La aparición de agentes de inteligencia artificial (IA) -softwares que pueden interactuar con su entorno, recopilar datos y utilizarlos para realizar tareas definidas de forma autónoma- marcó un punto de inflexión en el uso de esta tecnología en el ecosistema empresarial en 2025. Pero la masificación y sofisticación de estos modelos traerá una serie de nuevos desafíos y oportunidades en 2026.

Para el gerente general de Matisi, Sebastián Farías, la evolución será clara: los agentes 'pasarán de ser asistentes reactivos a sistemas más autónomos, capaces de planificar, ejecutar y analizar resultados sin supervisión constante', detalla, y añade que estos se integrarán directamente en los sistemas corporativos para potenciar flujos ya existentes. No obstante, dice que 'el avance exige equilibrio', por lo que la clave será automatizar más, pero manteniendo la validación humana y supervisión estratégica. Un informe de Gartner proyecta que 40% de las aplicaciones empresariales contarán con agentes de IA específicos para tareas en 2026, frente a menos del 5% en 2025. En ese sentido, los empleados de las compañías 'deberán aprender a colaborar con agentes, intercambiar roles y también adaptarse a supervisar sistemas autónomos', afirma el decano de la Facultad de Ingeniería de la Universidad San Sebastián, Rodrigo Navia. En tanto, los líderes empresariales deberán definir 'qué hacen los agentes y qué hacen las personas', proyecta el académico. La eventual llegada de un chip propio de la compañía OpenAl en colaboración con Broadcom también marcará un hito en la aplicabilidad empresarial de la IA hacia 2026.

'Este avance permitirá una integración más profunda entre hardware y modelos, aumentando la velocidad, eficiencia y autonomía de los sistemas', asegura el presidente ejecutivo de Wingsoft, Danilo Naranjo. Este acelerador 'apunta a menor latencia, menor costo por inferencia y mayor capacidad por watt', complementa el presidente de la Mesa de IA de la Asociación Chilena de Empresas de Tecnologías de Información, Thierry de Saint Pierre, lo que permitirá 'incrustar aprendizajes de sus modelos en el hardware para desbloquear nuevos niveles de capacidad'. En el país se espera que 'se consolide el paso de pilotos de IA a soluciones en producción con agentes y copilotos IA, aplicados al servicio al cliente, back-office y analítica regulatoria', dice Saint Pierre. Una visión compartida por Naranjo, quien plantea que se espera que la IA evolucione hacia decisiones predictivas, personalización masiva y automatización inteligente, impulsada por la madurez de los modelos y la capacitación de talento local.

Desafíos y oportunidades

Farías dice que las oportunidades 'son enormes', haciendo alusión a una mayor productividad y ahorro de tiempo en operaciones, la automatización del trabajo cognitivo y las capacidades de análisis avanzadas para mejorar la experiencia del cliente, a lo que Naranjo añade la posibilidad de crear nuevos modelos de negocio basados en datos e inteligencia predictiva. Sin embargo, Farías advierte que esto también puede tener un riesgo de fallas masivas si se prioriza velocidad sobre validación. 'Los principales desafíos (...) estarán relacionados con la gobernanza y la ética en su uso a nivel empresarial', dice Navia, y acota que hay que pensar en interrogantes como quién debiera supervisar al agente o qué capacidades debiera tener.