Nueve de cada diez proyectos de IA fracasan – ¿qué diferencia a los ganadores de los perdedores?

La promesa es real. La implementación es difícil.

No falta entusiasmo en torno a los agentes de IA. Apenas hay una empresa de importancia que no tenga en marcha un proyecto piloto hoy en día. Pero el entusiasmo es una cosa – la escalabilidad es otra muy distinta.

Según el informe tecnológico de Deloitte para 2026, el 89 por ciento de los proyectos piloto con agentes de IA nunca alcanzan ambiente de producción. Teradata confirma la imagen: el 78 por ciento de las empresas ejecutan al menos un proyecto piloto, pero solo el 14 por ciento ha logrado desplegar un agente en toda la organización. Gartner añade la última pieza de este patrón desalentador – de mil proyectos de IA financiados, aproximadamente 120 alcanzan producción, y de estos solo 34 cumplen sus objetivos de retorno.

Son cifras que deberían sacudir cualquier sala de juntas. Pero no cuentan toda la historia.

No es la tecnología la que falla

Lo más importante de entender – y lo que a menudo se pasa por alto en el debate – es que raramente es el modelo de IA el problema. La misma tecnología subyacente impulsa tanto el piloto como el sistema de producción. Lo que los diferencia es todo lo que hay alrededor.

Los reportes de AI News identifican seis obstáculos recurrentes. El más común es lo que mejor puede describirse como expansión gradual del alcance: un piloto tiene éxito de manera estrecha y delimitada, es elogiado internamente, y luego se espera que maneje flujos de trabajo adyacentes para los que la infraestructura nunca fue diseñada. Cada ampliación añade integraciones y puntos de fallo – sin que se fortalezca la base operativa.

A esto se suma el acceso a datos. En ambiente de prueba, el agente trabaja con conjuntos de datos cuidadosamente seleccionados. En operación real se enfrenta a sistemas vivos con calidad desigual, permisos contradictorios y deuda técnica heredada de décadas de decisiones de TI. Raramente funciona.

Entonces, ¿cuál es la lección? Que la organización que quiera tener éxito con agentes de IA debe invertir con igual intensidad en infraestructura operativa y gobernanza de datos que en la elección del modelo mismo. La tecnología está lista. La organización frecuentemente no lo está.

Los jefes de seguridad ven un nuevo panorama de amenazas

Paralelamente a los desafíos en torno a la implementación crece otra preocupación. Según el informe anual de Team8 – que se basa en respuestas de encuestas de principales jefes de seguridad del mundo – el 78 por ciento afirma que la seguridad de IA y agentes es su mayor desafío. Son exactamente el doble que los que mencionan el siguiente problema en la lista.

Tim Brown, jefe de seguridad de Team8, señala qué es lo que ha cambiado:

– Lo que se ha considerado buena higiene de seguridad durante los últimos diez a veinte años ya no es suficiente. Solíamos creer que la autenticación multifactor, los cortafuegos y la buena protección de dispositivos eran suficientes. Ya no es así.

Los atacantes utilizan hoy IA para encontrar y explotar debilidades más rápido de lo que las organizaciones pueden cerrarlas. Y cuando además los empleados comienzan a crear sus propios agentes – sin control central ni supervisión – surge una superficie de amenaza fragmentada para la que los modelos de seguridad tradicionales no fueron diseñados.

Aquí reside una de las tensiones más subestimadas en todo el debate sobre agentes de IA: cuanta más autonomía le damos a un agente, más difícil se vuelve controlarlo – y más valioso se convierte para quien quiera explotarlo.

Worldline da el paso que ningún otro se ha atrevido

En medio de este paisaje complejo, un actor hace algo concreto. La empresa francesa de servicios de pago Worldline – uno de los líderes europeos en tecnología de pagos – abre ahora su infraestructura de pagos para agentes de IA autónomos que pueden tomar decisiones por sí solos y realizar transacciones, sin intervención humana directa.

Es un paso histórico. Dejar que un agente de IA ofrezca asesoramiento es una cosa. Permitirle mover dinero es algo completamente distinto.

Según Finextra, se trata de casos de uso como reserva automática y pago de servicios, gestión de compras recurrentes y optimización de procesos de compra en tiempo real. Las posibilidades son obvias. Pero las preguntas sobre responsabilidad, seguridad y cumplimiento normativo son al menos igualmente obvias – y aún en gran medida sin respuesta.

¿Quién asume la responsabilidad legal cuando un agente realiza una transacción incorrecta? ¿Cómo se previene que los sistemas se exploten para fraude o lavado de dinero? Worldline no necesita tener todas las respuestas – pero que se coloquen al frente y fuercen estas preguntas en serio es en sí una contribución a la maduración de toda la industria.

Esto es exactamente cómo se ve el liderazgo en una fase de transformación.