando.
'MyAgent', el programa que Cisco terminó de desplegar en agosto, no es un asistente genérico compartido por toda la empresa: cada uno de los casi 90.000 empleados tiene un agente que conoce su rol, su equipo y su actividad reciente, y que le va sugiriendo automatizaciones sin que la persona tenga que pedirlas. Es una forma distinta de pensar la IA corporativa —no como una herramienta central que todos comparten, sino como una capa personalizada que se adapta a cada puesto de trabajo. Cisco no es un caso aislado: Genesys lanzó en las últimas semanas cuatro productos nuevos —Navigator, Orchestrator, Contextual Intelligence y un panel de control de IA— pensados para que las empresas traten a sus agentes como una fuerza de trabajo conectada, en vez de bots sueltos que hay que vigilar uno por uno.
La encuesta State of AI 2026 de McKinsey encontró algo más específico que la adopción de IA en general: el 32% de las organizaciones ya se saltó la compra de al menos un producto o funcionalidad de software porque podía construirlo puertas adentro con herramientas de codificación agéntica. No es un dato menor para el negocio del software empresarial: durante veinte años, la lógica por defecto de una empresa mediana fue comprar una licencia de un CRM, un ERP o una herramienta de gestión, y adaptar el proceso a lo que el software permitía. Ese cálculo empieza a invertirse cuando construir algo a medida deja de tomar seis meses y un equipo de diez personas, y empieza a tomar semanas con un equipo chico apoyado en IA.
En la región, el 77,7% de las pymes ya considera la automatización una prioridad para los próximos doce meses, y las que automatizan reportan hasta 32% más de productividad y un ROI de 3x a 5x en 90 días, según relevamientos recientes del sector. El freno no es lo que la mayoría imagina: el 38,9% de las empresas mexicanas señala la falta de conocimiento —no el costo, no la resistencia al cambio— como el principal obstáculo para incorporar IA. Es una brecha peligrosa porque es invisible desde afuera: una empresa puede tener presupuesto, tener ganas, y seguir sin saber qué proceso automatizar primero ni cómo evaluar si el agente que compró realmente funciona.
El punto de entrada más común sigue siendo atención al cliente y ventas. La industria estima hasta 30% de reducción de costos operativos en centros de contacto, entre 30% y 50% menos tiempo promedio de resolución, y hasta 25% de mejora en satisfacción del cliente cuando la IA conversacional está bien implementada —y el 82% de los consumidores ya prefiere interactuar primero con un asistente antes que esperar a una persona. Pero el mismo patrón que separa a Cisco de una empresa que instala un chatbot y lo deja aislado es el que separa a una pyme que automatiza en serio de una que solo agrega una herramienta más: el agente tiene que estar conectado al sistema que ya usa la empresa para vender, facturar y planificar, no vivir al costado de él.
Para Synova, la novedad de esta semana no es que las empresas grandes usen más IA —eso ya lo sabíamos. Es que la brecha entre construir y comprar software se está cerrando al mismo tiempo que se cierra la brecha entre tener un piloto de IA y tenerlo corriendo de verdad en la operación. Las dos cosas terminan en el mismo lugar: un sistema operativo de negocio construido a medida, donde el agente que atiende a un cliente, el que factura y el que reporta a dirección comparten los mismos datos. Eso es lo que hace que el 40% de las empresas ya esté escalando agentes y el resto siga evaluando.
El 3 de septiembre, OpenAI lanzó GPT-6 Astra y su presidente declaró 'la era de la AGI'. No hay consenso sobre si tiene razón, y el motivo importa: no existe una sola definición de Inteligencia Artificial General. Esto es lo que significa el término, y lo que el caso Astra revela sobre la velocidad real del cambio.
Forrester lo resumió en una frase: las empresas persiguen la IA agéntica, pocas la alcanzan. El 88% de los pilotos nunca llega a producción, y la razón casi nunca es el modelo: es la falta de gobernanza, de un dueño claro y de un criterio de éxito definido antes de arrancar.