En los últimos años, muchas empresas incorporaron herramientas de inteligencia artificial para acelerar tareas puntuales. Algunos ejemplos son resumir documentos, preparar minutas, ordenar información o generar primeros borradores. Ese primer uso abrió una puerta, pero también mostró que, cuando cada profesional usa una herramienta por separado, la mejora queda fragmentada.
Ante esto, el próximo movimiento apunta a plataformas multiagente, que conectan varios agentes de IA especializados, capaces de ejecutar pasos distintos dentro de un mismo flujo de trabajo. De esta manera, la oportunidad no está en automatizar una tarea aislada, sino en ordenar workflows completos con mayor trazabilidad, control y velocidad.
Índice de temas
Plataformas multiagente: la nueva arquitectura operativa de la consultoría
Una plataforma multiagente puede entenderse como una capa de coordinación entre personas, datos, sistemas y modelos de IA. Su función es distribuir tareas entre agentes con roles definidos y hacer que esos agentes trabajen dentro de un proceso más amplio. En la práctica, esto permite pasar a una lógica más operativa, con procesos diseñados, permisos claros, acceso a fuentes internas, reglas de validación y registro de lo que ocurrió en cada paso.
La diferencia con un chatbot tradicional está en la capacidad de actuar dentro de un workflow. En este sentido, un sistema multiagente puede dividir un objetivo en etapas, consultar herramientas, tomar información de distintos sistemas, pedir intervención humana cuando encuentra una excepción y dejar evidencia del recorrido.
De acuerdo con el informe The state of AI in 2025 de McKinsey, el 88% de las organizaciones usa IA regularmente en al menos una función de negocio, frente al 78% del año anterior. Además,el 23% dijo estar escalando sistemas de IA agéntica en alguna parte de la empresa, mientras que otro 39% ya estaba experimentando con agentes de IA.
En consultoría, la productividad depende, además de escribir más rápido, de encontrar información confiable, separar señales de ruido, documentar decisiones y sostener consistencia entre equipos. Las plataformas multiagente intentan llevar la IA a ese terreno como una infraestructura de trabajo, y no como una herramienta suelta.
Cómo los agentes de IA automatizan research, análisis y entregables
En un proyecto de consultoría, se consumen muchas horas antes de llegar a la recomendación final. Es necesario relevar información, leer documentos, comparar fuentes, procesar datos, detectar patrones, preparar hipótesis, escribir borradores, revisar versiones y armar entregables. Estas tareas son intensivas en conocimiento, pero muchas tienen pasos repetibles que pueden automatizarse.
Por ejemplo, un workflow agéntico podría empezar con un agente de research que recopila información pública y documentos provistos por el cliente. Otro agente podría clasificar contenidos por tema, riesgo o área de negocio. Un tercero podría extraer datos relevantes y generar una tabla comparativa. Otro podría preparar una primera narrativa. Por último, un consultor podría revisar, corregir y validar supuestos para decidir qué entra en la versión que verá el cliente.
El estudio From AI projects to profits de IBM identificó cuáles son los principales beneficios de la IA agéntica. Los ejecutivos encuestados mencionaron la mejora en la toma de decisiones (69%), la reducción de costos por automatización (67%) y la ventaja competitiva (47%).
Por su parte, el informe State of Agent Engineering de LangChain indica que entre los principales casos de uso de la IA agéntica se encuentran research y análisis de datos (24,4%) e internal workflow automation (18%). A su vez, el reporte señala que estos agentes se utilizan para sintetizar grandes volúmenes de información, razonar entre fuentes y acelerar tareas intensivas en conocimiento.
Para una consultora, eso puede traducirse en propuestas comerciales más rápidas, benchmarks sectoriales con mejor trazabilidad, diagnósticos iniciales más consistentes o entregables que llegan a la etapa de revisión con mayor grado de avance. El valor aparece cuando el agente trabaja conectado con metodologías, bases de conocimiento, plantillas, políticas internas y criterios de calidad.
