La era del bricolaje de GenAI está terminando a medida que las empresas pasan de construir infraestructura a utilizar plataformas de IA agentic que ofrecen resultados comerciales medibles.
por Eric Barroca
La primera ola de GenAI vino con grandes ambiciones y una curva de aprendizaje aún mayor. Las empresas gastaron millones en conectar sus propias pilas, con la esperanza de convertir los pilotos en producción. Nos prometieron transformación. Lo que la mayoría obtuvo en cambio fue deuda técnica. En retrospectiva, el error fue claro: todos intentaron construir la infraestructura ellos mismos.
En ese entonces, era comprensible. En 2022, no había plataformas reales, solo un montón de API y modelos sin procesar. Para experimentar, tenías que construirlo todo tú mismo: canalizaciones de datos, conectores, seguridad, gobernanza. Pero esa fase siempre iba a ser temporal, al igual que los primeros días de la nube o los dispositivos móviles.
La lección ahora es simple: cablear pilas juntas no es innovación. Es plomería. La verdadera ventaja radica en centrarse en los resultados: el trabajo que la IA realmente puede hacer por las empresas.
Por qué fracasaron los primeros esfuerzos de GenAI
La investigación del MIT de 2025 encontró que el 95% de las organizaciones no vieron un ROI medible de GenAI. Gartner predice que para 2027, casi la mitad de los proyectos de IA agencial se cancelarán, generalmente porque los costos se disparan, la gobernanza se retrasa o nadie puede demostrar el valor comercial.
Estos números no significan que GenAI esté en declive, marcan la siguiente fase. Todos los cambios tecnológicos importantes pasan por él: el paso de la experimentación al realismo. La primera ola siempre iba a ser ineficiente. La mayor parte aún no estaba haciendo un trabajo real, era teatro de demostración.
Qué significa realmente la IA agencial
Ese cambio, de IA generativa a IA agencial, ocurrió por una razón. Los primeros chatbots podían hablar, pero no podían actuar. Produjeron respuestas, no resultados. No se conectaron a los sistemas, completaron procesos ni se adaptaron al cambio. Y a menudo, ni siquiera tenían razón.
Los bots con scripts y las herramientas de RPA siguen reglas rígidas. No razonan. No evolucionan. La IA agencial introduce algo nuevo: un modelo operativo en el que los sistemas pueden actuar con intención, dentro de las barandillas, pero con la libertad de decidir cuál es la mejor manera de lograr el objetivo.
La IA agencial es diferente. Un agente puede percibir el contexto, planificar y ejecutar tareas de varios pasos, a veces junto con otros agentes. Recuerda. Aprende. Se conecta a sus sistemas y se adapta a medida que cambian las condiciones. Se comporta menos como una calculadora, más como un colega capaz.
Por qué las plataformas son importantes ahora
Si los agentes son la forma en que se realiza el trabajo, la pregunta es: ¿cómo los opera a escala? Ahí es donde se rompieron los primeros esfuerzos. El entusiasmo no fue el problema. Se suponía que la infraestructura local escalaría. El resultado: demostraciones impresionantes y resultados decepcionantes.
Los proyectos que escalaron compartieron una cosa: se construyeron sobre plataformas. El MIT descubrió que las pocas historias de éxito se apoyaban en plataformas estructuradas en lugar de construcciones a medida. IDC se hace eco de esto: las plataformas componibles son el tejido conectivo que permite que los modelos, los flujos de trabajo y la gobernanza funcionen como un solo sistema.
Ese es el punto de inflexión en el que estamos ahora. Las plataformas existen. Construir su propia infraestructura ya no es audaz, es un desperdicio.
Lo que debe proporcionar una plataforma real
Para que la IA agencial ofrezca un valor medible, las plataformas necesitan una base sólida, una que convierta los experimentos en sistemas operativos. Seis elementos esenciales lo definen:
- Orquestación de varios modelos. La capacidad de usar, comparar y cambiar entre modelos abiertos o patentados a medida que cambian los costos, la velocidad y el rendimiento.
- Herramientas y gobernanza de múltiples personas. Interfaces creadas para analistas, propietarios de productos y desarrolladores por igual, con registros de auditoría, monitoreo y observabilidad integrados desde el primer día.
- El contexto empresarial como base. Los resultados deben basarse en los propios datos de su organización: sus documentos, sistemas y barandillas.
- Seguridad de nivel empresarial. Límites de datos, permisos e informes de cumplimiento que protegen cada interacción.
- Preparación de documentos y contenidos. Herramientas que transforman el contenido de formato largo (PDF, contratos, imágenes, video) en conocimiento estructurado y recuperable que impulsa el razonamiento preciso.
- Integración de flujo de trabajo. Agentes que pueden abarcar documentos, API y sistemas para completar el trabajo de varios pasos sin intervención manual.
Estos no son complementos. Son los requisitos mínimos para implementar IA agencial a escala.
Lo que viene después
La historia de GenAI no es una burbuja que se desinfla, está madurando. La primera fase gastó tiempo y dinero en la construcción de infraestructura porque no había otra opción. Ahora lo hay. La era del bricolaje ha terminado.
La ventaja que se avecina no vendrá de conectar diferentes piezas de tecnología, sino de usar IA para el trabajo real. Las plataformas proporcionan la base. Tú decides dónde enfocarte. Aquellos que hagan ese cambio llevarán la IA agencial más allá de la exageración, hacia sistemas que brinden un valor medible y duradero.
Sobre el autor
Eric Barroca es el cofundador y director ejecutivo de Vertesia, una plataforma unificada y de bajo código para crear, implementar y administrar aplicaciones y agentes GenAI de nivel empresarial.
Fuente: https://www.vktr.com/ai-technology/the-real-mistake-of-genai-and-what-comes-next/