Durante años, el dashboard fue una de las principales interfaces entre los datos y el negocio. Permitió ordenar indicadores, democratizar información y acercar la inteligencia empresarial a áreas que antes dependían de reportes estáticos o análisis aislados. Sin embargo, su lógica no dejaba de ser consultiva: alguien mira un tablero, interpreta una variación, cruza contexto y decide qué hacer.
Con la llegada de los agentes de IA, esta dinámica empezó a cambiar. Estos sistemas pueden responder preguntas sobre los datos, interpretar señales, proponer acciones y, en determinadas circunstancias, ejecutar tareas dentro de las aplicaciones empresariales. De esta forma, el rol de la analítica pasó de explicar lo que ocurrió a intervenir en lo que puede ocurrir.
Para las empresas, esta transición implica preguntarse qué pasa cuando los sistemas que consumen datos dejan de limitarse a mostrar información y empiezan a actuar sobre ella. La respuesta depende de la madurez con la que gestionen sus datos, sus reglas de negocio y sus mecanismos de control.
Índice de temas
Cómo se integra la analítica al flujo de trabajo
El cambio más profundo sucede cuando los datos dejan de esperar a que alguien los consulte y empiezan a aparecer en el momento exacto en que se debe tomar una decisión. Así, la analítica se incorpora a herramientas como CRM, ERP, plataformas de atención al cliente o aplicaciones de operaciones, entre otras cosas.
Por ejemplo, en vez de esperar a que un usuario revise un tablero para detectar una caída en las ventas, un agente puede identificar la anomalía, consultar datos relacionados, contrastar hipótesis y sugerir una acción. En escenarios más avanzados, puede incluso notificar a un equipo comercial, ajustar una campaña o recomendar una reasignación de inventario.
De acuerdo con Gartner, hasta el 40% de las aplicaciones empresariales incluirán agentes integrados para tareas específicas para 2026, frente a menos del 5% en 2025. Esta cifra muestra que la IA agéntica podría convertirse en una capa funcional dentro del software corporativo.
En este punto, el valor ya no estará solo en presentar indicadores de forma clara, sino en conectar esos indicadores con acciones. Esto significa que los datos dejan de vivir en reportes y comienzan a operar dentro del flujo de trabajo.
IA agéntica: entre el interés empresarial y el desafío de la escala
En el marco del informe The State of AI 2025 de McKinsey, el 23% de los encuestados afirmó que su organización ya estaba escalando un sistema de IA con agentes en al menos una función empresarial. Otro 39% indicó que comenzó a experimentar con esta tecnología. Sin embargo, la mayoría de quienes escalan lo hacen solo en una o dos funciones y, en cualquier función empresarial específica, no más del 10% declara estar escalándolos.
Estos números dan lugar a una lectura doble. Por un lado, las empresas ya están probando cómo llevar la tecnología más allá del asistente de IA. Por el otro, todavía falta convertir esos pilotos en capacidades transversales, confiables y gobernadas.
Por su parte, la Encuesta de PwC sobre agentes de IA también refleja ese clima de aceleración. El 88% de los participantes señaló que su equipo planea aumentar los presupuestos relacionados con IA en los siguientes 12 meses gracias a los agentes de IA. Además, el 79% expresó que estos sistemas ya se están implementando en sus empresas. Entre quienes los usan, el 66% aseguró que generan valor cuantificable a través de una mayor productividad.
Como resultado, convencer a las empresas de que existe una oportunidad no parece complejo. La cuestión es cómo escalarla sin perder el control. En este sentido, según un estudio de IBM, aunque el 80% de los líderes encuestados comenzó a desarrollar conjuntos de datos diversos para entrenar agentes de IA, el 79% reconoce estar en etapas tempranas para definir cómo escalarlos y gestionarlos.
Pese a esto, el informe también revela perspectivas optimistas. El 83% de los encuestados cree que los beneficios potenciales de implementar agentes superan los riesgos, y el 77% se siente cómodo con que su organización dependa de los resultados generados por estos sistemas.
El nuevo desafío para los CDOs en la era de los agentes de IA
Si un dashboard utiliza datos incompletos, el riesgo principal puede ser una mala interpretación. Si un agente utiliza datos incompletos, ese riesgo puede convertirse en una acción equivocada. Ante esto, la IA agéntica vuelve más urgente una agenda que los Chief Data Officers (CDO) ya conocen bien: calidad, gobierno, linaje, permisos, semántica y accountability.
Según una encuesta realizada por Deloitte, la gobernanza de datos es la principal prioridad de los CDOs para los próximos 12 meses, con un 51%. Esto no sorprende, ya que, antes de automatizar decisiones, las empresas necesitan saber de dónde vienen sus datos, qué significan, quién puede usarlos, bajo qué condiciones y con qué nivel de confianza.
Por otro lado, la encuesta revela que las organizaciones con mayor madurez percibida priorizan la IA e IA generativa, con un 67%, y el desarrollo de productos de datos, con un 56%. En cambio, las de menor madurez se concentran más en la gobernanza de datos, con un 63%, y en la estrategia de datos, con un 41%. La conclusión es que, mientras las primeras empiezan a construir valor sobre sus datos, las segundas todavía están ordenando sus bases.
Frente a esto, el rol de los CDO evoluciona. No solo se trata de custodiar activos de información, sino de preparar a la organización para que sistemas automatizados puedan tomar decisiones basadas en datos de forma segura. Eso implica definir métricas comunes, establecer controles, documentar reglas y asegurar que los agentes operen dentro de límites claros.
En esta línea, Ed Lovely, Vicepresidente y CDO de IBM, sostuvo que “la IA empresarial a gran escala está al alcance de la mano, pero el éxito depende de que las organizaciones la impulsen con los datos adecuados. Para los CDO, esto significa establecer una arquitectura de datos empresariales perfectamente integrada que impulse la innovación y genere valor para el negocio”.
A su vez, el Foro Económico Mundial (WEF) propone clasificar los agentes según dimensiones como rol, autonomía, previsibilidad y contexto. Esto permite entender si el agente cumple una función específica o más general, hasta qué punto puede actuar sin intervención humana, cuán esperable es su comportamiento y en qué entorno, proceso o dominio opera.
Esta clasificación es especialmente relevante para los CDOs, ya que no requiere los mismos controles un agente que resume métricas comerciales que uno capaz de modificar precios, aprobar operaciones o activar acciones sobre clientes.
El futuro de la analítica empresarial, entonces, supone rediseñar la relación entre datos, decisiones y acciones. No dependerá solo de sistemas capaces de responder preguntas, sino de sistemas capaces de actuar de forma correcta, y ahí estará la verdadera diferencia entre tener dashboards más sofisticados y construir una empresa realmente orientada por datos.