Cómo Deloitte y PwC utilizan plataformas multiagente para escalar servicios
Los movimientos de las grandes firmas muestran cómo se lleva la IA agéntica a una lógica de plataforma en consultoría. Deloitte presentó Zora AI como una solución con agentes listos para desplegar, capaces de percibir, razonar y actuar para ejecutar funciones de negocio complejas. La compañía la describe como una plataforma construida sobre NVIDIA AI, con agentes para finanzas, capital humano, supply chain, procurement, ventas, marketing y servicio al cliente.
Según Deloitte, Zora AI se organiza como una arquitectura de agentes empresariales sobre una base agéntica, disponible como SaaS o para desplegarse en entornos cloud u on-premise de los clientes. La firma destaca que el sistema incluye principios de Trustworthy AI, foco en seguridad, transparencia y confiabilidad, además de un circuito de feedback humano para mejorar la calidad de recomendaciones e insights.
El caso más concreto aparece en finanzas. Hewlett Packard Enterprise comenzó a utilizar Zora AI for Finance para el análisis de estados financieros, el modelado de escenarios y el análisis competitivo y de mercado, en busca de aumentar la productividad de sus líderes financieros y reducir en 50% el tiempo de producción de reportes. Por su parte, los objetivos internos de Deloitte fueron reducir costos en un 25%, aumentar productividad en un 40% y liberar miles de horas de trabajo al año para su equipo financiero.
Por otro lado, PwC lanzó agent OS como un sistema operativo para agentes de IA empresariales. La firma lo define como un centro de comando capaz de conectar y escalar agentes inteligentes en workflows de negocio, hasta 10 veces más rápido que métodos tradicionales. Su objetivo es resolver el problema que tienen muchos agentes que nacen como funciones embebidas, aplicaciones aisladas o desarrollos muy específicos, pero después no logran comunicarse ni trabajar de forma coordinada.
Agent OS apunta a esa integración. Tal como indica PwC, se trata de una plataforma para orquestar agentes de múltiples proveedores en workflows unificados, con compatibilidad con Anthropic, AWS, GitHub, Google Cloud, Microsoft Azure, OpenAI, Oracle, Salesforce, SAP, Workday, CrewAI, LangGraph y otros entornos. También incluye control de acceso basado en roles, ejecución con datos en tiempo real, historial de sesiones, feedback humano y un dashboard centralizado de gobernanza.
Qué necesitan las consultoras para implementar esta tecnología sin perder control
En servicios profesionales, los errores pueden afectar recomendaciones estratégicas, cumplimiento regulatorio, información confidencial o decisiones de clientes. Por esta razón, la discusión no debería quedar atrapada en la velocidad de los agentes, sino en cómo se gobiernan.
El primer requisito para implementar plataformas multiagente es tener datos ordenados. Los agentes necesitan acceder a información interna, metodologías, contratos, reportes, bases de conocimiento y sistemas de gestión. Si esas fuentes están desactualizadas, duplicadas o mal clasificadas, el agente puede producir respuestas convincentes pero débiles.
El segundo punto es definir límites de autonomía. Esto hace referencia a que no todos los procesos necesitan IA agéntica, y a que algunas tareas pueden resolverse con automatización tradicional, RPA o asistentes simples. Los agentes tienen sentido cuando hay varios pasos, contexto cambiante, necesidad de consultar herramientas y decisiones intermedias.
Por último, es fundamental medir el impacto. Una plataforma multiagente debería evaluarse por métricas concretas, como horas ahorradas, reducción de retrabajo, calidad de entregables, velocidad de armado de propuestas, precisión en análisis, reutilización de conocimiento y satisfacción del cliente. Sin esa medición, el proyecto corre el riesgo de quedar como una prueba atractiva, pero difícil de sostener.
Según Gartner, más del 40% de los proyectos de IA agéntica podría cancelarse hacia fines de 2027 por costos crecientes, valor de negocio poco claro o controles de riesgo insuficientes. El dato muestra que la adopción de la tecnología depende de que cada implementación tenga un caso de uso concreto, métricas claras y un marco de control que permita escalar sin aumentar la exposición operativa.
Para las consultoras, el desafío es construir una operación donde los agentes hagan trabajo útil, pero el criterio siga estando en manos de profesionales. La ventaja aparecerá al integrar la IA en workflows bien diseñados, con datos confiables, control humano y objetivos de negocio claros.
